[發明專利]一種用于人機識別的圖形識別碼生成方法

有效

• 申請號: 202110578878.3
• 申請日: 2021-05-26
• 公開（公告）號: CN113033747B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 劉小壘;李璐璇;殷明勇;路海
• 申請（專利權）人: 中國工程物理研究院計算機應用研究所
• 主分類號: G06K19/06
• 分類號: G06K19/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都正煜知識產權代理事務所(普通合伙) 51312
• 代理人: 徐金瓊

本發明公開了一種用于人機識別的圖形識別碼生成方法，屬于網絡安全測試領域，解決現有驗證碼容易被基于機器學習技術訓練的機器人自動識別并跳過，以及現有的圖片對抗樣本生成方式處理時間長和計算規模大的問題。本發明預設圖片尺寸,基于圖片尺寸選取圖片集，將圖片集和圖片集的分類結果輸入對抗樣本生成系統生成擾動，再將擾動添加在圖片集的圖片邊框上,得到初始化的圖片對抗樣本集；基于初始化的圖片對抗樣本集，利用白盒訓練模型對干擾進行優化，生成最終的圖片對抗樣本，即圖片干擾邊框；將圖片干擾邊框加入待干擾圖片上，形成圖片識別碼，即圖片驗證碼，其中，待干擾圖片的尺寸與圖片集中的圖片的尺寸大小相同。本發明用于生成干擾框架。

技術領域

一種用于人機識別的圖形識別碼生成方法，用于生成干擾框架，屬于網絡安全測試領域。

背景技術

隨著人工智能技術的發展，重復且機械性的人力勞動逐漸被機器所替代，而在網絡上也出現了用機器代替人去實現一些個人目的場景出現（搶票、購物秒殺、網絡爬蟲等），大大的破化了市場公平和網絡秩序。為了防御機器代替人來執行操作，人機識別技術也開始快速發展并且形成了較好的效果。現階段主要的人機識別方式有邏輯運算、圖片特征識別、圖片行為識別等，通過在圖片上增加干擾（旋轉、模糊、拉伸）以達到在不影響真人識別的情況下攔截機器人訪問，而現有的驗證碼容易被基于機器學習技術訓練的機器人自動識別并跳過，使得驗證碼如同虛設，具體為：

驗證碼能夠被機器識別并跳過的原因是機器學習目前已經有較為成熟的技術，例如KNN，K-means等，可以通過輸入一些樣本，分析驗證碼是如何被施加干擾的。最后可以形成一個識別系統，對于給出的加了干擾的驗證碼，能夠成功地識別出它原本的樣子，從而達到跳過驗證的目的。這種現象出現的原因是有人為了達到個人目的，通過機器代替人力獲得優勢，從而為自己謀取利益。而為了維護市場公平，就必須想出應對方法來限制這種情況的發生，于是就產生了驗證碼。

基于圖片對抗樣本生成系統，現有的圖片對抗樣本生成方式主要是在圖片上增加真人通過肉眼無法識別的噪聲，形成特征點以達到分類系統誤分類的結果，這樣的方式雖然在表面上沒有更改圖片信息，實際上使得圖片信息損失；除此之外，這類方法需要針對每次輸入的圖片進行誤導，即每輸入一次信息，就需要重新計算生成干擾以形成新的對抗樣本，這就增加了處理時間和計算規模，具體為：

當前對于生成圖像干擾，是每輸入一次圖片，都要通過計算如何形成干擾，這就需要一定的內存，并且生成的結果依賴于硬件的計算速度。該方法存在一定的滯后性（不能輸入圖片就能看到干擾結果這樣“所見即所得”的效果）。

發明內容

針對上述研究的問題，本發明的目的在于提供一種用于人機識別的圖形識別碼生成方法，解決現有驗證碼容易被基于機器學習技術訓練的機器人自動識別并跳過，以及現有的圖片對抗樣本生成方式處理時間長和計算規模大的問題。

為了達到上述目的，本發明采用如下技術方案：

一種用于人機識別的圖形識別碼生成方法，包括：

S1、預設圖片尺寸, 基于圖片尺寸選取圖片集，將圖片集和圖片集的分類結果輸入對抗樣本生成系統生成擾動，再將擾動添加在圖片集的圖片邊框上,得到初始化的圖片對抗樣本集；

S2、基于初始化的圖片對抗樣本集，利用白盒訓練模型對干擾進行優化，生成最終的圖片對抗樣本，即圖片干擾邊框；

S3、將圖片干擾邊框加入待干擾圖片或待干擾圖片集上，形成圖片識別碼，即圖片驗證碼，其中，待干擾圖片或待干擾圖片集中的圖片的尺寸與圖片集中的圖片的尺寸大小相同。

進一步，所述步驟S1的具體步驟為：

步驟S1.1、獲取圖片集；

其中，表示圖片集，表示圖片集中的第張圖片，表示圖片的高度，表示圖片的寬度，表示圖片的顏色通道數，R表示實數域；