4、图像识别验证码攻击与内部威胁预测模型解析

图像识别验证码攻击与内部威胁预测模型解析

图像识别验证码攻击

在图像识别验证码的研究中，研究人员进行了更广泛的评估，针对另外两个图像数据库：微软的 Asirra 和 Umist 人脸数据库。对 Asirra 数据库的公开摘录（包含 30000 张图像）进行攻击测试，尽管大量图像导致图像间相似度较高，但由于图像未被修改，不影响模糊图像比较算法。Umist 人脸数据库由在白色背景前拍摄的黑白人脸图像组成，算法会隐式忽略显示白色背景的相同像素，仅对其余部分进行比较，攻击该数据库的结果与攻击 HumanAuth 数据库相同。

为了攻击图像识别验证码，研究人员实现了一个原型。这个原型可在网站上下载和测试，集成了 HumanAuth 图像作为示例图像数据库，方便广大用户评估该工具。它具有多种功能：
1. HumanAuth 求解器 ：能够解决任意 HumanAuth 实例创建的验证码。原型会从网站上设置的 HumanAuth 实例中获取图像，并使用 PixelMap 方法轻松解决。
2. 通用验证码模拟器 ：用于快速测试针对所有基于数据库的验证码的攻击，可进行任意次数的迭代。还实现了多种图像修改功能，以测试针对强化验证码实例的攻击成功率。
3. 图像比较功能 ：用于在受控环境中检查 PixelMap 方法。与模拟器类似，也实现了图像修改功能，且大多数功能支持图形可视化，便于深入分析结果。

以下是一个简单的流程说明：

graph LR
    A[获取验证码图像] --