基于神经网络的验证码实验研究（一）

最新推荐文章于 2022-02-03 19:02:05 发布

原创

最新推荐文章于 2022-02-03 19:02:05 发布 · 975 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #验证码 #Python #sklearn #scikit-image

本文探讨了验证码（CAPTCHA）的概念及其在人机验证中的重要性，随着AI的发展，研究者利用深度神经网络对图像验证码进行识别。文章详细介绍了使用Python、sklearn和scikit-image等工具进行数据采集、处理、图像识别的过程，包括创建字母数据集、多层感知机模型、图像分割及优化。此外，还讲解了如何使用OneHotEncoder进行特征编码，并对训练数据集进行预处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

本次实验研究完整代码 ->进入 From Github

一.CAPTCHA

提到验证码，生活中各种各样的平台都会在用户常规操作管理下实行验证码机制。对于我浅显的理解，一是区分人与机器的认证交互，在有行为发生的情况下，我们要判断是否是用户主观操作，本意所为，因此加上验证码机制会使得我们的信息数据和资金数字财产得到一定基础屏障。二是对于验证码，尤其为语言验证码，如汉文字验证码和其他语言字符串验证码，对于国外的一些恶意人员也会具有一定作用的防护屏障等等。

那么这个CAPTCHA，在生活工作中的重大存在意义呢？

Completely Automated Public Turing test to Tell Computers and Humans Apart
译为全自动区分计算机和人类的图灵测试

其测试内容，主要是利用人类脑中的辨别能力，对一些难以被计算机识别的字符等图像进行辨认，以此用这些 “计算机不能完成”的行为，从根本辨别出“人” 和 “计算机”
。而基于这种测试的程序，必须能生成并评价人类能很容易通过，但计算机却通不过的测试。因此CAPTCHA通俗点的名字，才叫人机验证。

reCAPTCHA，是在原 CAPTCHA 测试基础上进行延展的技术，相比传统的人机验证，其本质更像是 “让计算机求助于人类”，在 2009 年被 Google 收购，并以此基础进行再开发。

它实际上由 “NoCAPTCHA” 和 “reCAPTCHA” 两部分组成，其一是一个简单的认证系统，上面只有一句 “我不是机器人”和一个等你打勾的方框，当你确认后，用一系列 “风险分析引擎” 对用户进行无缝分析，并以此来判断你是否是一个 “真人” 。

很多网站都在注册、评论系统中使用验证码，以防止别