nig0s1992:最近做驗證碼識別的技術調查，看了幾篇不錯的文章。
一、驗證碼的基本知識
1. 驗證碼的主要目的是強制人機互動來抵禦機器自動化攻擊的。
2. 大部分的驗證碼設計者並不得要領，不了解影象處理，機器視覺，模式識別，人工智慧的基本概念。
3. 利用驗證碼，可以發財，當然要犯罪：比如招商銀行密碼只有6位，驗證碼形同虛設，計算機很快就能破解乙個有錢的賬戶，很多帳戶是可以網上交易的。
4. 也有設計的比較好的，比如yahoo,google,microsoft等。而國內tencent的中文驗證碼雖然難，但算不上好。
二、人工智慧，模式識別，機器視覺，影象處理的基本知識
1)主要流程：
比如我們要從一副中，識別出驗證碼;比如我們要從一副中，檢測並識別出一張人臉。 大概有哪些步驟呢?
2.預處理：檢測是正確的影象格式，轉換到合適的格式，壓縮，剪下出roi，去除噪音，灰度化，轉換色彩空間這些。
3.檢測：車牌檢測識別系統要先找到車牌的大概位置，人臉檢測系統要找出中所有的人臉(包括疑似人臉);驗證碼識別呢，主要是找出文字所在的主要區域。
4.前處理：人臉檢測和識別，會對人臉在識別前作一些校正，比如面內面外的旋轉，扭曲等。我這裡的驗證碼識別，「一般」要做文字的切割
5.訓練：通過各種模式識別，機器學習演算法，來挑選和訓練合適數量的訓練集。不是訓練的樣本越多越好。過學習，泛化能力差的問題可能在這裡出現。這一步不是必須的，有些識別演算法是不需要訓練的。
6.識別：輸入待識別的處理後的，轉換成分類器需要的輸入格式，然後通過輸出的類和置信度，來判斷大概可能是哪個字母。識別本質上就是分類。
2)關鍵概念：
影象處理：一般指針對數字影象的某種數學處理。比如投影，鈍化，銳化，細化，邊緣檢測，二值化，壓縮，各種資料變換等等。
1.二值化：一般都是彩色的，按照逼真程度，可能很多級別。為了降低計算複雜度，方便後續的處理，如果在不損失關鍵資訊的情況下，能將處理成黑白兩種顏色，那就最好不過了。
2.細化：找出影象的骨架，影象線條可能是很寬的，通過細化將寬度將為1，某些地方可能大於1。不同的細化演算法，可能有不同的差異，比如是否更靠近線條中間，比如是否保持聯通行等。
3.邊緣檢測：主要是理解邊緣的概念。邊緣實際上是影象中影象畫素屬性變化劇烈的地方。可能通過乙個固定的門限值來判斷，也可能是自適應的。門限可能是影象全域性的，也可能是區域性的。不能說那個就一定好，不過大部分時候，自適應的區域性的門限可能要好點。被分析的，可能是顏色，也可能是灰度影象的灰度。
機器視覺：利用計算機來模式實現人的視覺。 比如物體檢測，定位，識別。按照對影象理解的層次的差別，分高階和低階的理解。
模式識別：對事物或者現象的某種表示方式(數值，文字，我們這裡主要想說的是數值)，通過一些處理和分析，來描述，歸類，理解，解釋這些事物，現象及其某種抽象。
三、常見的驗證碼的破解分析
以這裡pwntcha專案中的資料為例分析，各種驗證碼的破解。(方法很多，僅僅從我個人乍看之下覺得可行的方法來分析)
1)authimage
如何識別高階的驗證碼 三 常見的驗證碼的破解分析
三 常見的驗證碼的破解分析 以http libcaca.zoy.org wiki pwntcha這裡pwntcha專案中的資料為例分析，各種驗證碼的破解。方法很多，僅僅從我個人乍看之下覺得可行的方法來分析 1 authimage 使用的反破解技巧 1.不連續的點組成字元 2.有一定程度的傾斜 設計不...
驗證碼 簡單驗證碼識別
這裡的驗證碼是內容非常簡單的，結構非常清晰的 這裡的驗證碼是內容非常簡單的，結構非常清晰的 這裡的驗證碼是內容非常簡單的，結構非常清晰的 興之所至之所以說簡單，我覺得是這樣的 抽了五張驗證碼扔進ps，50 透明度，長這樣 只有數字為內容 每張圖的數字都在固定位置 沒有太大的干擾因素 數字字型，形態完...
驗證碼識別
驗證碼識別過程好比人大腦的乙個識別過程 首先，我們的眼睛接收，並將這張的資訊輸送給大腦 然後，我們的大腦接收到這個資訊以後，對這個資訊作出處理 最後，將中的有效資訊提取出來再將其和大腦中儲存的資訊進行對應對比，確定對比結果。模擬驗證碼識別，大腦接受的處理過程就相當於電腦對的預處理，大腦對進行對比和確...