信号与信息处理硕士论文-验证码识别技术研究

ID:8234035

大小:5.45 MB

页数:75页

时间:2018-03-11

信号与信息处理硕士论文-验证码识别技术研究_第1页
信号与信息处理硕士论文-验证码识别技术研究_第2页
信号与信息处理硕士论文-验证码识别技术研究_第3页
信号与信息处理硕士论文-验证码识别技术研究_第4页
信号与信息处理硕士论文-验证码识别技术研究_第5页
资源描述:

《信号与信息处理硕士论文-验证码识别技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中国科学技术大学硕士学位论文验证码识别技术研究姓名:王璐申请学位级别:硕士专业:信号与信息处理指导教师:张荣2011-05摘要摘要随着互联网的高速发展,网络在给人们的生活带来极大便利的同时,其安全问题也日益突出。网络验证码作为一项广泛使用的验证手段,对网络安全起到了重要的作用。对验证码识别技术的研究,可以及时发现和改善验证码的漏洞,在增强网络安全性、防止恶意机器程序攻击方面有着重要意义。本文运用计算机视觉、模式识别等相关理论对多种不同类型的验证码进行识别研究。选取了具有代表性的猫扑、西祠胡同和天涯验证码为研究对

2、象,对具体的验证码提出了针对性的破解方法,揭示了其不安全的可能性。并通过不同的识别算法的对比,使研究具有一定的理论和实际价值。主要工作和成果如下:1.重点研究了用于字符识别的BP神经网络、卷积神经网络和形状上下文算法,给出详细的推导。2.针对已有的猫扑验证码,提出了一种识别方案。该方案采用分段线性变换去除图像模糊,利用局部OSTU二值化,得到了比全局阈值更好的分割结果。对传统的投影分割法改进,提出了极小值分割算法,有效解决了猫扑验证码字符粘连的问题。并采用简化后的卷积神经网络进行字符训练和识别,达到了94.1%

3、的高识别率。3.对已有的西祠胡同验证码,提出了K-means聚类算法和竖直投影结合的方式完成分割,解决了字符叠加和粘连的难题。对单个字符以简化后的卷积神经网络进行训练和识别,识别率达到了53%。4.对已有的难以分割的天涯验证码,提出了基于形状上下文整体识别验证码的方法,破解率达到了27.7%。这种整体识别的思想也给其他较难分割的验证码提供了一个新的识别思路。关键字:验证码,识别,卷积神经网络,BP神经网络,形状上下文IAbstractABSTRACTWiththerapiddevelopmentofIntern

4、et,thenetworkhasbroughtgreatconveniencetopeople'slive.Atthesametime,networksecurityissuesarealsoprominentlyincreasing.Asawidelyusedmeans,NetworkCAPTCHAhasplayedanimportantroleinnetworksecurity.TheresearchofCAPTCHArecognitiontechnologycanhelpusdiscoverandimpr

5、ovetheloopholesoftheverificationcode,soastopreventwebsitesfrommaliciousattacksbymachineprogram.ThispaperusescomputervisionandpatternrecognitiontorecognizedifferenttypesofCAPTCHA.WeselecttherepresentativeMop,XicihutongandTianyacaptchaastheresearchobject.Aimin

6、gatthespecificcode,weproposedtargetedbreakingmethodtosolvepracticalproblems.Theresultsrevealthepossibilityoftheirinsecurity.Throughcomparisonofdifferentrecognitionalgorithms,thestudyhastheoreticalandpracticalvalue.Followingisthemainworkandachievements:1.Focu

7、sonthealgorithmsofBPneuralnetwork,convolutionalneuralnetwork,andgivetheirdetailsofthederivation.2.FortheexistingdividedMopcode,weproposearecognitionscheme.Itusepiecewiselineartransformationtoremovetheimageblur.LocalOSTUbinarythresholdgotbetterthantheglobalre

8、sults.AfterimprovingthetraditionalprojectionmethodweproposetheminimumsegmentationalgorithmanditeffectivelysolvethemergedcharactersinMopcode.Thensimplifiedconvolutionalneuralnetworkisusedtotraina

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
正文描述:

《信号与信息处理硕士论文-验证码识别技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中国科学技术大学硕士学位论文验证码识别技术研究姓名:王璐申请学位级别:硕士专业:信号与信息处理指导教师:张荣2011-05摘要摘要随着互联网的高速发展,网络在给人们的生活带来极大便利的同时,其安全问题也日益突出。网络验证码作为一项广泛使用的验证手段,对网络安全起到了重要的作用。对验证码识别技术的研究,可以及时发现和改善验证码的漏洞,在增强网络安全性、防止恶意机器程序攻击方面有着重要意义。本文运用计算机视觉、模式识别等相关理论对多种不同类型的验证码进行识别研究。选取了具有代表性的猫扑、西祠胡同和天涯验证码为研究对

2、象,对具体的验证码提出了针对性的破解方法,揭示了其不安全的可能性。并通过不同的识别算法的对比,使研究具有一定的理论和实际价值。主要工作和成果如下:1.重点研究了用于字符识别的BP神经网络、卷积神经网络和形状上下文算法,给出详细的推导。2.针对已有的猫扑验证码,提出了一种识别方案。该方案采用分段线性变换去除图像模糊,利用局部OSTU二值化,得到了比全局阈值更好的分割结果。对传统的投影分割法改进,提出了极小值分割算法,有效解决了猫扑验证码字符粘连的问题。并采用简化后的卷积神经网络进行字符训练和识别,达到了94.1%

3、的高识别率。3.对已有的西祠胡同验证码,提出了K-means聚类算法和竖直投影结合的方式完成分割,解决了字符叠加和粘连的难题。对单个字符以简化后的卷积神经网络进行训练和识别,识别率达到了53%。4.对已有的难以分割的天涯验证码,提出了基于形状上下文整体识别验证码的方法,破解率达到了27.7%。这种整体识别的思想也给其他较难分割的验证码提供了一个新的识别思路。关键字:验证码,识别,卷积神经网络,BP神经网络,形状上下文IAbstractABSTRACTWiththerapiddevelopmentofIntern

4、et,thenetworkhasbroughtgreatconveniencetopeople'slive.Atthesametime,networksecurityissuesarealsoprominentlyincreasing.Asawidelyusedmeans,NetworkCAPTCHAhasplayedanimportantroleinnetworksecurity.TheresearchofCAPTCHArecognitiontechnologycanhelpusdiscoverandimpr

5、ovetheloopholesoftheverificationcode,soastopreventwebsitesfrommaliciousattacksbymachineprogram.ThispaperusescomputervisionandpatternrecognitiontorecognizedifferenttypesofCAPTCHA.WeselecttherepresentativeMop,XicihutongandTianyacaptchaastheresearchobject.Aimin

6、gatthespecificcode,weproposedtargetedbreakingmethodtosolvepracticalproblems.Theresultsrevealthepossibilityoftheirinsecurity.Throughcomparisonofdifferentrecognitionalgorithms,thestudyhastheoreticalandpracticalvalue.Followingisthemainworkandachievements:1.Focu

7、sonthealgorithmsofBPneuralnetwork,convolutionalneuralnetwork,andgivetheirdetailsofthederivation.2.FortheexistingdividedMopcode,weproposearecognitionscheme.Itusepiecewiselineartransformationtoremovetheimageblur.LocalOSTUbinarythresholdgotbetterthantheglobalre

8、sults.AfterimprovingthetraditionalprojectionmethodweproposetheminimumsegmentationalgorithmanditeffectivelysolvethemergedcharactersinMopcode.Thensimplifiedconvolutionalneuralnetworkisusedtotraina

显示全部收起
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
关闭