圖形驗證碼的破解

圖形驗證碼的破解

2008-03-20 21:33

從網上看到的，感覺思想不錯，拿來跟大家分享一下……

圖形驗證碼爲區分計算機和人而設，一般用來防止系統被機器濫用，如自動註冊電子郵件帳號發送垃圾郵件、自動發送廣告帖等。圖形驗證碼最先爲雅虎所採用，現在很多網站都加上了驗證碼功能。但是其中相當多的驗證碼都是不堪一擊的，尤其是那些固定字體、固定背景色、前景後景對比度高的。更有甚者，有人使用文本框裏的文字作爲驗證碼，不知道他要防的是人還是機器。

既然有了驗證碼，就會有人想着去破解。很多驗證碼的破解都相當簡單，只需要簡單的幾步就能達到目的了。具體的步驟如下：

1.獲取足夠的樣本數量，建立樣本庫，每個字符擁有數十個樣本應該是比較合適的。對於一些直接在白色背景上放置文字、固定大小、看起來和普通文字幾乎沒有差別的驗證碼，甚至可以每個字符只用一個或者幾個樣本。

2.獲取目標驗證碼圖片，將圖片和樣本庫裏的樣本逐個比較，差別最小的即可斷定爲相應的字符。

 

圖片的具體處理：

1.二值化。即將彩色圖片轉換爲黑白圖片，圖片上所有背景色都變爲黑色，文字部分則設置爲白色（反過來也一樣）。具體哪些顏色變黑，哪些變白，視具體情況而定，可以使用顏色提取工具或者photoshop之類的提取顏色進行嘗試。

2.去雜點。由於很多驗證碼都加入了雜點，二值化後的圖片難免也會有些雜點。去雜點的思想很簡單，就是對於某個點，其周圍一定範圍內相同顏色的點數少於某個值，即判爲雜點。對於已找出的雜點，可以用背景色填充消除掉。

3.提取單個字符。這裏處理的是橫向上無重疊字符的情形，所以還是相當簡單。從左到右掃描每列，記錄每個字符的左邊界和右邊界，將左右邊界之間的部分剪裁出來，再對於每個切片檢測上下邊界，再次剪裁，得到一個個小圖片。每張小圖片僅包含一個字符，圖片的邊沿即爲字符的邊沿。

 

關於使用的編程語言

理論上說，任何能夠方便處理圖像的語言都能夠作爲破解程序的編程語言，如PHP、.net, Java、C/C++都是能夠勝任的。但是驗證碼的破解需要進行很多次的循環比較，腳本語言運行效率方面的弱點就體現出來了，因此編譯性的程序更爲合適。C/C++無疑是效率最高的，但是由於其對於圖形的處理過程較爲複雜，因而不太適合快速開發。.net和Java對於圖形處理都提供了很好的支持，無論選擇哪個都是比較合適的，如果更注重效率，.net也許更適合，如果注重跨平臺性，則Java更適合。