【Web安全】通过机器学习破解验证码图片

背景

机器学习，即Machine Learning，属于AI范畴，是深度学习的父集。 通过如何用机器学习(ML)在15分钟内破解图片验证码的一篇文章，看到了solving-captchas-code-examples项目。作者通过神经网络训练简单的model来破解了形如下图的图片验证码:

正文

根据该example，打算拿来练练手。当然不能止步于示例中的简单验证码，随手打开了几个网页，搜集了下如图所示的彩色的图片验证码：

选定了上述的带数学算数的图形验证码，接下来开始上路了。 大致的思路是：识别图片->训练模型(model)->生产验证

一、识别图片

这个识别图片不是OCR的意思，是相当于你教会计算机去认识图片中的数字。 比如，你拿一张写着数字1的图片，然后告诉计算机，这是数字1。

这些基础数据，是作为下一步训练模型的基础的，大家都知道，时下人工智能里，训练个好的模型至关重要。我曾一度认为，源代码是否暴露或者开源已无关紧要，但是经过了大数据的神经网络模型，才是真正的’核心源码’。

所以，我们要获取的验证码图片的基础数据当然越多越好。这里我的初衷是简单实验一下，也不是打造一个专业的破解系统，所以通过爬虫简单保存了二三十张图片，并按照图片内容手动重命名:

接下来，按照各个基础数据图片的文件名，识别、拆分图片中的各个字符，来分类。这里没有照搬example中的代码，通过循环各个图片，来拆分图片并分类存储:

def  main(counts, captcha_image_file):
     # 结果输出dir
     OUTPUT_FOLDER  =  './result'
     # 基础数据dir
     captcha_image_files  =  glob.glob(os.path.join( './subject/' ,  "*" ))
 
     filename  =  os.path.basename(captcha_image_file)
     captcha_correct_text  =  os.path.splitext(filename)[ 0 ]
     # 加载图像并将其转换成灰度级
     image  =  cv2.imread(captcha_image_file)
     gray  =  cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
     # 在图像周围添加一些填充物
     gray  =  cv2.copyMakeBorder(gray,  1 ,  1 ,  1 ,  1 , cv2.BORDER_REPLICATE)
 
     # 阈值图像（转换为纯黑色和白色）
     # threshold:    输入图像,阈值,输出图像的最大值,阈值的类型,目标图像
     # 转换第一次，有浅色情况所以下面转第二次
     thresh  =  cv2.threshold(gray,  200 ,  255 , cv2.THRESH_TOZERO)[ 1 ]
     # 将图片转为黑白
     thresh  =  cv2.threshold(thresh,  0 ,  255 , cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[ 1 ]
 
 
     # 找到图像的轮廓（连续像素块）
     contours  =  cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 
     # OpenCV版本适应
     contours  =  contours[ 0 ]  if  imutils.is_cv2()  else  contours[ 1 ]
     letter_image_regions  =  []
 
     # 遍历轮廓，并提取字母
     for  contour  in  contours:
         # 获取包含轮廓的矩形
         (x, y, w, h)  =  cv2.boundingRect(contour)
 
         # 比较轮廓的宽度和高度来检测字母
         if  w  /  h >  1.25 :
             # 轮廓太宽,把它分成两个字母区域
             half_width  =  int (w  /  2 )
             letter_image_regions.append((x, y, half_width, h))
             letter_image_regions.append((x  +  half_width, y, half_width, h)