[发明专利]一种基于通用对抗扰动的图像验证码生成方法及系统

说明书

本发明涉及一种基于通用对抗扰动的图像验证码生成方法及系统。该方法包括：获取验证码的图像合集；所述图像合集包括不同类型的图像；根据所述图像合集中的所有图像生成对应的通用对抗扰动；根据所述图像合集随机选择一个图像类型，作为待验证的图像；根据所述待验证的图像确定提问信息；根据所述提问信息从所述图像合集中筛选出候选图像合集；将通用对抗扰动添加到所述候选图像合集中每一图像；根据添加通用对抗扰动后的候选图像集合以及所述提问信息确定验证码测试用例。本发明可以抵御卷积神经网络的自动识别攻击，提高图像验证码的安全性。

技术领域

本发明涉及图像验证码领域，特别是涉及一种基于通用对抗扰动的图像验证码生成方法及系统。

背景技术

验证码，又称为全自动区分计算机和人类的图灵测试(Completely AutomatedPublic Turing Test to Tell Computers and Humans Apart，CAPTCHA)，是一种区分用户是计算机或人的计算程序。这种程序能生成一种测试，人类能很容易通过这种测试但计算机却很难通过。验证码的目的是防止采用计算机系统的自动攻击行为，例如用户经常在用户登录或留言系统中使用验证码，当输入用户名和口令或者输入留言以后，还需要进一步输入验证码，这可以有效避免利用计算机自动暴力破解口令、自动刷票、自动发帖等恶意行为。

图像验证码是一种应用广泛的验证码，原来的图像验证码主要通过对验证码图像进行旋转变形、对验证码图像添加背景噪声以及对验证码图像添加对抗扰动等方法来阻止计算机的自动识别。但是随着深度学习的发展和应用，卷积神经网络模型识别图像的能力大大提升甚至已经超越了人类，这使得基于深度学习的计算机程序的自动识别攻击成为可能，能够攻击现阶段的验证码保护方法，因而传统的图像验证码已不再安全，无法防止通过计算机程序自动进行的攻击行为例如暴力破解口令、自动刷票、自动发帖，从而对网站和用户的安全造成严重的威胁。

发明内容

本发明的目的是提供一种基于通用对抗扰动的图像验证码生成方法及系统，通过在验证码的图像上添加通用对抗扰动，可以抵御卷积神经网络的自动识别攻击，提高图像验证码的安全性。

为实现上述目的，本发明提供了如下方案：

一种基于通用对抗扰动的图像验证码生成方法，包括：

获取验证码的图像合集；所述图像合集包括不同类型的图像；

根据所述图像合集中的所有图像生成一个通用对抗扰动；

根据所述图像合集随机选择一个图像类型，作为待验证的图像；

根据所述待验证的图像确定提问信息；所述提问信息包括文字、未添加通用对抗扰动的图像、添加通用对抗扰动的图像或图像与文字组合；

根据所述提问信息从所述图像合集中筛选出候选图像合集；所述候选图像合集包括第一设定数目的符合所述提问信息的图像和第二设定数目的不符合所述提问信息的图像；

将所述的通用对抗扰动分别添加到所述候选图像合集中每一图像；

根据添加通用对抗扰动后的候选图像集合以及所述提问信息确定验证码测试用例；所述验证码测试用例用于进行客户端计算机用户的测试。

可选的，所述根据所述图像合集中所有图像生成一个通用对抗扰动，具体包括：

基于deepfool的方法，根据所述图像合集中的每一个图像，分别迭代计算获得在卷积神经网络中每一图像产生错误分类所需要的扰动向量；所述扰动向量包括模最小的扰动向量或者跟当前叠加结果方向最相近的扰动向量；

将所有的扰动向量进行叠加确定所述图像合集的通用对抗扰动。

可选的，所述将通用对抗扰动添加到所述候选图像合集中的每一图像，具体包括：