[发明专利]一种用于人机识别的图形识别码生成方法

说明书

本发明公开了一种用于人机识别的图形识别码生成方法，属于网络安全测试领域，解决现有验证码容易被基于机器学习技术训练的机器人自动识别并跳过，以及现有的图片对抗样本生成方式处理时间长和计算规模大的问题。本发明预设图片尺寸,基于图片尺寸选取图片集，将图片集和图片集的分类结果输入对抗样本生成系统生成扰动，再将扰动添加在图片集的图片边框上,得到初始化的图片对抗样本集；基于初始化的图片对抗样本集，利用白盒训练模型对干扰进行优化，生成最终的图片对抗样本，即图片干扰边框；将图片干扰边框加入待干扰图片上，形成图片识别码，即图片验证码，其中，待干扰图片的尺寸与图片集中的图片的尺寸大小相同。本发明用于生成干扰框架。

技术领域

一种用于人机识别的图形识别码生成方法，用于生成干扰框架，属于网络安全测试领域。

背景技术

随着人工智能技术的发展，重复且机械性的人力劳动逐渐被机器所替代，而在网络上也出现了用机器代替人去实现一些个人目的场景出现（抢票、购物秒杀、网络爬虫等），大大的破化了市场公平和网络秩序。为了防御机器代替人来执行操作，人机识别技术也开始快速发展并且形成了较好的效果。现阶段主要的人机识别方式有逻辑运算、图片特征识别、图片行为识别等，通过在图片上增加干扰（旋转、模糊、拉伸）以达到在不影响真人识别的情况下拦截机器人访问，而现有的验证码容易被基于机器学习技术训练的机器人自动识别并跳过，使得验证码如同虚设，具体为：

验证码能够被机器识别并跳过的原因是机器学习目前已经有较为成熟的技术，例如KNN，K-means等，可以通过输入一些样本，分析验证码是如何被施加干扰的。最后可以形成一个识别系统，对于给出的加了干扰的验证码，能够成功地识别出它原本的样子，从而达到跳过验证的目的。这种现象出现的原因是有人为了达到个人目的，通过机器代替人力获得优势，从而为自己谋取利益。而为了维护市场公平，就必须想出应对方法来限制这种情况的发生，于是就产生了验证码。

基于图片对抗样本生成系统，现有的图片对抗样本生成方式主要是在图片上增加真人通过肉眼无法识别的噪声，形成特征点以达到分类系统误分类的结果，这样的方式虽然在表面上没有更改图片信息，实际上使得图片信息损失；除此之外，这类方法需要针对每次输入的图片进行误导，即每输入一次信息，就需要重新计算生成干扰以形成新的对抗样本，这就增加了处理时间和计算规模，具体为：

当前对于生成图像干扰，是每输入一次图片，都要通过计算如何形成干扰，这就需要一定的内存，并且生成的结果依赖于硬件的计算速度。该方法存在一定的滞后性（不能输入图片就能看到干扰结果这样“所见即所得”的效果）。

发明内容

针对上述研究的问题，本发明的目的在于提供一种用于人机识别的图形识别码生成方法，解决现有验证码容易被基于机器学习技术训练的机器人自动识别并跳过，以及现有的图片对抗样本生成方式处理时间长和计算规模大的问题。

为了达到上述目的，本发明采用如下技术方案：

一种用于人机识别的图形识别码生成方法，包括：

S1、预设图片尺寸, 基于图片尺寸选取图片集，将图片集和图片集的分类结果输入对抗样本生成系统生成扰动，再将扰动添加在图片集的图片边框上,得到初始化的图片对抗样本集；

S2、基于初始化的图片对抗样本集，利用白盒训练模型对干扰进行优化，生成最终的图片对抗样本，即图片干扰边框；

S3、将图片干扰边框加入待干扰图片或待干扰图片集上，形成图片识别码，即图片验证码，其中，待干扰图片或待干扰图片集中的图片的尺寸与图片集中的图片的尺寸大小相同。

进一步，所述步骤S1的具体步骤为：

步骤S1.1、获取图片集；

其中，表示图片集，表示图片集中的第张图片，表示图片的高度，表示图片的宽度，表示图片的颜色通道数，R表示实数域；