CN106778568B - 基于web页面的验证码的处理方法 - Google Patents

基于web页面的验证码的处理方法 Download PDF

Info

Publication number
CN106778568B
CN106778568B CN201611103402.XA CN201611103402A CN106778568B CN 106778568 B CN106778568 B CN 106778568B CN 201611103402 A CN201611103402 A CN 201611103402A CN 106778568 B CN106778568 B CN 106778568B
Authority
CN
China
Prior art keywords
code
stroke
verification
character
segment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611103402.XA
Other languages
English (en)
Other versions
CN106778568A (zh
Inventor
郭彦龙
蒋一新
刘雪艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ctrip Business Co Ltd
Original Assignee
Shanghai Ctrip Business Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Ctrip Business Co Ltd filed Critical Shanghai Ctrip Business Co Ltd
Priority to CN201611103402.XA priority Critical patent/CN106778568B/zh
Publication of CN106778568A publication Critical patent/CN106778568A/zh
Application granted granted Critical
Publication of CN106778568B publication Critical patent/CN106778568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G06V40/37—Writer recognition; Reading and verifying signatures based only on signature signals such as velocity or pressure, e.g. dynamic signature recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
    • H04L63/0838—Network architectures or network communication protocols for network security for authentication of entities using passwords using one-time-passwords
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Character Discrimination (AREA)

Abstract

本发明公开了一种基于WEB页面的验证码的处理方法，包括以下步骤：S1、生成验证码的手写输入区；S2、在所述手写输入区输入验证码；S3、采集输入的信息，所述输入的信息包括书写的连续点阵坐标数据；S4、将所述连续点阵坐标数据发送至手写字符识别服务端，所述手写字符识别服务端用于识别所述连续点阵坐标数据为对应的字符；S5、判断所述对应的字符是否与期望的验证码相同，若是，则验证通过，若否，则验证失败。本发明提供的基于WEB页面的验证码的处理方法，在不增加用户操作复杂度、不更改现有登录或下单流程的情况下，提供了一种全新的验证码的处理方式，实现了验证码校验的基本功能。

Description

基于WEB页面的验证码的处理方法
技术领域
本发明涉及电子商务技术领域，特别涉及一种基于WEB(互联网总称)页面的验证码的处理方法。
背景技术
目前，用户在使用WEB页面进行账户登录或者下单时经常要输入验证码，以防止账户被恶意登录或者恶意下单。在输入验证码时，通常要显示一参考验证码，以使用户根据所述参考验证码进行输入。现有技术中，在输入验证码时，通常采用调出输入键盘或者虚拟输入键盘进行验证码输入操作。现有的输入方式较单一，且不利于后续基于验证码的进一步的功能扩展。
另外，目前携程风险控制的黑名单判断信息类别主要是用户名、手机号码、银行卡号、IP(网络之间互连的协议)地址、身份证号、设备指纹等信息，在以往大部分时候都非常有效，但随着设备的更换成本越来越低、地下黑产团伙技术的提高，显然需要一种更能识别下单用户是否是盗用他人帐号或者黑名单里欺诈分子更换信息后下的订单，因此，需要一种能够获取下单人自身不易改变的属性值且唯一的信息，将该信息用于区别判断。现在有各种技术如指纹识别、面部识别等可以做到，但这些用在WEB页面上显然不合适，因为无论是技术上还是用户操作体验上都是不符合实际需求的，并且部分用户会因为感觉隐私泄露而反感，导致用户体验较差。
发明内容
本发明要解决的技术问题是为了克服现有技术中WEB页面的验证码输入方式单一且无法利用验证码进行功能扩展的缺陷，提供一种验证码的输入方式且基于该输入方式能够实现对验证码的功能进一步扩展的基于WEB页面的验证码的处理方法。
本发明是通过下述技术方案来解决上述技术问题：
一种基于WEB页面的验证码的处理方法，其特点在于，包括以下步骤：
S1、生成验证码的手写输入区；
S2、在所述手写输入区输入验证码；
S3、采集输入的信息，所述输入的信息包括书写的连续点阵坐标数据；
S4、将所述连续点阵坐标数据发送至手写字符识别服务端，所述手写字符识别服务端用于识别所述连续点阵坐标数据为对应的字符；
S5、判断所述对应的字符是否与期望的验证码相同，若是，则验证通过，若否，则验证失败。
本方案中，在用户登录或者下单需要进行验证码校验时，先为用户生成验证码的手写输入区，使得用户通过手写的方式在手写输入区输入手写的验证码，再通过对用户输入的内容进行信息采集，获取用户输入的内容在手写输入区上的连续点阵坐标数据，经手写字符识别服务端识别后获得用户输入的内容对应的字符，再将识别出的字符与期望的验证码对比，确定用户输入的验证码是否正确，若正确则可以继续后续操作，若失败，则可以返回错误让用户继续手写输入。本方案提供的处理方法，在不增加用户操作复杂度、不更改现有登录或下单流程的情况下，提供了一种全新的验证码的处理方式，实现了验证码校验的基本功能；另外，本方法中用户输入的信息还可以供后续进一步的分析与利用。
较佳地，所述字符为汉字，所述汉字的每个笔画分成若干分段，所述连续点阵坐标数据包括每个所述分段的起点坐标和终点坐标。
本方案中，验证码均为汉字，汉字由基本笔画构成，每个笔画分成若干分段，对用户以手动输入方式输入的内容的采集以汉字的每个笔画的每个分段为单位进行信息采集，以供后续更好的进行识别。
较佳地，步骤S3之后还包括以下步骤：
T1、根据所述输入的信息生成每个笔画的字迹码字符串；
T2、根据所述生成的每个笔画的字迹码字符串生成对应汉字的第一字迹码串；
T3、根据预存的基本笔画的字迹码字符串组合生成所述对应汉字的第二字迹码串；
T4、将所述第一字迹码串与所述第二字迹码串进行相似度匹配计算，以得到匹配总概率。
字迹码对于一个人来说不易模仿和改变，其作为人的一个基本属性而存在。本方案中利用用户的字迹码的不易模仿和改变的属性帮助识别用户身份。预先存储用户的基本笔画的字迹码字符串，这些基本笔画的字迹码字符串能够组合成任意的汉字。用户登录或者下单时，对用户输入的信息进一步处理能够生成用户本次输入的每个笔画的字迹码字符串，再将这些本次生成的笔画的字迹码字符串生成对应汉字的字迹码字符串，称为第一字迹码串，将预存的基本笔画的字迹码串组合生成对应汉字的第二字迹码串，将两个字迹码串进行相似度匹配，能够得到匹配的总概率，根据该总概率能够判断预存的信息对应的用户和本次手写输入对应的用户是否是同一人。
较佳地，所述输入的信息还包括输入方式和每个所述分段的停留时间，所述输入方式包括用手写或用鼠标写，每种输入方式分别配置有对应的输入方式编码，所述若干分段为五个分段，步骤T1包括以下子步骤：
T11、根据每个笔画的各个分段的停留时间、起点坐标和终点坐标通过第一计算公式计算各个分段的压力值，所述第一计算公式为
Figure BDA0001170936030000031
其中f为分段的压力值，x1和y1为分段起点的横坐标和纵坐标，x2和y2为分段终点的横坐标和纵坐标，t为分段的停留时间，通过第二计算公式计算每个笔画的压力值F，所述第二计算公式为F＝f1*108+f2*106+f3*104+f4*103+f5，其中f1、f2、f3、f4和f5分别为根据所述第一计算公式计算出的五个分段的压力值；
T12、根据每个笔画的各个分段的起点坐标和终点坐标计算五个分段角速度ω1、ω2、ω3、ω4和ω5，再通过第三计算公式计算每个笔画的角速度ω，所述第三计算公式为ω＝ω1*108+ω2*106+ω3*104+ω4*103+ω5；
T13、通过所述第四计算公式计算每个笔画的长度L，所述第四计算公式为：
Figure BDA0001170936030000041
T14、将每个笔画的所述输入方式编码、所述压力值F、所述角速度ω和所述长度L组合生成每个笔画的字迹码字符串。
本方案中，输入方式包括用手写或用鼠标写，每种输入方式分别配置有对应的输入方式编码。这是因为输入方式不一样导致的字迹码差别很大，同一人以手指在触摸屏上输入和手握鼠标输入，两种输入方式生成的字迹码差别是很大的。所以在生成最终的笔画的字迹码字符串时需要区分输入方式，将输入方式编码作为参数之一用于生成每个笔画的字迹码字符串，由此可以有效降低误判率。
本方案中，由每个笔画的各个分段在手写输入区的停留时间和坐标能够获得每个笔画的各个分段的压力值f，通过第二公式得出每个笔画的压力值F，F中每个分段的压力值所乘的系数不同，这样有利于后续从F中识别出不同分段的压力值f。
本方案中，根据角速度的定义计算出每一分段的角速度，再利用第三公式计算出分段对应笔画的角速度，该值也是生成笔画的字迹码字符串的一个参数。
本方案中，将每个笔画的输入方式编码、压力值F、角速度ω和长度L串接组合生成每个笔画的字迹码字符串。组合方式根据需要而定，可以是使用逗号进行参数间的间隔，也可以采用空格进行参数间隔，只要能够将四个参数组成每个笔画的字迹码字符串即可。
较佳地，步骤T2采用SimHash(一种局部敏感哈希算法)算法生成所述第一字迹码串；步骤T3采用SimHash算法生成所述第二字迹码串。
本方案中，SimHash算法采用各个笔画的字迹码字符串作为特征向量，以该汉字对应笔画的权重作为算法的特征向量的权重，经SimHash算法后生成的字符串是等长的。
较佳地，步骤T4采用汉明距离进行相似度匹配计算。
本方案中，利用汉明距离对两个生成的字迹码串进行相似度计算，根据计算结果能够判断出本次输入该验证码的用户同预存的基本笔画的字迹码字符串对应的用户为同一人的概率。
较佳地，步骤T4之后还包括以下步骤：
T5、将所述匹配总概率发送至风险控制端，所述风险控制端根据所述匹配总概率判断所述预存的基本笔画的字迹码字符串对应的账号是否存在风险。
本方案中，风险控制端能够利用匹配总概率进行用户账号的风险判断，当匹配总概率低于预设值时表示用户账号存在被盗的可能，可以进行用户账号被盗的风险提醒；风险控制端也可以进一步获取本次输入的字迹码串，将其与风险控制端的数据库中预存的黑名单的字迹码串进行相似度匹配计算，从而进一步识别本次输入的用户是否为黑名单用户。
较佳地，步骤S1采用canvas(一种用于网页实时生成图像的标签)生成米字格的手写输入区。
较佳地，步骤S4中将所述连续点阵坐标数据发送至手写字符识别服务端前对所述连续点阵坐标数据进行去噪。
较佳地，当步骤S5中验证通过后再执行步骤T2。
本方案中，在验证码验证通过之后再进行字迹码匹配处理，有利于节约处理流程，降低处理的数据量，提高处理速度。
本发明的积极进步效果在于：本发明提供的基于WEB页面的验证码的处理方法，在不增加用户操作复杂度、不更改现有登录或下单流程的情况下，提供了一种全新的验证码的处理方式，实现了验证码校验的基本功能；另外，本处理方法能够通过字迹码串有效的识别当前输入验证码的用户与该帐户的匹配度，进而能进一步实现自动识别用户帐户是否被盗用，另外也为黑名单用户的识别提供了一个可靠的指标，且这个指标识别的可靠性较高。
附图说明
图1为本发明一较佳实施例的基于WEB页面的验证码的处理方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
如图1所示，一种基于WEB页面的验证码的处理方法，包括以下步骤：
101、采用canvas生成验证码的米字格的手写输入区。
102、在手写输入区输入汉字验证码，其中汉字的每个笔画分成五分段。
103、采集输入的信息，输入的信息包括书写的连续点阵坐标数据、输入方式和每个分段的停留时间，其中输入方式包括用手写或用鼠标写，每种输入方式分别配置有对应的输入方式编码，本实施例中采用鼠标写；
104、将连续点阵坐标数据去噪后发送至手写字符识别服务端，手写字符识别服务端用于识别连续点阵坐标数据为对应的汉字，连续点阵坐标数据包括每个分段的起点坐标和终点坐标。
105、判断对应的汉字是否与期望的验证码相同，若是，则验证通过，继续执行步骤106；若否，则验证失败，返回步骤101。
106、根据每个笔画的各个分段的停留时间、起点坐标和终点坐标通过第一计算公式计算各个分段的压力值，第一计算公式为
Figure BDA0001170936030000061
其中f为分段的压力值，x1和y1为分段起点的横坐标和纵坐标，x2和y2为分段终点的横坐标和纵坐标，t为分段的停留时间，通过第二计算公式计算每个笔画的压力值F，第二计算公式为F＝f1*108+f2*106+f3*104+f4*103+f5，其中f1、f2、f3、f4和f5分别为根据第一计算公式计算出的五个分段的压力值。
107、根据每个笔画的各个分段的起点坐标和终点坐标计算五个分段角速度ω1、ω2、ω3、ω4和ω5，再通过第三计算公式计算每个笔画的角速度ω，第三计算公式为ω＝ω1*108+ω2*106+ω3*104+ω4*103+ω5；
108、通过第四计算公式计算每个笔画的长度L，第四计算公式为：
Figure BDA0001170936030000062
109、将每个笔画的输入方式编码、压力值F、角速度ω和长度L组合生成每个笔画的字迹码字符串。
110、根据生成的每个笔画的字迹码字符串采用SimHash算法生成对应汉字的第一字迹码串。
111、根据预存的基本笔画的字迹码字符串采用SimHash算法组合生成对应汉字的第二字迹码串。
112、采用汉明距离将第一字迹码串与第二字迹码串进行相似度匹配计算，根据各个笔画的相似度和该汉字各个笔画的权重计算出匹配总概率。
113、将匹配总概率发送至风险控制端，风险控制端根据匹配总概率判断预存的基本笔画的字迹码字符串对应的账号是否存在风险。
本实施例中，在用户登录或者下单需要输入验证码时，基于不增加用户操作复杂度、不更改现有流程的原则，采用了改变现有验证码输入方式来获取下单人的字迹码串，字迹码串对一个人来说不易模仿和改变，采用验证码输入来采集信息也给用户一种比较自然友好不突兀的用户体验。具体为当用户在登录或者下单支付的时候，改变现有常见的看图片输入验证码为手写输入指定汉字的方式，用户输入指定汉字之后，由手写字符识别服务端校验用户输入的信息和预期的验证码是否相同，如不相同，则返回错误让用户继续手输入。如果相同，则把输入的信息数据处理成手写输入字迹码串，并将其作为参数之一调用风险控制端处理判断此次操作是否存在风险。另外，此字迹码可以作为用户的一个基本属性存在，并成为一个重要的黑名单的属性。
本实施例中，事先提取出一套有代表特征的汉字作为验证码生成的基本字库，并拆分出该汉字包含的横竖撇捺勾等基本笔画信息及每个笔画的权重。比如“王”字由横横竖横组成，权重高低排序为第一个横、最后一横、竖、中间那一横。笔画到字的组合均依照该基本字库定义的规则处理。
本实施例中，连续点阵坐标数据如下所示：
[[[64,69,77,85,96,108,122,134,145,152,157,160,161],[69,69,69,69,69,69,69,69,69,69,69,69,69],[]],[[82,84,88,97,104,112,121,131,141,150,156,161,163],[118,119,119,119,121,121,121,121,121,121,121,121,121],[]],[[123,121,120,119,118,118,116,115,114,114,114,114,114,114,114,114,114,114,114,114,114,114,114,114,114,114,114],[79,84,90,96,103,111,118,125,134,141,148,153,157,164,166,170,174,177,179,180,181,182,183,184,185,186,187],[]],[[80,84,92,101,111,120,130,138,146,151,155,156,157,159,162,165],[190,190,189,189,187,187,187,187,187,187,187,187,187,187,187,187],[]],[[68,69,70,71,71,74,75,77,78,79,80,82,82],[32,32,34,37,40,43,45,50,52,54,55,56,57],[]],[[41,49,56,64,75,82,92,98,102,104,105,106,109,110,113,114,115,116,116,117,117,118,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,119,116,113,107,102,96,90,88,83,81,79,78],[89,89,89,88,87,86,85,83,83,82,82,82,83,84,88,91,93,98,103,107,113,118,124,128,135,139,145,151,155,160,165,169,173,176,179,182,184,187,190,192,194,195,198,201,202,205,208,209,211,212,213,212,210,207,205,200,197,195,192,191,189,187],[]],[[64,66,70,74,81,88,92,98,100,101,101,101,101,101,100,99,97,95,93,91,89,86,84,82,81,79,78,76,73,71,70,68,66,66,65],[136,136,136,136,136,136,136,136,138,138,140,142,145,146,149,152,154,156,159,161,162,165,166,169,169,171,172,174,175,177,177,179,179,180,180],[]],[[159,157,153,149,143,136,131,127,122,120,119,118,118,118,118,118,119,121,124,127,129,132,136,139,142,147,151,156,158,163,167,169,170,172],[126,126,126,126,129,131,133,134,135,137,137,138,140,141,143,144,146,150,153,157,161,163,168,172,175,181,185,189,191,195,198,199,200,202],[]]]。
下面继续通过具体的例子，进一步说明本发明的技术方案和技术效果。
采用手握鼠标的方式进行验证码的手写输入，该输入方式定义为A，将计算出的F、ω和L组合，能够生成笔画的字迹码字符串S，S＝{A,F,ω,L}，输入的汉字包括几个笔画就有机组S，本例子中输入的汉字有四个笔画，那么四个笔画对应的字迹码字符串为S1，S2，S3和S4，在生成汉字的字迹码串时可以表示为SimHash(S1，S2，S3，S4)，SimHash之后的结果是一个固定位数的字迹码串，随后利用预存的该用户的笔画字迹码字符串生成该用户该汉字的字迹码串并做汉明距离计算，得到汉明距离再乘以该汉字的权重得到书写相似度。
SimHash算法为现有的成熟算法，该算法分为5个步骤，分别为分词、Hash、加权、合并、降维。其中，分词部分直接采用各个笔画的字迹码字符串作为特征向量，汉字对应笔画的权重作为特征向量的权重。
汉明距离，在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。也就是说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。例如：1011101与1001001之间的汉明距离是2。
本例中，三个由用户输入的验证码如下所示，第一次输入验证码“永远”得到字迹码串1为“1100001111100100001100010111010”，第二次输入验证码“得永”得到字迹码串2为“1000001110000100111100010111010”，第三次输入验证码“科学”得到字迹码串3为“1011111100001010000101000100101”，通过汉明距离计算，字迹码串1和字迹码串2的汉明距离为5，而字迹码串1和字迹码串3的汉明距离为19，由此可以判断第一次输入和第二次输入的用户是同一人的概率要高于第一次输入和第三次输入为同一人的概率。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (7)

1.一种基于WEB页面的验证码的处理方法，其特征在于，包括以下步骤：
S1、生成验证码的手写输入区；
S2、在所述手写输入区输入验证码；
S3、采集输入的信息，所述输入的信息包括书写的连续点阵坐标数据；
S4、将所述连续点阵坐标数据发送至手写字符识别服务端，所述手写字符识别服务端用于识别所述连续点阵坐标数据为对应的字符；
S5、判断所述对应的字符是否与期望的验证码相同，若是，则验证通过，若否，则验证失败；
所述字符为汉字，所述汉字的每个笔画分成若干分段，所述连续点阵坐标数据包括每个所述分段的起点坐标和终点坐标；
步骤S3之后还包括以下步骤：
T1、根据所述输入的信息生成每个笔画的字迹码字符串；
T2、根据所述生成的每个笔画的字迹码字符串生成对应汉字的第一字迹码串；
T3、根据预存的基本笔画的字迹码字符串组合生成所述对应汉字的第二字迹码串；
T4、将所述第一字迹码串与所述第二字迹码串进行相似度匹配计算，以得到匹配总概率；
所述输入的信息还包括输入方式和每个所述分段的停留时间，所述输入方式包括用手写或用鼠标写，每种输入方式分别配置有对应的输入方式编码，所述若干分段为五个分段，步骤T1包括以下子步骤：
T11、根据每个笔画的各个分段的停留时间、起点坐标和终点坐标通过第一计算公式计算各个分段的压力值，所述第一计算公式为
Figure FDA0002382834860000011
其中f为分段的压力值，x1和y1为分段起点的横坐标和纵坐标，x2和y2为分段终点的横坐标和纵坐标，t为分段的停留时间，通过第二计算公式计算每个笔画的压力值F，所述第二计算公式为F＝f1*108+f2*106+f3*104+f4*103+f5，其中f1、f2、f3、f4和f5分别为根据所述第一计算公式计算出的五个分段的压力值；
T12、根据每个笔画的各个分段的起点坐标和终点坐标计算五个分段角速度ω1、ω2、ω3、ω4和ω5，再通过第三计算公式计算每个笔画的角速度ω，所述第三计算公式为ω＝ω1*108+ω2*106+ω3*104+ω4*103+ω5；
T13、通过第四计算公式计算每个笔画的长度L，所述第四计算公式为：
Figure FDA0002382834860000021
T14、将每个笔画的所述输入方式编码、所述压力值F、所述角速度ω和所述长度L组合生成每个笔画的字迹码字符串。
2.如权利要求1所述的基于WEB页面的验证码的处理方法，其特征在于，步骤T2采用SimHash算法生成所述第一字迹码串；步骤T3采用SimHash算法生成所述第二字迹码串。
3.如权利要求1所述的基于WEB页面的验证码的处理方法，其特征在于，步骤T4采用汉明距离进行相似度匹配计算。
4.如权利要求1所述的基于WEB页面的验证码的处理方法，其特征在于，步骤T4之后还包括以下步骤：
T5、将所述匹配总概率发送至风险控制端，所述风险控制端根据所述匹配总概率判断所述预存的基本笔画的字迹码字符串对应的账号是否存在风险。
5.如权利要求1所述的基于WEB页面的验证码的处理方法，其特征在于，步骤S1采用canvas生成米字格的手写输入区。
6.如权利要求1所述的基于WEB页面的验证码的处理方法，其特征在于，步骤S4中将所述连续点阵坐标数据发送至手写字符识别服务端前对所述连续点阵坐标数据进行去噪。
7.如权利要求1所述的基于WEB页面的验证码的处理方法，其特征在于，当步骤S5中验证通过后再执行步骤T2。
CN201611103402.XA 2016-12-05 2016-12-05 基于web页面的验证码的处理方法 Active CN106778568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611103402.XA CN106778568B (zh) 2016-12-05 2016-12-05 基于web页面的验证码的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611103402.XA CN106778568B (zh) 2016-12-05 2016-12-05 基于web页面的验证码的处理方法

Publications (2)

Publication Number Publication Date
CN106778568A CN106778568A (zh) 2017-05-31
CN106778568B true CN106778568B (zh) 2020-08-21

Family

ID=58883855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611103402.XA Active CN106778568B (zh) 2016-12-05 2016-12-05 基于web页面的验证码的处理方法

Country Status (1)

Country Link
CN (1) CN106778568B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108874756B (zh) * 2018-06-29 2022-05-20 广东智媒云图科技股份有限公司 一种验证码优化方法
CN111090849A (zh) * 2018-10-23 2020-05-01 武汉极意网络科技有限公司 存储器、验证码实现方法、装置和设备
CN113627395B (zh) * 2021-09-17 2023-11-17 平安银行股份有限公司 文本识别方法、装置、介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102185857A (zh) * 2011-05-06 2011-09-14 广东国笔科技股份有限公司 实现数据存储/调用的服务器、系统及方法
CN103023658A (zh) * 2012-12-28 2013-04-03 杭州晟元芯片技术有限公司 一种基于手写签名的身份认证方法及系统
CN103593673A (zh) * 2013-10-27 2014-02-19 沈阳建筑大学 一种基于动态阈值的在线手写签名认证方法
CN104917612A (zh) * 2014-03-14 2015-09-16 腾讯科技（深圳）有限公司 身份验证方法及装置
CN105117054A (zh) * 2015-08-12 2015-12-02 珠海优特电力科技股份有限公司 一种手写输入的识别方法及系统
CN204926225U (zh) * 2015-07-09 2015-12-30 北京展扬金卡科技有限公司 签名设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040140962A1 (en) * 2003-01-21 2004-07-22 Microsoft Corporation Inertial sensors integration

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102185857A (zh) * 2011-05-06 2011-09-14 广东国笔科技股份有限公司 实现数据存储/调用的服务器、系统及方法
CN103023658A (zh) * 2012-12-28 2013-04-03 杭州晟元芯片技术有限公司 一种基于手写签名的身份认证方法及系统
CN103593673A (zh) * 2013-10-27 2014-02-19 沈阳建筑大学 一种基于动态阈值的在线手写签名认证方法
CN104917612A (zh) * 2014-03-14 2015-09-16 腾讯科技（深圳）有限公司 身份验证方法及装置
CN204926225U (zh) * 2015-07-09 2015-12-30 北京展扬金卡科技有限公司 签名设备
CN105117054A (zh) * 2015-08-12 2015-12-02 珠海优特电力科技股份有限公司 一种手写输入的识别方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于串匹配的特殊点匹配和自由伪造签名快速排除法》;全中华 等；;《应用科学学报》;20060331;第24卷(第2期);第187-192页； *
《基于电子手写签名认证算法的研究》;陈英 等；;《现代农业科学》;20080229;第15卷(第2期);第88-90页； *

Also Published As

Publication number Publication date
CN106778568A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
Zhao et al. Continuous mobile authentication using a novel graphic touch gesture feature
CN106951832B (zh) 一种基于手写字符识别的验证方法及装置
Chen et al. A Survey on Breaking Technique of Text‐Based CAPTCHA
CN107609389B (zh) 一种基于图像内容相关性的验证方法及系统
CN106170002B (zh) 一种中文仿冒域名检测方法及系统
Kumar et al. A systematic survey on CAPTCHA recognition: types, creation and breaking techniques
JP6532523B2 (ja) 手書きを使用するユーザ識別登録の管理
CN106778568B (zh) 基于web页面的验证码的处理方法
CN111488732B (zh) 一种变形关键词检测方法、系统及相关设备
Van Nguyen et al. Finger-drawn pin authentication on touch devices
US20220180043A1 (en) Training method for character generation model, character generation method, apparatus and storage medium
US11995905B2 (en) Object recognition method and apparatus, and electronic device and storage medium
CN112330331A (zh) 基于人脸识别的身份验证方法、装置、设备及存储介质
CN111625838A (zh) 一种基于深度学习的漏洞场景识别方法
CN106127222A (zh) 一种基于视觉的字符串相似度计算方法及相似性判断方法
CN112966685A (zh) 用于场景文本识别的攻击网络训练方法、装置及相关设备
Qin et al. Finger-vein quality assessment based on deep features from grayscale and binary images
Jia et al. Real‐time hand gestures system based on leap motion
CN111738167A (zh) 一种无约束手写文本图像的识别方法
Kumar et al. Online Devanagari isolated character recognition for the iPhone using Hidden Markov Models
CN108597172B (zh) 一种森林火灾识别方法、装置、电子设备及存储介质
US20130318120A1 (en) Document search apparatus, document search method, and program product
CN114282258A (zh) 截屏数据脱敏方法、装置、计算机设备及存储介质
CN114386013A (zh) 学籍自动认证方法、装置、计算机设备及存储介质
CN116843155B (zh) 一种基于saas的人岗双向匹配方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant