CN107729729B - 一种基于随机森林的滑动验证码的自动通过测试方法 - Google Patents

Abstract

本发明公开了一种基于随机森林的滑动验证码的自动通过测试方法。本方法为：根据滑动验证码中的加密字段，获取轨迹的加密函数和轨迹参数；收集轨迹参数的值，然后根据加密函数对轨迹参数的值进行反向逆解，将得到的原始数组生成训练数据；用随机森林进行回归训练所述训练数据，得到一个轨迹模型并进行归一化处理；多次随机获取不同归一化轨迹不同时间的若干数据点，将每次选取的数据点均在同一数轴上进行拟合，从得到多条拟合轨迹中选取一最优拟合轨迹；获取该滑动验证码的图片，将缺块阴影位置信息输入最优拟合轨迹中，得到一个通过轨迹，生成模拟网页请求发送给服务端。本发明可高效的通过滑动验证码，实现机器自动化，为测试人员带来极大方便。

Description

一种基于随机森林的滑动验证码的自动通过测试方法

技术领域

本发明属于计算机软件技术领域，涉及一种基于随机森林的滑动验证码的自动通过测试方法。

背景技术

随机森林(random forest)，是以决策树为基学习器构建的一种集成算法，随机森林有多棵决策树构成，且森林中每一棵树之间互不影响，模型最终结果由多棵树决定。在处理分类问题时，每棵树会批判出一个最终类别，然后输出类别会以投票的方式来决定，少数服从多数。在处理回归问题时，以每一棵决策树输出的均值作为最终的结果。

现有的交互式的滑动验证码通过方法大部分是先用js记录下用户的鼠标移动轨迹，然后不断得收集不同的位置轨迹，以后遇到相同的位置，就用轨迹数组进行重播。还有一种方式是将收集到的轨迹画出来，可以很明显看到人类是有一种统一惯性的，就是拖动鼠标的时候会先快后慢再半快，速度会出现两个明显的峰值，因此可以根据轨迹情况，人工设计轨迹函数。

重播的方法，需要用户进行大量的滑动轨迹收集，而且没有办法保证收集到的轨迹能很好的覆盖图片的每一个位置，所以低效且可能通过率低。而人工建立轨迹模拟函数的方法通过率低，并且需要经过大量测试。不管从成本还是效率来看都不是好的方式。但是也侧面反应了滑动验证码的安全性能还是很高的，基本都可以把机器人识别出来，并将其拒之门外。

发明内容

针对现有技术中存在的技术问题，本发明的目的在于提供一种基于随机森林的滑动验证码的自动通过测试方法。

本发明首先收集能通过验证码的人类轨迹作为训练集，通过随机随机森林拟合轨迹得到一系列符合的轨迹特征，然后再聚合这些轨迹特征挑选出通过率最高的一组作为最后的模型。通过这种方法可以高效的通过滑动验证码，从而实现机器自动化，为测试人员带来了极大的方便。

本发明的技术方案为：

一种滑动验证码的自动通过测试方法，其步骤包括：

1)根据滑动验证码中的加密字段，获取轨迹的加密函数和轨迹参数；

2)根据所述轨迹参数和所述加密函数，收集所述轨迹参数的值，然后根据所述加密函数对所述轨迹参数的值进行反向逆解，得到若干原始数组；然后将各所述原始数组生成训练数据；

3)用随机森林进行回归训练所述训练数据，得到一个轨迹模型；然后对所述轨迹模型进行归一化处理；

4)重复步骤2)、3)设定次数，得到对应多个归一化轨迹；

5)多次随机获取不同归一化轨迹模型不同时间的若干数据点，将每次选取的数据点均在同一数轴上进行拟合，分别得到多条拟合轨迹；分别测试每一条拟合轨迹对该滑动验证码的通过率，根据通过率选取一最优拟合轨迹；

6)获取该滑动验证码的图片，包括一张是切片打乱的含有缺块阴影的图片A和一张是完整的没有缺块的图片B；

7)获取所述图片A的打乱规则，发送网页请求所需的参数及其加密规则；根据打乱规则对图片A进行重构还原，得到一图片C；并依据所述图片B计算图片C的缺块阴影位置；

8)将该缺块阴影位置信息输入所述最优拟合轨迹中，得到一个通过该滑动验证码的轨迹数组，然后根据所述加密函数对该轨迹数组进行加密，得到轨迹的加密参数；

9)利用所述加密规则对网页请求所需的参数进行加密，根据加密后的数据与轨迹的加密参数模拟网页请求发送给服务端。

进一步的，使用wireshark来获取网络封包并对其进行解析获取所述加密字段。

进一步的，根据chrome的调试工具对轨迹参数进行调试搜索得到所述加密函数。

进一步的，通过chrome的调试工具得到所述加密规则。

进一步的，所述步骤5)中，每次从归一化轨迹中随机选取n个不同时间段的数据点，将这些数据点放在同一个数轴中，然后利用随机森林对这些数据点重新进行训练，得到所述拟合轨迹。

进一步的，根据所述图片B与所述图片C的相减结果得到所述缺块阴影位置。

本发明涉及的是滑动验证码是一种行为式验证码，其验证方法适用的场景包括：

一种场景是现在的行为式验证码的开发人员可以根据这种通过测试方法来检测自己设计的滑动验证码的安全性能，从本发明给出的特征和通过方法中升级防御策略，提高行为式验证码的防御能力。

一种场景是各大公司可以通过这种方法对自己购买的验证码服务进行有针对的测试，避免因为购买了防御能力过弱的的滑动验证码验证服务导致自己网站的数据流失严重，也降低了未来更换防御策略的更换成本。

一种场景是对于一些研究机构，可以通过这种通过测试方式获取一些需要通过滑动验证码的数据资料来辅助自己的研究项目，进而进行有效的数据分析，为模型提供更为全面的训练数据集。

滑动验证码是一种新型的行为式验证码，这种验证码通过机器学习和神经网络，构建了多重静态，动态的防御模型，通过人类的鼠标轨迹可以识别出是人还是机器。这种验证码不管在体验上还是在防御性上都比一般的图像验证码好很多。但是通过一些机器学习算法可以轻松的通过这种验证码的验证。

随机森林是一种组合算法，通过多个基分类器进行投票得到最好的预测结果，本发明使用的是随机森林回归，通过搜集得到人类轨迹作为训练集，进行归一化处理，然后通过随机森林不同基树的均值来得到不同预测点值，从而得到轨迹的拟合曲线。对这些不同轨迹建立不同的模型，并且输出各自的拟合曲线。然后再从这些得到的每个不同曲线中随机取n个点点放在同一个数轴中重新进行拟合，多次重复该过程，得到多条的拟合轨迹，再测试所有轨迹，选择成功率最高的轨迹模型。通过这种方法，本发明能够聚合出人类滑动轨迹的大部分特征以及行为模式，高效的通过滑动验证码的检测，虽然滑动验证码还有前面的多重静态防护机制，但是由于前端本地化的原因，导致静态防护的防御能力极弱，所以基本上如果能通过轨迹的动态检测，就能实现高效的自动化。

本发明首先进行模型训练，如图1所示，然后利用训练的模型进行自动通过测试，如图2所示，其步骤包括：

步骤1：抓包分析滑动验证码中的加密字段，提取轨迹加密函数。这里一般使用wireshark来获取网络封包，进而分析获取需要的加密规则以及参数，一般是最后一个请求中会存在需要的轨迹参数。然后再根据chrome自带的调试工具对轨迹参数进行调试搜索，直到拿到轨迹加密函数。

步骤2：根据步骤1获取的轨迹参数和轨迹的加密函数，收集轨迹参数的值，然后根据轨迹加密函数对这个值进行反向逆解，不同字母符号对应不同值以及数组分割段，可以得到若干原始数组；然后将这些原始数组处理成训练数据。轨迹参数值一般是通过不同的字符替换混淆的，比如选取个值像B＝“()*,-./0123456789:？@ABCDEF”，然后数组的不同数字去对应他，比如轨迹中有1，那么我这时设定输出参数是B中的第一位字符，这样就形成了一种混淆。而逆解就是将这个转化成1，这个要具体的加密函数具体分析。

步骤3：用随机森林进行回归训练上面得到的训练数据，然后对训练出来的轨迹模型进行归一化处理，重复步骤2、3获取建立多个归一化轨迹。

步骤4：聚合规则模型，对随机森林训练出的归一化轨迹进行数据点聚合，即随机获取不同归一化轨迹不同时间的数据点，进行重新拟合，通过测试这些轨迹在滑动验证码的通过率，然后得到最终的最符合人类的最优拟合轨迹。不同滑动验证码的需要不同的训练数据进行训练，这里我们测试的是同一种滑动验证码，但是其他滑动验证码的训练测试方法基本相同。

步骤5：获取得到滑动验证码的图片，一般会有两张图片，一张是切片打乱的含有缺块阴影的图片，另一张是完整的没有缺块的图片。

步骤6：重复步骤1，这个步骤抓包分析的是图片的打乱规则，以及最后需要发送网页请求的有哪些参数，以及这些参数的加密规则，而加密规则也是通过chrome进行调试分析得到。由于在前面的步骤中已经对轨迹的参数加密规则进行分析了，这一步只需要对其他参数进行分析即可。

步骤7：得到了图片的打乱规则后，根据打乱规则对图片进行重构还原，得到一个完整的含有缺块的图片。

步骤8：计算缺口的位置，由前两个步骤得到了一张完整没有缺口的图片和一张完整有缺口的图片，由于这两张图片除了缺口外，基本大小像素都相同，可以用完整无缺块的图片减去完整有缺块的图片，得到像素值不为零的地方就是缺块的位置。

步骤9：得到缺块位置后将位置输入最优拟合轨迹模型中，得到一个通过验证码的轨迹数组，然后再根据步骤1拿到的轨迹加密函数对轨迹数组进行加密。得到最后的轨迹的加密参数。

步骤10：根据步骤6得到的其他参数的加密规则，对数据参数进行加密，连同步骤9得到的轨迹参数模拟网页请求一起发送给服务端，若服务端返回的参数中有通过下一步的验证参数，并且没有提示forbidden说明验证码通过；即根据服务端的反馈即可确定是否通过。

本发明主要具有以下优点：

本发明利用随机森林的方法，对人类的轨迹进行建模，得到人类的行为轨迹，然后可以使用这个轨迹来通过滑动验证码的检测，从另一个角度揭露了这种验证码的安全隐患。但是安全都是在破解然后提高再破解这种循环中不断轮回的，揭露滑动验证码的隐患有利于提高未来滑动验证码的安全性，给滑动验证码的开发人员提供了升级改进的方向。与此同时，给滑动验证码服务的安全性提供了检测机制，避免了在选择验证码服务的时候，盲目追求技术的革新却忽略了最为重要的安全性能，以更理性的态度和更低的成本去选择更为安全的验证码服务，保证了自身公司数据的安全性。另外，研究机构在数据来源困难的情况下也可以通过这种方式通过验证码，获取有效的科研数据。

本发明通过随机森林回归的办法模拟人类轨迹，然后通过滑动验证码的检测，成功实现高效的自动化。

附图说明

图1为本发明的模型训练流程图；

图2为本发明的方法流程图。

具体实施方式

为使本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图作详细说明如下。

首先要先确定滑动验证码验证需要的参数，然后确定这些参数的生成规则。这一步需要通过firebug或者其他的调试工具调试出来，这些影响验证码验证的维度一般有轨迹、通过时间、请求编号、图片编号等。当然还有一些请求验证，如cookie、user_agent、js加载时间等。

大部分维度都可以用固定的模式去通过，比如通过请求从服务端获取的认证编号，这个编号可能会通过加密得到最后的输出参数，可以通过调试的方式找到加密函数，然后通过重新执行该加密函数就能获取加密参数的结果。而得到这个加密参数的方法无外乎就是使用chrome进行断点调试，查看断点函数输出的参数值通过了加密。但是轨迹验证是通过大量的数据训练出来的模型，对机器的固定模式有很高的辨识度，所以这里用随机森林的方式对轨迹进行了学习，总结出符合人类的轨迹特征。在进行训练时，需要对数据进行前期处理，比如轨迹数组可能经过了加密，需要通过逆解的方式得到轨迹数组，而不同的平台轨迹数组的组成方式可能会不一样，但一般都是包含x轴，y轴的位置信息和每个位置的时间信息如下面[[x1,y1,time1],[x2,y2,time2]]这种，x1代表的是time1时间里横轴的移动距离，y代表的是time1时间里纵轴移动的距离，time1代表时间段，这个时间段可能是随机截取的。

然后转化上面的数组数据，将移动的位置和时间段转化成速度和时间，通过时间段和位置，可以计算出时间段的中点速度，然后时间累加，可以知道每个时间段中点时刻时间，这样得到的就是每个时刻的瞬时速度和时间。

以时间为x轴，速度为y轴，用随机森林进行回归分析，可以得到一条类人的滑动轨迹，但是这样得到的轨迹只能适应一个缺块位置。为了适应多个位置，需要对轨迹进行归一化处理，使得轨迹具有伸缩性。

对大量的轨迹进行训练归一化后，在这些归一化的轨迹中随机选取n个不同时间段的轨迹点，将这些点放在同一个数轴中，对这些点重新进行随机森林训练，聚合这些属于人类的轨迹，形成人类轨迹的通用规则，输出拟合轨迹。然后对这些不同的轨迹进行测试，挑选出效果最好的最优拟合轨迹，以后当遇到不同点的时候通过最优拟合轨迹也就是通过率最高的拟合轨迹输出轨迹后对轨迹进行同等倍数的放大，也就是滑块位置乘上归一化后的轨迹，由此得到通过轨迹了。再结合之前的轨迹加密函数对轨迹进行加密编码输出，得到最终的轨迹参数。和其他的参数一起发送请求即可比较高效地通过验证码。根据服务端的反馈即可确定是否通过。

以上实施仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。

Claims (6)

1.一种基于随机森林的滑动验证码的自动通过测试方法，其步骤包括：

1)根据滑动验证码中的加密字段，获取轨迹的加密函数和轨迹参数；

2)根据所述轨迹参数和所述加密函数，收集所述轨迹参数的值，然后根据所述加密函数对所述轨迹参数的值进行反向逆解，得到若干原始数组；然后将各所述原始数组生成训练数据；

3)用随机森林进行回归训练所述训练数据，得到一个轨迹模型；然后对所述轨迹模型进行归一化处理；

4)重复步骤2)、3)多次，得到对应多个归一化轨迹；

5)多次随机获取不同归一化轨迹不同时间的若干数据点，将每次选取的来自不同归一化轨迹不同时间的数据点均在同一数轴上进行拟合，分别得到多条拟合轨迹；分别测试每一条拟合轨迹对该滑动验证码的通过率，根据通过率选取一最优拟合轨迹；

6)获取该滑动验证码的图片，包括一张是切片打乱的含有缺块阴影的图片A和一张是完整的没有缺块的图片B；

7)获取所述图片A的打乱规则，发送网页请求所需的参数及其加密规则；根据打乱规则对图片A进行重构还原，得到一图片C；并依据所述图片B计算图片C的缺块阴影位置；

8)将该缺块阴影位置信息输入所述最优拟合轨迹中，得到一个通过该滑动验证码的轨迹数组，然后根据所述加密函数对该轨迹数组进行加密，得到轨迹的加密参数；

9)利用所述加密规则对网页请求所需的参数进行加密，根据加密后的数据与轨迹的加密参数模拟网页请求发送给服务端。

2.如权利要求1所述的方法，其特征在于，使用wireshark来获取网络封包并对其进行解析获取所述加密字段。

3.如权利要求1或2所述的方法，其特征在于，根据chrome的调试工具对轨迹参数进行调试搜索得到所述加密函数。

4.如权利要求1或2所述的方法，通过chrome的调试工具得到所述加密规则。

5.如权利要求1所述的方法，其特征在于，所述步骤5)中，每次从归一化轨迹中随机选取n个不同时间段的数据点，将这些数据点放在同一个数轴中，然后利用随机森林对这些数据点重新进行训练，得到所述拟合轨迹。

6.如权利要求1所述的方法，其特征在于，根据所述图片B与所述图片C的相减结果得到所述缺块阴影位置。

Images