CN111125672A - 一种图像验证码的生成方法及装置 - Google Patents
一种图像验证码的生成方法及装置 Download PDFInfo
- Publication number
- CN111125672A CN111125672A CN201911402999.1A CN201911402999A CN111125672A CN 111125672 A CN111125672 A CN 111125672A CN 201911402999 A CN201911402999 A CN 201911402999A CN 111125672 A CN111125672 A CN 111125672A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- verification
- generating
- images
- 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.)
- Pending
Links
- 238000012795 verification Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 31
- 235000019646 color tone Nutrition 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 abstract description 5
- 241000282414 Homo sapiens Species 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 241000282412 Homo Species 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/36—User authentication by graphic or iconic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2133—Verifying human interaction, e.g., Captcha
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像验证码的生成方法及装置,所述方法包括:获获取若干待处理图像,并对每一所述待处理图像中若干图像像素点的色调进行调整,获得若干已处理图像;根据训练好的判别器对各所述已处理图像进行图像识别,并将无法被所述判别器识别的已处理图像作为验证图像;在接收到目标终端发起的验证请求时,根据验证图像,生成图像验证码发送至所述目标终端。通过实施本发明实施例能够提高了机器辨识难度,更有效的避免计算机程序破解验证码后所带来的安全隐患。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种图像验证码的生成方法及装置。
背景技术
验证码是一种有效区分发送的访问请求是计算机或人类的公共全自动程序,可以防止恶意破解密码、刷票、论坛灌水等通过终端对服务器发起的恶意访问请求,有效的提高了服务器的网络安全。验证码的验证机制,是通过服务器端随机地生成验证问题以及与该验证问题相对应的参考验证码发送至终端,使得用户根据参考验证码向服务器提交验证信息,服务器根据提交的验证信息判断是否通过验证。
为使参考验证码易于被人类识别而不易被机器识别,现有的验证码技术中,采用扭曲文字、在图片中使用杂点背景、在语音中增加背景噪音等干扰机器识别的手段,以增加机器识别的难度,从而达到提高服务器的网络安全的效果。但在实现本申请的过程中,发现由于计算机进行图片或语音验证码内容提取的技术已非常成熟,通过视觉识别算法、语音识别算法,计算机可以轻松识别提取图片或语音参考验证码中包含的字符内容。因此,通过现有的验证码生成技术来进行验证方式已变得相当不可靠。
发明内容
本申请实施例提供一种验证码的生成方法及装置,提高了机器辨识难度,更有效防止计算机程序破解验证码后所带来的安全隐患。
为解决上述问题,本申请实施例提供一种验证码的生成方法,适于在计算设备中执行,至少包括如下步骤:
获取若干待处理图像,并对每一所述待处理图像中若干图像像素点的色调进行调整,获得若干已处理图像;
根据训练好的判别器对各所述已处理图像进行图像识别,并将无法被所述判别器识别的已处理图像作为验证图像;
在接收到目标终端发起的验证请求时,根据验证图像,生成图像验证码发送至所述目标终端。
进一步的,在所述获取若干待处理图像之后,还包括:通过预设的物品识别模型对每一所述待处理图像进行识别,为所述待处理图像标注对应的物品类别名称。
进一步的,所述预设的物品识别模型,通过以下方式进行构建:
获取若干训练图像,并提取各所述训练图像的特征向量;
以所述各所述训练图像的特征向量为输入,以各所述训练图像的物品类别为输出,构建所述预设的物品识别模型。
进一步的,所述特征向量包括颜色、纹理、形状和透明度。
进一步的,所述图片切割处理为对影像图片进行随机间距的裁切处理。
进一步的,在所述获取若干待处理图像之后,还包括:对每一所述待处理图像进行灰度处理。
进一步的,以各所述已处理图像为输入,以各所述已处理图像对应的物品类别名称为输出,通过对抗网络进行训练,获得所述判别器。
在上述方法项实施例的基础上,对应提供了装置项实施例:
本发明另一实施例提供了一种图像验证码生成装置包括:
图像色调调整模块、验证图像生成模块以及验证码生成模块;
图像色调调整模块,用于获取若干待处理图像,并对每一所述待处理图像中若干图像像素点的色调进行调整,获得若干已处理图像;
验证图像生成模块,用于根据训练好的判别器对各所述已处理图像进行图像识别,并将无法被所述判别器识别的已处理图像作为验证图像;
验证码生成模块,用于在接收到目标终端发起的验证请求时,根据验证图像,生成图像验证码发送至所述目标终端。-
实施本申请实施例,具有如下有益效果:
本发明实施例提供了一种图像验证码的生成方法及装置,所述方法将获取的待处理图像中若干图像像素点的色调进行调整,使得图像像素点的色调值发生改变,这对于人类辨认图像的物件并没有什么影响,但却都能对机器的自动识别带来较大的干扰,紧接着将调整过色调的已处理图像,输入到判别器中进行识别,将无法识别的图像作为验证图像,这一步骤主要是模拟机器识别的过程,若判别器无法识别,则说明在一定程度上通过机器自动识别也无法识别出该图像,将该图像(判别器无法识别的图像)作为验证图像,然后生成图像验证码,这样能提高机器自动识别的难度,更有效防止计算机程序通过自动识别破解验证码后所带来的安全隐患。
附图说明
图1是本发明一实施例提供的一种图像验证码的生成方法的流程示意图;
图2是本发明一实施例提供的一种图像验证码的生成装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
全自动区分计算机和人类的图灵测试(英语:Completely Automated PublicTuring test to tell Computers and Humans Apart,简称CAPTCHA),俗称验证码,是一种区分用户是计算机和人的公共全自动程序。在CAPTCHA测试中,作为服务器的计算机会自动生成一个问题由用户来解答。这个问题可以由计算机生成并评判,但是必须只有人类才能解答。由于计算机无法解答CAPTCHA的问题,所以回答出问题的用户就可以被认为是人类。
现有验证码技术中,主要通过让参考验证码易于被人类识别而不易被机器识别的思路进行设计,主要表现为用扭曲文字、在图片中使用杂点背景、在语音中增加背景噪音等干扰机器识别的手段增加机器识别的难度。由于计算机进行图片或语音验证码内容提取的技术已非常成熟,通过视觉识别算法、语音识别算法,计算机可以轻松识别提取图片或语音参考验证码中包含的字符内容,并模拟用户的鼠标点击、键盘输入等事件行为在浏览器端输入识别出来的字符进行提交。也就是说,以完整的物品图片生成且未进行计算验证的验证码来实现人和计算机的鉴别已变得相当不可靠。
本发明一实施例提供的一种图像验证码的生成方法的流程示意图,包括:
步骤S101:获取若干待处理图像,并对每一所述待处理图像中若干图像像素点的色调进行调整,获得若干已处理图像。
步骤S102:根据训练好的判别器对各所述已处理图像进行图像识别,并将无法被所述判别器识别的已处理图像作为验证图像。
步骤S103:在接收到目标终端发起的验证请求时,根据验证图像,生成图像验证码发送至所述目标终端。
对于步骤S101:作为举例,可以通过互联网或其他途径搜集整理1000种(当然这里的1000种只是一个举例,可以包括更多或更少的种类)的常见物件的各个角度不同光线下的图片,对物件图片进行裁切和缩放,得到将物件设置在图像的主体中心区域,去掉边缘多余的无关图像区域,仅保存图像中与物品有关的图像主体,获得所述若干待处理图像,每张待处理图像为一个物件的图像,例如,一台电脑,一只手表等。上述各个角度的选择可以是按一定角度间隔,如主视图、左视图、右视图、俯视图和仰视图等,或以物品的主视图为基点,按顺时针方向,每隔一定的角度选取一张影像图片等,也可以是随机角度或自定义的角度等,上述不同光线指的是,在不同方向的光线照射线的图像。
紧接着对每一待处理图像中的若干图像像素点的色调进行调整,具体的:根据随机选取图像中的若干个图像像素点,然后调整选取的图像像素点的H值,来采用不同的颜色点进行叠加,例如,随机抽取需要叠加的各个图像像素点例如是50个,提取这50个图像像素点的H值,然后对于这50个图像像素点中的任意一个像素点,在其原H值上加100~200之间的一个随机值,后将得到的H值叠加到对应的点上,实现对待处理图像中选定的若干图像像素点的色调进行调整。需要说明的是,每一待处理图像中所选取的进行调整的像素点的数量可以根据实际情况进行设定,各待处理图像中选取的进行色素调整的图像像素点的数量可以是不同的。
使用上述方式能够使随机叠加的点的颜色值与原值差异较大,对于人类辨认物件无太大影响,而对机器的干扰较大。
在一个优选的实施例中,在获取若干待处理图像后,还包括通过预设的物品识别模型对每一所述待处理图像进行识别,为所述待处理图像标注对应的物品类别名称。这一步骤主要为了实现待处理图像,图像类别名称的自动标注;
优选的,上述预设的物品识别模型通过以下方式进行构建:获取若干训练图像,并提取各所述训练图像的特征向量;以所述各所述训练图像的特征向量为输入,以各所述训练图像的物品类别为输出,构建所述预设的物品识别模型。其中,特特向量包括但不限于,颜色、纹理、形状和透明度。以下进一步对物品识别模型的构建进行说明:
步骤A、通过互联网获取海量各种常见物品的图片,对图片进行预处理。通过去除噪声和干扰点,归一化等预处理过程,加快服务器处理数据的速度,使得后续的处理更好的进行。
步骤B、对预处理后的图片进行特征提取,根据不同类型的物品空间密度的外观颜色、纹理、图案、形状、透明度等排布情况特征,将物品图像分为5*5的25个方格区域,计算每个方格中的点数与物品总点数之比,以得到25维特征向量。
步骤C、识别训练,从训练集各物品中提取出标准模板,建立标准特征库。每种物品都有几百个标准模板,通过预处理和特征提取后,将训练集各物品的特征向量存入文件中,训练时需要指明各物品类型的正确值。通过以上步骤,完成所述物品识别模型的构建。
在一个优选的实施例中,在所述获取若干待处理图像之后,还包括:对每一所述待处理图像进行灰度处理。通过对图像灰度处理减轻服务器处理数据的压力。灰度处理加权平均法公式:f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)。其中,i、j代表一个像素点在二维空间向量的位置,即:第i行,第j列。根据上述公式,计算各图像每个像素点的灰度值,取值范围是0-255,使图像都呈现黑白灰状态。
对于步骤S102、首先对上述训练好的判别器进行说明:在一个优选的实施例中,上述判别器通过以下方式进行构建:以各所述已处理图像为输入,以各所述已处理图像对应的物品类别名称为输出,通过条件生成对抗网络进行训练,获得所述判别器。具体的,GAN在训练时,生成器G用于捕捉数据分布,判别器D用于估计一个样本来自于真实数据而非生成样本的概率。将经过色调调整的已处理图像输入到判别器中,判别器D不断地更新,通过将判别结果作为生成器G的优化目标去指引生成器G如何优化,生成器G会生成新的生成图片,然后又将新生成的图片发送到判别器中进行判别。从而起到了生成器G目标函数的作用。如果对于模糊不清的转化结果,判别器D就可以轻易将其与真正的图片区别开来,同时又指导生成器G去生成更加清晰可靠的图片。因而,gan一方面学习产生目标函数,另一方面又根据学习到的目标函数去对模型进行优化。当两个模型达到稳态时,即判别模型D的输出接近1/2,完成训练。
利用训练好的判别器对上述若干已处理图像进行识别,当判别器无法识别出已处理图像的物品时,则说明通过机器识别无法对该已处理图像进行识别,那么此时将其作为验证图像;通过这一实施例所生成的验证图像不易被机械自动识别,提高了图像抗机器识别的特性。
在另一优选的实施例中,可利用上述训练好的生成器直接生成验证图像,具体如下:
将若干图片输入生成器中,然后生成器就随机进行图像像素点的调整,不断增加进行色素调整的点的比例,直到判别器判别不出来的,把判别不出来的集合作为验证码,例如:先将一图片中的10%的图像像素点的H值进行调整,然后输入判别器进行判别,看判别器的识别准确率有多高,如果准确率未低于预设阈值,则说明判别器依旧能够识别,此时增加需要进行色素调整的图像像素点的数量,例如将图片中20%的图像像素点的H值进行调整,然后再输入判别器中,进行识别,若此时判别器的识别准确率低于预设阈值,例如是10%,则停止,将此时判别器无法识别(即识别错误)的图片作为上述验证图片,在对每一图片中的每一图像像素点进行调整时,通过在原图像像素点的H值上随机叠加一数值,进行调整。例如原图像像素点的H值为A,则可以在A上随机叠加一个数值,例如是B,然后将原图像像素点的H值,调整为A+B。
对于步骤S103、在这一步骤中,在接收到目标终端发起的验证请求时,根据步骤S102中得到的验证图像生成图像验证码,提供给目标终端,以使用户在目标终端根据所述图像验证码进行验证。需要说明的是,上述根据验证图像生成图像验证码,可以理解为选取一张或多张验证图像,作为一图像验证码。此外在将图像验证码发送至目标终端时,还将对应的验证操作信息一起发送至目标终端,以使所述目标终端对图像验证码和验证操作信息进行显示,所述验证操作信息为引导用户进行验证操作的信息,例如可以是“从以下图像中点选手表的图像”。上述目标终端,包括但不限于,电脑,手机或平板等由于验证图像时模拟机器识别后,无法被识别的图像,因此难以别机器自动识别,提高了机器辨识难度,更有效防止计算机程序破解验证码后所带来的安全隐患。
在上述方法项实施例的基础上,本发明对应提供了装置项实施例;
本发明一实施例提供了一种图像验证码的生成装置,包括:图像色调调整模块、验证图像生成模块以及验证码生成模块;
图像色调调整模块,用于获取若干待处理图像,并对每一所述待处理图像中若干图像像素点的色调进行调整,获得若干已处理图像;
验证图像生成模块,用于根据训练好的判别器对各所述已处理图像进行图像识别,并将无法被所述判别器识别的已处理图像作为验证图像;
验证码生成模块,用于在接收到目标终端发起的验证请求时,根据验证图像,生成图像验证码发送至所述目标终端。
需要说明的是上述装置项实施例是与本发明方法项实施例对应的,其能实现本发明任意一项装置项实施例所提供的图像验证码的生成方法。
通过实施本发明实施例增加了机器干扰,提高了机器辨识难度,使得计算机难以识别,能更有效防止计算机程序破解验证码后所带来的安全隐患。
以上所述是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本申请的保护范围。
Claims (7)
1.一种图像验证码的生成方法,其特征在于,包括:
获取若干待处理图像,并对每一所述待处理图像中若干图像像素点的色调进行调整,获得若干已处理图像;
根据训练好的判别器对各所述已处理图像进行图像识别,并将无法被所述判别器识别的已处理图像作为验证图像;
在接收到目标终端发起的验证请求时,根据验证图像,生成图像验证码发送至所述目标终端。
2.如权利要求1所述的图像验证码的生成方法,其特征在于,在所述获取若干待处理图像之后,还包括:
通过预设的物品识别模型对每一所述待处理图像进行识别,为所述待处理图像标注对应的物品类别名称。
3.如权利要求2所述的图像验证码的生成方法,其特征在于,所述预设的物品识别模型,通过以下方式进行构建:
获取若干训练图像,并提取各所述训练图像的特征向量;
以所述各所述训练图像的特征向量为输入,以各所述训练图像的物品类别为输出,构建所述预设的物品识别模型。
4.如权利要求2所述的图像验证码的生成方法,其特征在于,所述特征向量包括颜色、纹理、形状和透明度。
5.如权利要求1所述的图像验证码的生成方法,其特征在于,在所述获取若干待处理图像之后,还包括:对每一所述待处理图像进行灰度处理。
6.如权利要求2所述的图像验证码的生成方法,其特征在于,以各所述已处理图像为输入,以各所述已处理图像对应的物品类别名称为输出,通过对抗网络进行训练,获得所述判别器。
7.一种图像验证码的生成装置,其特征在于,包括:图像色调调整模块、验证图像生成模块以及验证码生成模块;
图像色调调整模块,用于获取若干待处理图像,并对每一所述待处理图像中若干图像像素点的色调进行调整,获得若干已处理图像;
验证图像生成模块,用于根据训练好的判别器对各所述已处理图像进行图像识别,并将无法被所述判别器识别的已处理图像作为验证图像;
验证码生成模块,用于在接收到目标终端发起的验证请求时,根据验证图像,生成图像验证码发送至所述目标终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911402999.1A CN111125672A (zh) | 2019-12-30 | 2019-12-30 | 一种图像验证码的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911402999.1A CN111125672A (zh) | 2019-12-30 | 2019-12-30 | 一种图像验证码的生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111125672A true CN111125672A (zh) | 2020-05-08 |
Family
ID=70505838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911402999.1A Pending CN111125672A (zh) | 2019-12-30 | 2019-12-30 | 一种图像验证码的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111125672A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695107A (zh) * | 2020-05-29 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 验证方法、装置和电子设备 |
CN113761514A (zh) * | 2021-08-20 | 2021-12-07 | 上海酷栈科技有限公司 | 一种云桌面多因子安全认证方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183458A (zh) * | 2007-12-20 | 2008-05-21 | 腾讯科技(深圳)有限公司 | 图片验证码生成方法和图片验证码生成装置 |
US20140173713A1 (en) * | 2012-12-13 | 2014-06-19 | Huawei Technologies Co., Ltd. | Verification Code Generation and Verification Method and Apparatus |
CN106157344A (zh) * | 2015-04-23 | 2016-11-23 | 深圳市腾讯计算机系统有限公司 | 验证图片的生成方法及装置 |
CN106250755A (zh) * | 2016-07-28 | 2016-12-21 | 北京旷视科技有限公司 | 用于生成验证码的方法及装置 |
CN108717550A (zh) * | 2018-04-28 | 2018-10-30 | 浙江大学 | 一种基于对抗学习的图像对抗验证码生成方法和系统 |
CN109902475A (zh) * | 2019-03-13 | 2019-06-18 | 百度在线网络技术(北京)有限公司 | 验证码图像生成方法、装置和电子设备 |
CN110008680A (zh) * | 2019-04-03 | 2019-07-12 | 华南师范大学 | 基于对抗样本的验证码生成系统及方法 |
CN110210204A (zh) * | 2019-05-30 | 2019-09-06 | 网易(杭州)网络有限公司 | 验证码生成方法及装置、存储介质和电子设备 |
-
2019
- 2019-12-30 CN CN201911402999.1A patent/CN111125672A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183458A (zh) * | 2007-12-20 | 2008-05-21 | 腾讯科技(深圳)有限公司 | 图片验证码生成方法和图片验证码生成装置 |
US20140173713A1 (en) * | 2012-12-13 | 2014-06-19 | Huawei Technologies Co., Ltd. | Verification Code Generation and Verification Method and Apparatus |
CN106157344A (zh) * | 2015-04-23 | 2016-11-23 | 深圳市腾讯计算机系统有限公司 | 验证图片的生成方法及装置 |
CN106250755A (zh) * | 2016-07-28 | 2016-12-21 | 北京旷视科技有限公司 | 用于生成验证码的方法及装置 |
CN108717550A (zh) * | 2018-04-28 | 2018-10-30 | 浙江大学 | 一种基于对抗学习的图像对抗验证码生成方法和系统 |
CN109902475A (zh) * | 2019-03-13 | 2019-06-18 | 百度在线网络技术(北京)有限公司 | 验证码图像生成方法、装置和电子设备 |
CN110008680A (zh) * | 2019-04-03 | 2019-07-12 | 华南师范大学 | 基于对抗样本的验证码生成系统及方法 |
CN110210204A (zh) * | 2019-05-30 | 2019-09-06 | 网易(杭州)网络有限公司 | 验证码生成方法及装置、存储介质和电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695107A (zh) * | 2020-05-29 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 验证方法、装置和电子设备 |
CN111695107B (zh) * | 2020-05-29 | 2022-07-26 | 北京字节跳动网络技术有限公司 | 验证方法、装置和电子设备 |
CN113761514A (zh) * | 2021-08-20 | 2021-12-07 | 上海酷栈科技有限公司 | 一种云桌面多因子安全认证方法及系统 |
CN113761514B (zh) * | 2021-08-20 | 2024-03-19 | 上海酷栈科技有限公司 | 一种云桌面多因子安全认证方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229130B (zh) | 一种验证方法及装置 | |
CN101558431B (zh) | 脸认证设备 | |
CN110728209A (zh) | 一种姿态识别方法、装置、电子设备及存储介质 | |
CN109190470B (zh) | 行人重识别方法及装置 | |
CN105518708A (zh) | 用于验证活体人脸的方法、设备和计算机程序产品 | |
Akhtar et al. | Attack to fool and explain deep networks | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN111125672A (zh) | 一种图像验证码的生成方法及装置 | |
CN106650555A (zh) | 一种基于机器学习的真人验证方法及系统 | |
CN113139536A (zh) | 一种基于跨域元学习的文本验证码识别方法、设备及存储介质 | |
CN108268641A (zh) | 发票信息识别方法及发票信息识别装置、设备和存储介质 | |
CN113987429A (zh) | 基于水印嵌入的神经网络模型的版权验证方法 | |
CN112560989A (zh) | 一种基于大数据的人工智能防伪图像识别方法及系统 | |
CN109299592B (zh) | 人机行为特征边界构建方法、系统、服务器及存储介质 | |
CN107944363A (zh) | 人脸图像处理方法、系统及服务器 | |
CN112883359B (zh) | 一种动态验证方法和系统 | |
CN111723688B (zh) | 人体动作识别结果的评价方法、装置和电子设备 | |
CN116363732A (zh) | 人脸情绪识别方法、装置、设备及存储介质 | |
CN113190310B (zh) | 基于随机位置对象语义识别的验证码设计方法 | |
CN111177689A (zh) | 验证码的生成方法及装置 | |
CN112016505B (zh) | 基于人脸图像的活体检测方法、设备、存储介质及装置 | |
CN112257053A (zh) | 一种基于通用对抗扰动的图像验证码生成方法及系统 | |
CN112800941A (zh) | 基于非对称辅助信息嵌入网络的人脸反欺诈方法及系统 | |
CN110135145A (zh) | 基于图灵测试的点击验证码方法 | |
Tapia et al. | Simulating Print/Scan Textures for Morphing Attack Detection |
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 |