ASP无组件生成BMP验证码

本文根据用ASP无组件生成BMP图形验证码技术,从BMP文件的内容、结构、BMP扫描方式、用ASP发送BMP二进制数据以及生成BMP图形文件等几方面详细探讨和论述了如何用ASP无组件生成BMP图形验证码.     

一种新型验证码的实现

基于传统验证码容易被机器识别的问题，提出了一种新型的验证码实现思路，使得机器自动识别几乎变为不可能，阐述了新型验证码的原理，介绍了新型验证码的主要功能模块。     

两种文本类型验证码字符分割提取方法

作为区分人机操作的一种有效方法,验证码图片被广泛使用.通过对验证码图片识别技术的研究,可以及时发现和改善验证码漏洞.识别混合字符型文本类型验证码的关键是提取验证码图像中的单个字符.介绍验证码识别的一般过程,给出基于颜色提取单个字符和基于支持向量机分割为单个字符的两种单个字符提取方法,通过实例给出了详细步骤.     

用ASP实现简单的图片验证码功能

本文简单讨论了验证码的作用、基本形式和原理,并通过源代码较详细地分析了图片验证码的ASP实现过程。特别的是,文中通过两种实现方式的比对,进一步加深了对验证码功能实现的理解。     

一种基于常识的图片验证码设计方法

为了防止非法用户对在线系统的恶意攻击,提出了一种简单高效基于常识的图片验证码设计方法。通过不同难度层次的常识构建常识库,设计生成的图片验证码质量较高,用户根据图片验证码的常识问题推理得到答案,将答案作为密匙进行认证,而不是直接输入图片验证码上面的字符,可以有效杜绝非法用户对系统的攻击,弥补当前诸多验证方法的不足,同时又兼顾了验证码设计的可用性和安全性准则,适用于普通在线系统的身份认证。     

基于Attention的卷积神经网络验证码识别研究

验证码字符识别技术作为数字图像处理的一个重要应用分支,其目的在于准确、快速地分析验证码所携带的字符内容.已有研究通过构建卷积神经网络进行验证码字符识别,并且取得了一定的效果;但是大部分研究使用特征的浅层信息作为模型的输入,受局部感受野的限制而丢失特征,未能充分分析验证码的深层特征信息,并且未能对特征进行充分融合,造成识别准确度还有一定提升空间.提出了一种基于注意力机制的卷积神经网络模型,首先采用Otsu算法对验证码进行预处理后,输入到VGG16模型提取验证码的特征;然后引入注意力机制,自动学习关键信息,得到不同特征的权重;最后基于卷积神经网络进行特征融合,通过训练后得到验证码识别模型.提出的模型在调用Captcha库生成的验证码数据集上进行验证,结果显示提出的方法在不增加时间成本的情况下,验证码识别准确率平均可达到93.27%,对比ResNet、CNN和CNN7基线方法,分别提升了8%、10%和22%.因此,提升了验证码识别的准确率,促进了自动识别车牌等场景落地,推进了验证码识别技术的发展.     

一种基于端对端深度卷积神经网络的验证码识别方法

传统验证码识别方法对不同类型的验证码泛化能力和鲁棒性较差。为此,提出一种基于深度卷积神经网络的端对端验证码识别方法。首先,通过并行级联的卷积层构建简易Inception模块,替代Google-net的卷积层,在降低调整参数数量的同时,提高网络对于不同感受野尺度的适应性。同时,采用全局平均池化层替换原全连接层以防止过拟合,提高网络学习效率。其次,在训练过程中,直接利用深度网络的学习能力自动提取和识别验证码图像的字符特征信息,无须对验证码图像进行预分割,可以有效避免因字符分割引起的误差累积问题。通过对谷歌验证码、正方教务系统验证码和京东验证码的测试,结果表明本方法具有更好的泛化能力和鲁棒性,对三类验证码的识别率分别达到96.3%、98.9%和99%,比经典卷积神经网络分别提高3.14%、2.75%和1.14%。     

基于卷积神经网络的图书馆信息安全的验证码识别方法研究

随着大数据时代的到来,数字图书馆作为一项惠民利民的数字化信息资源库,受到广泛大众的关注和喜爱。但同时图书馆信息安全也面临着网络安全的威胁,现有的防范措施存在着较大的安全隐患。该文提出一种基于卷积神经网络的验证码识别方法来提高数字图书馆信息安全中的安全验证问题。针对不同字符类型的验证码图像,该文首先采用自适应滤波去噪和二值闭运算进行预处理;其次构建层数不同的卷积神经网络进行模型训练并保存识别精度最高的模型;最后将验证码测试集输入模型之中进行精度测试。实验结果证明,该方法不仅提高了验证码识别的效率,识别精度也大大提升。因此用该方法来针对数字图书馆中的验证码进行破解,以设计出一种更加安全的验证码防护系统,对提升图书馆的信息安全方面有很大作用。     

一种基于PHP验证码图片的实现

验证码技术是产生由随机数学或符号组成的图片,借此防止用户在网络上用机器人自动注册、登录和灌水。由于其技术较为复杂,实现很困难,为此笔者基于PHP介绍了一种验证码的实现方法,事实证明本方法简单、易行、有效。     

一种通用的基于图像分割的验证码识别方法

针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出的方法对粘连、扭曲,且存在干扰噪声的字符验证码图像有着较高的识别率和适应性,有效克服经典方法对于不同种类验证码识别的针对性和局限性。     

基于ResNet验证码混淆风格的迁移学习方法

引入一种混淆风格的方法来增加验证码的识别难度,对图像信息处理有广阔的应用前景。为此,探究了利用较少的数据通过迁移学习的方法处理验证码不同混淆风格的分类问题;在预训练的深度残差网络模型基础上,针对不同混淆风格的验证码进行深入训练,再利用除去全连接层的模型进行特征提取及聚类进行比较。实验结果表明:迁移学习对验证码混淆风格分类的效果有极大的提高,可使衡量聚类效果的兰德指数从0.730 2提升至0.885 8。     

简述互联网验证码技术与设计

本文讲述现今互联网一种流行技术——验证码,论述其原理、作用、类型,并通过DELPHI2005语言设计一个验证码程序。通过此论文,能帮助读者加强互联网安全性的意识,并能给网络编程爱好者提供技术的原理与程序的设计参考。     

基于广义霍夫变换的粘连字符验证码的识别

针对具有粘连字符的验证码,提出了一种基于广义霍夫变换的识别算法。首先,对验证码图片和字符模板进行预处理和骨架化,提取字符模板中目标点的局部特征保存到参考表中;然后,对验证码图片进行逐像素比较,并进行投票,通过投票累加器的极大值定位出字符模板的参考点;最后,对相邻字符之间的干扰进行分析处理,从而提高了字符识别的正确率。提取的局部特征具有平移和旋转的不变性,因而可以对验证码图片中出现的字符部分形变、字符粘连、字符旋转进行有效处理和识别。     

改进指纹和LSC加权的恶意程序代码相似度估计算法

恶意程序代码的相似度估计是恶意程序代码分析和检测的重要研究内容。现有的方法主要是对恶意程序代码进行属性计算或结构度量,但由于恶意程序代码结构的灵活性和恶意程序代码的伪装、恶意程序代码的相似度较难度量。提出了改进指纹和LSC加权的恶意程序代码相似度估计算法。该算法首先对恶意程序代码进行函数作用域划分和标准化预处理,然后对其进行字串序列化,利用改进的指纹相似度来对恶意程序代码的相似度进行度量;同时结合最大公共字串匹配算法进行结构度量,并对其相似度计算结果进行加权,对恶意程序代码结构的相似度进行综合估计。实验以C语言结构的程序代码为例,利用折半查找算法生成恶意程序代码测试数据集进行算法有效性验证。仿真证明该算法具有较好的恶意程序代码相似度估算精度。     

《移动互联网恶意程序监测与处置机制》发布

工信部近日发布了国内首个《移动互联网恶意程序监测与处置机制》,该文件于2012年1月1日起执行。据统计,截至2011年10月,国内累计发现移动互联网恶意程序4500余种,并呈加速增长趋势。移动互联网终端和业务与用户个人利益的关联度高,恶意吸费、用户信息窃取、诱骗欺诈等恶意行为的影响和危害十分突出。在《移动互联网恶意程序监测与处置机制》中,工信部将移动互联网恶意程序事件分为特别重大、较大、一般共四级。特别重大事件。     

基于数据库技术的汉字验证码的设计与实现

验证码技术已经成为提高网站安全的一个重要手段，现在很多网站都采用了字母及数字形式的验证码，但这样的验证码破解率较高。为了增加计算机识别的难度，本文从access数据库随机抽取4个汉字作为验证码，采用了波形算法，并给出了源代码。     

浅析验证码在B/S系统安全性中的应用

本文分析了验证码B／S系统安全性中的关键作用，介绍了验证码的类型，探讨了验证码在B／S系统安全性中的具体应用。     

基于Struts技术的验证码应用

随着互联网应用的高速发展,现在许多系统的注册、登录或者发布信息模块都添加了验证码功能．本文首先介绍了Web开发中验证码的作用以及实现原理,然后基于J2EE技术对验证码技术的实现方法进行了介绍．     

基于数据挖掘的恶意程序智能检测研究

恶意程序的快速繁衍对用户信息安全造成了极大的危害,传统查杀方式的滞后性和不智能性已经无法满足当前恶意程序检测的需求。研究Windows平台恶意程序新型特征的筛选方法,筛选出恶意程序的新型特征并结合数据挖掘方法提取恶意程序的智能检测规则,着重介绍了样本数据处理过程和新特征筛选过程,并使用分类方法对筛选的新型特征做了仿真实验分析。实验结果表明,该恶意程序新型特征有效提高检测的准确率,降低漏报率和误报率。     

广西柳工机械股份有限公司计算机网络恶意程序防护体系建设

在介绍广西柳工机械股份有限公司(以下简称柳工)面临的威胁及恶意程序传播途径的基础上,阐述柳工计算机网络恶意程序防护体系的建设情况.柳工计算机网络恶意程序防护体系建设了网关、网络防护、在线杀毒及损害清除、桌面端防护、系统补丁升级、专业厂家服务和用户教育,共七道防线来对抗恶意程序的攻击.柳工计算机网络恶意程序防护体系解决了柳工网络内的恶意程序与病毒程序的多重威胁,使企业能够以较快的速度来把精力集中在业务系统及应用上,从而促进企业的发展.