TensorFlow自动识别验证码（二）
- -在 使用tensorflow自动识别验证码（一） 这篇文章中，对使用tensorflow自动识别验证码的过程做了简单的了解和编写. 那么今天这篇文章将对上篇文章中代码进行修改用于实现对主流的CMS进行验证码的破解. 先回顾一下 tensorflow 的自动识别验证码的步骤. 由于后面三步基本都是tensorflow自动完成.
TensorFlow自动识别验证码（二）
标签：
| 发表时间：2017-12-15 16:06 | 作者：
出处：https://mp.weixin.qq.com
0X000 前言
在 使用tensorflow自动识别验证码（一） 这篇文章中，对使用tensorflow自动识别验证码的过程做了简单的了解和编写。
那么今天这篇文章将对上篇文章中代码进行修改用于实现对主流的CMS进行验证码的破解。
0x001 破解步骤
先回顾一下 tensorflow 的自动识别验证码的步骤
-
采样
-
创建识别模型
-
训练识别模型
-
保存识别模型
-
验证
由于后面三步基本都是tensorflow自动完成
我们主要的工作是前两步。所以步骤以以下几步为主：
-
寻找开源系统中的验证码模块
-
修改和测试验证码模块
-
验证码模块适配采样代码
-
修改识别 模型参数
0x002 寻找开源系统中的验证码模块
先寻找你想要破解的cms（开不开源没关系，最主要是你有源码）。
这里用的是XXXCMS（=。= 屏蔽掉了关键字 自行想象）
我们先登陆一下管理员，OK，果然是有验证码的。
打开编辑器 寻找到生成验证码的类 checkcode.class.php
<?php
/**
* 生成验证码
* @author chenzhouyu
* 类用法
* $checkcode = new checkcode();
* $checkcode->doimage();
* //取得验证
* $_SESSION['code']=$checkcode->get_code();
*/
class checkcode {
//验证码的宽度
public $width=130;
//验证码的高
public $height=50;
//设置字体的地址
private $font;
//设置字体色
public $font_color;
//设置随机生成因子
public $charset = 'abcdefghkmnprstuvwyzABCDEFGHKLMNPRSTUVWYZ23456789';
//设置背景色
public $background = '#EDF7FF';
//生成验证码字符数
public $code_len = 4;
//字体大小
public $font_size = 20;
//验证码
private $code;
//图片内存
private $img;
//文字X轴开始的地方
private $x_start;
function __construct() {
$rand = rand(0,1);
if($rand==0) {
$this->font = PC_PATH.'libs'.DIRECTORY_SEPARATOR.'data'.DIRECTORY_SEPARATOR.'font'.DIRECTORY_SEPARATOR.'elephant.ttf';
} else {
$this->font = PC_PATH.'libs'.DIRECTORY_SEPARATOR.'data'.DIRECTORY_SEPARATOR.'font'.DIRECTORY_SEPARATOR.'Vineta.ttf';
}
}
/**
* 生成随机验证码。
*/
protected function creat_code() {
$code = '';
$charset_len = strlen($this->charset)-1;
for ($i=0; $i<$this->code_len; $i++) {
$code .= $this->charset[rand(1, $charset_len)];
}
$this->code = $code;
}
/**
* 获取验证码
*/
public function get_code() {
return strtolower($this->code);
}
/**
* 生成图片
*/
public function doimage() {
$code = $this->creat_code();
$this->img = imagecreatetruecolor($this->width, $this->height);
if (!$this->font_color) {
$this->font_color = imagecolorallocate($this->img, rand(0,156), rand(0,156), rand(0,156));
} else {
$this->font_color = imagecolorallocate($this->img, hexdec(substr($this->font_color, 1,2)), hexdec(substr($this->font_color, 3,2)), hexdec(substr($this->font_color, 5,2)));
}
//设置背景色
$background = imagecolorallocate($this->img,hexdec(substr($this->background, 1,2)),hexdec(substr($this->background, 3,2)),hexdec(substr($this->background, 5,2)));
//画一个柜形，设置背景颜色。
imagefilledrectangle($this->img,0, $this->height, $this->width, 0, $background);
$this->creat_font();
$this->creat_line();
$this->output();
}
/**
* 生成文字
*/
private function creat_font() {
$x = $this->width/$this->code_len;
for ($i=0; $i<$this->code_len; $i++) {
imagettftext($this->img, $this->font_size, rand(-30,30), $x*$i+rand(0,5), $this->height/1.4, $this->font_color, $this->font, $this->code[$i]);
if($i==0)$this->x_start=$x*$i+5;
}
}
/**
* 画线
*/
private function creat_line() {
imagesetthickness($this->img, 3);
$xpos = ($this->font_size * 2) + rand(-5, 5);
$width = $this->width / 2.66 + rand(3, 10);
$height = $this->font_size * 2.14;
if ( rand(0,100) % 2 == 0 ) {
$start = rand(0,66);
$ypos = $this->height / 2 - rand(10, 30);
$xpos += rand(5, 15);
} else {
$start = rand(180, 246);
$ypos = $this->height / 2 + rand(10, 30);
}
$end = $start + rand(75, 110);
imagearc($this->img, $xpos, $ypos, $width, $height, $start, $end, $this->font_color);
if ( rand(1,75) % 2 == 0 ) {
$start = rand(45, 111);
$ypos = $this->height / 2 - rand(10, 30);
$xpos += rand(5, 15);
} else {
$start = rand(200, 250);
$ypos = $this->height / 2 + rand(10, 30);
}
$end = $start + rand(75, 100);
imagearc($this->img, $this->width * .75, $ypos, $width, $height, $start, $end, $this->font_color);
}
/**
* 输出图片
*/
private function output() {
header("content-type:image/png\r\n");
imagepng($this->img);
imagedestroy($this->img);
}
} 前期准备工作基本完成。接下来是修改和测试验证码模块
0x003 修改和测试验证码模块
由于系统的验证码都是随机生成且不可控
我们需要把上面的代码改造成 形如
create_img.php?code=XXXX的形式
这样子我们就可以通过上次的py的代码随机生成参数
来控制验证码的生成从而达到生成样本的目的。
值得注意的是 这个系统用了两种字体去生成它的验证码
我们这为了减轻识别的负担，把其中一个去掉 。
改造后 保存为 create_img.php
<?php
class checkcode
{
//验证码的宽度
public $width = 130;
//验证码的高
public $height = 50;
//设置字体的地址
private $font;
//设置字体色
public $font_color;
//设置随机生成因子
public $charset = 'abcdefghkmnprstuvwyzABCDEFGHKLMNPRSTUVWYZ23456789';
//设置背景色
public $background = '#EDF7FF';
//生成验证码字符数
public $code_len = 4;
//字体大小
public $font_size = 20;
//验证码
private $code;
//图片内存
private $img;
//文字X轴开始的地方
private $x_start;
function __construct()
{
$this->font = './font/elephant.ttf';
}
/**
* 生成随机验证码。
*/
protected function creat_code()
{
$this->code = $_GET['code'];
}
/**
* 获取验证码
*/
public function get_code()
{
return strtolower($this->code);
}
/**
* 生成图片
*/
public function doimage()
{
$code = $this->creat_code();
$this->img = imagecreatetruecolor($this->width, $this->height);
if (!$this->font_color) {
$this->font_color = imagecolorallocate($this->img, rand(0, 156), rand(0, 156), rand(0, 156));
} else {
$this->font_color = imagecolorallocate($this->img, hexdec(substr($this->font_color, 1, 2)), hexdec(substr($this->font_color, 3, 2)), hexdec(substr($this->font_color, 5, 2)));
}
//设置背景色
$background = imagecolorallocate($this->img, hexdec(substr($this->background, 1, 2)), hexdec(substr($this->background, 3, 2)), hexdec(substr($this->background, 5, 2)));
//画一个柜形，设置背景颜色。
imagefilledrectangle($this->img, 0, $this->height, $this->width, 0, $background);
$this->creat_font();
$this->creat_line();
$this->output();
}
/**
* 生成文字
*/
private function creat_font()
{
$x = $this->width / $this->code_len;
for ($i = 0; $i < $this->code_len; $i++) {
imagettftext($this->img, $this->font_size, rand(-30, 30), $x * $i + rand(0, 5), $this->height / 1.4, $this->font_color, $this->font, $this->code[$i]);
if ($i == 0) $this->x_start = $x * $i + 5;
}
}
/**
* 画线
*/
private function creat_line()
{
imagesetthickness($this->img, 3);
$xpos = ($this->font_size * 2) + rand(-5, 5);
$width = $this->width / 2.66 + rand(3, 10);
$height = $this->font_size * 2.14;
if (rand(0, 100) % 2 == 0) {
$start = rand(0, 66);
$ypos = $this->height / 2 - rand(10, 30);
$xpos += rand(5, 15);
} else {
$start = rand(180, 246);
$ypos = $this->height / 2 + rand(10, 30);
}
$end = $start + rand(75, 110);
imagearc($this->img, $xpos, $ypos, $width, $height, $start, $end, $this->font_color);
if (rand(1, 75) % 2 == 0) {
$start = rand(45, 111);
$ypos = $this->height / 2 - rand(10, 30);
$xpos += rand(5, 15);
} else {
$start = rand(200, 250);
$ypos = $this->height / 2 + rand(10, 30);
}
$end = $start + rand(75, 100);
imagearc($this->img, $this->width * .75, $ypos, $width, $height, $start, $end, $this->font_color);
}
/**
* 输出图片
*/
private function output()
{
header("content-type:image/png\r\n");
imagepng($this->img);
imagedestroy($this->img);
}
}
$checkcode = new checkcode();
$checkcode->doimage(); 接下来要测试一下 编写 test.py
import requests as req
from PIL import Image
from io import BytesIO
import numpy as np
response = req.get('http://127.0.0.1:8080/xxxcms/create_img.php?code=1234')
image = Image.open(BytesIO(response.content))
gray = image.convert('L') #灰值
gray = gray.point(lambda x: 0 if x<128 else 255, '1') #去杂质
gray.show()
img = np.array(gray.getdata()) #转换成数组
print img 运行 python test.py
如果打开看到控制台以及黑白图片后
那么 代表验证码部分准备完成
0x004 验证码模块适配采样代码
重点看几个参数
-
验证码的 生成因子
-
验证码的 长， 宽
-
验证码的 位数
上面的类中我们可以看到 这几个参数的值 依次为
-
生成因子: abcdefghkmnprstuvwyzABCDEFGHKLMNPRSTUVWYZ23456789 -
长宽：130x50 -
位数： 4;
复制一份 generate_captcha.py为 xxxcms_generate_captcha.py
添加
from io import BytesIO和 import requests as req的 import
主要修改两个地方
第一个是 开头处的生成参数
width=130, # 验证码图片的宽
height=50, # 验证码图片的高
char_num=4, # 验证码字符个数
characters='abcdefghkmnprstuvwyzABCDEFGHKLMNPRSTUVWYZ23456789'): 第二个是 gen_captcha的方法中获取图片的方法修改成 test.py中的方法
X = np.zeros([batch_size, self.height, self.width, 1])
img = np.zeros((self.height, self.width), dtype=np.uint8)
Y = np.zeros([batch_size, self.char_num, self.classes])
image = ImageCaptcha(width=self.width, height=self.height)
while True:
for i in range(batch_size):
captcha_str = ''.join(random.sample(self.characters, self.char_num))
imgurl = 'http://127.0.0.1:8080/xxxcms/create_img.php?code='+captcha_str
response = req.get(imgurl)
img = Image.open(BytesIO(response.content)).convert('L')
img = np.array(img.getdata())
X[i] = np.reshape(img, [self.height, self.width, 1]) / 255.0
for j, ch in enumerate(captcha_str):
Y[i, j, self.characters.find(ch)] = 1
Y = np.reshape(Y, (batch_size, self.char_num * self.classes))
yield X, Y 打开 train_captcha.py
把 import generate_captcha改为
import xxxcms_generate_captcha as generate_captcha
重新运行 python train_captcha.py
剩下的流程 就和 第一篇一样了 。
0x005 一些小心得
-
如何看我的算法是否已经生效
-
看lost的值是否是逐渐降低
-
是不是什么验证码都可以破解
-
理论上大小字母+数字以及一些图片上只有一些线或者点的 基本都可以。概率大小问题
-
能接受破解速度的基本是4位。5，6或者以上都需要大型机器来辅助加快模型生成
-
如何加快我的模型生成速度
-
增加硬件设备
-
调整模型生成参数
-
上阿里云购买 阿里云GPU服务器
相关 [tensorflow 验证码] 推荐：
java 验证码
- - ITeye博客// 创建字体，字体的大小应该根据图片的高度来定. // 随机产生160条干扰线，使图象中的认证码不易被其它程序探测到. // randomCode用于保存随机产生的验证码，以便用户登录后进行验证. // 随机产生codeCount数字的验证码. // 得到随机产生的验证码数字. // 产生随机的颜色分量来构造颜色值，这样输出的每位数字的颜色值都将不同.
TensorFlow-dev-summit：那些 TensorFlow 上好玩的和黑科技
- - IT瘾-dev本文属于介绍性文章，其中会介绍许多TensorFlow的新feature和summit上介绍的一些有意思的案例，文章比较长，可能会花费30分钟到一个小时. Google于2017年2月16日（北京时间）凌晨2点在美国加利福尼亚州山景城举办了首届TensorFlow开发者峰会. Google现场宣布全球领先的深度学习开源框架TensorFlow正式对外发布V1.0版本，并保证Google的本次发布版本的API接口满足生产环境稳定性要求.
TensorFlow、MXNet、PaddlePaddle 三个开源库对比
- - IT瘾-dev【转载请注明出处】 chenrudan.github.io. 从深度学习开始流行，到深度学习框架的迭代，到各类实际应用的出现，不过短短几年时间. 其实发展到现在，各个框架对自己的定位都不相同，硬要说哪个框架最好没什么必要，结合自身需求找到合适的用就够了(实验室的服务器不太方便拿来折腾，本文就不比较运算速度了，可以参考[4][5]).
深度学习利器：TensorFlow实战
- - 孟飞阳的博客深度学习及TensorFlow简介. 深度学习目前已经被应用到图像识别，语音识别，自然语言处理，机器翻译等场景并取得了很好的行业应用效果. 至今已有数种深度学习框架，如TensorFlow、Caffe、Theano、Torch、MXNet，这些框架都能够支持深度神经网络、卷积神经网络、深度信念网络和递归神经网络等模型.
如何将TensorFlow用作计算框架
- - 神刀安全网摘要：如果你刚刚接触TensorFlow并想使用其来作为计算框架，那么本文是你的一个很好的选择，阅读它相信会对你有所帮助. Tensorflow可能是最受欢迎，增长最快的机器学习框架. 在 Github拥有超过70000个点赞，并得到Google的支持，不仅拥有比 Linux更多的点赞，还拥有大量的资源.
[转]Tensorflow实现的CNN文本分类
- - Soul Joy Hub在这篇文章中，我们将实现一个类似于Kim Yoon的卷积神经网络语句分类的模型. 本文提出的模型在一系列文本分类任务（如情感分析）中实现了良好的分类性能，并已成为新的文本分类架构的标准基准. 本文假设你已经熟悉了应用于NLP的卷积神经网络的基础知识. 如果没有，建议先阅读Understanding Convolutional Neural Networks for NLP 以获得必要的背景.
[原]Tensorflow中采用的量化方案
- - Mingyong_Zhuang的技术博客Tensorflow中采用的量化方案. 本文根据google发表在cvpr2018上的量化文章《Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference》讲解量化过程，该过程同时也是谷歌的Tensorflow Lite中使用的量化方法.
验证码新趋势：NuCaptcha推出动态验证码
- Mac.Baby - 36氪曾开发过提供视频验证码服务的加拿大创业公司NuCaptcha刚刚发布了动态验证码，可为网站提供新的安全保证，有望为验证码市场带来新气象. 验证码是人们在网站上最常见的安全问题，只要是上网的人都会遇到被要求辨认和输入数字或者单词的情况. 网站通过验证码来区分人和恶意程序. 而我们所见的大部分的验证码都是基于文字的.
Google 人工智能系统 TensorFlow 开源背后
- - TECH2IPOGoogle 周一发布人工智能系统 TensorFlow 并宣布开源，TensorFlow 是 Google 耗费心血开发出了第二代人工智能系统，Google 此举并不像表面看来那么简单. 尽管 Google 宣布 TensorFlow 开源，人人皆可使用，但是 Google 掌握着使其成功的大部分因素：大数据、运行软件的高性能的计算机网络和强大的人工智能专家团队.