人们在享受着网络快速发展带来的各种便利的同时,互联网的安全漏洞带来的安全隐患,也时刻影响着用户体验。全自动开放式人机区分图灵测试（completely automated public Turing test to tell computers and humans apart,CAPTCHA）,又称为人机交互验证（human interactive proof,HIP）,也就是通常所说的“验证码”,是一种能自动产生并评估终端用户是人类还是计算机程序的网络安全技术^[1]。目前,这一技术已被国内外许多网站所应用,通过强制人机交互来达到抵御机器自动化攻击的目的。CAPTCHA的出现在一定程度上削弱了恶意网络攻击带来的不良影响。与此同时,验证码安全框架设计的不完善性,也给恶意破解带来了可乘之机。验证码识别技术的进步,也推动着验证码设计思路的拓展,设计框架得以逐步完善。目前,网络中比较常见的是由是数字、字母组成,形变、粘连比较严重的文本验证码。本文针对此类验证码进行识别,识别步骤主要有以下三步:预处理、分割、识别。预处理过程采用比较传统的方式分离前景、背景以及降噪。在分割阶段,本文提出一种基于字符笔划的分割策略,将前景像素分类为曲线像素和直线像素,通过KNN算法优化K-means聚类中心,分离曲线像素;通过检测直线笔划趋势,分离直线像素。在识别阶段,本文建立一个七层卷积神经网络,使用华为商城登陆验证码和铁路客服（12306）验证码作为实验对象,对卷积神经网络的识别效果进行测试。本文以对于粘连、形变比较严重的铁路客服验证码,分割算法的正确率可以达到72.2%。卷积神经网络使权值收敛的平均速度为15分钟,对于两个网站验证码的正确识别率分别为78%和70%,同时,经分析得出,分割后图片不能保留字符的完整信息是识别率降低的主要原因。