验证码是一种区分某次操作的主体是计算机程序还是正常用户的安全机制。文本验证码因其轻量、灵活易部署,被广泛应用于注册、登录、发帖、投票等场景。近年来,基于深度学习的攻击破解技术不断发展,使得文本验证码的安全性岌岌可危。对于安全人员而言,如何设计既能满足轻量级应用需求,又能提升抵御攻击能力的文本验证码是目前面临的难点和困惑。为了解决上述挑战,提升文本验证码的安全性和对抗能力,本文从广泛分布的文本验证码中总结提取关键性特征,利用对抗分析的方法,生成不同特征类型的对抗文本验证码,并开展不同对抗条件下的深度评估。通过大量实证讨论,分析影响对抗文本验证码安全性的关键因素,为文本验证码的安全设计提供多维度的参考策略。本文主要研究内容如下:（1）为了解决目前文本验证码数据集缺少、特征不够、以及对抗性较差的问题,本文从八篇代表性文献和十个主流网站的文本验证码中分析、提取九种不同的关键安全特征,并结合对抗样本,设计了一种基于多样化安全特征的文本验证码生成方法。为了进一步提升生成的文本验证码的对抗性,本文在CRNN模型的基础上构造了Alex Net-RNN和VGG16-RNN两类模型开展攻击评估,并将上述模型与对抗样本生成算法FGSM、I-FGSM和Deepfool结合,进一步增加对抗文本验证码的安全强度。（2）为了深入全面地评测不同安全特征、不同对抗样本生成算法、以及差异化模型所生成的对抗文本验证码的安全性,本文设计了一个基于图像去噪技术的对抗样本攻击框架。该框架将目前主流的生成式对抗网络、总变分损失、三种数据压缩类算法和四种图像滤波技术进行了整合,并提供开放集成接口,提升综合评测分析的灵活性和可移植性。（3）依托本文提出的验证码生成技术和攻击评估框架,本文开展了广泛的实证研究。该研究选择了八篇代表性文献共有的三类安全特征,并结合三种不同结构的对抗样本生成模型和四种生成算法,共生成192种不同类型的对抗文本验证码。在此基础上,本文结合安全特征、对抗样本生成算法和生成模型三个维度,围绕对抗文本验证码抵御黑盒攻击、白盒攻击和对抗样本攻击方法的能力,以及其可用性对安全性的影响开展分析讨论,给出不同攻击场景下的文本验证码安全防护设计策略,并说明设计文本验证码系统时,可使用这些设计策略组合生成多种类型的对抗验证码以提升抵御攻击的能力。