验证码,又被称为区分人类和计算机的图灵测试,是世界上使用最为广泛的公共全自动安全程序。验证码的设计目的,在于确保每一个在网络中访问的用户都是人类而非计算机程序。这样既保证了服务器能够服务于人类,也避免了由程序恶意攻击而导致的服务器瘫痪、网络秩序的混乱和财产的损失。目前,验证码主要包括文本验证码、语音验证码、行为验证码等类型。在众多的验证码形式中,文本验证码由于它的易于设计和维护、代码体积小等优点,成为了使用最为广泛的一种验证码形式。所以,针对文本验证码的自动识别技术备受关注。目前文本验证码采用的防御技术大致分为复杂的背景、噪声、干扰线、扭曲旋转、字符粘连五类。字符粘连是目前的验证码防御技术中相对可靠的一种,此类验证码内的字符通常有10%到50%不等的重叠,且字符的长度也不固定,无法通过预测字符的潜在区域来分割验证码。当验证码分割算法无法准确分割字符时,分类器的识别性能会降低。所以字符粘连型验证码被广泛使用。不定长度的字符粘连型验证码仍然是验证码识别领域的研究热点。本文针对字符粘连型文本验证码,设计了一种新的基于骨架分割算法的验证码攻击模型,该模型能够有效地破解字符粘连型文本验证码。主要工作内容分为以下几点:(1)根据传统验证码分割算法的不足以及粘连字符验证码的特点,提出了一种新的文本验证码分割算法。该算法不同于传统方法的“切片式分割”,而是通过打破字符内部结构的方法,将字符破坏重组,从而将字符从验证码中分离出来。该算法能够快速有效地分离和识别字符,相较于传统的分割算法(CFS算法,三色柱投影法等),正确率有了较大的提升。(2)重组后的字符序列的临近字符具有相关性,而传统Softmax输出层只能对依据内容对图片进行分类,无法利用字符序列的相关性信息。针对这一缺陷,提出Scored输出层,通过Scored函数对每一个可能存在的字符赋予置信分数,最后在输出序列中选取前K个(K为验证码包含的字符数)最大置信度为输出,增强了网络的表达能力。(3)设计了大量实验来评估所提模型的性能。实验的数据集包含Microsoft,Apple,Wikipedia等世界上流量较大的十余个网站的超过10000张文本验证码图片。实验结果表明,本文模型能够取得良好的效果。此外,与传统的验证码分割算法以及最先进的验证码攻击模型分别进行了对比。结果表明,基于骨架点分割算法的验证码攻击模型在识别字符粘连型验证码方面具有一定优势。