融合多重风格迁移和对抗样本技术的验证码安全性增强方法

摘要：

验证码对于防御Web服务的自动攻击具有重要作用,但面对具有自动识别技术的破解工具时,难以实现有效的安全保护.如果采用高度失真等方式增强验证码的安全性,会使验证码失去原来的形状,导致人眼也难以识别.文章提出一种融合多重风格迁移和对抗样本技术的验证码安全性增强方法,在保留原有内容的同时利用多重风格迁移方式抵御未知的机器识别,再通过对抗样本技术攻击已知的常见模型,从而欺骗神经网络.在文本验证码数据集上的实验结果表明,文章提出的生成算法具有更低的机器识别率,有效提高了文本验证码的安全性.

关键词：CAPTCHA、深度学习、图像风格迁移、对抗样本、卷积神经网络

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点研发计划2020AAA0107705

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：129-135