【滑动、点选等交互验证和人机识别对抗升级?下一代验证方式能保证用户体验吗?】

   日期:2024-12-26    作者:dr30z 移动:http://3jjewl.riyuangf.com/mobile/quote/36922.html

网上输入关键词“极验最新版本破解”,“验证码识别、轻松破解、暴力破解、逻辑漏洞破解、简单破解”等等各类关键词的内容,不一而足,关于“如何用破解某某验证码”的帖子更是多如牛毛。

【滑动、点选等交互验证和人机识别对抗升级?下一代验证方式能保证用户体验吗?】

搜索引擎的相关结果

2017年,绍兴警方成功破获了全国首例利用AI(人工智能)犯罪、侵犯公民个人信息案。犯罪嫌疑人杨某通过运用人工智能机器深度学习技术,可以让程序软件如ALPHAGO一样自主操作识别,有效识别图片验证码,又快又准,很短时间就能识别出上千上万个验证码,而且能够识别出98%以上的验证码,轻松绕过互联网公司设置的验证码安全策略。

验证码作为人机交互界面经常出现的关键要素,是身份核验、防范风险、数据反爬的重要组成部分,广泛应用网站、App上,在注册、登录、交易、交互等各类场景中发挥着巨大作用,具有真人识别、身份核验的功能,在保障账户安全方面也具有重要作用,由此也成为黑灰产攻克破解的重要目标。为了破解验证码,黑灰产利用各种技术和手段快速批量快速破解,以满足批量注册、批量登录、恶意盗取等不法操作的需要。

  1. 机器破解
  2. 人工打码两种。

机器破解主要是通过识别图片中的相关验证要素来进行破解,例如识别滑动验证码的缺口,点选验证码中的文字要素和数字要素,其主要技术手段是图像处理,图像二值化,模拟滑动轨迹等相关技术。

  1. 第一步,首先制作网络爬虫工具,到各个验证码技术平台爬取验证码的图片素材。

  2. 第二步,生成验证码图片素材的模型库:例如旋转类验证码,生成图片旋转模型库;滑动类验证码,生成图片滑动模型库;拼图类验证码,生成图片拼接模型库等等,以此类推。

  3. 第三步,遇到需要破解的验证码,程序迅速识别是哪类验证码:滑动?拼接?点选?旋转?计算等等。

  4. 第四步,使用相似度算法,检索此前验证码模型库,并快速定位到相近的图片;

  5. 第五步,模拟人类操作,旋转/滑动/选择/计算/拼接图片至目标角度;

  6. 第六步,骗过验证码的核验,获得通过凭证。

 
  1. 第一步,建立或寻找一个任务平台;
  2. 第二步,任务发布者(一般是黑灰产),将获取到的验证码信息封装成任务提交到打码平台;
  3. 第三步,打码平台作为中间的任务调度者,将发布的任务调度给领取任务的平台用户(专门做验证码验证标注的人);
  4. 第四步,任务领取者,完成验证码的标注,然后将标注结果返回给任务平台;
  5. 第五步,任务发布者(黑灰产)模拟人类用户,拿着标注的验证码进行验证;
  6. 第六步,骗过验证码的核验,获得通过凭证。

人工打码有一个很明显的缺点是单次请求耗时高,因为其破解的速度效率严重依赖于标注者的破解速度。

综合来看,黑灰产破解验证码主要是基于验证资源的穷举以及识别,具有自动化攻击、手段多、破解速度快、破解验证码形式多等特点。

  1. 第一、自动化攻击。黑灰产使用自动化程序进行验证码破解,这种程序可以模拟人类操作,不断尝试多种可能性,并通过机器学习等技术对验证码进行分析和识别。

  2. 第二、攻击手段多。黑灰产使用多种攻击方式,如字典攻击、暴力破解、文本识别、人工智能攻击等,以提高攻击的成功率。

  3. 第三、破解速度快。黑灰产使用高速攻击技术,使其得以在短时间内尝试大量的可能性,以达到破解验证码的目的。

  4. 第四、破解形式广。黑灰产可以攻击各种类型的验证码,包括文字、数字、图片、语音等多种形式,甚至是复杂的混合验证码。

  1. 加快验证码图库更新。高频率的生产图片保证新的验证图片实时更新,从根源上杜绝打码平台拖库。这样就导致黑灰产的标注者,需要源源不断的对新验证图片进行验证,极大增加了黑灰产的识别与破解成本。

  2. 提升验证要素识别难度。基于深度学习和神经网络,生成一些难以被预测和重复的图片、元素,并在验证过程中加入时间戳或者随机数等动态变化的因素,增加破解的难度,有效抵御机器破解。

  3. 基于验证环境信息进行防御。在验证码的验证环节采集有辨识度的环境信息,配置规则和策略来,筛选出可能是黑灰产的请求进行二次验证或拦截。例如,判断完成验证时的验证环境信息和token上报时的验证环境信息是否一致,对多次恶意攻击的IP地址进行拦截,限制验证码输入的次数等。

采用反欺诈为核心的算法模型,利用时间曲线、地理位置特征、设备指纹大数据为基础的机器学习训练出的特征库, 能快速发现并及时拦截攻击,采用实时流计算的特点是先放再抓, 所以必然会有最小匹配大小, 样本数据中有些大家比较好理解的特征曲线

图形验证码从键盘输入发展到交互方式,其本质还是图灵验证, 其发展史也是一部刁难用户的历史, 随着人工智能的提高, 机器识别图形的能力也大大超过了人类,于是各种愚蠢的技术在被攻破后, 靠扭曲的图形干扰再发展到语义空间,忽略用户体验的做法就是耍流氓! 已经彻底改变了互联网注重用户体验的良好习惯,好消息是,终于有下一代的隐形验证产品已经研发出来。

所以大家在安全方面还是要重视。(血淋淋的栗子)#安全短信#

戳这里→康康你手机号在过多少网站注册过

谷歌图形验证码在AI 面前已经形同虚设,所以谷歌宣布退出验证码服务, 那么当所有的图形验证码都被破解时,大家又该如何做好防御呢


特别提示:本信息由相关用户自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。


举报收藏 0评论 0
0相关评论
相关最新动态
推荐最新动态
点击排行
{
网站首页  |  关于我们  |  联系方式  |  使用协议  |  隐私政策  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  鄂ICP备2020018471号