前言
由于网站注册入口容易被机器执行自动化程序攻击，存在如下风险：
- 暴力破解密码，造成用户信息泄露，不符合国家等级保护的要求。
- 短信盗刷带来的拒绝服务风险 ，造成用户无法登陆、注册，大量收到垃圾短信的用户投诉导致短信通道被关停。
- 带来经济损失，尤其是后付费客户，需要承担被盗刷造成的大额短信费 ，造成亏损无底洞。
所以大部分网站及App 都采取图形验证码或滑动验证码等交互解决方案， 但在机器学习能力提高的当下，连百度这样的大厂都遭受攻击导致点名批评， 图形验证及交互验证方式的安全性到底如何？ 请看具体分析
一、 AI智能的发展给行为验证带来威胁
验证码本质上自带一层答案的语义，这原本是天然的区分人和自动程序的地方，但在今日却未必，由于AI智能及CHATGPT等大模型的发展，机器要识别也变得更加容易。
1、 目标识别框架
黑产破解者为了降低攻击成本、提高破解效率，通常会利用收集的大量验证码图片样本，打码标注、构建模型网络、训练模型、测试模型，从而得到一个可持续识别图片答案的识别。目前，黑产针对验证码图片的破解最常用的主要是分类模型和相似模型。
2、 批量下载存储验证图片，共需要大数万张图片。
3、 黑产训练出一个高准确度的识别模型后，后续破解验证码时，通过识别模型就能直接获取答案坐标。
4、 借力大模型进行升级
俗话说：道高一尺，魔高一丈，在chatgpt大模型发展的今天，行为验证的方式无论怎么变花样，被破解只是时间而已，被伤害的反而是真实用户。
二、 澜舟科技PC端注册入口
简介：北京澜舟科技有限公司（简称澜舟科技）成立于 2021 年，是一家业界领先的认知智能公司，致力于以自然语言处理（NLP）技术为基础，为全球企业提供新一代认知智能平台，助力企业数字化转型升级。其主要产品是基于“孟子预训练模型”打造的一系列功能引擎（包括搜索、生成、翻译、对话等）和垂直场景应用。
三、 安全性分析报告：
采用腾讯的智能验证，包含点击和滑动验证，容易被模拟器绕过甚至逆向后暴力攻击，滑动拼图识别率在 95% 以上。
四、 测试方法：
前端界面分析，这是腾讯v2版本，特点是矩形缺口，滑块和其它图形混合在一起，需要做切割处理，智能版本为头几次直接过，无需滑动，我们采用模拟器的方式，关键点主要模拟器交互、距离识别和轨道算法3部分。
1. 模拟器交互部分
private final String INDEX_URL ="https://u.langboat.com/";
@Override
public RetEntity send(WebDriver driver, String areaCode, String phone){
RetEntity retEntity = new RetEntity();
WebElement phoneElement;
try {
driver.get(INDEX_URL);
// 输入手机号
phoneElement = ChromeDriverManager.waitElement(driver, By.id("tel"), 500);
phoneElement.sendKeys(phone);
// 点击获取验证码
WebElement sendElemet = driver.findElement(By.xpath("//button[contains(text(),'获取验证码')]"));
sendElemet.click();
// 计算移动距离
Thread.sleep(2000);
RetEntity ret = tencentClient.moveExec(driver);if(ret.getRet()== -1){
System.out.println("moveExec ret=" + ret);return null;}
Thread.sleep(3000);
WebElement gtElement = ChromeDriverManager.waitElement(driver, By.xpath("//button[contains(text(),')s')]"), 50);
String msg =(gtElement != null) ? gtElement.getText(): null;
retEntity.setMsg(msg);if(msg != null && msg.contains(")s")){
retEntity.setRet(0);}return retEntity;} catch (Throwable e){
System.out.println("phone=" + phone + ",e=" + e.toString());for(StackTraceElement ele : e.getStackTrace()){
System.out.println(ele.toString());}return null;} finally {
driver.manage().deleteAllCookies();}}
/**
* v2 版本
*
* @param driver
* @return
*/
public RetEntity moveExec(WebDriver driver){
File bFile = null;
File sFile = null;
RetEntity retEntity = new RetEntity();
retEntity.setRet(-1);
try {
// 获取到验证区域
WebElement iframe = ChromeDriverManager.waitElement(driver, By.id("tcaptcha_iframe_dy"), 100);if(iframe == null){
System.out.println("moveExec() tcaptcha_iframe|timeout!!!");
retEntity.setRet(-99);
retEntity.setMsg("tcaptcha_iframe|timeout!!");return retEntity;}
driver.switchTo().frame(iframe);
String bgUrl = null;
System.out.println("get bgUrl begin ........");for(int i =0; i <10; i++){
// 获取带阴影的背景图
WebElement wegSlideBg = ChromeDriverManager.waitElement(driver, By.id("slideBg"), 300);
String cssValue =(wegSlideBg != null) ? wegSlideBg.getCssValue("background-image"): null;
bgUrl =(cssValue != null && cssValue.contains("\"")) ? cssValue.split("\"")[1]: null;
System.out.println(" |-i=" + i + ",bgUrl=" + bgUrl);if(bgUrl != null && bgUrl.length()>0){break;}else{
sleep(500);}}
// 获取带阴影的背景图
if(bgUrl == null){
retEntity.setMsg("bgUrl=" + bgUrl);return retEntity;}
Long time= System.currentTimeMillis();
// 获取小图 URL (替换img_index=1为 img_index=0)
String slUrl = bgUrl.replaceAll("img_index=1", "img_index=0");
bFile = new File(dataPath + time + "-b.png");
sFile = new File(dataPath + time + "-s.png");
Map<String, byte[]> retMap = getTwoImg(driver, bgUrl, slUrl, bFile, sFile);if(retMap != null){
byte[] bigBytes = retMap.get("big");
byte[] smallBytes = retMap.get("small");
String distanceStr = null, width = null;
String ckSum = GenChecksumUtil.genChecksum(bigBytes);
String[] outArray = openCv2.getOpenCvDistance(ckSum, bigBytes, smallBytes, "tencent_v2", 3);
distanceStr =(outArray != null && outArray.length >=2) ? outArray[1]: null;
width =(outArray != null && outArray.length >=2) ? outArray[0]: null;
Double left =27.0 * 672 / 340;// 起点距左边距离
Double act =(Double.parseDouble(distanceStr) - left - Double.parseDouble(width)) * 340.0 / 672.0;
Integer distance = act.intValue();
System.out.println("moveExec() distance(" + distanceStr + ")=" + distance);if(distance == null || distance <=0){return retEntity;}
WebElement moveElemet = ChromeDriverManager.waitElement(driver, By.className("tc-slider-normal"), 500);
sleep(500);
// 滑动
ActionMove.move(driver, moveElemet, distance);
sleep(400);
// 滑动结果
String gtInfo = ChromeDriverManager.waitElement(driver, By.id("statusSuccess"), 100).getText();if(gtInfo == null ||"".equals(gtInfo)){
sleep(200);
gtInfo = ChromeDriverManager.waitElement(driver, By.id("statusError"), 100).getText();}
System.out.println("moveExec() gtInfo=" + gtInfo);
// driver.switchTo().frame(oldWin);if(gtInfo.contains("验证成功")){
retEntity.setRet(0);
retEntity.setMsg("moveExec:" + gtInfo);}elseif(gtInfo.contains("再试一次")|| gtInfo.contains("恍惚了")|| gtInfo.contains("半路丢了")){
retEntity.setRet(-1);
retEntity.setMsg("失败");}else{
retEntity.setMsg(gtInfo);}}else{
logger.error("retMap=" + retMap);
retEntity.setMsg("retMap=" + retMap);}
// 切回主页面
driver.switchTo().defaultContent();return retEntity;} catch (Exception e){
StringBuffer er = new StringBuffer("moveExec() " + e.toString() + "\n");for(StackTraceElement elment : e.getStackTrace())
er.append(elment.toString() + "\n");
logger.error(er.toString());
System.out.println(er.toString());
retEntity.setRet(-99);
retEntity.setMsg(er.toString());return retEntity;} finally {if(retEntity.getRet()==0){
System.out.println("moveExec() del file...");if(bFile != null)
bFile.delete();if(sFile != null)
sFile.delete();}}
2. 距离识别
/**
*
* @param ckSum
* @param bigBytes
* @param smallBytes
* @param factory
* @return { width, maxX }
*/
public String[] getOpenCvDistance(String ckSum, byte bigBytes[], byte smallBytes[], String factory, int border){
try {
String basePath = ConstTable.codePath + factory + "/";
File baseFile = new File(basePath);if(!baseFile.isDirectory()){
baseFile.mkdirs();}
// 小图文件
File smallFile = new File(basePath + ckSum + "_s.png");
FileUtils.writeByteArrayToFile(smallFile, smallBytes);
// 大图文件
File bigFile = new File(basePath + ckSum + "_b.png");
FileUtils.writeByteArrayToFile(bigFile, bigBytes);
// 边框清理(去干扰)
byte[] clearBoder =(border >0) ? ImageIOHelper.clearBoder(smallBytes, border): smallBytes;
File tpFile = new File(basePath + ckSum + "_t.png");
FileUtils.writeByteArrayToFile(tpFile, clearBoder);
String resultFile = basePath + ckSum + "_o.png";return getWidth(tpFile.getAbsolutePath(), bigFile.getAbsolutePath(), resultFile);} catch (Throwable e){
logger.error("getMoveDistance() ckSum=" + ckSum + " " + e.toString());for(StackTraceElement elment : e.getStackTrace()){
logger.error(elment.toString());}return null;}}
/**
* Open Cv 图片模板匹配
*
* @param tpPath
* 模板图片路径
* @param bgPath
* 目标图片路径
* @return { width, maxX }
*/
private String[] getWidth(String tpPath, String bgPath, String resultFile){
try {
Rect rectCrop = clearWhite(tpPath);
Mat g_tem = Imgcodecs.imread(tpPath);
Mat clearMat = g_tem.submat(rectCrop);
Mat cvt = new Mat();
Imgproc.cvtColor(clearMat, cvt, Imgproc.COLOR_RGB2GRAY);
Mat edgesSlide = new Mat();
Imgproc.Canny(cvt, edgesSlide, threshold1, threshold2);
Mat cvtSlide = new Mat();
Imgproc.cvtColor(edgesSlide, cvtSlide, Imgproc.COLOR_GRAY2RGB);
Imgcodecs.imwrite(tpPath, cvtSlide);
Mat g_b = Imgcodecs.imread(bgPath);
Mat edgesBg = new Mat();
Imgproc.Canny(g_b, edgesBg, threshold1, threshold2);
Mat cvtBg = new Mat();
Imgproc.cvtColor(edgesBg, cvtBg, Imgproc.COLOR_GRAY2RGB);
int result_rows = cvtBg.rows() - cvtSlide.rows() + 1;
int result_cols = cvtBg.cols() - cvtSlide.cols() + 1;
Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1);
Imgproc.matchTemplate(cvtBg, cvtSlide, g_result, Imgproc.TM_CCOEFF_NORMED); // 归一化平方差匹配法
// 归一化相关匹配法
MinMaxLocResult minMaxLoc = Core.minMaxLoc(g_result);
Point maxLoc = minMaxLoc.maxLoc;
Imgproc.rectangle(cvtBg, maxLoc, new Point(maxLoc.x + cvtSlide.cols(), maxLoc.y + cvtSlide.rows()), new Scalar(0, 0, 255), 1);
Imgcodecs.imwrite(resultFile, cvtBg);
String width = String.valueOf(cvtSlide.cols());
String maxX = String.valueOf(maxLoc.x + cvtSlide.cols());
System.out.println("OpenCv2.getWidth() width=" + width + ",maxX=" + maxX);return new String[]{ width, maxX };} catch (Throwable e){
System.out.println("getWidth() " + e.toString());
logger.error("getWidth() " + e.toString());for(StackTraceElement elment : e.getStackTrace()){
logger.error(elment.toString());}return null;}}
3. 轨道生成及移动算法
/**
* 根据距离获取滑动轨迹
*
* @param distance需要移动的距离
* @return
*/
public static List<Integer> getTrack(int distance){
List<Integer> track = new ArrayList<Integer>();// 移动轨迹
List<Integer[]> list = getXyTrack(distance);for(Integer[] m : list){
track.add(m[0]);}return track;}
/**
* 双轴轨道生成算法，主要实现平滑加速和减速
*
* @param distance
* @return
*/
public static List<Integer[]> getXyTrack(int distance){
List<Integer[]> track = new ArrayList<Integer[]>();// 移动轨迹
try {
int a =(int)(distance / 3.0) + random.nextInt(10);
int h =0, current =0;// 已经移动的距离
BigDecimal midRate = new BigDecimal(0.7 + (random.nextInt(10) / 100.00)).setScale(4, BigDecimal.ROUND_HALF_UP);
BigDecimal mid = new BigDecimal(distance).multiply(midRate).setScale(0, BigDecimal.ROUND_HALF_UP);// 减速阈值
BigDecimal move = null;// 每次循环移动的距离
List<Integer[]> subList = new ArrayList<Integer[]>();// 移动轨迹
boolean plus =true;
Double t =0.18, v=0.00, v0;while(current <= distance){
h = random.nextInt(2);if(current > distance / 2){
h = h * -1;}
v0 =v;v= v0 + a * t;
move = new BigDecimal(v0 * t + 1 / 2 * a * t * t).setScale(4, BigDecimal.ROUND_HALF_UP);// 加速
if(move.intValue()<1)
move = new BigDecimal(1L);if(plus){
track.add(new Integer[]{ move.intValue(), h });}else{
subList.add(0, new Integer[]{ move.intValue(), h });}
current += move.intValue();if(plus && current >= mid.intValue()){
plus =false;
move = new BigDecimal(0L);v=0.00;}}
track.addAll(subList);
int bk = current - distance;if(bk >0){for(int i =0; i < bk; i++){
track.add(new Integer[]{ -1, h });}}
System.out.println("getMoveTrack(" + midRate + ") a=" + a + ",distance=" + distance + " -> mid=" + mid.intValue() + " size=" + track.size());return track;} catch (Exception e){
System.out.print(e.toString());return null;}}
/**
* 模拟人工移动
*
* @param driver
* @param element页面滑块
* @param distance需要移动距离
* @throws InterruptedException
*/
public static void move(WebDriver driver, WebElement element, int distance) throws InterruptedException {
List<Integer[]> track = getXyTrack(distance);if(track == null || track.size()<1){
System.out.println("move() track=" + track);}
int moveY, moveX;
StringBuffer sb = new StringBuffer();
try {
Actions actions = new Actions(driver);
actions.clickAndHold(element).perform();
Thread.sleep(20);
long begin, cost;
Integer[] move;
int sum=0;for(int i =0; i < track.size(); i++){
begin = System.currentTimeMillis();
move = track.get(i);
moveX = move[0];sum+= moveX;
moveY = move[1];if(moveX <0){if(sb.length()>0){
sb.append(",");}
sb.append(moveX);}
actions.moveByOffset(moveX, moveY).perform();
cost = System.currentTimeMillis() - begin;if(cost <3){
Thread.sleep(3 - cost);}}if(sb.length()>0){
System.out.println("-----backspace[" + sb.toString() + "]sum=" + sum + ",distance=" + distance);}
Thread.sleep(180);
actions.release(element).perform();
Thread.sleep(500);} catch (Exception e){
StringBuffer er = new StringBuffer("move() " + e.toString() + "\n");for(StackTraceElement elment : e.getStackTrace())
er.append(elment.toString() + "\n");
logger.error(er.toString());
System.out.println(er.toString());}}
4. OpenCv 轮廓匹配测试样例：
四丶结语
北京澜舟科技有限公司（简称澜舟科技）成立于 2021 年，是一家业界领先的认知智能公司，致力于以自然语言处理（NLP）技术为基础，为全球企业提供新一代认知智能平台，助力企业数字化转型升级。其主要产品是基于“孟子预训练模型”打造的一系列功能引擎（包括搜索、生成、翻译、对话等）和垂直场景应用。
作为全球领先AI智能高科技企业，拥有雄厚的技术研发实力， 采用的是通俗的滑动验证产品， 该产品稳定并且市场占有率很高， 在一定程度上提高了用户体验， 但安全性在机器学习的今天， 已经无法应对攻击了，并且正是由于该产品通俗， 所以在网上破解的文章和教学视频也是大量存在，并且经过验证滑动产品很容易被破解， 所以除了滑动验证方式， 花样百出的产品层出不穷，但本质就是牺牲用户体验来提高安全。
很多人在短信服务刚开始建设的阶段，可能不会在安全方面考虑太多，理由有很多。
比如：“ 需求这么赶，当然是先实现功能啊 ”，“ 业务量很小啦，系统就这么点人用，不怕的 ” ， “ 我们怎么会被盯上呢，不可能的 ”等等。有一些理由虽然有道理，但是该来的总是会来的。前期欠下来的债，总是要还的。越早还，问题就越小，损失就越低。
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？
>>相关阅读
《腾讯防水墙滑动拼图验证码》
《百度旋转图片验证码》
《网易易盾滑动拼图验证码》
《顶象区域面积点选验证码》
《顶象滑动拼图验证码》
《极验滑动拼图验证码》
《使用深度学习来破解 captcha 验证码》
《验证码终结者-基于CNN+BLSTM+CTC的训练部署套件》
本文转载自: https://blog.csdn.net/weixin_44549063/article/details/143809754
版权归原作者 newxtc 所有， 如有侵权，请联系我们删除。
版权归原作者 newxtc 所有， 如有侵权，请联系我们删除。