非請勿過 探索驗證碼背后的秘密

技術(shù)宅

驗證碼 ?掀起你的蓋頭來

老網(wǎng)民可能都知道，在前幾年的網(wǎng)絡(luò)世界，我們幾乎看不到什么驗證碼，驗證碼是近幾年才出現(xiàn)的新生事物，現(xiàn)在幾乎每個網(wǎng)站、論壇都會有驗證碼出現(xiàn)。驗證碼顧名思義就是用來驗證用戶某種操作（如購物網(wǎng)站提交訂單、論壇提交回復(fù)、用戶注冊）的一種技術(shù)手段（圖1）。

那么為什么現(xiàn)在網(wǎng)站要推出驗證碼？驗證碼的主要作用一是用來防止機器人注冊，同時用于驗證合法用戶的提交。泡論壇的朋友都知道，現(xiàn)在論壇里都會有很多廣告帖，大部分廣告帖都是機器人注冊的賬號，這樣純水帖給論壇管理帶來很大的不便。因此為了阻止機器人自動注冊賬號和自動發(fā)布廣告帖，很多論壇在注冊時引入了驗證碼機制，通過隨機出現(xiàn)的圖片或數(shù)字密碼來阻止機器人的自動注冊（圖2）。

驗證碼的另一個作用則是用來減緩網(wǎng)站服務(wù)器的處理壓力。對于一些大型的網(wǎng)站或論壇，因為同時在線的用戶很多，如12306網(wǎng)站在2015年春運高峰日的PV值是297億，流量增加1000倍。面對這樣海量、高并發(fā)訪問流量，如果用戶在提交訂單的時候不引入驗證碼機制來延緩提交，那么網(wǎng)站服務(wù)器就會瞬間當(dāng)機。當(dāng)然驗證碼的存在也可以阻止機器人自動提交訂單（圖3）。

免輸入——搶票軟件如何自動輸入驗證碼

如上所述，驗證碼的作用主要是阻止類似機器人的自動操作。不過使用搶票軟件購票的朋友都知道，雖然12306網(wǎng)站在登錄、提交訂單的時候都用了驗證碼機制，不過這些驗證碼并沒有給搶票軟件造成任何麻煩，它們?nèi)匀豢梢栽诤笈_自動輸入驗證碼（圖4）。

這些軟件是怎么突破驗證碼封鎖的？其實對于早期12306網(wǎng)站使用的數(shù)字（包括字母）方式的驗證碼，搶票軟件是通過OCR識別技術(shù)來通過驗證的。比如上圖的驗證碼字符是“kdte”（驗證碼一般忽略字母大小寫），這樣當(dāng)搶票軟件讀取到上述圖片時，它會將這個圖片傳輸?shù)椒?wù)器，這樣在服務(wù)器上的OCR軟件通過掃描就可以快速獲得正確的驗證碼，掃描結(jié)果返回?fù)屍避浖涂梢灾苯虞斎胝_的驗證碼了（圖5）。

同樣的對于網(wǎng)站其他需要輸入驗證碼的地方，搶票軟件都是通過上述方法實現(xiàn)準(zhǔn)確的識別和正確的輸入，從而實現(xiàn)自動、高效的購票。

道高一尺魔高一丈——驗證與反驗證

簡單字符式的驗證碼容易被機器識別，為了提高驗證碼的效率，現(xiàn)在很多網(wǎng)站紛紛使用各種方法來加強OCR識別的難度。一些網(wǎng)站使用類似“7+2=？”的簡單算術(shù)式（用戶通過輸入正確答案）來作為驗證方式，一些網(wǎng)站則使用中文字符來作為驗證碼，另一些網(wǎng)站如騰訊網(wǎng)站在注冊QQ賬號頁面，則通過為驗證碼添加背景圖片來干擾機器的OCR識別（圖6）。

不過人眼都可以輕松識別，對于機器OCR來說更是小菜一碟，比如類似“7+2=？”簡單算術(shù)式的驗證，除了OCR只要再將識別結(jié)果進(jìn)行簡單運算即可獲得正確的驗證碼。

既然簡單字符式的驗證碼容易被機器識別，于是一些網(wǎng)站開始使用圖片式的方法來作為驗證碼。12306網(wǎng)站近日就啟用了全新的圖片驗證方式，當(dāng)用戶在登錄12306時，必須使用鼠標(biāo)在8張圖片上點擊符合要求的圖片，點擊后會在圖片上留下鐵路標(biāo)記（圖7）。

圖片驗證碼看上去要比字符式的復(fù)雜，那么識別起來是不是就更難？其實對于機器識別來說，圖片驗證碼的難度并沒有提高多少，字符識別機器是通過OCD掃描識別，圖片同樣可以借助圖片識別技術(shù)進(jìn)行精準(zhǔn)的識別。相信很多朋友已經(jīng)使用過百度的“以圖找圖”功能，這個實際上就是典型的機器圖像識別技術(shù)（圖8）。

當(dāng)然就具體操作而言，圖片識別流程和OCR相似。以上述12306的驗證圖片為例，圖片服務(wù)器首先獲得網(wǎng)站的驗證碼圖片，然后將8張圖片進(jìn)行編號，并且將圖片對應(yīng)的文字說明一起列出，這樣只要找到其中2張文字說明（可以是關(guān)鍵字）相同的做個標(biāo)記。比如上述驗證碼圖片的正確選擇是“福娃”，這樣服務(wù)器獲得福娃信息的圖片（1、6）后，就會將點擊圖1、6指令傳輸給搶票軟件，從而實現(xiàn)圖片驗證碼的自動輸入。因此從技術(shù)角度上來說，12036采用圖片驗證碼難度并沒有比字符識別增加多少。

驗證碼的未來

驗證碼作為一種目前普遍使用的驗證手段，除了阻止機器人自動識別外，還是我們?nèi)粘２僮鞯囊粋€重要保護手段。因此各大公司也紛紛在驗證碼識別技術(shù)上進(jìn)行改進(jìn)，一些公司通過多種驗證的方式加強驗證的安全性。如現(xiàn)在很多在線支付網(wǎng)站就推出附加短信驗證的保護措施，除了要求輸入直接顯示的驗證碼外，還要求輸入預(yù)先綁定的手機獲取的短信驗證碼來加強驗證（圖9）。

此外，一些公司則通過人類的具體行為和機器的不同來實現(xiàn)驗證。Google就提出了一個“human behavior analysis”的方案，它的核心是將用戶的行為作為判斷人與計算機的準(zhǔn)則。這樣推出的驗證有很強的人類思維行為，從而杜絕機器的自動識別，有效保證驗證碼的安全。

總之，當(dāng)驗證碼的存在給我們?nèi)粘５木W(wǎng)絡(luò)行為（如購票）帶來不便時，用戶希望通過機器的識別來提高操作效率;而當(dāng)驗證碼為在線支付等操作帶來保駕護航時，人們又希望有機器無法識別的驗證碼來保障安全，魚和熊掌不可兼得也。