图片验证码介绍

图片验证码介绍

介绍

验证码（CAPTCHA）是“Completely Automated Public Turing test to tell Computers and Humans Apart”（全自动区分计算机和人类的图灵测试）的缩写。也就是说，这个东西最开始设计的目的，就是为了区分请求来自机器还是人类。可想而知，验证码就是为了反爬而生的。如果这个世界没有爬虫，可能也就不会诞生验证码

早期，那个时候验证码只是能够把一些简单的文字转换成图片让来识别，但也是一大杀器了。因为在 OCR 技术（Optical Character Recognition，光学字符识别）还不发达的时候，验证码可以说秒杀所有的爬虫。但是后来随着 OCR 的发展，识别验证码已经沦落为机器学习的入门课程，成了学生练手项目。最开始无敌的验证码，就这样被时代秒杀了

现在的验证码变得越来越奇葩，已经不仅仅是图片识别成文字的形式了。例如 Google 的找出自行车、12306 的找出手表，甚至一些网站的出现各种动态验证码等等，原本用于识别人类的验证码，逐渐变得越来越反人类

为什么越来越反人类？

随着老龄化的到来，越来越多的年龄极端人开始使用互联网。这个时候你用验证码让他算一个复杂的算式？或者让他找出图片里的佩奇——“嗯？啥是佩奇？”。验证码已经很难检测人类了，误伤人类的本事倒是越来越大。

使用场景

• 注册
• 登录
• 频繁发送请求时，服务器弹出验证码进行验证
• ...

处理方案

• 手动输入(input) 这种方法仅限于登录一次就可持续使用的情况

• 图像识别引擎

  • Tesseract

    • Tesseract，一款由HP实验室开发由Google维护的开源OCR引擎，特点是开源，免费，支持多语言，多平台。

  • TensorFlow

    • TensorFlow是一个开源软件库，用于各种感知和语言理解任务的机器学习,目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索

  • PyTorch

    • PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序

      • PyTorch是相当简洁且高效快速的框架
      • 设计追求最少的封装
      • 设计符合人类思维，它让用户尽可能地专注于实现自己的想法
      • 与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新
      • PyTorch作者亲自维护的论坛 供用户交流和求教问题
      • 入门简单 [2]

• 打码平台

  爬虫常用的验证码解决方案

  • 超级鹰 http://www.chaojiying.com/
  • 斐斐打码 http://www.fateadm.com/