中企动力 > 商学院 > 人工验证码识别
  • ?

    为什么平时登陆要有验证码?它到底有什么用?今天总算知道了

    心不痛

    展开

    我相信人们都有收到验证码或输入验证码的经历,而且这个验证码也成了你登录,注册或支付等等一个必不可少的步骤,那么这个验证码到底是起什么作用的呢?它重要吗?

    我们今天就来讲讲验证码,其实它是为了保护大家的网络安全而生的,因为大家都知道,这个二维码必须要手动输入,而且很多的二维码是通过手机信息的方式告知,然后再手动进行输入的,它就确保了一个问题,那就是有人在操作。

    说起这个大家可能不是太了解,我们还是先举个例子,大家知道以前的购票系统,很多人会批量的用机器刷票,然后再高价卖出,而之后用了验证码,因为它形式多样等等特点,很多机器是刷不出来的,所以能很好的避免这种现象的发生。

    其次就是不法分子利用机器破解你们的密码,这种软件对验证码的破解和识别是很有难度的,所以无形中在保护着你们的账号安全。

    还有一种就是,现在的验证码是会通过手机短信的方式接收的,而且这个验证码是有时间限制的,过时就无效了,没有这个验证码是没有办法进行下一步操作的,所以就算是有人用机器恶意登录,破解密码,或者批量操作某种程序,验证码都为其设置了门槛,进行了保护。

    我们再来说说验证码的类型,常见的有数字型的验证码,这个方便使用,还有数字和字母的结合式验证码,纯汉字验证码,算式验证码,画手势图形验证码,动画式验证码,点击式的验证码,图标式的验证码等等一些。

    所以我们接收或输入的验证码都是为了保护我们的网络安全和财产安全而使用的,不要觉得它烦或是没有作用,在互联网使用中它是极其重要的,也是不可少的一个人工步骤,为了设置这些验证码,可是花了很大的功夫和时间,而且验证码的形式多样化也是为了增加难度。

    关于验证码的作用,你们还有要补充的吗?还有其他不同的见解和看法吗?

  • ?

    极验验证新产品“V3.0极智时代”上线,人工智能改变验证码时代

    阿一哥

    展开

    本文系i黑马原创 首发黑智(ID:VR-2014)

    2002年,基于图灵测试理论而诞生的传统验证码曾一度改变了互联网世界。它为网络安全而生,如今却成了黑客窃取数据时防而无用的跳板。图灵测试基于的假设是恶意行为固定静态的,没有考虑现行的计算机科学及统计学理论发展,现行国内外各大公司对语音及图像的分析处理能力甚至某些单项任务上早已经达到了正常人类都难以企及的地步。

    以以上字符验证码为例,市面上几乎所有的传统字符验证码都是建立在牺牲用户交互体验的基础之上的。而像这种牺牲是否给用户带来了安全呢?在10年前,答案可能是肯定的,但如今的科技已超越当年,互联网技术和人工智能的快速发展,早已让机器识图的能力与人类并驾齐驱甚至比人类在这方面的准确率更高。只要稍加降噪,这些验证码上的字符就会毫无保留地呈现在黑客面前。

    2012年,极验验证首创了“行为式验证”概念,以滑动验证形式替代传统验证码识别的验证形式,就是体验验证所创造的。到2016年,极验验证2.0已部署覆盖全国多至7万家以上的网站。滑动式验证码也在互联网上流行开来,一时间改变了很多网民的验证习惯。

    4月14日,极验验证对黑智(ID:VR-2014)透露,极验验证在2017年推出了新产品“V3.0 极智时代”。在2.0的基础上,“V3.0 极智时代”的背后将继续利用人工智能并且以验证行为数据每天3亿条的速度进行深度学习;以更细的颗粒度让验证达到0.4秒就能通过;不仅如此,新的后台管理系统将依托人工智能技术为客户提供超过50种个性功能。

    除此之外,极验验证还表示,在新产品中,首次提出了验证码三角防护理论,即防模拟、防伪造、防暴力,并搭载极验智能风险判断引擎RIE,以实现全方位采集用户在窗口中的行为信息、通讯信息以及设备信息,用机器学习的方式分析、识别这些行为,从而做到让用户在自然而然,一触及过的良好体验下完成验证。

    由于真实用户的行为难以被模仿,尤其是在持续的网页监控中,“V3.0 极智时代”将努力使人机区分变得更加理所应当。

    这个小小的验证码,虽然是一个小小灵感,但也曾改变过网络世界。现在,在智能时代,验证码的新时代或许也将来临。

  • ?

    震惊!重庆人都注意了!输个验证码都能赚钱?你正在进行违法操作

    高无颜

    展开

    大家都知道

    现在不管登陆什么网站

    都会被要求输入验证码

    以确认是用户本人在操作

    这些验证码往往是以图片形式呈现

    防止机器直接获得数据

    ||图片来源于网络

    好的,问题来了

    你从以上文字中,得到了什么讯息

    同志们,开动脑筋啊

    隐含着商机啊!商机啊!

    (但这是非法的啊!千万注意)

    以上讯息衍生了一个词

    撞库打码

    “撞库”的意思是说

    以大量的用户数据位基础

    利用用户相同的注册习惯

    (相同的用户名和密码)

    尝试登陆其它的网站

    得到一系列可以登录的用户

    (简单地说就是黑客盗号)

    所谓“打码”就是在撞库盗号时

    使非法登录得以“突围”

    识别验证码的过程,依靠人工完成

    这些人即是“码工”

    所以大家在QQ群、微信群里

    看见的类似“码工”的兼职信息

    一定不要加入进去

    因为这是犯法的!!!

    全国首例“撞库打码”案宣判:

    码工、组织者、撞库平台组黑产链条

    “撞库打码”背后隐藏着一条

    从“码工”、撞库软件到打码平台的黑灰产业链

    ||图片来源于网络

    那么这一整套犯罪手法

    是怎样操作的呢?

    叶某某编写了用于

    批量登录网站账号、密码的软件

    供他人使用,并收取服务费用

    ||图片来源于网络

    张某某为组织多名“码工”

    协助叶某某在批量登录账号密码时

    对图片验证码进行识别

    (俗称“打码”)

    并从中赚取好处费

    ||图片来源于网络

    谭某某下载使用了这款软件后

    成功获取大量淘宝账号、密码

    并将账号密码出售给他人

    获取违法所得25万元

    仅从其电脑上查获的

    淘宝账号密码就有2万余组

    ||图片来源于网络

    近日由浙江省杭州市余杭区

    人民检察院提起公诉

    余杭区人民法院对此案作出判决

    判决如下

    被告人谭某某因犯非法获取计算机信息系统数据罪,被判处有期徒刑三年,缓刑四年并处罚金人民币四万元。

    被告人叶某某因犯提供入侵计算机信息系统程序罪,被判处有期徒刑三年,缓刑四年,并处罚金人民币四万元。

    被告人张某某因犯提供侵入计算机信息系统程序罪,被判处有期徒刑三年,缓刑三年,并处罚金人民币三万元。

    ||图片来源于网络

    据悉,这是全国范围内

    针对撞库打码案件的首次判例

    法院完全采纳检察院的起诉意见

    特别是那些被他们招去做兼职的

    处在产业链末端的“码工”

    他们普遍知道这件事是不好的

    但却心存侥幸心理,在无知中犯了法

    而这起案件的判决结果,给广大网民敲响了警钟

    撞库打码这类行为

    已经触动了网民的利益,更触犯了法律的底线

    ||图片来源于网络

    在这里城锅要提醒大家

    不要因为贪图小便宜

    而陷入互联网黑灰产业

    成为不法分子利用的对象

    同时被盗号的用户注意

    ▼

    不同的平台不要使用

    同一个账号、密码

    一旦某一平台账号被黑客攻击或泄露后

    所有平台的信息都有被盗的风险

    内容来源于搜狐新闻、新华网

    ▌声明:内容由@同城重庆整理编辑,素材版权归原作者所有

    编辑:城锅 | 审核:姚锅

  • ?

    美国的这家公司专门研制出了破解验证码的人工智能

    压抑

    展开

    防止恶意注册和点击是互联网上使用的最广泛的安全系统之一,但如今它已被一种强大的新型人工智能所击败。

    相信大家都有这样的经验,要想进入系统,必须通过 CAPTCHAs 测试,这种测试在 20 世纪 90 年代被首次引入,目的是防止自动化软件机器人做出诸如创建假的用户帐户和刮擦个人信息的行为。

    传统 CAPTCHAs 测试原理很简单,即通过彩色或黑白的模糊混淆的字母和数字构成密码,自动化系统很难识别这些字符,所以它们无法输入正确的密码,因此无法进入系统,而通常情况下人眼却可以很容易地识别所显示的图像。

    令人震惊和遗憾的是,现在自动化软件机器人居然也可以识别这些模糊的字符了。

    美国加州的人工智能公司 Vicarious 的联合创始人迪利普·乔治和他的团队开发了一种称之为递归皮质网络(RCN)的计算机模型,它能够有效地推断出 CAPTCHAs 测试中的模糊图像。

    乔治认为人工智能系统难以克服 CAPTCHAs 障碍的原因之一是人工智能没有像人类一样能感知的神经网络。

    为了提高它们的识别能力,研究员用传统方式是让这些系统进行示例学习,即让它们每天处理数千张图片来开发其识别字母和数字的能力,就是机器学习模型。

    不同于传统深度学习模型,RCN 计算机模型使用的算法,是通过检测图像轮廓来识别那些模糊符号,或者把符号预先标记为 As, Bs, Cs 等以区分图像中的字母,即便有些图像是重叠的,它也能将其分离。

    对 RCN 的工作原理,乔治给出了解释:“它可以建立图像模型,比如你给它看 As, Bs 等这些字母,它就会根据其轮廓自动建立起这些字母模型”。

    在测试中,研究员发现 RCN 破解 CAPTCHAs 图像的效率的比深度学习模型培训出的人工智能系统高出 300 倍,并且字符识别准确度高达 90%。

    RNC 首次攻破 CAPTCHAs 测试是在 2013 年,但当时技术并不成熟。此后,研究人员一直在对这项技术进行改进,并不断升级系统的运行方式。

    RCN 的最终目的是开发拥有更接近于人类的感知神经网络的人工智能系统,希望可以让机器具备想像功能,并具有人类所谓的“常识”。

    乔治表示:“我们所要研发的人工智能,要能以非常灵活的方式处理问题,能够快速推理并出色完成任务,并能在很多领域协助人类,这就是我们的研发初衷”。

  • ?

    一公司用RCN破解验证码,远超深度学习卷积网,为何今日才公布?

    Kathy

    展开

    vicarious公司在十月份发表在science上发的一篇文章用RCN仿照哺乳类动物的视觉皮质分析系统构造,大大提升对验证码的识别。而vicarious却是在3年前就研发这种算法成功?为何今日才公布?

    在硅谷投资人眼中,Vicarious是能与DeepMind齐名的人工智能公司,而近来DeepMind发布的AlphaGo名声大噪,所以Vicarious才公布他们的成果来表明自己的实力,今天才公布了算法。看来妒忌心和骄傲也是存进科技发展、人类发展的一大动力。

    下面我们来大体讲讲验证码用深度学习算法识别的初步知识。

    验证码,想必大家也不陌生,经常出现在一些网站登录的时候,用来防止一些程序进行自动访问,它的英文名简称是CAPTCHA,全名Completely Automated Public Turing Test to Tell Computers and Humans Apart,直译过来是全自动区分计算机和人类的图灵测试。

    最初的验证码几乎都是基于文本的,已经为网站的安全保驾护航了很久的时间了,时至今日,虽然出现了更多种形式的验证,不过文本验证码依旧是验证码中的最重要最广泛使用的部分。

    不同验证码

    图1.1:(A)基于文本的验证码,(B)文本验证码中关于A的各种变形,(C)i)在不同分割情况下可能有不同解读的验证码,ii)在遮挡下不同的字母可能会展现出现实的形状,iii)一些根据单词意思变形后的单词

    之前也有不少要破解验证码的工作,大多都是使用CNN卷积神经网络的算法,大量下载想要破解的验证码对神经网络进行训练,当然也有一定的破解能力,不过该方法局限性比较大,鲁棒性和准确性都一般,网站方面只要对验证码生成方式进行微小的改动,之前训练的模型准确率就会大幅度下降,之后我们会对CNN算法的一些不足进行更加详细的分析。

    现在我们来看一下vicarious公司在十月份发表在science上发的一篇文章《A generative vision model thattrains with high data efficiency and breaks text-based CAPTCHAs》,讲的是他们提出的一个新的机器学习算法Recursive cortical network(下文简称RCN网络)。相比于传统的深度卷积神经网络,RCN是仿照哺乳类动物的视觉皮质分析系统构造的,模型具有可解释性,边缘和表面独立分析共同作用,还有结合自底向上和自顶向下的分析方法,让算法的准确率和数据训练效率得到极大得提升。

    很有意思的是他们早在13年就宣布他们已经成功破解文本验证码,不过为了一些网站的安全问题,他们选择不公布算法,直到17年10月,他们公司才将这种算法公诸于世,可能是因为在硅谷投资人眼中,Vicarious是能与DeepMind齐名的人工智能公司,而近来DeepMind发布的AlphaGo名声大噪,所以Vicarious才公布他们的成果来表明自己的实力。

    图1.2:验证码字母分割效果

    该算法同样可以应用在一些场景文本识别上,例如手写字符识别和自动驾驶中的交通指示识别等。

    图1.3:将RCN算法做场景文本分析效果

    本片给大家初步认识了验证码的深度学习过程,了解了rcn的沿革历史。我们将在后几篇带大家了解更多的rcn实现深度学习算法验证码的识别。另外我们是一个关注人工智能、深度学习的社群。关注我们。了解更多!欢迎给我们留言,提出问题!

    欢迎关注

  • ?

    人工智能每秒可识别数千条验证码用于诈骗

    Sophia

    展开

    人们日常在登陆一些网站或者社交软件时,除了账号和密码,还可能需要输入验证码。这些在图片上显示的数字、字母或者汉字原本是想实现“人能识别,但机器不能识别”的效果,增加安全性,但是有人工智能系统已经突破这道防线,每秒钟可以准确识别数千条验证码,最终用于实施诈骗。

    网络上泄露的大量账号密码信息本身价值并不高,十块钱可以买到上百万条。用它们实施诈骗,需要先筛选出其中有效的部分,“有一些是对应不上的,有一些是以前用过已经报失了,有的已经冻结了,有的是异地登录会被禁止的等等,不可能每一个拿来就直接能用,需要先经过这样一道程序筛选和甄别,就像淘金一样,不是每颗石头都是金子。”

    这个像淘金一样在数据库中筛选的过程被称作“洗库”。警方介绍,以往通过机器直接能够验证账号和密码的有效性,少量需要输入验证码的环节交给人工完成,效率比较低。近年来越来越多的网站和社交软件增加了“输入验证码”的环节,希望实现“人能识别,但机器不能识别”的效果,增加安全性。但是这次警方调查发现,一个叫“快啊”的平台可以实现自动识别验证码,效率达到每秒数千个。孟洪仑介绍:“这个系统识别一个验证码,速度是毫秒级的,也就是一秒可以识别几千个,马上传输过去了。很快,而且准确率相当高,一般达到98%以上。”

    在这个平台上筛选有效的账号密码信息,一般每一万个收费15元,平台搭建者以及账号密码比对技术和验证码识别技术的提供者各得5元。这种验证码识别技术可以自动辨认出图片上显示的数字、字母、汉字等信息,并且通过人工智能机器深度学习的方式,在实践中不断提升辨认能力。孟洪仑介绍,这个系统的设计者是计算机专业出身,“人家上百万年薪请他,他都不去,自己喜欢研究人工智能。”

    这名嫌疑人知道自己的技术被用于实施诈骗,但自称不是为了赚钱,而是想借此锻炼这套人工智能系统,“一方面他知道人家在干什么,但是他不关心这个。按照他自己的说法,他是为了训练自己的程序,人工智能的深度学习,不断在网络当中比对、验证,不断提高它的能力,相当于是创造了这样一个小孩,去培养他、训练他,让他成为高手。”

  • ?

    几小伙破解验证码,性能10倍卷积网,怎么实现全新深度学习算法?

    梅利莎

    展开

    vicarious几个小伙子在十月份发表在science上发的一篇文章用RCN仿照哺乳类动物的视觉皮质分析系统构造,大大提升对验证码的识别。这种算法如何实现呢?

    主流程:

    一:预处理1:转灰度图2:卷积出边缘特征3:建立侧向连接和借助表面分析提取出连续的边缘二:字符分割1:对每个字符进行预测2:对预测进行验证,将字符串分割成单个字符三:训练学习1:与或图分析2:动态建造模型

    图2.1:RCN在一维下的网络表示

    图2.2:正方形的RCN网络表示(三层)

    图2.3:字母A的RCN网络结构(四层)

    第一步预处理,转灰度图和利用一次边缘提取算子粗略地提取出图片的边缘,不过一般提取出的边缘都不是很理想,这里RCN提出了一些边缘提取的优化,第一个就是对杂乱的边缘进行侧向连接,如图2.1.a和2.1.b,建立侧向连接后,边缘会变得连贯。除了直接相连的边缘会建立侧向连接,一些间隔比较近的特征节点也会建立侧向连接如图2.4.c,隐形地存储下字符的结构特征。

    图2.4:侧向连接示意图

    而我们哺乳类动物的视觉系统中,除了物体的边缘,物体的表面也是我们识别物体的一大要素,这里RCN也采用了表面纹理的分析,如图2.5所示,表面纹理分析物体形状独立于之前的边缘提取,并与边缘提取共同确定目标的轮廓信息。

    图2.5:根据表面纹理分割物体图2.6:Lena经过RCN预处理后的效果

    此过程主要是提取出比较连续而准确的边缘

    第二步的字符分割,就如图2.7所示,第一步预处理将原始图像图2.7.a处理成图2.7.b后,就要进行分割和分析以获得图2.7.c的效果。

    图2.7:字符分割

    文章一开始提到,验证码分析类似于鸡与蛋的问题,我们想分析出字符就需要对字符做出完美的分割,但我们想对字符做出完美的分割需要我们提前分析出字符,这看似一个比较矛盾的问题,但是RCN提出的自底向上和自顶向下的算法似乎完美地解决了这个问题。从图2.8-2.10我们可以清晰地了解这步工作的原来和作用。

    图2.8:提出几个有可能的字符

    图2.9:根据特征分析推理出各字母的可图2.10

    从可能性最大的字母开始,并根据上下文,逐个对字母进行分析,否定错误的推断(如图,这里否定了字母V的可能性,预测的V其实是由A和K的两个边构成一个类似V的结构)

    第三步讲的是模型的训练,模型主体是与或图的形式,低层是一些基础的边缘边角表示,然后逐层抽象成每个字母的结构,低层特征共享,所以RCN模型用于迁移学习时也相当地方便。

    图2.11与或图表示方式

    图2.12动态编程

    有新的样本时先用旧的结构分析,如果旧的结构不能分析新的样本,模型将会建立新的结构对样本进行表示,并以此方式对模型进行逐层建造。

    图2.13

    本片阐述不同于CNN用怎样的训练集训练才能对特定形式的字符进行分析,RCN只需要用比较干净的字符进行分析,而且数据训练效率很高,一般几十个字符以上就能使模型效果趋于稳定,再多的训练对效果提升不大,训练主要是学习字符的骨架表示方式,之后对各种变形都能有很好的分析效果。

    昂钛客专注人工智能社群,请关注我们,给我们留言一起,小编跟你一起讨论!

  • ?

    棘手的验证码,python爬虫验证码识别之路

    方蛟凤

    展开

    "写爬虫的时候遇到过反爬虫措施中的验证码吗,最终是怎样解决的",面试官经常这么问.

    什么是验证码?

    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,是一种区分用户是计算机还是人的公共全自动程序。可以防止:恶意破解密码、刷票、论坛灌水,有效防止某个黑客对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试,实际上用验证码是现在很多网站通行的方式,我们利用比较简易的方式实现了这个功能。这个问题可以由计算机生成并评判,但是必须只有人类才能解答。由于 计算机无法解答CAPTCHA的问题,所以回答出问题的用户就可以被认为是人类。

    常见的验证码有: 图片验证码、手机短信验证码、GIF动画验证码、图案验证码、手机语音验证码、视频验证码

    1).图片验证码

    a. 比较简单的图片验证码

    上面两个不用处理直接可以用OCR识别技术(利用python第三方库--tesserocr)来识别

    背景比较糊

    清晰可见

    经过灰度变换和二值化后,由模糊的验证码背景变成清晰可见的验证码

    b. 容易迷惑人的图片验证码

    对于在这种验证码,语言一般自带图形库,添加上扭曲就成了这个样子,我们可以利用9万张图片进行训练,完成类似人的精准度,到达识别验证码的效果

    2).短信验证码

    尝试用Webbrowser技术,模拟用户打开短信的行为,最终获取短信验证码

    3).计算题图片验证码

    把所有可能出现的汉字都人工取出来,保存为黑白图片,把验证码按照字体颜色二值化,去除噪点,然后将所有图片依次与之进行像素对比,计算出相似值,找到最像的那张图片

    4).滑动验证码

    对于滑动验证码 我们可以采用两个步骤:

    第一、滑动按钮.

    滑动按钮后我们惊奇的发现,右侧开始出现缺口,缺口出现了,我们就可以知道缺口的大致位置

    第二、从左向右滑动到缺口位置.

    (1)_如何确认缺口的位置?

    我们可以利用图片的像素作为线索,确定好基本属性值,查看位置的差值,对于差值超过基本属性值,我们就可以确定图片的大概位置

    (2)_如何自动截图后保存?

    我们利用Selenium、Testng、Reporter环境和工具,使用Selenium文档提供的方法来自动截取屏幕,使用Reporter监听器,

    当用例执行失败时截图,截图以出错时系统时间和出错方法的拼接命名,截图保存到项目目录下即可

    5)、图案验证码

    对于这种每次拖动的顺序不一样,结果就不一样,我们怎么做来识别呢?

    1.利用机器学习所有的拖动顺序,利用1万张图片进行训练,完成类似人的操作,最终将其识别

    2.利用selenium技术来模拟人的拖动顺序,穷尽所有拖动方式,这样达到是别的效果

    6)、标记倒立文字验证码

    我们不妨分析下:对于汉字而言,有中华五千年庞大的文字库,加上文字的不同字体、文字的扭曲和噪点,难度更大了,我们心里又捏了一把汗

    方法:首先点击前两个倒立的文字,之后通过scrapy框架确定7个文字的坐标(,具体见scrapy官方文档), 我们不难发现, 验证码中7个汉字的位置是确定的,只需要提前确认每个字所在的坐标并将其放入列表中,然后人工确定倒立文字的文字序号,将列表中序号对应的坐标加入input_points字段即可实现成功登录.

    最后,小编为大家总结了常用的验证码识别基本步骤,按照每一步进行操作,识别验证码不是问题,请及时收藏:

    验证码识别基本步骤: 1.预处理 2.灰度化 3.二值化 4.去噪 5.分割 6.识别

  • ?

    人工智能攻破验证码防线 每秒可识别数千条验证码

    栖息

    展开

    央广网北京10月4日消息(记者白杰戈)据中国之声《新闻晚高峰》报道,人们日常在登陆一些网站或者社交软件时,除了账号和密码,还可能需要输入验证码。这些在图片上显示的数字、字母或者汉字原本是想实现“人能识别,但机器不能识别”的效果,增加安全性,但是有人工智能系统已经突破这道防线,每秒钟可以准确识别数千条验证码,最终用于实施诈骗。浙江绍兴警方最近查获了一个这样的平台,控制近两百名嫌疑人。

    今年上半年,浙江绍兴越城的虞女士被冒充好友请她帮忙支付的人骗走近两千元。警方在办案中通过公民个人信息账号密码买卖的线索继续调查,“发现数据的来源是专门从数据商那里买来的,我们又顺藤摸瓜把数据商抓了。”绍兴市公安局越城分局1·03专案组组长孟洪仑介绍,网络上泄露的大量账号密码信息本身价值并不高,十块钱可以买到上百万条。用它们实施诈骗,需要先筛选出其中有效的部分,“有一些是对应不上的,有一些是以前用过已经报失了,有的已经冻结了,有的是异地登录会被禁止的等等,不可能每一个拿来就直接能用,需要先经过这样一道程序筛选和甄别,就像淘金一样,不是每颗石头都是金子。”

    这个像淘金一样在数据库中筛选的过程被称作“洗库”。警方介绍,以往通过机器直接能够验证账号和密码的有效性,少量需要输入验证码的环节交给人工完成,效率比较低。近年来越来越多的网站和社交软件增加了“输入验证码”的环节,希望实现“人能识别,但机器不能识别”的效果,增加安全性。但是这次警方调查发现,一个叫“快啊”的平台可以实现自动识别验证码,效率达到每秒数千个。孟洪仑介绍:“这个系统识别一个验证码,速度是毫秒级的,也就是一秒可以识别几千个,马上传输过去了。很快,而且准确率相当高,一般达到98%以上。”

    在这个平台上筛选有效的账号密码信息,一般每一万个收费15元,平台搭建者以及账号密码比对技术和验证码识别技术的提供者各得5元。这种验证码识别技术可以自动辨认出图片上显示的数字、字母、汉字等信息,并且通过人工智能机器深度学习的方式,在实践中不断提升辨认能力。孟洪仑介绍,这个系统的设计者是计算机专业出身,“人家上百万年薪请他,他都不去,自己喜欢研究人工智能。”

    孟洪仑说,这名嫌疑人知道自己的技术被用于实施诈骗,但自称不是为了赚钱,而是想借此锻炼这套人工智能系统,“一方面他知道人家在干什么,但是他不关心这个。按照他自己的说法,他是为了训练自己的程序,人工智能的深度学习,不断在网络当中比对、验证,不断提高它的能力,相当于是创造了这样一个小孩,去培养他、训练他,让他成为高手。”

    警方介绍,这个平台在被查处之前的3个月里,已经提供验证码识别服务259亿次。部分嫌疑人花了几十甚至上百万元来验证和筛选手中的账号密码信息,用于行骗。包括冒充好友、恶意推广、色情诈骗等,“最大规模的还是冒充好友进行诈骗,比如这次抓的嫌疑人当中,有一半以上是用于冒充好友行骗。”

    一名涉案嫌疑人介绍,他们会将验证有效的账号“乔装打扮“,以便获取信任和好感,“比如QQ号用手机看是可以排列一些照片墙,就放一些现实当中看起来比较有钱的,比如玉、古董之类的照片,头像换上比较有气质的真人图片,网名换成熟一点的,空间里偶尔发一两条比较炫富的动态就可以了。”

    警方介绍,他们在全国多个省份控制近两百名嫌疑人,涉及利用黑客技术非法获取网站后台数据、制作或使用软件获取账户密码、提供验证码识别服务,以及利用公民个人信息实施网络犯罪等多个环节。警方还截留被盗的公民个人信息10亿多组,缴获赃款600多万元和电脑等大量作案工具。案件在进一步办理中。

  • ?

    全国首例AI犯罪案:能识别98%的验证码,泄露10亿多组个人信息

    夏日

    展开

    AI 开始进入我们的生活,栖息在智能音箱或者手机里的它们,是能够给你放音乐、陪聊天的助手,而在互联网的灰色地带里,它们也正成为犯罪分子的帮凶。

    今年 9 月,浙江绍兴警方公布,破获全国首例利用人工智能技术窃取公民个人信息的案件,截获了 10 亿余组公民个人信息。

    被警方查封的平台叫做「快啊」,曾经是市场上最大的打码平台。他们在破解、窃取、贩卖和盗用个人信息实施诈骗有着完整的链条,其中人工智能技术运用在识别验证码这个环节。

    为什么 AI 会先学习识别验证码?

    一般而言,黑产最初盗取的账号密码信息往往是「粗糙」的。但由于人们的同一个邮箱,通常也是多个网站的登陆账号,同样的密码往往也在多个网站使用。因此黑产会通过利用已有的账号密码信息,去批量尝试这些账号密码能否在更多不同的平台上登陆。

    这个过程被称为「撞库」,而撞库的过程中最主要的障碍就是各个网站设置的验证码。

    黑产使用的 AI,就是用来应对这些验证码的。为什么 AI 会先学习识别验证码呢?我们先来解释一下验证码是什么。

    (图片来自安全牛)

    当我们登陆网站、提交信息时,总能遇上验证步骤,尤其是在 12306 上买票时,对那些图片验证码真的是咬牙切齿。但事实上,验证码是各个网站用来对抗网络黑产恶意登陆等行为而设置的安全策略。

    验证码的全名是「全自动区分计算机和人类的图灵测试」,由卡内基梅隆大学的路易斯 · 冯 · 安(Luis von Ahn)提出。图灵测试,顾名思义,验证码的目的,是为了识别网络请求的发起方是人类,亦或是机器。因此早期的验证码就是网站提出一些问题,这些问题不能被机器破解回答,又得能够被人类轻易答对。

    网络黑产在撞库时,他们就会将所遇到的海量验证码「打码」任务,交给「打码平台」去完成。

    (撞库流程,图片来自:freebuf)

    根据腾讯守护者计划安全团队的介绍,网络黑产撞库时,与打码平台是这样合作的:

    首先黑产把已窃取的账号密码信息导入到撞库软件,撞库软件模拟登录协议,向互联网公司的服务器发送登录请求。服务器检测到登录异常时,会通过验证码来进行拦截; 撞库软件将收到的验证码图片发送给「打码平台」,请求将图片转化为字符。打码平台后台破解验证码,将字符结果返回给撞库软件,完成撞库流程,得到更多的用户信息。 随后这些信息可能被贩卖、用于诈骗犯罪等。

    早期的打码平台,是通过众包让分布在各地电脑前的打码小工来完成的。后来进化到了「人工 + OCR 降维识别图片」。随着互联网公司对验证码识别难度的升级,「人工 + OCR 降维识别图片」的识别率在降低,因此像「快啊」这样的打码平台就开始运用 AI 技术训练机器,提高识别验证码的精度和效率。

    随着安全防护与破解入侵两方面的抗衡日益升级,验证码的难度在增加,形式也在多样化。从简单的字母数字、算术题,到扭曲的字符、模糊的图片,这些被归类为知识型验证码;如今新一代的验证码已经开始向无知识型进化,例如 Google 的 reCAPTCHA,某些网站需要拖动滑条的验证步骤。

    机器学习的发展,让字母、数字组成的知识性验证码被识别和破解的风险日渐增大,但这种验证码,依然是主流。据警方公布,这次抓捕的团伙所使用和训练的 AI,已经能够识别出 98% 以上的验证码。

    中国互联网协会发布的《中国网名权益保护调查报告 2016》显示,在 2016 年,我国 6.88 亿网民因诈骗短信、信息泄露等造成的经济损失约为 915 亿元。全国平均每个人的个人信息至少被泄露了 5 次。

    AI 犯罪离我们有多远?

    对于网络黑产而言,AI 技术就是他们所发现的一把更加好用的枪支。技术本身是不分善恶的,只是看如何去运用它、在哪些情景使用它。使用 AI 犯罪,其源头,依然是人类本身。

    今年 7 月,金融时报报道,国内人脸识别公司云从科技(Cloud Walk)正与警方合作,开发和测试用来识别犯罪嫌疑人的人工智能,其中包括人脸识别和步态分析等技术。

    总而言之,攻防双方的对抗是一直在迭代升级的。在 AI 使用的争议上,埃隆 · 马斯克则是一次一次地向公众发布自己的顾虑和警告。

    早在 2014 年 8 月,马斯克就通过推特说:AI 可能比核武器还要危险。在今年 8 月,马斯克与 Google 旗下 DeepMind 联合创始人穆斯塔法 · 苏莱曼(Mustafa Suleyman),以及 26 个国家的一百多名人工智能领域专家共同向联合国发表了一封联名信,希望能禁止有关杀人机器人的研究和使用。霍金也曾预言,2040 年 AI 的犯罪率将超过人类。

    (埃隆 · 马斯克和创业孵化器 Y Combinator 总裁山姆 · 奥特曼联合成立 OpenAI,图片来自 medium)

    2015 年,埃隆 · 马斯克创立人工智能公司 Open AI,并宣布会开源共享包括深度学习技术在内的研究成果。在 Open AI 成立前后,谷歌宣布开源 TensorFlow 人工智能引擎,Facebook 宣布开源 Big Sur 深度学习计算机服务器的设计。先进技术的获取,似乎也随着开源而变得简单。

    就像农药 DDT 能够让农业种植增产,也能让人们患病;核技术能够做成导弹武器,也能够用来发电。新技术让人类更轻松,也会造成新的社会问题。人工智能也不会例外,例如 AI 可以在医疗方面提供新的可能性,也能被运用在军事领域,制造成武器。

    (俄、美等国已制造出可实现自动驾驶、控制的坦克机器人,图片来自:Recode)

    随着人工智能的普及,我们会发现它们在很多方面比人类更聪明、高效,这个过程一开始是悄无声息只有蛛丝马迹,但当到了某一个拐点,我们就会发现这个趋势不可逆转。

    不过焦虑着急也没有用,在现阶段,我们还是静静地感受那些宣称搭载了 AI 技术的手机,怎么帮你把照片拍得好看,图片修得更美吧。

所有视频需要登录后,才能观看

请先登录您的帐号,即可完整播放,如果您尚未注册帐号,请先点击注册。