大家都知道，極驗驗證首創了行為式的驗證技術，以滑動的驗證形式取代了傳統驗證碼識別的驗證形式。極驗首席磚家也一直告訴大家，傳統的驗證碼很容易被破解，形同虛設。
我想大家肯定有疑問，為什么說傳統驗證碼容易被破解呢？今天就跟隨極驗破解磚家的腳步，帶大家一起了解下傳統驗證碼的破解原理。
為了進行驗證安全的防護，傳統驗證碼有很多的處理方式，包括添加干擾線，添加文理背景，增加噪音，以及扭曲字符，粘連字符和使用空心字符。這些變換都是建立在圖像識別技術的基礎之上的，主要是增加破解的難度，當然顯而易見的是，這樣的變換同樣也增加了人類的識別難度。說到這里，忍不住吐槽了，這種驗證碼簡直是違背人性啊。擋住的都是普通用戶，擋不了破解高手啊。
傳統驗證碼破解算法有很多，不同的處理形式有相對應的破解算法。但是主要的破解步驟卻是一樣，包括驗證碼預處理，字符分割以及字符識別。
極驗破解磚家潛心研習破解大法已有時日，下面就來了解下常用的破解大法有哪些吧！
一、破解大法第一式：驗證碼圖片預處理
預處理的主要方法包括：圖像灰度化，閾值處理算法，迭代法和大律法。
去噪聲的方法主要包括：基於空間域濾波，基於形態學去噪，基於連通域去噪。
這些破解招式這么學術，都是什么鬼，且聽極驗磚家娓娓道來。
a.破解大法第一式第一招：圖像灰度化
灰度化是指在RGB模型中，如果R=G=B時，彩色則會被表示成一種灰度顏色，其中R=G=B的值叫灰度值。因此，灰度圖像每個像素只需一個字節存放灰度值（又稱強度值、亮度值），灰度范圍為0-255。
灰度化方法：分量法、最大值法、平均值法、加權平均法
b.破解大法第一式第二招：閾值處理算法
將圖像進行灰度化之后仍然會有噪聲和干擾線等，那么可以設置一個閾值T，我們需要的目標的閾值可以設置成為大於T，而噪音，干擾的閾值小於T，就可以對目標和干擾進行區分了。極驗破解磚家友情提示，閾值處理算法至關重要，具體破解算法，后續極驗磚家會分享例子給大家。
主要的閾值處理方法：迭代法、大律法、基於HSL色彩空間閾值處理法
c.破解大法第一式第三招：去除噪聲
傳統的驗證碼多會增加噪聲，那么圖片的預處理過程中還需要進行去噪，目前去噪也是相當的容易的了，主要的方法有：基於空間域濾波、基於形態學去噪、基於連通域去噪
各種方法中，基於連通域的去噪方法會比較好一點，能夠盡量保證字符信息的完整性。
二、破解大法第二式：驗證碼字符分割
大部分的識別算法都需要驗證碼字符的分割這一步驟。對破解大法研究頗深的極驗磚家透露，只要能將驗證碼上的字符分割出來， 用現有的機器學習算法一般都可以取得比較好的識別效果。機器學習算法可以有效地解決字符識別問題， 所以有效分割對傳統驗證碼的識別是很有必要的。目前還沒有比較通用的字符分割算法。
當然，如果說能夠應用深度學習的方法，進行大量的圖像識別訓練，將不再需要進行字符分割。一個大的神經網絡可以自己學習認知一只貓，識別字母肯定已經不是難事了，但這並不普遍，目前也是像Google，百度，Facebook等公司取得了比較大的進展。
a.破解大法第二式第一招：非粘連字符分割
投影分割算法
直通域分割算法
b.破解大法第二式第二招：粘連字符分割算法
基於直方圖的分割算法
基於最大連通域的分割算法
基於背景的細化分割算法
c.破解大法第三式：驗證碼字符識別
驗證碼字符的識別一般就是使用機器學習的算法，使用比較簡單的卷積神經網絡就可以進行比較有效的識別。卷積神經網絡的介紹大家可以參考文章《淺析深度學習的模型與應用》，后面極驗磚家會專門再和大家更加細致的探討關於卷積神經網絡的。
在圖像識別技術發達的今天，傳統的字符驗證碼已經無安全性可言，但是驗證安全對於我們來說又是那么的重要。驗證碼肩負着我們每個企業保護用戶賬戶安全，保護網站資源不被惡意薅取，保護網站接口不被盜用。
極驗驗證采用行為式驗證技術，通過200多種維度對用戶的“行為特征”進行人機區分，並且每30分鍾全網動態更新的安全模型庫進一步保障網站安全。這種360度保護網站安全的驗證技術，讓破解的難度和成本大大提高，即使有黑客破解了，但是也會被立即被拉入黑名單。
既然傳統驗證碼充滿着被破解的隱患，已經不再安全了，所以我們應該重視這一塊，用最新的驗證碼技術進行網站安全的防護。
