【验证码识别】OpenCV挑战网易易盾滑动验证码

使用java + selenium + OpenCV破解网易易盾滑动验证码

戳这里→康康你手机号在过多少网站注册过！！！
友情推荐：新一代安全短信

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
《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》

* 验证码地址：https://dun.163.com/trial/jigsaw
* 使用OpenCv模板匹配
* Java + Selenium + OpenCV

产品样例

接下来就是见证奇迹的时刻！

注意！！！
· 在模拟滑动时不能按照相同速度或者过快的速度滑动，需要向人滑动时一样先快后慢，这样才不容易被识别。
模拟滑动代码↓↓↓

/*** 模拟人工移动* @param driver* @param element页面滑块* @param distance需要移动距离*/public static void move(WebDriver driver, WebElement element, int distance) throws InterruptedException {int randomTime = 0;if (distance > 90) {randomTime = 250;} else if (distance > 80 && distance <= 90) {randomTime = 150;}List<Integer> track = getMoveTrack(distance - 2);int moveY = 1;try {Actions actions = new Actions(driver);actions.clickAndHold(element).perform();Thread.sleep(200);for (int i = 0; i < track.size(); i++) {actions.moveByOffset(track.get(i), moveY).perform();Thread.sleep(new Random().nextInt(300) + randomTime);}Thread.sleep(200);actions.release(element).perform();} catch (Exception e) {e.printStackTrace();}}/*** 根据距离获取滑动轨迹* @param distance需要移动的距离* @return*/public static List<Integer> getMoveTrack(int distance) {List<Integer> track = new ArrayList<>();// 移动轨迹Random random = new Random();int current = 0;// 已经移动的距离int mid = (int) distance * 4 / 5;// 减速阈值int a = 0;int move = 0;// 每次循环移动的距离while (true) {a = random.nextInt(10);if (current <= mid) {move += a;// 不断加速} else {move -= a;}if ((current + move) < distance) {track.add(move);} else {track.add(distance - current);break;}current += move;}return track;}

操作过程

/*** 获取网易验证滑动距离* * @return*/public static String dllPath = "C://chrome//opencv_java440.dll";public double getDistance(String bUrl, String sUrl) {System.load(dllPath);File bFile = new File("C:/EasyDun_b.png");File sFile = new File("C:/EasyDun_s.png");try {FileUtils.copyURLToFile(new URL(bUrl), bFile);FileUtils.copyURLToFile(new URL(sUrl), sFile);BufferedImage bgBI = ImageIO.read(bFile);BufferedImage sBI = ImageIO.read(sFile);// 裁剪cropImage(bgBI, sBI, bFile, sFile);Mat s_mat = Imgcodecs.imread(sFile.getPath());Mat b_mat = Imgcodecs.imread(bFile.getPath());//阴影部分为黑底时需要转灰度和二值化，为白底时不需要// 转灰度图像Mat s_newMat = new Mat();Imgproc.cvtColor(s_mat, s_newMat, Imgproc.COLOR_BGR2GRAY);// 二值化图像binaryzation(s_newMat);Imgcodecs.imwrite(sFile.getPath(), s_newMat);int result_rows = b_mat.rows() - s_mat.rows() + 1;int result_cols = b_mat.cols() - s_mat.cols() + 1;Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1);Imgproc.matchTemplate(b_mat, s_mat, g_result, Imgproc.TM_SQDIFF); // 归一化平方差匹配法TM_SQDIFF 相关系数匹配法TM_CCOEFFCore.normalize(g_result, g_result, 0, 1, Core.NORM_MINMAX, -1, new Mat());Point matchLocation = new Point();MinMaxLocResult mmlr = Core.minMaxLoc(g_result);matchLocation = mmlr.maxLoc; // 此处使用maxLoc还是minLoc取决于使用的匹配算法Imgproc.rectangle(b_mat, matchLocation, new Point(matchLocation.x + s_mat.cols(), matchLocation.y + s_mat.rows()), new Scalar(0, 255, 0, 0));Imgcodecs.imwrite(bFile.getPath(), b_mat);return matchLocation.x + s_mat.cols() - sBI.getWidth() + 12;} catch (Throwable e) {e.printStackTrace();return 0;} finally {bFile.delete();sFile.delete();}}/*** 图片亮度调整* * @param image* @param param* @throws IOException*/public void bloding(BufferedImage image, int param) throws IOException {if (image == null) {return;} else {int rgb, R, G, B;for (int i = 0; i < image.getWidth(); i++) {for (int j = 0; j < image.getHeight(); j++) {rgb = image.getRGB(i, j);R = ((rgb >> 16) & 0xff) - param;G = ((rgb >> 8) & 0xff) - param;B = (rgb & 0xff) - param;rgb = ((clamp(255) & 0xff) << 24) | ((clamp(R) & 0xff) << 16) | ((clamp(G) & 0xff) << 8) | ((clamp(B) & 0xff));image.setRGB(i, j, rgb);}}}}// 判断a,r,g,b值，大于256返回256，小于0则返回0,0到256之间则直接返回原始值private int clamp(int rgb) {if (rgb > 255)return 255;if (rgb < 0)return 0;return rgb;}/*** 生成半透明小图并裁剪* * @param image* @return*/private void cropImage(BufferedImage bigImage, BufferedImage smallImage, File bigFile, File smallFile) {int y = 0;int h_ = 0;try {// 2 生成半透明图片bloding(bigImage, 75);for (int w = 0; w < smallImage.getWidth(); w++) {for (int h = smallImage.getHeight() - 2; h >= 0; h--) {int rgb = smallImage.getRGB(w, h);int A = (rgb & 0xFF000000) >>> 24;if (A >= 100) {rgb = (127 << 24) | (rgb & 0x00ffffff);smallImage.setRGB(w, h, rgb);}}}for (int h = 1; h < smallImage.getHeight(); h++) {for (int w = 1; w < smallImage.getWidth(); w++) {int rgb = smallImage.getRGB(w, h);int A = (rgb & 0xFF000000) >>> 24;if (A > 0) {if (y == 0)y = h;h_ = h - y;break;}}}smallImage = smallImage.getSubimage(0, y, smallImage.getWidth(), h_);bigImage = bigImage.getSubimage(0, y, bigImage.getWidth(), h_);ImageIO.write(bigImage, "png", bigFile);ImageIO.write(smallImage, "png", smallFile);} catch (Throwable e) {System.out.println(e.toString());}}/*** * @param mat*            二值化图像*/public static void binaryzation(Mat mat) {int BLACK = 0;int WHITE = 255;int ucThre = 0, ucThre_new = 127;int nBack_count, nData_count;int nBack_sum, nData_sum;int nValue;int i, j;int width = mat.width(), height = mat.height();// 寻找最佳的阙值while (ucThre != ucThre_new) {nBack_sum = nData_sum = 0;nBack_count = nData_count = 0;for (j = 0; j < height; ++j) {for (i = 0; i < width; i++) {nValue = (int) mat.get(j, i)[0];if (nValue > ucThre_new) {nBack_sum += nValue;nBack_count++;} else {nData_sum += nValue;nData_count++;}}}nBack_sum = nBack_sum / nBack_count;nData_sum = nData_sum / nData_count;ucThre = ucThre_new;ucThre_new = (nBack_sum + nData_sum) / 2;}// 二值化处理int nBlack = 0;int nWhite = 0;for (j = 0; j < height; ++j) {for (i = 0; i < width; ++i) {nValue = (int) mat.get(j, i)[0];if (nValue > ucThre_new) {mat.put(j, i, WHITE);nWhite++;} else {mat.put(j, i, BLACK);nBlack++;}}}// 确保白底黑字if (nBlack > nWhite) {for (j = 0; j < height; ++j) {for (i = 0; i < width; ++i) {nValue = (int) (mat.get(j, i)[0]);if (nValue == 0) {mat.put(j, i, WHITE);} else {mat.put(j, i, BLACK);}}}}}// 延时加载private static WebElement waitWebElement(WebDriver driver, By by, int count) throws Exception {WebElement webElement = null;boolean isWait = false;for (int k = 0; k < count; k++) {try {webElement = driver.findElement(by);if (isWait)System.out.println(" ok!");return webElement;} catch (org.openqa.selenium.NoSuchElementException ex) {isWait = true;if (k == 0)System.out.print("waitWebElement(" + by.toString() + ")");elseSystem.out.print(".");Thread.sleep(50);}}if (isWait)System.out.println(" outTime!");return null;}

注意:有一个问题还没有解决，还无法区分阴影部分是黑色还是白色。因为两种的情况不同，所以处理方式也不同。阴影部分为黑底时需要转灰度和二值化，为白底时不需要。黑底使用归一化平方差匹配算法 TM_SQDIFF ，而白底使用相关系数匹配算法 TM_CCOEFF。

有找到区分方法的大佬可以私信作者或者在评论区留言哦。

戳这里→康康你手机号在过多少网站注册过！！！
友情推荐：新一代安全短信

【验证码识别】OpenCV挑战网易易盾滑动验证码相关推荐

使用java + selenium + OpenCV破解网易易盾滑动验证码
使用java + selenium + OpenCV破解网易易盾滑动验证码网易易盾:dun.163.com * 验证码地址:https://dun.163.com/trial/jigsaw * 使用 ...
python易盾滑动验证码
上selenium 比较好上手的一种验证码, cv2模板匹配方法找缺口图在背景图中的位置, 计算要移动的距离, 移动缺口图 ,要注意的是移动轨迹模拟人移动的加速和减速 from selenium im ...
网易易盾，js逆向：★★★★★
前言可以关注我哟,一起学习,主页有更多练习例子如果哪个练习我没有写清楚,可以留言我会补充如果有加密的网站可以留言发给我,一起学习共享学习路程如侵权,联系我,删此文仅用于学习参考,请勿于商用, ...
网易易盾助力工信部装备工业发展中心守卫网站安全第一道防线
近日,网易易盾与工业和信息化部装备工业发展中心(以下将简称:工信部装备工业发展中心)达成合作.借助网易易盾行为式验证码,工信部装备工业发展中心能有效防止机器的暴力登录和破解的同时,又能给用户带来无感知 ...
Python识别验证码----网易易盾推理拼图
Python识别验证码----网易易盾拼图推理写在前面数据特点获取数据识别思路识别结果改进点写在前面近日某众打码平台被跑路的消息一出,脚本圈中一片哗然(我并不是脚本圈的,只是喜欢看群里 ...
网易易盾验证码的安全策略
网易易盾验证码主要采用以下三种安全策略: 1.智能切换策略 1)验证类型切换易盾验证码独有的智能切换策略,感知威胁可自动切换展示为更高难度的验证码类型,切换策略会参考用户的环境信息,历史操作的轨迹等 ...
行为式验证码家族再添一员网易易盾推出推理拼图验证码
近日,网易易盾正式对外推出推理拼图验证码,通过业内首创的逻辑推理+图块形式,解决找回密码.账号解冻.拉新领券等高安全等级场景下,人机高精准识别的需求. 前台使用上,用户只需要拖动需要交换的2个图块,复 ...
网易易盾验证码移动端迎来新版本开始支持智能无感知验证
近日,网易易盾验证码移动端迎来新版本,该版本支持智能无感知验证码,对整体交互及性能等方面进行了优化和提升. 移动端智能无感知验证码交互流程图验证码移动端最新版本开始支持智能无感知验证码,极致用户体验 ...
网易易盾验证码移动端迎来新版本开始支持智能无感知验证 1
近日,网易易盾验证码移动端迎来新版本,该版本支持智能无感知验证码,对整体交互及性能等方面进行了优化和提升. 移动端智能无感知验证码交互流程图验证码移动端最新版本开始支持智能无感知验证码,极致用户体验 ...

【验证码识别】OpenCV挑战网易易盾滑动验证码

使用java + selenium + OpenCV破解网易易盾滑动验证码

【验证码识别】OpenCV挑战网易易盾滑动验证码相关推荐

最新文章

热门文章