Ben bir görüntü işleme uzmanı ve CAPTCHA dekoder, ben daha önce birçok CAPTCHA çözümünde projeler yaptık.

Tamam, adımları çözme CAPTCHA başlayalım!

Çözme her türlü kapalı CAPTCHA 3 ana adım vardır:

1- Removing background

(Herhangi bir görüntü işleme yöntemlerini kullanarak) herhangi bir gürültü CAPTCHA temizleyin.

Note for captcha decoding fighter: If you want to have a good CAPTCHA, you should add a stronger noise. Use random noised background that has similar color of characters.

2- Splitting characters

Onlar değil, onlar ayrı ve çok zor kolay bir adımdır.

* Captcha çözme avcı için not: Eğer iyi bir CAPTCHA olmasını istiyorsanız, karakter ayrı bırakmayın! Onları örtüşen yapmak karakterler için farklı renkler kullanmak etmeyin, kod çözücüleri çok kolay karakterleri ayırabilirsiniz! (Geliştiricilerin çoğu bu habersiz ve renkli bir CAPTCHA kullanmak! Daha iyi olduğunu düşünüyorum), iyi bir siyah renk ile örtüşen bir dize yapıyor. Deneyimli bir CAPTCHA dekoder için, renkli bir CAPTCHA çözmek için bir sorun değil! Sadece güzel ve kullanışlı değil! :) Kullanım rastgele eğri çizgiler birbirine tüm karakterleri bağlanmak cadı. *

3- Converting separate images into character

After separation, we have a character set, (we don't have any string now, just have images and pixels), we should convert character images into string, But how?! There are several ways, if they are not rotated, and have fixed font and size (such as freeglobes CAPTCHA), you can define a pattern set, your program should loop throw the patters to find the best match for each image, if the characters is very different and needs a large pattern you should use a "Neural Network" to recognize the character. A neural network for CAPTCHA resolving, will takes a character, and we say the network what this character is, for example, we will give it an image of "A" and we tel the NN: it's "A"! , then it will "LEARN" this character and will save its learning into a database, This procedure called "TRAINING". So, when we ask a trained network for a new character again, it will return us the best match from it's learning database. Usually decoder specialists use the CAPTCHA itself to train the neural network. Be careful! Using appropriate data for training can make or break your results.

Note for captcha decoding fighter: If you want to have a good CAPTCHA, use any method witch a decoder can't recognize the characters, even with a Neural network. Deform the characters randomly, use many fonts instead of one and rotate the characters as well, etc.

Son olarak, tek bir bütün, tek karakterleri birleştirmek ve sonuç olarak döndürür.

Ne yazık ki, herhangi bir CAPTCHA çözmek için hiçbir sabit algoritma vardır demek, yeni CAPTCHA yeni analiz ve eğitim ihtiyacı vardır. Tüm CAPTCHA çözmek için bir CAPTCHA dekoderi yapamazsınız.

Başlamadan önce neleri bilmeli:

1- Image processing fundamentals

2- General understanding of a Neural Network

3- Simple image processing functions (in any language)

PHP için:

imagecreate()

imagecreatetruecolor()

imagecolorat()

imagecolorsforindex()

imagesetpixel()
.
.
.

NET için.:

Bitmap type,
getPixel()
setPixel()
.
.
.

JavaScript ve HTML5 için:

You should know the Canvas very well.

Lastly: Note for captcha decoding fighter: If you are wonder about how someone can decode a CAPTCHA and want to prevent it from decoding, you should first be a CAPTCHA decoder yourself or hire someone knows the weakness and attacking algorithm very well!

Yardım etmeyi umuyoruz! ;)

PWNtcha bir göz atın

Ayrıca okuyabilirsiniz Breaking a Visual CAPTCHA

Bir üçüncü taraf bilet satıcı için yaklaşık 8-9 yıl önce Ticketmaster sitesinde Captcha görüntüleri atlatmak için bir projede yer aldı. Bir olay, bir konser gibi, on-satış gittiğimde, makinelerin ağımız ilk 10 satır olası her türlü ve her koltuk satın almak için birden fazla kredi kartı ve posta adreslerini kullanabilirsiniz.

Aksine yeni CAPTCHA en her zaman üreten daha, TM onlar yeniden kullanım olabilir görüntülerin sınırlı bir havuz vardı. Biz her görüntü için benzersiz bir dijital parmak izi (sağlama) oluşturmak istiyorum, o zaman sadece (, yabancı unsurları kaldırmak kontrastı, vb geliştirmek için) ve sonra OCR araçları kullanmak (LEADTOOLS.com) bazı görüntüleme araçları ile saldırı. Bu şaşırtıcı derecede etkili olmuştur.

Biz programlı çok sayıda çatlak, ve biz insan işleme çatlak değil olanları saklamak istiyorum başardık. Önce otomatik olarak belki% 60-70 olsun diye bazen, 20K görüntülerin bir havuz olurdu, ama bizim insanlar işlenmiş görüntüleri (çevrimdışı) tespit çünkü sonunda biz arıyoruz dayalı% 100 başarı elde ediyorum bizim veritabanında onların karma. (Yani biz oluşturduk ve biz zaten çözüm olsaydı biz sadece hemen cevap gönderebilir hash dayalı bizim veritabanına karşı captcha resmi kontrol edebilir, olduğunu.)

Bazen, floş ve yeni bir dizi ile CAPTCHA resmi görüntülerin kendi havuzu yerine, ama yine, sadece% 100 oranına kadar geri almak için bize biraz zaman alacaktı ediyorum. Bu özel sistem ile ölümcül kusur onlar yerine programlı yeni CAPTCHA görüntüler her zaman üreten daha, görüntüleri geri dönüştürülmüş oldu.

Ama aslında capthcha çatlak mali teşvik yeterince yüksek ise, düşük ücretli vasıfsız işçiler her gün onları çatlamak için cep değişiklik kazanç etrafında oturup bir dağıtılmış bir platform oluşturmak için çok almaz, olduğunu.

Inside India's CAPTCHA solving economy http://www.zdnet.com/blog/security/inside-indias-captcha-solving-economy/1835