安全测试过程中经常遇到接口存在验证码的场景，很多时候我们也许是束手无策的，基于tensorflow编写了简单的应用希望可以解决普通验证码识别问题，后续还会更新基于yolo3针对物体检测识别更有意思的验证码问题，比如：

本期主要是针对普通验证码识别系统构建的说明，项目代码中已经训练好了四个模型，可直接使用

模型下载地址：

https://pan.baidu.com/s/1GYy1_BQ_rBekBujofq7qEw  密码:l5ti

下载完毕解压到model_server/models文件夹下

参考样本下载地址：

链接:https://pan.baidu.com/s/10EZ6M6mHjm-vY8_XVxDt_A  密码:joqi

样本下载完毕，解压到model_server/images/目录即可 图片样例如下：

模型编号	类型	样例
1	算术
2	大小写字母 数字
3	四位大写字母 数字
7	五位小写字母

model_server目录信息如下：

执行以下命令进行安装或者更新

yum install -y tkinter tk-devel
yum –y install gcc tkinter zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tcl-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel expat-devel

python环境

python3.6

pip install scipy numpy iPython jupyter pandas sympy nose scikit-learn Pillow captcha  matplotlib tensorflow==1.11 redis

brew install pyqt
pip3 install PyQt5

python3

import matplotlib

matplotlib.matplotlib_fname()

编辑显示的文件 输入backend :Qt4Agg

python环境 python3.6

下载地址： https://redis.io/download

redis充当消息队列，安装完redis启动即可，比如mac下：

../redis-server

安装依赖（requeirements.pip里已经包含了机器学习用到的库）

pip install -r requirements.txt

初始化django

python manage.py migrate

启动django

python manage.py runserver 0.0.0.0:8000

通过修改 orz/apps/capcha_v1/constants.py 中 MODELNOS列表中的值选择检测支持的模型，当然前提是对应的模型已经在上一步中已成功启动

此时可通过api查看接口信息 http://127.0.0.1:8000/api/capcha_v1/checkmodel/

参考链接： 配置ng反向代理

mac下ng配置文件目录默认为 /usr/local/etc/nginx 添加圈中部分

location /api {
            proxy_pass   http://127.0.0.1:8000; # 后端接口 IP:port
        }

将orz_fe文件夹下的前端代码复制到 /usr/local/var/www 下

访问 http://127.0.0.1:8001

通过http://127.0.0.1:8001/#/reg 即可注册账号，邀请码：vksrc

模型训练完成即可启动模型 为了可以实现对验证码进行模型预检测，对识别模型进行了分类,

实例中已经训练了四个模型供大家参考，切换至model_server目录下

python service.py -m 7 -e Check -l 5 # 启动测试接口
python service.py -m 7 -e Prod -l 5  # 启动生产接口

其他模型以此类推

1. 检测模型接口

访问http://127.0.0.1:8001/#/app/forms-models-check 上传实例验证码(位于orz/model-server/images目录下)可进行模型校验

2. 通过提交base64和模型编号进行识别

   url：http://127.0.0.1:8000/api/capcha_v1/uploadbase64/

   post内容如下：

   {"modelNo": 7,"content": "R0lGODlhRgAUAPZ9AAAAAAxfDBZbFgBkAQNoAwpqCgBvEg9tEBJvEgBxFhVwFRdyGBt0GyF3ACd9ACRWIwB3IAB7JwB KSB3ICV6JCx LGU7ZXU0dQCDNC ALzOCMzmGOT6JPkSMAFCTAHCnAH2zAEGJPgDWAAD1AACMQwCRTUKMQkiNRUmPSUyRTFSVVFyaXGGdYWagZm2kbXOlbnSpdHute4SyAJW8AJ/CAKnIALnSAL3cANPhANDoAOTrAO/yAPX1AP/1AIKzfQAA9YMvg4sri4AwgJwnlqgfqLEcsckSye4D7vUA9f8A9fUA/wCwgAC2iwC8lADPvQDWtADj1gDr5ADu6QD19QD/9QD1/4Oyg4y3jI64joy3kpS7lJq/mpPBk5zDnKHAm6PEo6vJrKvJsrLNs7rNsrzUvMLXwsbZxsrbys/e19Df0NXi1dvm29/o3 fn3tjk4eLq4u/s5uru6u7x7vj77ufs8Ojt8fX19f/19fX/9f//9fX1///1//X//////wAAAAAAACH5BAAAAAAALAAAAABGABQAAAf gABII3Z2SIU8d4WLjHhTVXZ4iot3h3qFk42MdmIxLCsuaXaKPJuFl3aEpneKqIV4eIams3alm3e2i2gUAwwmKSdijKW5SHq5mIVTyYVyc5mmSa RrszKySkDW7Szioqxi CbcQVkm5eH4ovLucumyxUEcdeHhXmmyJg8PHK1dmp1DA14YkvPvCmXwJFRsYkHuHqI7Kw5U2EACBgrUGhYU0hVoUPQGMlhwNAOkAEwLgUAE8mOlQE47EzBsu0OkwmIYrWZ8cbfpooDBiioQGLFC47cIkmzg2oEiwFs7MQ4cECHHQZdkEy5Q2ZAl38DCsi5A4PDJicDwFzK1IOHETT T4U1ZKRIjcc7qEqdGbDEDgwWDHzgoTDE0pECLO6AgUCA5YoVm7YMMGNHSpF sgrFGOBlSj5KtVRoYORu0QYGfltgMRAHQxY9qkxQcKkCBQs7JmKMWiRkQE8YA1rgQXKFAx49WgZY fiKz247VXhUwOlTUb0vaV 8OMLAionl4DZHWWGFC2oKWhaValHg3wEGF zIEaDbDhGU07rZKXCCx6VqzTCQggswuMTACfWNYsMANWQQxhoDlHHAGBHZkUIEdnjAggYy2HGFAvPY0RVkdvTBDYQtfHQIRMdsVkKBcSBQgAuMHEGACwNAYYcGOKrByA8VnEBGVejt0N0iaQz 0AEPU7C4iRgDXCELHkFAJw4bBBCg2x2bWVCaHRwscIAhUw2AWUsKsFCBlAp80YQCUrBiRx0DVMCcO8uAk5wYnsWhwgB5ECLOn8vZEYUIIS6y2QYImSHUJnIMMIED/RQARgOFLlIAA8uEZEgpOEKBRw4SFPDVK7jYYcQVbuzx3CZkVCDEPi7RsAmEA1BoxwAWgAjOJStYkMkySTCJCAoE7PDFAROcsYlHMm0SSz0hfbZGBx4U8kZYmfoXEhKZoDLYAx8MkAIc1dHV0ik/LJPQJHqI4ylTYClwJiqofNMSSEjIQUBQuikB2ry0QJRUfnakcYNP/nzmLjhytJCAXAA1mpKOuvR ue5ndiSxjMAFM3KJfzwgUXJmVYiDBzHrYFIaKlSEM6W712xisEzQnrOMO8jgEQgAOw=="}```
   

在获取足够样本情况下可以进行模型训练，准备工作如下

1. 样本目录

   样本目录在**./images/{modelNo}**目录下，样本数量尽可能多，一般不要少于300

2. 样本格式

   样本格式请统一为：{编号}_{样本属性}.[png,jpeg,jpg]

   如：

   * 2_abcde.jpeg
   * 53_1zd1.jpg
   * 1_6*1=?.png
   

3. 模型存储

   模型存储为**./models/{modelNo}**

   ps: 训练前请再models目录下新建模型编号对应的文件夹

4. 开始训练

   当上述内容准备完毕以后，准备训练模型吧 首先修改gen_captcha.py中的modelNo和MAX_CAPTCHA，该变量关联样本目录和模型存储目录，然后运行如下命令即可

   python training.py
   

1. 感谢好友AnYeMoWang帮忙review代码
2. 优秀的模型需要大量有效的样本，如果大家想贡献样本可以联系我们，模型训练完会共享到github

• https://blog.csdn.net/imgxr/article/details/80128361
• https://github.com/vdumoulin/conv_arithmetic
• https://xz.aliyun.com/t/1822
• https://www.cnblogs.com/ydf0509/p/6916435.html