YOLOV8破解滑块验证码的技术解析与效果展示

• 1. 破解滑块验证码的重要点
• 2. 破解滑块验证码的难处 
• 3. 破解流程
• 4. 效果展示
• 5. 代码获取

滑块验证码作为一种常见的人机验证方式，旨在防止机器人或恶意程序的自动化攻击。然而，随着计算机视觉和深度学习技术的不断发展，破解滑块验证码的技术也日益成熟。本文将详细说明破解滑块验证码的重要点、难处，并介绍一种基于yolov8训练的模型的破解过程，并展示其效果。

一、破解滑块验证码的重要点：  

1.1 图像分割：滑块验证码通常由背景图和滑块图组成，破解的第一步是提取各种滑块图像，本人收集了5种

 

1.2 滑块位置定位：确定滑块在背景图中的位置，以便后续的滑动模拟

1.3 滑块轨迹模拟：通过模拟用户的滑动轨迹，使得破解过程更加真实可信

二、 破解滑块验证码的难处 ：

2.1 多样性：滑块验证码的设计者会采用不同的背景图、滑块图以及滑块形状、大小等参数，增加了破解的难度。

2.2 干扰项：为了防止破解，滑块验证码通常会添加一些干扰项，如噪点、干扰线等，使得图像更加复杂，增加了破解的难度。

2.3 实时性：滑块验证码通常要求用户在一定时间内完成验证，破解过程需要在规定时间内完成，增加了破解的难度。

三、破解过程：

为了破解滑块验证码，我们采用了yolov8来训练模型，具体步骤如下：

3.1 数据预处理：艰苦的收集了14000张各色的图片的数据集。数据集进行预处理，包括图像增强、滑块图像分割、滑块位置标注等。 

3.2 模型训练：使用yolov8模型对预处理后的数据集进行训练，以学习滑块图像的特征。

yolo detect train data=data.yaml model=best.pt epochs=1000 patience=100 batch=660 device=0 imgsz=320

训练效果99%点多，奈斯！

3.3 滑块位置定位：使用训练好的模型对滑块验证码进行图像分割和滑块位置定位，得到滑块的位置信息。

def get_element_slide_distance(self, slider_ele, background_ele, correct=0):
    """
    根据传入滑块，和背景的节点，计算滑块的距离

    该方法只能计算 滑块和背景图都是一张完整图片的场景，
    如果是通过多张小图拼接起来的背景图，该方法不适用，后续会补充一个专门针对处理该场景的方法
    :param slider_ele: 滑块图片的节点
    :type slider_ele: WebElement
    :param background_ele: 背景图的节点
    :type background_ele:WebElement
    :param correct:滑块缺口截图的修正值，默认为0,调试截图是否正确的情况下才会用
    :type: int
    :return: 背景图缺口位置的X轴坐标位置（缺口图片左边界位置）
    """
    background_url = background_ele.get_attribute("src")
    background = "./images/verifycode.jpg"
    self.onload_save_img(background_url, background)

    # 获取父元素的坐标
    parent_location = background_ele.location

    # 获取子元素的坐标
    child_location = slider_ele.location

    # 计算子元素在父元素中的相对坐标
    relative_x = child_location['x'] - parent_location['x']
    relative_y = child_location['y'] - parent_location['y']

    result = self.yolo_det(background)
    # if result is None or len(result) == 0:
    # result = self.paddle_det.predict(background_01, threshold=0.8)
    # result = result['boxes']
    # 再使用tensor.numpy()进行转化
    result = result[0].boxes.data.cpu().numpy()
    distance = int(result[0][0])
    print("当前滑块的信息：{},{}".format(result, distance))
    os.remove(background)
    return distance

3.4 滑块轨迹模拟：根据滑块的位置信息，模拟用户的滑动轨迹，以完成滑块验证码的破解。

    def slide_verification(self, driver, slide_element, distance):
        """
        :param driver: driver对象
        :type driver:webdriver.Chrome
        :param slide_element: 滑块的元组
        :type slider_ele: WebElement
        :param distance:  滑动的距离
        :type: int
        :return:
        """
        start_url = driver.title
        print("需要滑动的距离为：", distance)
        locus = self.get_slide_locus(distance)
        print("生成的滑动轨迹为:{}，轨迹的距离之和为{}".format(locus, distance))
        ActionChains(driver).click_and_hold(slide_element).perform()
        time.sleep(0.5)
        for loc in locus:
            time.sleep(0.01)
            ActionChains(driver).move_by_offset(loc, random.randint(-5, 5)).perform()
            ActionChains(driver).context_click(slide_element)
        ActionChains(driver).release(on_element=slide_element).perform()
        time.sleep(2)
        end_url = driver.title
        print(start_url + "====" + end_url)
        # if start_url == end_url:
        #     return -1
        #     print("第{}次验证失败，开启重试".format(6 - self.count))
        #     self.count -= 1
        #     self.slide_verification(driver, slide_element, distance)
        return 0

 四、效果展示

12月12日

五、代码获取https://item.taobao.com/item.htm?id=764152812060