e盾网络验证源码_capatch-killer+机器学习识别验证码

申明：本文仅供交流学习使用，请勿用于非法用途，本文仅供交流学习使用，请勿用于非法用途，本文仅供交流学习使用，请勿用于非法用途

背景：渗透测试过程中，我们经常会遇到对存在验证码的表单进行爆破，为了很好的解决这个问题，花了两天时间研究了一下，算是找到了很好的解决方案，在这里总结一下过程，避免读者后续遇到“坑”。

首先还是感谢c0ny1大神 @week 写的 captcha-killer插件，为我等小白提供了大大的便利，二是感谢 nickliqian/cnn_captcha 这位大佬提供的cnn机器学习代码，我也只是在这个基础上修改源码，来完成网站验证码的适配，闲话不多说，上正餐

---

nickliqian/cnn_captcha 首先将源码git下来之后，安装好对应的环境，安装过程这里不在赘述，我使用的是tensorflow-gpu 1.15.3 版本。下载好源码后，打开sample_config.json 文件修改验证码的尺寸为 100*43

{
  

下面，我们就需要生成训练数据，这里可以用源码里面的生成，但我们后面爆破的验证码风格肯定跟这个不一致，所以我用自己的java代码生成：

import 

这个生成的验证码风格如下：

当然，我这种方式是最好的，因为免去打标签（打标签就是给验证码的文件名写上验证码的内容，好让机器学习）的过程，如果你没有生成验证码的源码，那么你就需要用爬虫把验证码采集下来，然后手工或者用打码平台打标签，生成3000个标签后，运行verify_and_split_data.py，会自动分好训练集和验证集，然后运行train_model.py，就可以开始训练了

看到上图的红框处说明用的GPU 在机器训练，用cpu比较慢。

我大概跑到2740次的时候，准确率已经100%了。下面就开始测试了。

captcha-killer 的使用过程请参见这篇文章 使用burp插件captcha-killer识别图片验证码

打开webserver_recognize_api.py 文件这里我们增加一个方法，接受图片base64编码，然后机器自动识别，用来配合captcha-killer，代码如下：

@app.route

在captcha-killer的interface-panel 使用以下报文：

接口url: http://127.0.0.1:5000

POST /base64 HTTP/1.1
Host: 127.0.0.1:5000
User-Agent: python-requests/2.24.0
Accept-Encoding: gzip, deflate
Accept: */*
Connection: close
Content-Length: 2805
Content-Type: application/x-www-form-urlencoded

image_file=<@URLENCODE><@BASE64><@IMG_RAW></@IMG_RAW></@BASE64></@URLENCODE>

然后我们打开自己的测试网站，获取一个验证码，把数据发送到 capture-panle,最终配置如下：

点击获取就可以获取验证码，点击识别就可以识别结果，识别结果我们选择json匹配，这里value值就是识别结果，可以看到这里获取了几次，都是识别正确了。下面爆破登陆试试

设置过程看这篇文章： 使用burp插件captcha-killer识别图片验证码

效果：

这里爆破了1536次，验证码100%识别正确。爆破也可以用多线程。可以去挖src了。

QA：

Q1：如果我要训练别的风格的验证码怎么弄？
A1：最正确的步骤就是，修改sample_config.json 图片尺寸为你要训练的验证码的尺寸，删除model文件下之前别的模型，修改webserver_recognize_api.py 中的代码如下图，保证让你传进来的图片和模型里面的尺寸一致，避免报错，因为训练好的模型，即使风格一致，如果识别时尺寸不一致也会报错。

Q2：训练数据怎么弄？
A2：1：首选找到相同风格的源码，直接用源码生成，
2：用爬虫+自动打码平台（人肉识别）保存训练数据。
Q3：如何提高识别率：
A3: 经过我的实践：图片的大小很重要，尺寸太低容易降低识别率。最好尺寸是大于等于100*60的，我们可以把验证码保存成这个大小，然后训练数据多一点，可以解决这个问题。

如有其他问题，欢迎私我，一起讨论交流。