张国荣,刘炳君,付成丽

(忻州师范学院 计算机系，山西 忻州 034000)

0 引言

在当前网络环境中，验证码本身是用来区分人机的一种全自动验证程序，在一定程度上提高了网络防御力，又被称为“反向图灵测试”.目前，多数网站在用户注册、登录、下载甚至发表评论等情况下都用验证码进行验证，从而保证合法有效的用户权益.一般要求人类的识别率达到90%以上，机器的识别率低于0.01%[1].验证码的分类有滑块验证码、文本验证码、图像验证码、拼图验证码等，本文主要研究由四位数字组成的图片验证码.

深度学习中应用最为广泛的卷积神经网络CNN，在原来多层神经网络的基础上，加入了特征学习部分，用来模仿人脑对信号处理，成为了图像识别方向最热门的技术，在图像特征提取与识别中优势明显.鉴于CNN有很好的特征提取能力，因此本文采用CNN对验证码进行识别.

1 相关研究工作

随着验证码在人工智能领域的突出作用，国内外学者在验证码的识别方法上有着广泛的探索与研究.文献[2]和文献[3]分别利用残差设计和调整卷积分组数量对图像验证码进行识别[2,3].文献[4]提出对验证码无须预分割的端对端的识别方法[4].文献[5]提出改进识别空心验证码的方法[5].

目前，对于CNN的研究及应用更为广泛.Hinton等人在2006年提出深度置信网络(DBN)用于处理特征降维以加快训练深度网络[6].2012年继Alex Krizhevsky提出比较有利于网络优化和训练的AlexNet[7]后，更多更深的神经网络被提出，如著名的VGGNet就是在……