家喻户晓，验证码的呈现是为了辨别人和机器，但随着科技的倒退，黑产从业者的可图之利增多，验证码的战场也进入了一段破解与抗破解的长久博弈。
验证码在逐步简单的同时，黑灰产的攻打伎俩也一直晋升。本文就从验证码与打码平台的反抗讲起。
何为打码平台？
打码平台的基本原理是利用人工智能技术实现对验证码设计原理的冲破。其工作流程如下图所示：
以前黑灰产要想获取数据，首先会向本人想要获取的数据页面发送申请，若该数据页面没有任何对于黑灰产的防护机制的话，那么黑灰产轻而易举的就能获取到数据；反之如果该数据页面存在验证码防御机制，那么在黑灰产获取数据的时候不会间接就返回数据，而是先弹出一个验证码作为人机验证的条件，只有通过了这个验证码的辨认才返回数据。
对于个别的黑灰产而言，其是没有应答验证码伎俩的，于是就获取不到数据。打码平台的呈现则解决了这一问题。黑灰产把获取到的验证码相干信息提交至打码平台，打码平台负责破解验证码，而后把正确的验证后果返回给黑灰产，让黑灰产在带着正确的验证后果去申请数据页面，大大加大了验证码被破解的危险。
综上，本来的申请流程只有黑灰产和数据页面的双向通信，因为打码平台的退出，当初这条链路上便演变成了黑灰产、数据页面、验证码、打码平台四者之间的通信。
打码平台是如何破解验证码的？
那么，打码平台是如何高效的破解市面上各家验证码平台的各种模式验证码的？
其劣势次要体现为以下两方面：
时效性：在打码平台破解各家验证码平台的验证码时，验证码平台也不会坐以待毙，其会推出新的验证码模式或者在原有验证码模式上晋升验证难度。当验证码平台在这两个方向发力时，会导致打码平台破解验证码的难度回升，如果打码平台能疾速攻破，则阐明时效性高，调整工夫短，阻塞黑灰产爬取数据的工夫天然也会大大缩短，不然会导致黑灰产被阻塞于验证码这堵高墙外。
高效性：黑灰产在获取到验证码相干数据时须要提交给打码平台进行破解，而后获取到破解信息后在去数据页面进行验证。如果打码平台对于验证码的单次破解工夫长（效率差），比方滑动验证码破解须要 1ms，点选验证码破解须要 10ms，那么对于黑灰产而言就是 10 倍的效率差，相对而言破解滑动验证码是高效的，破解点选验证码就是不够高效的。
假如在爬取航司航班数据的场景下（每时每刻都须要实时去查问航班动静信息），如果数据页面须要验证的是点选验证码，绝对于滑动验证码其获取数据就存在肯定的信息延后性。
打码平台的两种破解形式
针对这两点，目前打码平台破解验证码形式次要是机器破解和人工打码两种。
1、机器破解：机器破解的益处在于自动化水平高，辨认速度快，而且对于黑灰产用户的单词调用价格低，毛病是须要破费大量的工夫去破解验证码的验证形式，后期投入的工作量会比拟大，而且有时候机器破解的辨认准确率也会有肯定的误差导致验证失败。
目前验证码的次要验证模式次要是在图像处理的根底上开发各种验证模式，例如滑动类验证码，图片点选类验证码。所以机器破解的次要方向是通过辨认图片中的相干验证因素来进行破解，例如辨认滑动验证码的缺口，点选验证码中的文字因素和数字因素，其次要技术手段是图像处理，图像二值化，模仿滑动轨迹等相干技术。下图示例是某个打码平台反对辨认的验证因素：
因为验证码平台对于图片解决的技术手段一直在晋升，验证因素的解析对于打码平台也越来越艰难，如下图所示：
为了反抗验证码平台，打码平台也在晋升其机器自动化打码的能力，比如说引入机器学习和神经网络等人工智能相干技术来智能辨认图片中的验证码因素，进步辨认验证因素的准确率等。以下是某个打码平台相干人工智能技术的打码破解流程：
能够看到，机器打码在退出人工智能技术后，辨认效率也在成倍增加，这也进一步增大了验证码的防守难度，同时也意味着验证码与打码平台之间的攻防再次降级。
2、人工打码机器打码的毛病在于后期破解工作量大，技术门槛高，辨认准确率等方面存在肯定问题。而人工打码能够补救这种毛病。
其工作流程是：
打码平台会建设一个工作平台，工作发布者是黑灰产方，将获取到的验证码信息封装成工作提交到打码平台，打码平台则作为两头的任务调度者，将一个个任务调度给标注者（专门做验证码验证的人），实现后将标注后果返回给黑灰产，由黑灰产带着标注后果去申请数据页面。
标注后果打码平台也会存储一份，下次若遇到雷同的验证码则间接返回这次的标注后果。如果验证码平台的验证图片短暂不更新，那么就会有被拖库的危险，也就是其所有验证图片都会被标注，这时候就无需人工标注了，间接转变成机器打码的模式。
如下是某个人工打码的打码界面：
但人工打码有一个很显著的毛病是单次申请耗时高，因为其破解的速度效率重大依赖于标注者的破解速度，然而真人从辨认图片到实现图片验证最快起码也要几秒的工夫，所以几秒的申请耗时这对于一笔 HTTP 申请来说必定是高耗时的（足够机器破解破解上百次的工夫），因而，人工打码又有了以下的工作流程：
由上图可知，之前是黑灰产提交验证申请，打码平台被动接管验证申请进行验证动作。当初，打码平台被动申请验证码服务，实现验证申请后将验证码服务下发的非法 token 存储起来，当黑灰产接入打码平台时，被动下发非法的 token 给黑灰产，让黑灰产携带着非法 token 绕过验证码。
验证码如何“隔靴搔痒”？
那么，验证码平台作为爱护数据安全的防守方，如何与打码平台反抗？
顶象平安专家认为，验证码平台要做好防守，就必须针对打码平台的个性开展，即前文中讲到的高效性和时效性，能力遏制住打码平台破解验证码的效率。
具体怎么实现呢？针对机器打码，一般来说，次要有以下几个方向：
1、放慢验证码更新频率：验证码平台能够通过一直推出新型验证模式来给机器破解减少难度。如果黑灰产应用机器破解来绕过验证码平台，那么当验证码平台弹出一种机器破解从未见过的验证模式来进攻黑灰产，那么在机器破解实现新型验证码破解之前，黑灰产能够说是间接被阻隔在验证码之外，拜访不到数据页面的数据，这无疑给打码平台减少很多的后期工作量和难度。
2、晋升验证因素辨认难度：验证码平台也能够在原有验证形式上晋升验证因素辨认难度来抵挡机器破解。例如文字点选类验证码，其外围验证因素是文字，机器破解如果辨认了图片中的文字因素，那么天然能够返回给黑灰产正确的验证后果。那么能够晋升文字因素的辨认难度来抵挡机器破解，如下图：
能够看到右边三个坊字未作任何解决，左边第一个坊字是做过解决的，加上了色彩和文字空心化。对于机器破解来说，做过文字处理的文字因素相对而言更难辨认，并且还能够对文字进行字体的更换，对字体进行旋转，重叠，扭曲，加烦扰项等成果，这无疑都给机器破解造成了极大的辨认难度。如下图所示：
对于其余类型的验证码也能够做相似的解决，例如滑块验证码加暗影项烦扰。图片元素从二维模型换成三维模型等等，都是晋升辨认验证因素难度的伎俩。
3、退出人工智能技术：顶象第五代验证码领有 13 种验证形式，并且一直的推出新的验证码形式和平安的优化。
与此同时，顶象验证码还退出了人工智能技术。比方利用 NLP 技术能够通过给定的要害词语进行造句，通过词库中的词语进行造句，对句子进行切割，最终让用户对切割后的句子进行还原，大大晋升了机器破解的难度。
针对人工打码，则次要从以下几方面动手：
1、保障验证码图库实时更新；前文中提到，人工打码不易辨认其身份，并且验证码图片是其外围筹码，因而咱们就能够从验证码图库动手。
顶象验证码以高频率的验证码图片生产速度频繁更新验证图片库，保障新的验证图片实时更新，从本源上杜绝打码平台拖库。这样一来，打码平台背地的标注者便须要源源不断的对新验证图片进行验证，这极大减少了打码平台的辨认老本（也变向晋升了黑灰产的老本），无效的爱护了用户的业务平安。
2、采集验证环境信息判断是否为黑产；基于人工打码的工作流程，顶象验证码能够通过采集验证环境信息等形式辨认到人工打码平台，例如判断实现验证时的验证环境信息和 token 上报时的验证环境信息是否统一来进行判断，并且人工打码平台的操作行为和黑灰产的操作行为是不一样的，所以能够在验证码的验证环节采集有辨识度的环境信息，和验证后果一起上报到验证码平台，验证码平台配置规定和策略来对这些信息进行剖析和匹配，筛选出可能是黑灰产的申请进行二次验证或拦挡，这样就能够起到辨认黑灰产的成果。
目前，顶象依赖设施指纹和实时风控引擎技术，能够反对在验证码进行验证时采集验证环境相干信息上报到实时风控引擎中，交给其中预设的策略和规定，通过规定引擎进行危险因素的判断，最初断定该申请是否是危险申请。
同时，顶象进攻云也将其能力赋能给验证码，不仅使得验证码具备了进攻打码平台的能力，并且具备了进攻云的风控能力，做到实时感知危险，及时进攻处理，进一步加强了打码平台的破解难度。
但正如前文所言，验证码与打码平台之间的攻防反抗是一场持久战，单方并未分出输赢，不难猜测，在很长一段时间内与打码平台的攻防较量仍旧是泛滥验证码平台的重要课题。