基于深度学习的验证码破解与新型3D验证码设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 国内外研究现状分析 | 第17-23页 |
| 1.2.1 传统二维验证码研究分析 | 第17-19页 |
| 1.2.2 二维验证码研究现状 | 第19页 |
| 1.2.3 三维验证码研究现状 | 第19-20页 |
| 1.2.4 深度学习发展现状 | 第20-22页 |
| 1.2.5 增强现实技术发展现状 | 第22-23页 |
| 1.3 论文的主要工作和安排 | 第23-26页 |
| 第二章 相关理论和技术 | 第26-40页 |
| 2.1 深度学习理论 | 第26-30页 |
| 2.1.1 深度学习卷积神经网络 | 第26-28页 |
| 2.1.2 CNN训练 | 第28-29页 |
| 2.1.3 深度学习图像识别 | 第29-30页 |
| 2.2 基于Unity3D建模技术 | 第30-31页 |
| 2.3 陀螺仪 | 第31-32页 |
| 2.3.1 陀螺仪与重力感应的区别 | 第31-32页 |
| 2.3.2 移动端陀螺仪的调用 | 第32页 |
| 2.4 增强现实技术 | 第32-40页 |
| 2.4.1 三维注册技术 | 第32-34页 |
| 2.4.2 AR识别追踪算法 | 第34-40页 |
| 第三章 基于深度学习的图像验证码破解 | 第40-48页 |
| 3.1 12306验证码分析与处理 | 第40-45页 |
| 3.1.1 验证码结构分析 | 第40-41页 |
| 3.1.2 验证码图像类别 | 第41-42页 |
| 3.1.3 数据整理 | 第42-43页 |
| 3.1.4 人工标注 | 第43页 |
| 3.1.5 训练与破解 | 第43-45页 |
| 3.2 结果分析 | 第45页 |
| 3.3 本章小结 | 第45-48页 |
| 第四章 陀螺仪三维验证码设计实现 | 第48-60页 |
| 4.1 3Ds Max模型设计 | 第48页 |
| 4.2 Unity3D接口函数调用 | 第48-50页 |
| 4.3 一种基于混沌的通用伪随机数发生器 | 第50-53页 |
| 4.3.1 混沌映射特性分析 | 第50-51页 |
| 4.3.2 算法流程 | 第51-52页 |
| 4.3.3 NIST测试分析 | 第52-53页 |
| 4.4 随机切换算法设计 | 第53-54页 |
| 4.5 移动端陀螺仪验证码实现 | 第54-57页 |
| 4.6 实验分析 | 第57-58页 |
| 4.6.1 人工测试及分析 | 第57-58页 |
| 4.6.2 可用性和安全性分析 | 第58页 |
| 4.7 本章小结 | 第58-60页 |
| 第五章 增强现实验证码设计实现 | 第60-72页 |
| 5.1 基于增强现实技术的三维验证码实现 | 第60-62页 |
| 5.1.1 随机切换算法设计 | 第60-61页 |
| 5.1.2 增强现实验证码实现 | 第61-62页 |
| 5.2 实验测试 | 第62-65页 |
| 5.2.1 人工测试 | 第62-63页 |
| 5.2.2 实验结果分析 | 第63-65页 |
| 5.3 自然场景文本识别 | 第65-68页 |
| 5.3.1 自然场景文本识别技术 | 第65-66页 |
| 5.3.2 自然场景3D文本识别 | 第66-67页 |
| 5.3.3 实验结果分析 | 第67-68页 |
| 5.4 改进版本的AR验证码 | 第68-69页 |
| 5.5 本章小结 | 第69-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 研究总结 | 第72-73页 |
| 6.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-82页 |
