| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景 | 第17-20页 |
| 1.2 研究内容 | 第20-21页 |
| 1.3 组织结构 | 第21-23页 |
| 第二章 相关理论和技术 | 第23-31页 |
| 2.1 预处理相关技术 | 第23-26页 |
| 2.1.1 二值化 | 第23-24页 |
| 2.1.2 颜色填充分割算法 | 第24-25页 |
| 2.1.3 腐蚀与膨胀 | 第25-26页 |
| 2.2 Gabor滤波器 | 第26-27页 |
| 2.3 分类算法 | 第27-30页 |
| 2.3.1 K最近邻 | 第27-28页 |
| 2.3.2 卷积神经网络 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于深度学习的微软双层验证码破解方法研究 | 第31-57页 |
| 3.1 微软双层验证码简介 | 第31-32页 |
| 3.2 详细破解流程 | 第32-44页 |
| 3.2.1 预处理 | 第33-39页 |
| 3.2.2 提取字符组件 | 第39页 |
| 3.2.3 分割与识别 | 第39-44页 |
| 3.3 实验与结果 | 第44-47页 |
| 3.3.1 数据准备 | 第44-46页 |
| 3.3.2 实验环境 | 第46-47页 |
| 3.3.3 实验结果 | 第47页 |
| 3.4 讨论与分析 | 第47-55页 |
| 3.4.1 其他可供选择的设计方案 | 第47-50页 |
| 3.4.2 新版微软双层验证码机制的安全性分析 | 第50页 |
| 3.4.3 适用性分析 | 第50-52页 |
| 3.4.4 新颖性分析 | 第52-53页 |
| 3.4.5 双层验证码改进策略 | 第53-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 基于深度学习的通用文本验证码破解方法研究 | 第57-71页 |
| 4.1 文本验证码调研 | 第57-59页 |
| 4.2 详细破解流程 | 第59-63页 |
| 4.2.1 预处理 | 第60-61页 |
| 4.2.2 分割 | 第61-63页 |
| 4.2.3 识别 | 第63页 |
| 4.3 实验与结果 | 第63-65页 |
| 4.3.1 数据准备 | 第63页 |
| 4.3.2 实验环境 | 第63-64页 |
| 4.3.3 实验结果 | 第64-65页 |
| 4.4 讨论与分析 | 第65-70页 |
| 4.4.1 大字符集验证码的安全性 | 第65-67页 |
| 4.4.2 网络深度的影响 | 第67页 |
| 4.4.3 与先前方法的对比 | 第67-70页 |
| 4.4.4 分析 | 第70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 基于深度学习的图像验证码设计研究 | 第71-81页 |
| 5.1 其他验证码机制 | 第71-74页 |
| 5.2 SACaptcha：一种新型图像验证码机制 | 第74-80页 |
| 5.2.1 概述 | 第74-75页 |
| 5.2.2 生成过程 | 第75-76页 |
| 5.2.3 可用性分析 | 第76页 |
| 5.2.4 安全性分析 | 第76-80页 |
| 5.3 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 本文工作总结 | 第81-82页 |
| 6.2 进一步工作方向 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 作者简介 | 第91-92页 |