基于支持向量机的滑动式验证码人机识别研究

发布时间：2025-05-11 07:19

　　科技的不断创新和进步,使人们在享受科技带来好处的同时,不得不面临网络安全问题。验证码的出现为网络安全道路提供了重要保障,但是随着各类验证码不断被机器自动化程序破译,不仅影响了网络系统的正常运行,同时给正常用户带来经济损失、信息泄露等隐患。数字字符等简单的验证码虽方便用户使用但很容易被机器破译,而且很难正确区分出操作者是“机器”还是“个人”;问答、图片验证码虽然安全性能高,但是用户体验感差,所以使用方便又有一定安全性的滑动式验证码是一个不错的选择。本文基于滑动式验证码,利用从人和机器完成验证所留下的滑动轨迹中提取出的特征数据,结合现代统计方法建立模型,尝试解决正确识别人机操作这一至关重要的网络安全问题。首先,我们将机器行为样本标为正类,即关注的类,真人行为样本标为负类。其次对所有样本数据进行相关性分析,分析发现样本指标之间的相关性较小、相互影响作用较弱,每个样本都可以在建立分类模型的过程中发挥出其作用。然后对进行标准化后的数据,运用机器学习中的支持向量机技术算法建立支持向量机分类模型预测验证操作者的类别,同时采用R统计软件对其进行实证研究和分析,并与Fisher判别、决策树和BP神经网络等...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外文献综述
        1.2.1 国内文献综述
        1.2.2 国外文献综述
    1.3 主要研究内容
        1.3.1 研究内容
        1.3.2 研究框架
第二章 相关理论算法概述
    2.1 Fisher判别算法
        2.1.1 投影和判别函数
        2.1.2 类别预测
        2.1.3 Fisher判别的R实现
    2.2 决策树算法
        2.2.1 特征选择
        2.2.2 决策树的生成
        2.2.3 决策树的剪枝
        2.2.4 决策树的R实现
    2.3 支持向量机算法
        2.3.1 线性可分支持向量机
        2.3.2 线性支持向量机
        2.3.3 非线性支持向量机
        2.3.4 支持向量机的R实现
    2.4 神经网络算法
        2.4.1 节点模型
        2.4.2 BP神经网络
        2.4.3 BP神经网络算法流程
        2.4.4 BP神经网络的R实现
第三章 实证研究
    3.1 数据描述与处理
        3.1.1 数据描述
        3.1.2 数据预处理
    3.2 判别分析模型的建立
        3.2.1 建立判别分析模型
        3.2.2 结果分析
    3.3 决策树分类模型的建立
        3.3.1 建立决策树分类模型
        3.3.2 结果分析
    3.4 支持向量机分类模型的建立
        3.4.1 建立支持向量机模型
        3.4.2 结果分析
    3.5 神经网络模型的建立
        3.5.1 建立神经网络模型
        3.5.2 结果分析
第四章 模型评价
    4.1 评价标准
    4.2 模型比较
结论与展望
参考文献
致谢
附录A (攻读学位期间发表论文目录)



本文编号：4045052