自动登录——使用 CNN 识别验证码

代码位于 https://github.com/airstone42/daka 。

CNN

上图中的是目标网站的验证码。

由于一些原因，需要写一个每日自动登录并执行相关操作的脚本，但被这个验证码拦住了。因此，若需要正常的 HTTP 自动访问就需要过验证码这一关。

幸而在他人的帮助下，得知了这个目标网站所使用的原型。从这里可以得知，其使用的 Java 验证码库为 cage。目标网站对原型做了修改，只使用了两位数字作为验证码。

因此，可以简单地对验证码做如下操作：

1. 请求网址，获取二进制 PNG 图片
2. 读取图片宽度，对半平分
3. 两边各自训练模型，均为十分类器，目标为数字
4. 分别识别，合并结果，并与记录的 cookie 和 token 一并提交

首先，需要得到数据集，好在已经得知验证码库，因此可以自动构造。

针对图像数据，CNN 是一个常用的神经网络模型，这里使用了入手较为简单的 Keras，并以 TensorFlow 为后端，参考 Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems 2nd Edition 第 14 章，代码页面在此。

from functools import partial

DefaultConv2D = partial(keras.layers.Conv2D,
                        kernel_size=3, activation='relu', padding="SAME")

model = keras.models.Sequential([
    DefaultConv2D(filters=64, kernel_size=7, input_shape=[28, 28, 1]),
    keras.layers.MaxPooling2D(pool_size=2),
    DefaultConv2D(filters=128),
    DefaultConv2D(filters=128),
    keras.layers.MaxPooling2D(pool_size=2),
    DefaultConv2D(filters=256),
    DefaultConv2D(filters=256),
    keras.layers.MaxPooling2D(pool_size=2),
    keras.layers.Flatten(),
    keras.layers.Dense(units=128, activation='relu'),
    keras.layers.Dropout(0.5),
    keras.layers.Dense(units=64, activation='relu'),
    keras.layers.Dropout(0.5),
    keras.layers.Dense(units=10, activation='softmax'),
])

实际使用中修改了上述代码中的部分数据。针对生成的 30000 张训练集，左半侧的准确率为 99.816668%，右半侧为 99.233335%。

可见，在直接对半平分的情况下，尽管左右侧数字并不完整，但有着大量的数据及合适的模型，分类器的准确率依然很高。

自动登录脚本

这部分比较常规，使用的是 Python 的 Requests 库和 BeautifulSoup4 库，没什么特别的内容。

值得记录的一点是，Requests 库默认情况下针对 HTTP 302 的请求会自动跳转，并将跳转前的内容记录在 requests.Response 的 history 字段中。当前的 Response 对象的 url 字段为跳转后的 URL。