@目錄

• 驗證碼分析
• 全國增值稅發票查驗平臺驗證碼
  • 8.24 增加了點騷操作
  • 8.15 小白救星（可視化操作）
  • 7.17 更新 （必讀）
  • 7.16 更新（關于發票查驗服務本身）
  • 7.14 更新（驗證碼識別率截至15號有97.5%了其實）
  • 7.13 更新（識別率回歸，初步到94%）
  • 7.12 更新（生成器調參思路）
  • 7.6 更新（官網更新，識別率翻車到90%）
  • 6.19 更新（訓練和部署原始碼+JS逆向思路）
  • 驗證碼分析
  • 識別思路
• 實驗成果

驗證碼分析

如圖所示：影像驗證碼，識別指定顏色的文字，

全國增值稅發票查驗平臺驗證碼

8.24 增加了點騷操作

針對有些白嫖黨老是把別人的試用額度給占滿了，給白嫖提升一點小難度，歡迎闖關，

8.15 小白救星（可視化操作）

大多大朋友門還是喜歡往介面里懟一些奇奇怪怪的東西，為了給不會呼叫介面的小白更好的明白這個介面是怎么一回事，更新了一個簡陋的操作界面

再次宣告： 我一直強調要【原圖】，不要【截圖】，【模擬瀏覽器選手】請你們【放棄】，速度【慢】，只有人工打碼平臺支持你們的截圖識別，本介面針對【企業用戶】，連【右鍵-另存為圖片】都不會的請在家長的陪同下使用，

1.本地提交一張【90x35】大小的圖片；
2. 選擇需要識別的【顏色】；
3. 點擊【提交】即可；

注意： 截圖和原圖天差地別，總有人頑固而偏執的以為看起來沒什么區別，這就體現了腦子和讀書的重要性，不會獲取原圖的大師兄請點擊右上方/左上方關閉按鈕，

測驗地址：
http://152.136.207.29:19812/preview

7.17 更新 （必讀）

被迫日更營業，不好意思了，質疑我另有所圖可以，可是不能質疑我的技術啊，

專票查詢要輸入金額（帶小數點），校驗碼是6位，這不是常識嗎？ 居然還有人跑來問我為什么核驗結果不一致，100元和100.80元能一樣嗎，0.8元就不是錢了嗎？

之前驗證碼也是，居然有不少人截屏傳了一張 [230x75] 的圖過來，測完氣乎乎的說我騙人，識別率根本就是0，我也是服氣，都不看文章的嗎？？？

以至于最終被迫妥協限制了輸入 [90x35] 尺寸，除了人工打碼平臺沒人會去識別截圖的，
拜托了各位老鐵們，好好看看文章吧，我沒有寫廢話的習慣，我本著釣魚的目的寫的介面，介面各項指標都是和描述一致的，任何測評資料都是絲毫不摻水分的，

7.16 更新（關于發票查驗服務本身）

驗證碼識別率是不需要更高了，我看有人找我了解發票查驗這塊，也順帶給個測驗好了，目前支持全發票種類，你們看到的沒錯，是全發票種類，市面上的API介面也不一定能支持，其中包括（湊字數）：增值稅專用發票、增值稅專用發票帶清單、貨物運輸業增值稅專用發票、增值稅普通發票、增值稅電子專用發票、增值稅電子普通發票、增值稅普通發票（卷票）、通行費xxx增值稅電子普通發票、二手車銷售統一發票，

恕我直言，就算是專門做查驗服務的企業也不一定有我們業余開發的專業，不信的盡管來對比測驗hhhh，

查驗服務測驗介面：

具體引數：

回傳結果：

7.14 更新（驗證碼識別率截至15號有97.5%了其實）

后來想想94不好看，就跑到96%了，測驗次數為一萬個官網請求，這樣又是全網最高識別率，

7.13 更新（識別率回歸，初步到94%）

由于沒有更高的需求，中文字符集訓練過于耗時，GPU資源也不能一直用來跑這個，決定停止訓練，目前版本官網實測5千次請求，94.3%準確率，

7.12 更新（生成器調參思路）

最新的思路：樣本生成器自動調參的方法，當然了寫生成器需要有一定的技術含量，需要弄清楚哪些是變數，CSDN有位大佬寫過python版本的生成器，我下載來生成了一波，發現相似度比我簡書放出的釣魚版本還低hhhh，通過預留引數介面基于給出的一張樣圖，生成各種參數的生成樣本，自動對比生成樣本和給定對照樣本的相似度，取最佳引數即可獲得官網演算法的最佳引數，調參成本也就生成w級別的樣本即可找出最佳引數，對于計算機而言1分鐘不到，這樣只要掌握的通用生成器，只要在一定范圍內更新都不是問題，此方法過于偏門，其實就算公開了思路，但是能寫出來的人估計也沒幾個，有錢的大公司每次更新無腦去人工打碼采集樣本就好了，小公司還是不要做什么發票查驗了，實力勸退，

7.6 更新（官網更新，識別率翻車到90%）

由于官網會測驗本介面，對生成引數進行演算法微調，不論是字體樣式，顏色配比，字符集等等都針對這CSDN的兩篇文章的生成器做了對抗，由于之前訓練的時候盡可能考慮到模型的泛化能力，測驗介面識別率降比不大，目前仍有90%的識別率，為了保證模型的持續抗更新能力，目前在線介面已不再進行更新，

之前技術不精，思路略顯笨拙，新的模型輔助了全新的生成器演算法，能更好的對抗和適應各種引數的更新，后續或會開放最新的防更新思路，如何提高模型的泛化能力，最新介面請直接聯系我，白嫖勿擾，

6.19 更新（訓練和部署原始碼+JS逆向思路）

有人說我文章沒有干貨只有思路，這里我分享一下原始碼，訓練及部署的教程：
https://blog.csdn.net/kerlomz/article/details/86706542

至于國稅總局的發票查驗平臺JS這塊的逆向可以參考：
https://blog.csdn.net/qq_35228149/article/details/106818057

驗證碼分析

如圖所示：影像驗證碼，識別指定顏色的文字，

識別思路

首先有幾條道路可以通向羅馬，這里不分先后優劣一一講述，

1. 顏色提取的思路，可以采用HSV/K-means聚類進行顏色的分離提取：效果如下：
   
   弊端顯而易見，會有較大的特征丟失，識別率有較大的提升瓶頸，經過測驗，中英文+漢字的識別率在90%左右，
2. 不分離顏色的思路，該方案有兩種處理方法：
   （1）同時預測顏色和字符內容，這種方法看起來比較正統，但是成本較高，需要標注每張圖的顏色和字符內容，這個要求有多高呢，一般的打碼平臺是無法提供這樣的結果的，打碼平臺只回傳對應顏色的內容，只能人工標注，那么需要多少樣本呢？筆者訓練的識別率98的模型用了100w左右的樣本，一張這樣的樣本標注假設需要0.1元，那么100w樣本需要10w標注費用，假設0.01元，也要1w的標注費用，但是驗證碼高質量的人工標注幾乎是不存在的，因為很多樣本，人眼的識別率是不如機器的，其次，標注團隊不一定都是高學歷，官網使用的字符集并不一定尋常人都認識，大多不會去深究，再者，相似的漢字也是容易混淆的，一個漢字旋轉之后像另一個漢字是很常見的現象，所以總而言之，總體標注的準確率大概率不會超過85%， 所以即使有錢，也不一定能獲得最好的資源，這方法看起來并不可取，有一種節約成本的辦法，可以通過演算法生成樣本，但是呢，生成的識別率英文數字還可以，中文的識別率就低的可憐了，附上生成方法：https://www.jianshu.com/p/da1b972e24f2 ，當然這個生成演算法是需要修改加工的，原始演算法識別率不會超過40%，綜合多個維度的演算法微調去和官網的演算法進行碰撞匹配，才能達到最終的效果，所以在此先勸退伸手黨，CSDN也有另一篇Python版的生成演算法，可以自行測驗，生成的圖片比我這個還不像hhhh，也是需要自行修改的，
   （2）每個顏色分別訓練一個模型， 這種方法看起來有點蠢，但是確實比較合適有效的辦法了，可以輕松借助打碼平臺的回傳結果標注樣本，需要的顏色可以通過官網提供的欄位取到，回傳結果通過打碼平臺識別得到，這樣一組合，樣本就有了，這種方法的成本相對較低，樣本數不變的前提下，打碼價格低于人工標注的成本，不過人工打碼回應平均在10-20秒之間，采集如此大量的樣本資料可能要把業務都熬沒了，其次還是一個認知水平問題，打碼平臺的打手普遍學歷不高，尚有不少漢字是人不齊全的，很有可能導致樣本極度不均衡，字符集不全等等，歸根到底高質量的樣本還是得從生成演算法入手，慢慢提升模型對漢字的辨識度，筆者訓練的樣本用了100w，每個顏色分別訓練這樣成本還是下不來，四種顏色就是500w樣本，官網的每次獲取圖片的時候顏色隨機出現的概率也不一定是1/4，
   

（3）把所有顏色都通過顏色變換為一種顏色，整體思路同（2），如下圖，筆者將黑色轉換為紅色，我們只需要訓練紅色的圖片：藍轉紅、黃轉紅、黑轉紅，樣本成本只有采集一種顏色的成本，看起來是目前位置最佳的方案了，事實也是如此的，但是呢，100w的總樣本量對于普通人來說也是一筆不小的花銷，即便有了樣本能做出來也需要花費不少的時間和精力，

有些演算法作業者可能會低估樣本的實際需求量，3.6k分類，中文字體小，容易混淆相似的字多，不同的角度重疊干擾都會大大增加，過于復雜的網路對性能的要求也高，為了平衡性能和準確率，足夠數量的樣本支撐是必須的，100w樣本量其實不大，一點都不要驚訝，7月之后的版本筆者用了6k字符集做的抗更新模型，訓練足足花了1周，

不過采集樣本不是單純的接打碼平臺就完事了，需要經過官網判斷，只有通過驗證，正確的樣本才保存下來，這樣有效的樣本對提高識別率才有幫助，

實驗成果

筆者實時對接官網對實驗模型進行檢驗，結果如上圖，測驗了200+次，識別率達到98%以上，識別速度的話，CPU大概5-8毫秒左右，部署騰訊云1核1G服務器實測10ms-12ms，模型大概3mb，

附上介面僅供測驗，為了防止濫用，介面每天只支持請求500次（此介面已不回傳文本識別結果，采用圖片結果代替，請在上面提供的測驗頁面中測驗）：

http://152.136.207.29:19812/preview

具體引數：

請求為JSON格式，形如：
{"image": "iVBORw0KGgoAAAANSUhEUgAAAFoAAAAjCAIAAA...base64編碼后的影像二進制流", "param_key ": "blue"}

注意：圖片只能是 90x35 尺寸的原圖，請勿截圖

也請勿使用 模擬瀏覽器 的截圖獲取，如果不知道如何使用協議獲取驗證碼，可以參考這個文章的方法：
https://blog.csdn.net/kerlomz/article/details/106793781
若對最新的JS逆向感興趣可以關注作者，

若以上方法都不清楚，可以【另存為圖片】，本模型針對【原圖】訓練，
截圖無法識別，不理解的可以先了解下深度學習 影像識別原理 ，或咨詢 作者 ，

回傳結果：

該回傳為JSON格式，形如：
{'uid': "9b5a6a34-9693-11ea-b6f9-525400a21e62", "message": "xxxx", "code": 0, "success": true}

請勿惡意使用，若超出當日限制將回傳：
{'uid': "9b5a6a34-9693-11ea-b6f9-525400a21e62", 'message': '超出當日請求限制，請聯系作者QQ：27009583', 'success': False, 'code': -555}

若回傳 400 則表示資料包格式有誤，請檢查是否符合JSON標準，
若回傳 405 則請檢查確保使用POST方式請求，

Python示例：

import requests
import base64

with open(r"C:\1.png", "rb") as f:
    b = f.read()

# param_key: black-全黑色,red-紅色,blue-藍色,yellow-黃色
r = requests.post("http://152.136.207.29:19812/captcha/v1", json={
    "image": base64.b64encode(b).decode(), "param_key": "yellow"
})
print(r.json())

如有疑問可以加我QQ：27009583

標籤：其他

上一篇：汽車安全攻擊篇：智能網聯系統的短板，如何防護汽車的安全C

下一篇：Flutter 標簽類控制元件大全Chip