परिचय

समाचार साइटों के कई मालिकों को लोकप्रिय सेवाओं जैसे कि Digg.com (सबसे बड़े समाचार एग्रीगेटरों में से एक) में अपने लेख में बैकलिंक्स पोस्ट करने की आवश्यकता का सामना करना पड़ता है। लेकिन समस्या यह है कि आपको मैन्युअल रूप से साइट पर जाने और हर बार एक लिंक जोड़ने या आगंतुकों के कंधों पर इस प्रक्रिया को स्थानांतरित करने की आवश्यकता है। स्वाभाविक रूप से मैं इस प्रक्रिया को स्वचालित करना चाहता था।

Digg.com एक काफी शक्तिशाली एपीआई प्रदान करता है जो आपको कई चीजें करने की अनुमति देता है: टिप्पणी, समाचार के लिए वोट, खोज, आदि ... लेकिन यह मुख्य चीज की अनुमति नहीं देता है - आपकी खबर प्रकाशित करने के लिए। सिद्धांत रूप में, हमारे स्रोत से समाचार को स्वचालित रूप से जोड़ने के लिए एक स्क्रिप्ट लिखने के लिए कुछ भी हमें प्रतिबंधित नहीं करता है। एकमात्र बाधा Captsha है, और हम इससे निपटेंगे।

कैप्चा संरचना

विभिन्न ऊंचाइयों पर अक्षरों को अंकित किया।
पृष्ठभूमि को पार किया।
प्रयोगों के अनुसार, कैप्चा संवेदनशील नहीं है।
ओ, आई, जेड को छोड़कर अंग्रेजी वर्णमाला az के अक्षर।
नंबर 2,3,4,6,8

और यहां हम बंद कर देंगे ... अजगर, ओसीआर और तंत्रिका नेटवर्क का उपयोग करके चित्रों में पात्रों को पहचानने के तरीके पहले से ही हब के माध्यम से चलाए गए हैं। यह विषय लेख में सबसे अधिक पूरी तरह से सम्मानित इण्डोलो द्वारा कवर किया गया है। लेकिन इस पद्धति ने 100% मान्यता की संभावना नहीं दी और इसे लागू करना अपेक्षाकृत कठिन है। यह जानते हुए कि समस्या को हल करने के लिए हमेशा एक और तरीका है, मैंने गलती से एक दिलचस्प वाक्यांश देखा: "पाठ नहीं पढ़ सकते हैं? इसे सुनो। ”

सुनने के बाद, मैंने देखा कि सभी पत्रों को एक स्पीकर और हमेशा एक ही द्वारा आवाज दी जाती है, बिना किसी हस्तक्षेप और बाहरी आवाज़ के। वास्तव में, स्कोरिंग का उद्देश्य उन लोगों की मदद करना है जो सभी पत्र बनाने में असमर्थ हैं, सही वर्ण दर्ज करें। यदि इस तरह की विधि मानव धारणा के लिए आसान है, तो यह तदनुसार बॉट के लिए आसान होना चाहिए।

फ़ॉर्म भरते समय, साइट हमें इस तरह की तस्वीर देती है (ध्यान देने के लिए कुकीज़ की आवश्यकता होती है!):

http://digg.com/captcha/2c7ea3845d5ddfc5a7461c5429b6a7e5.jpg

ध्वनि फ़ाइल इस तरह दिखाई देगी (ध्यान देने के लिए कुकीज़ की आवश्यकता होती है!):

http://digg.com/captcha/2c7ea3845d5ddfc5a7461c5429b6a7e5.mp3

प्रयोगों के बाद, यह पता लगाना संभव था कि प्रत्येक पत्र का टुकड़ा ~ 2000 बाइट्स है। पृष्ठभूमि में शोर हैं, लेकिन वे यादृच्छिक रूप से उत्पन्न नहीं होते हैं, और विभिन्न कैप्चा पर एक ही अक्षर बिल्कुल समान है। इसलिए, हमारी एमपी 3 फ़ाइलों को ऐसे अंशों की खोज के लिए वर्णों का एक सरल सरणी माना जाना चाहिए।

चरित्र पहचान

निम्नलिखित मान्यता प्रक्रिया है। इस काम में मैंने अजगर का उपयोग किया, लेकिन कुछ भी परियोजना को अन्य भाषाओं में स्थानांतरित करने से रोकता है।

मैन्युअल रूप से तैयार कैप्चा (लगभग 100 टुकड़े) के साथ एक डेटाबेस बनाएं।
प्रत्येक चरित्र के लिए, ध्वनि कैप्चा की एक जोड़ी जिसमें यह केवल एक बार होता है, और अन्य सभी वर्ण अद्वितीय होते हैं, अर्थात्। अलग-अलग कैप्चा में दोहराया नहीं जाता है। उदाहरण के लिए, संख्या - 2 के लिए, हम इन्हें लेते हैं: AS2DE, 2ZTKJ।
चयनित कैप्चा में, सामान्य गणना द्वारा हम उसी अधिकतम मिलान क्रम की तलाश करते हैं। आउटपुट लगभग 2000 वर्ण होंगे।
हम नियंत्रित करते हैं कि हमें 'विराम' का टुकड़ा नहीं मिलता है।
डेटाबेस में परिणाम जोड़ें।

दो कैप्चा के लिए एक सरल गणना का एक उदाहरण:

def तुलना ( अक्षर, फ़ाइल नाम 1, फ़ाइल नाम 2 ) :
tfile1 = filename1 + '.mp3'
tfile2 = filename2 + '.mp3'
f = खुला ( tfile1, "r" )
test1 = f। पढ़ें ( )
f2 = खुला ( tfile2, "r" )
test2 = f2। पढ़ें ( )
cnt = i = j = - 1
k = 3000
test1 में आइटम के लिए [ : -k ] :
i = i + 1
j = i + k
cnt = test2। खोजें ( test1 [ i: j ] )
अगर cnt > 0 :
Res = test2 [ cnt: cnt + k ]
f3 = खुला ( 'स्रोत /' + अक्षर, 'w' )
f3। लिखना ( रेस )
वापसी
वापसी

यह सब, मान्यता परिणाम 100% है। अब, जब रोबोट हमारे समाचार को digg.com पर भेजता है, तो वह पृष्ठ पर कैप्चा चित्र पता ढूंढता है, उसे एमपी 3 के साथ बदल देता है, कुकीज़ का उपयोग करके ध्वनि अभिनय के लिए कहता है, वांछित 6 वर्णों को ढूंढता है, अपने डेटाबेस से तुलना करता है, और परिणाम भेजता है। आपकी साइट से सभी समाचार digg.com पर सेकंडों में प्रकाशित हो जाएंगे।

यदि आपकी साइट में ध्वनि कैप्चा हैं, तो मैं आपको निम्नलिखित अनुशंसाओं के साथ उन्हें छोड़ने या सुरक्षित करने की सलाह देता हूं:

अलग-अलग उच्चारण और इंटोनेशन वाले लोगों का उपयोग करें।
ध्वनि स्तर से भिन्न, विशेष रूप से पृष्ठभूमि में।
बेतरतीब ढंग से उत्पन्न शोर जोड़ें।

अधिक सुरक्षित कैटचा साउंड को हैक करने के लिए, एमपी 3 फाइलों के विखंडन की तुलना करने का एक सरल तरीका सकारात्मक परिणाम नहीं दे सकता है। इस मामले में, ऑडियो ट्रैक को संसाधित करने और शोर को हटाने के लिए विशेष फिल्टर का उपयोग करने की सिफारिश की जाती है। फिर, एक विकल्प के रूप में, आप अनुक्रम विश्लेषण के लिए तंत्रिका नेटवर्क का उपयोग कर सकते हैं। बेशक, परिणाम 100% से कम होगा, लेकिन यह स्तर पर रहेगा। इसके अलावा, आप भाषण पहचान सेवाओं की कोशिश कर सकते हैं। मुझे जो सबसे अच्छा मिला है वह Google Voice है, आपको बस हमारे एमपी 3 से ध्वनि मेल भेजने की आवश्यकता है और थोड़ी देर बाद एक प्रतिलेखन प्राप्त करें (परिणामों को देखना दिलचस्प होगा)।

निष्कर्ष

इंटरनेट पर कई साइटों को बॉट्स से उनकी सुरक्षा की जटिलता से दूर किया जाता है, जिसके परिणामस्वरूप वे केवल वास्तविक उपयोगकर्ताओं से दूर जाते हैं। और उनके साथ संपर्क स्थापित करने की कोशिश कर रहे हैं, वे खुद कमजोरियां पैदा करते हैं कि कोई निश्चित रूप से लाभ उठाएगा। इस भेद्यता से प्रभावित विशेष रूप से बड़ी वेबसाइटों में से, मैं GoDaddy.com का उल्लेख कर सकता हूं, जो डोमेन की जांच करते समय उनकी whois सेवा में सटीक कैप्चा ऑडियो है।

सभी स्क्रिप्ट पायथन भाषा का उपयोग करके बनाई गई हैं और यहां उपलब्ध हैं ।

अपडेट: ब्लॉग सूचना सुरक्षा पर ले जाया गया।

एक उदाहरण के रूप में Digg.com का उपयोग करके ध्वनि कैप्चा हैकिंग

परिचय

कैप्चा संरचना

चरित्र पहचान

निष्कर्ष

More articles: