Tiktok/抖音旋转验证码识别代码

news2024/11/20 12:18:37

一、引言

在数字世界的飞速发展中，安全防护成为了一个不容忽视的课题。Tiktok/抖音，作为全球最大的短视频平台之一，每天都有数以亿计的用户活跃在其平台上。为了保护用户的账号安全，Tiktok/抖音引入了一种名为“旋转验证码”的安全验证方式。本文将深入解析Tiktok/抖音旋转验证码的原理、作用以及如何应对。

我通过不懈的努力，终于完成了抖音验证码的识别，我已经将模型封装供大家免费测试效果、学习适用。请点击查看：

二、旋转验证码的原理

旋转验证码，也称为“滑动验证码”，是一种用于验证用户是否为机器人的图形验证码。它的原理是通过要求用户按照一定的规则移动一个图像或对象来完成验证。在Tiktok/抖音的场景中，用户需要将一个不断旋转的图像拖动到正确的位置，以证明自己是一个真实的人而不是机器。

三、旋转验证码的作用

旋转验证码在Tiktok/抖音平台中起到了至关重要的作用：

1、防止机器人自动化操作：由于机器人无法准确识别和完成旋转验证码的任务，这种验证方式可以有效防止恶意机器人进行批量注册、自动点赞、评论等行为。

2、保护用户隐私：通过验证用户的操作能力，防止了恶意软件对用户隐私的窃取和滥用。

3、提高用户体验：相比于传统的文本验证码，旋转验证码更加直观、易用，大大降低了用户在进行验证时的困扰。

四、如何应对旋转验证码

虽然旋转验证码为Tiktok/抖音平台带来了诸多安全保障，但对于一些不法分子而言，他们仍然会想方设法地绕过这种验证方式。以下是一些常见的应对策略：

1、收集数据

首先需要下载大量的旋转验证码图片，这里需要使用爬虫技术，去批量下载图片，大概需要下载图片1万张。

2、机器学习

然后适用机器学习，去大量学习这下图片的特征，然后识别学习正确的角度。

3、识别角度计算滑动距离

通过学习的模型，然后输入全新的图片去测试一下识别的效果，大概正确率会在97%左右。我们可以通过角度，去计算滑块需要的滑动距离。

4、模拟验证

最后可以适用selenium去自动拖动滑块，然后验证码通过就可以了。当然也可以适用js逆向去进行验证，大家可以选择适合自己的方法去尝试。

五、验证码识别代码

 
import base64
import requests
import datetime
from io import BytesIO
from PIL import Image
 
t1 = datetime.datetime.now()
 
#PIL图片保存为base64编码
def PIL_base64(img, coding='utf-8'):
    img_format = img.format
    if img_format == None:
        img_format = 'JPEG'
 
    format_str = 'JPEG'
    if 'png' == img_format.lower():
        format_str = 'PNG'
    if 'gif' == img_format.lower():
        format_str = 'gif'
 
    if img.mode == "P":
        img = img.convert('RGB')
    if img.mode == "RGBA":
        format_str = 'PNG'
        img_format = 'PNG'
 
    output_buffer = BytesIO()
    # img.save(output_buffer, format=format_str)
    img.save(output_buffer, quality=100, format=format_str)
    byte_data = output_buffer.getvalue()
    base64_str = 'data:image/' + img_format.lower() + ';base64,' + base64.b64encode(byte_data).decode(coding)
 
    return base64_str
 
# 加载外圈大图
img1 = Image.open(r'E:\Python\lixin_project\OpenAPI接口测试\test_img\37号模型测试图片_1.jpg')
# 图片转base64
img1_base64 = PIL_base64(img1)
# 加载内圈小图
img2 = Image.open(r'E:\Python\lixin_project\OpenAPI接口测试\test_img\37号模型测试图片_2.jpg')
# 图片转base64
img2_base64 = PIL_base64(img2)
 
# 验证码识别接口
url = "http://www.detayun.cn/openapi/verify_code_identify/"
data = {
    # 用户的key
    "key":"Yrebvsf7hy73ZGales5D",
    # 验证码类型
    "verify_idf_id":"37",
    # 外圈大图
    "img1":img1_base64,
    # 内圈小图
    "img2":img2_base64,
}
header = {"Content-Type": "application/json"}
 
# 发送请求调用接口
response = requests.post(url=url, json=data, headers=header)
 
# 获取响应数据，识别结果
print(response.text)
print("耗时：", datetime.datetime.now() - t1)