CC防护中动态调整验证码噪声应对OCR攻击

验证码噪声的核心作用，是在字符本身之外叠加干扰信息，让机器视觉算法难以分割和识别，同时不影响人眼的辨识。动态调整噪声，就是让这种干扰的强度、形态、密度不再是一个固定值，而是根据请求的风险评分实时变化。对抗OCR攻击的关键，不是把噪声加到人眼也看不清的程度，而是让攻击者训练的模型在每一次请求面前都面对“全新”的干扰分布，从而大幅降低其识别率。具体做法上，我们通常从噪声密度、噪点形态、线条干扰、背景纹理和字符形变五个维度入手，建立一个动态参数池，由风控引擎实时调用。

噪声密度不能一刀切。对于正常用户，噪声密度可以维持在10%到15%的像素占比，保证秒级通过；对于可疑但尚未确认的请求，密度可以瞬间提升到30%甚至更高。实现上，我们在验证码生成服务里暴露一个noise_density参数，取值范围0.1到0.6。风控侧根据IP信誉、设备指纹、鼠标轨迹等特征打分，分数越低，密度越高。需要注意的是，密度变化不能是线性的，否则攻击者可以通过多次采样反推出阈值。我们采用阶梯式随机抖动，例如当风险分低于30时，密度在0.4到0.6之间随机取值，而不是固定0.5。这样攻击者拿到的每一张验证码，其噪点密集程度都不同，训练出来的模型泛化能力会明显下降。

单一的圆点噪点早已被主流OCR引擎通过形态学开闭运算轻松滤除。动态调整必须包含多种噪点形态，并在每次生成时随机组合。我们可以在代码里预定义至少四类噪点：圆形点、短线段、不规则多边形和仿字符碎片。圆形点负责干扰连通域分析，短线段用于破坏字符笔画边缘的连续性，不规则多边形模拟真实扫描文档中的污渍，仿字符碎片则是从真实字符上截取的部分笔画，直接混淆字符分割器。生成时，根据当前请求的风险等级，从这四类中随机选取两到三类，并随机赋予不同的尺寸、角度和透明度。攻击者如果只针对某一种噪点形态做了清洗训练，遇到混合形态时识别率会断崖式下跌。

# 噪点形态随机组合示例
import random
import cv2
import numpy as np

def generate_noise_layer(img_shape, risk_score):
    layer = np.zeros(img_shape, dtype=np.uint8)
    noise_types = []
    if risk_score < 30:
        noise_types = ['circle', 'line', 'polygon', 'char_fragment']
    elif risk_score < 60:
        noise_types = random.sample(['circle', 'line', 'polygon'], 2)
    else:
        noise_types = ['circle']
    
    for ntype in noise_types:
        if ntype == 'circle':
            for _ in range(random.randint(50, 200)):
                x, y = random.randint(0, img_shape[1]), random.randint(0, img_shape[0])
                r = random.randint(1, 4)
                cv2.circle(layer, (x, y), r, 255, -1)
        elif ntype == 'line':
            for _ in range(random.randint(10, 40)):
                x1, y1 = random.randint(0, img_shape[1]), random.randint(0, img_shape[0])
                x2, y2 = x1 + random.randint(-20, 20), y1 + random.randint(-20, 20)
                cv2.line(layer, (x1, y1), (x2, y2), 255, random.randint(1, 2))
        elif ntype == 'polygon':
            for _ in range(random.randint(5, 15)):
                pts = np.array([[random.randint(0, img_shape[1]), random.randint(0, img_shape[0])] for _ in range(random.randint(3, 6))])
                cv2.fillPoly(layer, [pts], 255)
        elif ntype == 'char_fragment':
            # 从预存字符笔画库中随机选取碎片叠加
            pass
    return layer

线条干扰是破坏字符连续性的有效手段，但固定粗细和角度的直线很容易被霍夫变换检测并移除。动态调整的核心是让线条的曲率、宽度和灰度都变成变量。我们使用贝塞尔曲线代替直线，控制点坐标在每次生成时随机偏移。线条宽度不再统一为1像素，而是在1到4像素之间随机变化，甚至同一条线的不同段落宽度也可以渐变。更关键的是，线条颜色不再用纯黑或纯白，而是从字符颜色附近±20的灰度范围内取值，这样攻击者用固定阈值二值化时，要么去不掉线，要么连字符一起破坏。对于高风险请求，可以额外叠加1到2条贯穿字符的曲线，直接破坏单个字符的内部结构，让分割算法无法正确切分。

很多OCR系统在预处理阶段会通过傅里叶变换将图像转到频域，滤除周期性噪声后再转回空间域。针对这种防御手段，我们可以在背景中动态注入非周期性的纹理干扰。具体做法是生成一张与验证码等大的随机噪声图，通过高斯滤波模糊后作为底层背景，再叠加一层高频的随机纹理。这两层纹理的叠加权重和模糊半径都根据风险评分动态变化。低频纹理模拟纸张纤维或光照不均，高频纹理模拟印刷网点或传感器噪声。当这两种纹理混合后，频域上不会出现明显的孤立峰值，传统的陷波滤波器难以定位和清除。攻击者如果强行用高斯模糊去噪，字符边缘也会被一并模糊，导致识别率下降。

字符本身的形变是最后一道防线。即使攻击者完美去除了所有外部噪声，如果字符形态本身发生了非线性扭曲，OCR引擎的模板匹配或特征点提取仍然会出错。动态形变可以通过薄板样条插值实现，在字符图像上随机选取若干个控制点，对控制点施加随机位移，再对整个字符进行插值变换。控制点的数量、位移幅度和插值算法中的刚性参数，都纳入动态调整范围。低风险时，控制点2到3个，位移幅度不超过2像素；高风险时，控制点增加到6到8个，位移幅度可达5像素，同时降低刚性参数，允许字符发生更自由的弯曲。这种弹性形变对卷积神经网络的特征提取层干扰极大，因为同一个字符在不同样本中的局部特征位置完全不一致。

以上所有动态参数的调整，需要一个实时决策引擎来统一调度。这个引擎不直接生成验证码，而是根据请求上下文输出一套噪声配置参数，交给验证码生成服务执行。输入信号包括但不限于：IP地址的历史验证码通过率、设备指纹是否在已知攻击库中、页面停留时间、鼠标移动轨迹的熵值、请求频率等。引擎内部维护一个滑动时间窗口的风险计数器，对每个特征进行加权打分。输出是一组键值对，包含noise_density、noise_types、line_curve_degree、texture_intensity、warp_strength等参数。这里有一个关键设计：即使两个请求的风险评分完全相同，输出的参数也不应该相同。我们在每个参数取值时引入一个随机种子，保证相同风险等级下仍然有足够的多样性，防止攻击者通过多次采样建立“风险-噪声”映射表。

攻击者并非一成不变，他们会持续收集新的验证码样本，重新标注并微调模型。如果我们的噪声策略长期不变，攻击者的模型最终会适应。因此，动态调整必须包含时间维度的策略轮换。我们可以预设多套噪声模板，每套模板在噪点形态、线条风格、纹理特征上有明显差异，每周或每两周自动切换一次。切换时不是全量替换，而是逐步灰度，让攻击者难以察觉规律。同时，对线上验证码的通过率进行实时监控，如果某个模板下的通过率突然下降而人工客服反馈正常用户并未抱怨，很可能是攻击者在针对该模板进行集中训练，此时应立即切换到备用模板。这种“猫鼠游戏”式的动态防御，让攻击者的模型训练始终滞后于防御变化。

动态调整噪声的最终目的是拦截机器，而不是折磨人类。我们需要在生成服务中内置一个人眼可读性评估模块。这个模块基于对比度感知和拥挤效应模型，计算噪声叠加后字符的可辨识度分数。当输出的噪声参数组合导致可辨识度低于阈值时，自动降低噪声强度或调整噪声颜色，确保人眼识别时间不超过2秒。同时，对于同一个会话内的用户，如果第一次验证通过，后续请求的噪声强度应该适度降低，避免重复挑战造成体验下降。这种基于会话状态的噪声衰减，既保证了安全，又兼顾了真实用户的流畅感。动态调整不是越强越好，而是在攻击者模型失效的前提下，尽可能保持干净。

部署动态噪声调整后，需要通过A/B测试来量化效果。核心指标不是简单的验证码通过率，而是“机器拦截率”和“用户放弃率”的比值。我们可以在不影响整体流量的情况下，对10%的请求启用动态噪声策略，对比其与固定噪声策略在OCR识别工具上的通过率差异。通常，动态策略能让开源OCR引擎的识别率从固定噪声下的35%左右降至5%以下。同时，要监控用户侧的放弃率，如果放弃率上升超过2个百分点，就需要回调噪声强度。更进一步的优化方向，是将攻击者使用的OCR引擎类型识别出来，针对性地注入该引擎最敏感的噪声类型。例如，某些引擎对笔画宽度变化敏感，我们就加大线条宽度动态范围；某些引擎对字符旋转敏感，我们就增加局部旋转变换。这种对抗性噪声生成，是动态调整的更高阶形态。