1、近年來，眾商業(yè)網(wǎng)站相繼使用驗證碼技術。驗證碼技術作為提高網(wǎng)站安全的一個重要手段，可以成功解決如垃圾郵件的攻擊、批量注冊分發(fā)被盜資源、在線投票系統(tǒng)上的虛假投票，暴力破解賬戶密碼等等一系列安全問題?，F(xiàn)在大部分驗證碼通過復雜扭曲形變、空心等技術可以極大地增加破解難度，但卻導致用戶體驗度大幅下降，從而面臨失去網(wǎng)站用戶的危險，這時行為式驗證碼應運而生。而行為式驗證又因其存在數(shù)據(jù)庫小和操作路徑有規(guī)律可循的缺點也無法成功抵擋機器人的進一步攻擊。所以，

2、一方面，為了保證用戶體驗度良好，同時提高行為式驗證碼被機器破解的難度，我們提出一種滑塊游戲驗證碼。該驗證碼識別難度大，實驗表明它比一般的行為式驗證碼更受用戶歡迎。另一方面，深度學習是現(xiàn)在驗證碼識別的主流方向，但它的高識別率依賴于海量樣本數(shù)，為了降低訓練成本，本文提出一種基于小樣本的驗證碼識別方法，引入主動學習策略，通過樣本復用減少初始訓練集，并結合相對熵的概念進行不確定性的計算，提高準確率。
　　本研究主要內(nèi)容包括：⑴針對現(xiàn)在行為

3、式驗證碼存在的數(shù)據(jù)庫小和操作路徑有規(guī)律可循的問題，提出一種新的驗證碼，包括首先生成背景圖片，加入4個隨機生成的字符和數(shù)字、噪點、干擾線，由此生成基準圖片，并給基準圖片隨機編號；然后，以基準圖片為母板，生成多幅扭曲的圖片，并給新生成扭曲的圖片編號，與基準圖片按照編號組成一張長圖發(fā)送給客戶端，用戶拖動長圖挑選出基準圖片以此進行驗證。該驗證方法，能有效阻止機器人攻擊且不需要通過傳統(tǒng)鍵盤輸入。⑵針對現(xiàn)在驗證識別存在的樣本量大成本高的問題，引入主