验证码识别新姿势：用Python+ddddocr给captcha-killer插件配个免费OCR引擎

验证码识别技术实战：Python+ddddocr与captcha-killer的高效组合方案

验证码识别一直是安全测试中的痛点问题。传统商业OCR服务价格昂贵，而自研识别算法又需要大量训练数据。今天要介绍的这套组合方案，或许能成为预算有限的安全研究人员的福音——用Python轻量级OCR库ddddocr为captcha-killer插件提供本地化识别服务，既免去了API调用费用，又能获得不错的识别准确率。

这套方案特别适合以下场景：

• 企业内部安全测试需要批量验证码识别
• 个人学习研究不愿投入过多成本
• 需要快速搭建验证码识别服务原型
• 对识别准确率要求中等但预算有限的项目

1. 环境准备与工具安装

1.1 基础组件安装

首先需要确保系统中已安装Python环境（建议3.6-3.8版本）。过高的Python版本可能会导致兼容性问题，这也是许多初学者容易踩的坑。我曾在Python 3.10环境下遇到模块导入错误，降级到3.8后问题立即解决。

安装ddddocr推荐使用阿里云镜像加速：

pip install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com ddddocr aiohttp

验证安装是否成功：

import ddddocr ocr = ddddocr.DdddOcr() print(ocr.classification(b'验证码图片字节流'))

1.2 captcha-killer插件配置

从GitHub获取最新版captcha-killer-modified：

git clone https://github.com/f0ng/captcha-killer-modified cd captcha-killer-modified pip install -r requirements.txt

启动识别服务：

python codereg.py

正常启动后终端会显示服务监听端口（默认5000）。如果遇到空白页面，大概率是Python版本兼容问题，建议使用conda创建虚拟环境：

conda create -n captcha python=3.8 conda activate captcha

2. 验证码识别服务调优

2.1 多类型验证码处理策略

ddddocr支持多种验证码类型识别，但需要根据实际情况选择合适模板：

在实际测试中，对于4-6位纯数字验证码，ddddocr的识别准确率甚至可以超过部分商业API。但对于严重扭曲或带干扰线的验证码，可能需要额外预处理。

2.2 性能优化技巧

通过以下参数调整可以提升识别效率：

ocr = ddddocr.DdddOcr( show_ad=False, # 关闭广告显示 use_gpu=False, # 无GPU时可关闭 charsets='alphanumeric' # 指定字符集 )

注意：首次运行时会自动下载模型文件（约15MB），确保网络通畅

对于批量识别任务，建议复用OCR实例而非频繁创建：

# 正确做法 - 单实例复用 ocr = ddddocr.DdddOcr() results = [ocr.classification(img) for img in image_batch] # 错误做法 - 每次新建实例 results = [ddddocr.DdddOcr().classification(img) for img in image_batch]

3. 与BurpSuite的深度集成

3.1 插件配置实战

在BurpSuite中配置captcha-killer的关键步骤：

1. 安装插件后，进入"Captcha-killer"标签页
2. 设置接口URL为http://localhost:5000/ocr（默认端口）
3. 根据验证码类型选择匹配模板
4. 测试连接确保服务正常

常见问题排查表：

3.2 渗透测试中的实战应用

在爆破测试中，captcha-killer的典型工作流程：

1. 拦截包含验证码的HTTP请求
2. 右键验证码图片→"Send to Captcha-killer"
3. 插件自动获取并识别验证码
4. 将识别结果填入原始请求

高级技巧：结合Intruder模块时，建议使用"Pitchfork"攻击类型，为验证码和密码字段分别设置Payload：

• 密码字段：字典文件
• 验证码字段：captcha-killer扩展

这样组合既保证了攻击效率，又自动处理了验证码变更问题。在我的实际测试中，这种配置相比纯字典攻击成功率提升显著。

4. 进阶应用与替代方案

4.1 自定义模型训练

虽然ddddocr开箱即用，但对于特定样式的验证码，可以尝试微调模型：

1. 收集1000+目标验证码样本
2. 使用labelme等工具标注
3. 修改模型参数重新训练

训练代码框架：

from ddddocr import DdddOcr ocr = DdddOcr( train=True, train_path='./train_data', test_path='./test_data', epochs=10 ) ocr.train() ocr.save('custom_model.onnx')

4.2 备选技术方案对比

当ddddocr识别率不足时，可以考虑以下替代方案：

在最近的一次企业安全评估中，我们先用ddddocr处理了约70%的验证码，剩余难以识别的30%通过Tesseract二次识别，最终整体识别率达到85%以上，相比纯商业API方案节省了约90%的成本。

这套组合方案最大的优势在于平衡了成本与效率。虽然可能无法达到商业API的识别精度，但对于大多数安全测试场景已经足够。更重要的是，它让验证码识别不再是一个"黑盒子"，安全人员可以完全掌控识别流程，根据实际需求灵活调整。