基于图片验证码的验证方法及装置与流程

1.本公开涉及计算机
技术领域：
：，尤其涉及网络安全
技术领域：
：，具体涉及一种基于图片验证码的验证方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术：
：：2.验证码是一种用于区分用户是计算机还是人的公共全自动程序，常被应用于各种app及网站，可以用来防止恶意破解密码、刷票、论坛灌水、爬虫等，具有重要的实际应用价值。目前常见的验证码包括字符型验证码、滑块型验证码、文字点选型验证码等多种。但是，随着深度学习技术的快速发展，这些验证码很容易被神经网络模型自动识别，这可能会导致目前的验证方法无法实现区分程序和人的目的。3.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。技术实现要素：4.本公开提供了一种基于图片验证码的验证方法及装置、电子设备、计算机可读存储介质和计算机程序产品。5.根据本公开的一方面，提供了一种基于图片验证码的验证方法，包括：从预先构建的包含多个验证语句的语句库和包含多张验证图片的图片库中分别选取多个目标验证语句以及与多个目标验证语句对应的多张目标验证图片，其中，语句库中的每个验证语句由多个关键词生成，并且，图片库中的每张验证图片根据语句库中对应的一个验证语句的语义生成；根据多个目标验证语句以及多张目标验证图片生成验证问题；以及响应于确定用户执行与验证问题相关联的操作，确定验证成功。6.根据本公开的另一方面，提供了一种基于图片验证码的验证装置，包括：选取单元，配置成从预先构建的包含多个验证语句的语句库和包含多张验证图片的图片库中分别选取多个目标验证语句以及与多个目标验证语句对应的多张目标验证图片，其中，语句库中的每个验证语句由多个关键词生成，并且，图片库中的每张验证图片根据语句库中对应的一个验证语句的语义生成；生成单元，配置成根据多个目标验证语句以及多张目标验证图片生成验证问题；以及确定单元，配置成响应于确定用户执行与验证问题相关联的操作，确定验证成功。7.根据本公开的又一方面，还提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的方法。8.根据本公开的又一方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述的方法。9.根据本公开的又一方面，还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行上述的方法。10.根据本公开的一个或多个实施例，形成验证码的验证图片可以由包含多个关键词的验证语句生成，因此，验证图片将具有更加复杂的复合语义。这种验证图片不容易被人工智能所识别，因此提高了网络验证的可靠性。11.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明12.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。13.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；14.图2示出了根据本公开的实施例的基于图片验证码的验证方法的流程图；15.图3示出了根据本公开的实施例的生成语句库中的验证语句的方法的流程图；16.图4示出了根据本公开的实施例的删除语义重复的验证语句的方法的流程图；17.图5示出了根据本公开的实施例的从语句库中选取多个目标验证语句的方法的流程图；18.图6示出了根据本公开的实施例的验证问题界面的示意图；19.图7示出了根据本公开的实施例的生成验证问题的方法的流程图；20.图8示出了根据本公开的实施例的基于图片验证码的验证装置的结构框图；以及21.图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。具体实施方式22.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。23.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。24.在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。25.下面将结合附图详细描述本公开的实施例。26.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。27.在本公开的实施例中，服务器120可以运行使得能够执行基于图片验证码的验证方法的一个或多个服务或软件应用。28.在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)模型下提供给客户端设备101、102、103、104、105和/或106的用户。29.在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。30.用户可以使用客户端设备101、102、103、104、105和/或106来接入网络并访问相关的网站。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息，例如，在用户访问某网页之前显示验证问题等。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。31.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如microsoftwindows、appleios、类unix操作系统、linux或类linux操作系统(例如googlechromeos)；或包括各种移动操作系统，例如microsoftwindowsmobileos、ios、windowsphone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。32.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、区块链网络、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。33.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。34.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。35.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。在一些实施方式中，服务器120可以包括一个或多个应用程序，例如，基于图像、视频、语音、文本、数字信号等数据的目标检测与识别、信号转换等服务的应用程序，以处理从客户端设备101、102、103、104、105和/或106接收的操作指令、交互等任务请求。服务器可以根据具体的深度学习任务，利用训练样本训练神经网络模型，并且可以对神经网络模型的超网络模块中的各个子网络进行测试，根据各个子网络的测试结果，确定用于执行深度学习任务的神经网络模型的结构和参数。可以将各种数据作为深度学习任务的训练样本数据，如图像数据、音频数据、视频数据或文本数据等。在神经网络模型的训练完成后，服务器120还可以通过模型搜索技术自动搜索出最优模型结构来执行相应的任务。36.在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtualprivateserver)服务中存在的管理难度大、业务扩展性弱的缺陷。37.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如验证语句和验证图片的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。38.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。39.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。40.图2示出了根据本公开实施例的基于图片验证码的验证方法200的流程图。如图2所示，方法200包括：41.步骤210，从预先构建的包含多个验证语句的语句库和包含多张验证图片的图片库中分别选取多个目标验证语句以及与多个目标验证语句对应的多张目标验证图片，其中，语句库中的每个验证语句由多个关键词生成，并且，图片库中的每张验证图片根据语句库中对应的一个验证语句的语义生成；42.步骤220，根据多个目标验证语句以及多张目标验证图片生成验证问题；以及43.步骤230，响应于确定用户执行与验证问题相关联的操作，确定验证成功。44.根据本公开的一个或多个实施例，形成验证码的验证图片可以由包含多个关键词的验证语句生成，因此，验证图片将具有更加复杂的复合语义。这种验证图片不容易被人工智能所识别，因此提高了网络验证的可靠性。45.在步骤210中之前，可以分别对语句库和图片库进行构造。在后续服务器120多次生成验证码的过程中，可以直接从构建好的语句库和图片库中选取验证语句和验证图片，无需在每次验证时重复构建上述语句库和图片库。46.在构造语句库时，可以预先在数据库130中设置一个关键词库，该关键词库中可以包含大量的关键词，这些关键词包括但不限于名词、动词、形容词等具有实际语义的词。名词类关键词例如可以包括物品类名词(例如：汽车、飞机、电视、书等名词)、动物类名词(例如：猫、狗、鸟等名词)和建筑类名词(例如：图书馆、电视塔、宫殿)等等。动词类关键词例如可以包括：奔跑、等待、注视、跳跃等动词。形容词类关键词例如可以包括颜色类形容词(例如：红色、黄色、绿色)等等、形容状态的形容词(例如：站着的、坐着的等)以及形容心情的形容词(例如：高兴、失望等)等等。然后可以从该关键词库中选择若干关键词，利用这些关键词生成一个验证语句。验证语句除了包含这些选取的关键词之外，还可以包括一些不具备实际语义的虚词(例如：正在、着、过等)。上述选择的若干关键词之间可以具有一定的关联度，以避免后续出现不符合常理的验证语句。例如在其中一个关键词选取名词“狗”的情况下，其他关键词需要与名词“狗”相关联，例如可以是形容词“白色”、动词“跳跃”等。47.在一些实施例中，可以将选择的若干关键词输入到训练好的语言模型中生成验证语句。语言模型具有语义增强功能，可以对孤立的若干关键词进行语句填充，以生成一个完整的语句。在一些实施例中，相同的多个关键词可以利用语言模型生成多个不同的验证语句，这些验证语句可以具有相近但是不完全相同的语义。通过上文描述的方式，可以通过排列组合多个关键词构成多个关键词组合，每个关键词组合都包含能够生成验证语句的多个关键词，利用多个关键词组合即可以生成多个验证语句。后续这些验证语句可以存储在云服务器的相关数据库130中构成语句库，以备用于后续生成验证码图片。48.在构造图片库时，图片库中的每张验证图片均由语句库中的一个验证语句生成，换句话说，图片库中的验证图片的数量和语句库中的验证语句的数量相同，并且，图片库中的每张验证图片均与语句库中的一个验证语句相对应。在一些实施例中，可以将验证语句输入到文生图模型中，以生成对应的验证图片。文生图模型能够根据验证语句中所包含的语义生成相关联的图像，例如，验证语句为“他的小狗开心地在草地上奔跑，寻找着新鲜的食物。”那么，文生图模型将生成包含对应语义画面的图片。49.如上文所述，图片库中的每张验证图片均与语句库中的一个验证语句相对应，因此在步骤210中，可以基于对应关系，从语句库和图片库中选取相对应的多个目标验证语句以及多张目标验证图片。在一些实施例中，可以在存储语句库和图片库的数据库130中对每个验证语句和每张验证图片进行编号，相对应的验证语句和验证图片可以具有相同的编号，以便于在步骤210中进行选取。50.在步骤220中，例如可以选择4个目标验证语句以及对应的4张目标验证图片以生成验证问题。在一些实施例中，可以向用户显示4个目标验证语句，并且显示多于4张的验证图片，这些验证图片除了包含上述4张目标验证图片，还另外包含若干张来自图片库的其他多张验证图片。验证问题可以是提示用户进行相关的点选操作，例如可以是提示用户从上述多于4张的验证图片中选择出符合上述4个目标验证语句的语义的4张目标验证图片。在一些实施例中，还可以以第一顺序向用户显示4个目标验证语句，并且同时显示上述4张目标验证图片。验证问题可以是提示用户以要求的顺序进行相关的点选操作，例如可以是提示用户按照第一顺序依次选择出符合上述4个目标验证语句的语义的4张目标验证图片。51.虽然在上述实施例中，可以选择4个目标验证语句以及对应的4张目标验证图片以生成验证问题，但是在另外一些实施例中，可以根据验证问题所需的难易程度选择数量更多或更少的目标验证语句和目标验证图片来生成验证问题，并且验证问题可以提示用户以不同于上述点选操作的方式进行操作。52.图3示出了根据本公开实施例的生成语句库中的验证语句的方法300的流程图。如图3所示，该方法300包括：53.步骤310，从预先构建的关键词库中选择多个关键词，多个关键词至少包括名词、动词和形容词；以及54.步骤320，将多个关键词输入语句生成模型中以生成语句库中的一个验证语句。55.在步骤310中，为了使得生成的验证语句具有更复杂的语义，多个关键词可以至少包括名词、动词和形容词。例如，在一些实施例中，名词例如可以是“小狗”，动词可以是“奔跑”，形容词可以是“开心的”，最终由这些关键词生成的验证语句为“他的小狗开心地在草地上奔跑”。通过设置三种不同类型的关键词，可以使得生成的验证语句具有更复杂的语义，从而使得后续生成的验证图片更加难以被人工智能或神经网络识别，提高了验证码的验证可靠性。56.在步骤320中，将多个关键词输入语句生成模型中以生成语句库中的一个验证语句包括：将多个关键词输入预先设置好的语句生成模型的prompt模板中，以生成该验证语句。具体地，可以设计适合大语言模型(如：chatgpt、文心一言)的prompt模板，在模板填入上述关键词后，大语言模型可以生成符合要求的描述语句。将在关键词词库中选取到的“名词、动词、形容词”词组放入到prompt模板中构建prompt。后续可以训练和构建大语言模型；利用大语言模型和构建的prompt生成符合要求的验证语句。这些验证语句后续会被用于生成验证图片，并且这些验证语句本身也是验证码的一部分。57.在一些实施例中，在构建包含多个验证语句的语句库之后还包括：删除多个验证语句中语义重复的至少一个验证语句。本领域技术人员可以理解，由于语句库中的验证语句是通过语言模型获取到的，语言模型将生成大量的验证语句，这些验证语句中可能存在语义重复的语句。若后续选取了这些语义重复的验证语句作为目标验证语句，那么有可能对接受验证的用户造成迷惑。例如，语句库中可能同时存在以下两个验证语句，“他的小狗开心地在草地上奔跑”，以及“宠物犬高兴地跃过草地”，这两个验证语句后续生成的验证图片也可能十分接近，这就导致用户难以区分。为了避免上述问题，可以主动删除语义重复的至少一个验证语句。58.图4示出了根据本公开实施例的删除语义重复的验证语句的方法400的流程图，如图4所示，方法400包括：59.步骤410，利用语言模型对多个验证语句分别进行特征编码；60.步骤421，针对多个验证语句中的任意两个验证语句：计算两个验证语句的特征编码之间的相似度；以及61.步骤422，响应于确定相似度大于第一相似度阈值，删除两个验证语句中的一个验证语句。62.在步骤410中，可以利用语言模型(如：bert等)的编码器对生成的验证语句进行特征编码，从而得到验证语句在特征空间中的特征向量。63.在步骤421中，可以在上述特征空间中利用cos距离计算不同语句特征编码的相似度，一般而言，在特征空间中特征向量距离越近的两个验证语句，它们的相似度越高。64.在步骤422中，若两个验证语句的相似度大于第一相似度阈值，则判定它们为重复语义的两个语句。上述第一相似度阈值可以根据应用验证码的实际应用场景进行设定。后续可以去除上述两个验证语句中的一个验证语句，以避免出现语义重复或相似度过高的验证语句。65.在本实施例中，通过计算特征编码的相似度，能够更加准确地判断哪些是语义重复的验证语句，以避免出现验证语句的误删除或者对语义重复的验证语句删除不彻底的问题。66.在一些实施例中，生成图片库中的每张验证图片的过程包括：将语句库中对应的一个验证语句输入到文生图模型中以生成该验证图片。具体地，可以预先训练和构建文生图模型；将前述得到的验证语句输入文生图模型(例如：文心一格、stablediffusion等)，生成对应描述的图片。在本实施例中，可以通过文生图模型生成验证图片，因此无需人为制作或拍摄符合验证语句语义的图片，从而有效节省了人工成本。67.图5示出了根据本公开实施例的从语句库中选取多个目标验证语句的方法500的流程图。如图5所示，方法500包括：68.步骤510，利用语言模型对多个验证语句分别进行特征编码；以及69.步骤520，从多个验证语句中选取特征编码的相似度小于第二相似度阈值的多个验证语句，以作为多个目标验证语句。70.可以理解，在语句库中存在一些语义十分近似的验证语句，这些验证语句后续生成的验证图片也可能十分接近，这就导致用户在验证阶段难以区分。若后续选取了这些语义十分接近的验证语句作为目标验证语句，那么有可能对接受验证的用户造成疑惑。因此，在一些实施例中，在从语句库中选取多个目标验证语句时，可以刻意选取相似程度较低的验证语句，以避免导致用户难以区分。71.在步骤510中，可以利用语言模型(如：bert等)的编码器对将要选取的验证语句进行特征编码，从而得到验证语句在特征空间中的特征向量。72.在步骤520中，可以通过与上述方法400中的步骤421相类似的方式确定特征编码的相似度，即，可以在上述特征空间中利用cos距离计算不同语句特征编码的相似度，一般而言，在特征空间中特征向量距离越近的两个验证语句，它们的相似度越高。73.在确定出各个验证语句的特征向量的相似度之后，可以使用相似度较小，即，语义差别较大的验证语句和验证图片，避免对后续接受验证的用户造成干扰。74.下面将结合图6详细说明验证问题的生成界面。图6示出了根据本公开实施例的验证问题界面的示意图；图7示出了根据本公开的实施例的根据多个目标验证语句以及多张目标验证图片生成验证问题的方法700的流程图，如图7所示，方法700包括：75.步骤710，以预设顺序显示多个目标验证语句，并且显示多张目标验证图片；以及76.步骤720，显示提示操作语句，以提示用户执行与验证问题相关联的操作，其中，提示操作语句包括提示用户以与预设顺序相对应的顺序点选多张目标验证图片。77.如图6所示，用于进行验证的相关的交互界面(例如用户终端的交互界面)可以显示如图所示的多个目标验证语句以及多张目标验证图片。示例性地，目标验证语句以及目标验证图片的数量均可以为4个。4个目标验证语句例如包括：1.“他的小狗开心地在草地上奔跑，寻找着新鲜的食物”；2.“他的小狗开心地在门口奔跑，等待着主人回家”；3.“他的小狗开心地在花园里奔跑，嗅着花香和草地的气息”；以及4.“我的朋友的狗开心地在森林里奔跑，嗅着树叶和草地的味道”。在显示出4个目标验证语句之后或同时，还显示出4张目标验证图片，这4张目标验证图片中的每张图片与上述4个目标验证语句中的一个目标验证语句相对应，并展示与该目标验证语句的语义相符的图像，如图6所示。78.随后，交互界面还显示出提示操作语句，以提示用户执行与验证问题相关联的操作。例如，在图6所示的实施例中，提示操作语句可以是“请依次点击最符合下面四句描述的图像”。在交互界面生成完毕整个验证问题之后，用户可以进行相关的点击操作。在本实施例中，当用户依次点击左上、右上、左下以及右下的验证图片之后即可通过验证。这里需要注意的是，多张目标验证图片是以随机排列的方式进行显示的，即，多张目标验证图片的排列顺序可以与多个目标验证语句的排列顺序相同或不同。79.上述验证码可以在用户由第一网络界面跳转到第二网络界面的时候生成，以保证相关的网络的安全访问，防止非法程序侵入到第二网络界面。在用户在验证界面通过上述验证之后，即可以进入用户预期的第二网络界面。80.根据本公开的另一个方面，还提供了一种基于图片验证码的验证装置。图8示出了根据本公开实施例的基于图片验证码的验证装置800的结构框图。如图8所示，装置800包括：选取单元830，配置成从预先构建的包含多个验证语句的语句库和包含多张验证图片的图片库中分别选取多个目标验证语句以及与多个目标验证语句对应的多张目标验证图片，其中，语句库中的每个验证语句由多个关键词生成，并且，图片库中的每张验证图片根据语句库中对应的一个验证语句的语义生成；生成单元840，配置成根据多个目标验证语句以及多张目标验证图片生成验证问题；以及确定单元850，配置成响应于确定用户执行与验证问题相关联的操作，确定验证成功。81.在一些实施例中，装置800还包括语句构建单元810，配置成构建语句库，其中，语句构建单元810包括：选择模块，配置成从预先构建的关键词库中选择多个关键词，多个关键词至少包括名词、动词和形容词；以及生成模块，配置成将多个关键词输入语句生成模型中以生成语句库中的一个验证语句。82.在一些实施例中，生成模块还配置成：将多个关键词输入预先设置好的语句生成模型的prompt模板中，以生成该验证语句。83.在一些实施例中，验证装置800还包括：删除单元，配置成在构建语句库之后，删除多个验证语句中语义重复的至少一个验证语句。84.在一些实施例中，删除单元包括：第一编码模块，配置成利用语言模型对多个验证语句分别进行特征编码；计算模块，配置成针对多个验证语句中的任意两个验证语句：计算两个验证语句的特征编码之间的相似度；以及删除模块，配置成响应于确定相似度大于第一相似度阈值，删除两个验证语句中的一个验证语句。85.在一些实施例中，装置800还包括图片构建单元820，配置成根据语句库构建图片库，其中，图片构建单元820还配置成：对于每张验证图片：将语句库中的验证语句输入到文生图模型中以生成对应的验证图片。86.在一些实施例中，选取单元830包括：第二编码模块，配置成利用语言模型对多个验证语句分别进行特征编码；以及选取模块，配置成从多个验证语句中选取特征编码的相似度小于第二相似度阈值的多个验证语句，以作为多个目标验证语句。87.在一些实施例中，生成单元840包括：第一显示模块，配置成以预设顺序显示多个目标验证语句，并且显示多张目标验证图片；以及第二显示模块，配置成显示提示操作语句，以提示用户执行与验证问题相关联的操作，其中，提示操作语句包括提示用户以与预设顺序相对应的顺序点选多张目标验证图片。88.应当理解，图8中所示装置800的各个单元可以与参考图2描述的方法200中的各个步骤相对应。由此，上面针对方法200描述的操作、特征和优点同样适用于装置800及其包括的单元和模块。为了简洁起见，某些操作、特征和优点在此不再赘述。89.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。90.根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。91.参考图9，现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。92.如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(rom)902中的计算机程序或者从存储单元908加载到随机访问存储器(ram)903中的计算机程序，来执行各种适当的动作和处理。在ram903中，还可存储设备900操作所需的各种程序和数据。计算单元901、rom902以及ram903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。93.设备900中的多个部件连接至i/o接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。94.计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如基于图片验证码的验证方法。例如，在一些实施例中，基于图片验证码的验证方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由rom902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到ram903并由计算单元901执行时，可以执行上文描述的基于图片验证码的验证方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于图片验证码的验证方法。95.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。96.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。97.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。98.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。99.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。100.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。101.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。102.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。当前第1页12当前第1页12
技术特征：
1.一种基于图片验证码的验证方法，包括：从预先构建的包含多个验证语句的语句库和包含多张验证图片的图片库中分别选取多个目标验证语句以及与所述多个目标验证语句对应的多张目标验证图片，其中，所述语句库中的每个验证语句由多个关键词生成，并且，所述图片库中的每张验证图片根据所述语句库中对应的一个验证语句的语义生成；根据所述多个目标验证语句以及所述多张目标验证图片生成验证问题；以及响应于确定用户执行与所述验证问题相关联的操作，确定验证成功。2.根据权利要求1所述的验证方法，还包括：构建所述语句库，其中，所述构建所述语句库包括：从预先构建的关键词库中选择所述多个关键词，所述多个关键词至少包括名词、动词和形容词；以及将所述多个关键词输入语句生成模型中以生成所述语句库中的一个验证语句。3.根据权利要求2所述的验证方法，其中，所述将所述多个关键词输入语句生成模型中以生成所述语句库中的一个验证语句包括：将所述多个关键词输入预先设置好的所述语句生成模型的prompt模板中，以生成该验证语句。4.根据权利要求2所述的验证方法，还包括：在所述构建所述语句库之后，删除所述多个验证语句中语义重复的至少一个验证语句。5.根据权利要求4所述的验证方法，其中，所述删除所述多个验证语句中语义重复的至少一个验证语句包括：利用语言模型对所述多个验证语句分别进行特征编码；针对所述多个验证语句中的任意两个验证语句：计算所述两个验证语句的特征编码之间的相似度；以及响应于确定所述相似度大于第一相似度阈值，删除所述两个验证语句中的一个验证语句。6.根据权利要求1-5中任一项所述的验证方法，还包括：根据所述语句库构建所述图片库，其中，所述根据所述语句库构建所述图片库包括：将所述语句库中的验证语句输入到文生图模型中以生成对应的验证图片。7.根据权利要求1-5中任一项所述的验证方法，其中，从所述语句库中选取多个目标验证语句包括：利用语言模型对所述多个验证语句分别进行特征编码；以及从所述多个验证语句中选取特征编码的相似度小于第二相似度阈值的多个验证语句，以作为所述多个目标验证语句。8.根据权利要求1-5中任一项所述的验证方法，其中，所述根据所述多个目标验证语句以及所述多张目标验证图片生成验证问题包括：以预设顺序显示所述多个目标验证语句，并且显示所述多张目标验证图片；以及显示提示操作语句，以提示用户执行与所述验证问题相关联的操作，其中，所述提示操作语句包括提示用户以与所述预设顺序相对应的顺序点选所述多张目标验证图片。
9.一种基于图片验证码的验证装置，包括：选取单元，配置成从预先构建的包含多个验证语句的语句库和包含多张验证图片的图片库中分别选取多个目标验证语句以及与所述多个目标验证语句对应的多张目标验证图片，其中，所述语句库中的每个验证语句由多个关键词生成，并且，所述图片库中的每张验证图片根据所述语句库中对应的一个验证语句的语义生成；生成单元，配置成根据所述多个目标验证语句以及所述多张目标验证图片生成验证问题；以及确定单元，配置成响应于确定用户执行与所述验证问题相关联的操作，确定验证成功。10.根据权利要求9所述的验证装置，还包括：语句构建单元，配置成构建所述语句库，其中，所述语句构建单元包括：选择模块，配置成从预先构建的关键词库中选择所述多个关键词，所述多个关键词至少包括名词、动词和形容词；以及生成模块，配置成将所述多个关键词输入语句生成模型中以生成所述语句库中的一个验证语句。11.根据权利要求10所述的验证装置，其中，所述生成模块还配置成：将所述多个关键词输入预先设置好的所述语句生成模型的prompt模板中，以生成该验证语句。12.根据权利要求10所述的验证装置，还包括：删除单元，配置成在构建所述语句库之后，删除所述多个验证语句中语义重复的至少一个验证语句。13.根据权利要求12所述的验证装置，其中，所述删除单元包括：第一编码模块，配置成利用语言模型对所述多个验证语句分别进行特征编码；计算模块，配置成针对所述多个验证语句中的任意两个验证语句：计算所述两个验证语句的特征编码之间的相似度；以及删除模块，配置成响应于确定所述相似度大于第一相似度阈值，删除所述两个验证语句中的一个验证语句。14.根据权利要求9-13中任一项所述的验证装置，还包括：图片构建单元，配置成根据所述语句库构建所述图片库，其中，所述图片构建单元还配置成：对于每张验证图片：将所述语句库中的验证语句输入到文生图模型中以生成对应的验证图片。15.根据权利要求9-13中任一项所述的验证装置，其中，所述选取单元包括：第二编码模块，配置成利用语言模型对所述多个验证语句分别进行特征编码；以及选取模块，配置成从所述多个验证语句中选取特征编码的相似度小于第二相似度阈值的多个验证语句，以作为所述多个目标验证语句。16.根据权利要求9-13中任一项所述的验证装置，其中，所述生成单元包括：第一显示模块，配置成以预设顺序显示所述多个目标验证语句，并且显示所述多张目标验证图片；以及第二显示模块，配置成显示提示操作语句，以提示用户执行与所述验证问题相关联的
操作，其中，所述提示操作语句包括提示用户以与所述预设顺序相对应的顺序点选所述多张目标验证图片。17.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。

技术总结
本公开提供了一种基于图片验证码的验证方法及装置，涉及计算机技术领域，尤其涉及网络安全技术领域。实现方案为：从预先构建的包含多个验证语句的语句库和包含多张验证图片的图片库中分别选取多个目标验证语句以及与多个目标验证语句对应的多张目标验证图片，其中，语句库中的每个验证语句由多个关键词生成，并且，图片库中的每张验证图片根据语句库中对应的一个验证语句的语义生成；根据多个目标验证语句以及多张目标验证图片生成验证问题；以及响应于确定用户执行与验证问题相关联的操作，确定验证成功。确定验证成功。确定验证成功。


技术研发人员：王国秋 王洋 包沉浮 田伟娟 崔恺旭 周光照 吕中厚 黄英仁 张华正 高梦晗
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2023.05.29
技术公布日：2023/8/9