Quebrando Captchas en programa web

[Jaru]

vengo a los buenos svcianos programadores y pensadores elevados para ver si me pueden ayudar (o mejor aun, unirse a mi) para descifrar captchas por medio de algun metodo de programacion.

la idea es descifrar los captchas de la pagina de envio de mensajes de movistar [link] para poder enviar la form con el codigo del captcha incluido sin tener que introducirlo manualmente.

Si hay alguien por ahi que ya haya hecho esto de forma exitosa y en promedio util, pues se le agradecerá nos comparta su experiencia.

aqui hay ejemplos de lo que se debe romper.

He probado servicios web que reciben la imagen y regresan en texto lo descifrado, para evitar usar métodos externos, me gustaria algo propio, algo que pueda configurar e instalar en mi servidor web, de preferencia PHP o en PERL

[vlad]

Telefonica es el mas facil, imagemagick y gocr hacen el truco, y esto quedo demostrado en sms.todosv.com en el que funciono por mas de 2 meses, la desventaja es que es una operacion intensiva para el CPU/RAM y mi PC no soportaba procesar tanto mensaje

Ahorita solo estoy esperando tener listo un VPS para ponerlo a funcionar nuevamente, asi que telefonica puedo decir que esta
listo, el que esta mas dificil es el de Digicel que aun no logro mas del 25% de aciertos.

Respecto al codigo no lo publico porque siempre que pongo algo asi, a los 5 dias cambian el sistema los de telefonica

[Jaru]

Telefonica es el mas facil, imagemagick y gocr hacen el truco, y esto quedo demostrado en sms.todosv.com en el que funciono por mas de 2 meses, la desventaja es que es una operacion intensiva para el CPU/RAM y mi PC no soportaba procesar tanto mensaje

Ahorita solo estoy esperando tener listo un VPS para ponerlo a funcionar nuevamente, asi que telefonica puedo decir que esta
listo, el que esta mas dificil es el de Digicel que aun no logro mas del 25% de aciertos.

Respecto al codigo no lo publico porque siempre que pongo algo asi, a los 5 dias cambian el sistema los de telefonica

yo el de digicel lo hago por email

ya vi a quien preguntarle por el código entonces

[vlad]

yo el de digicel lo hago por email

ya vi a quien preguntarle por el código entonces

De hecho estoy mas que seguro que te lo envie, pero tu me dijiste que habias borrado ese MP

[Jaru]

alguna solucion en PHP para reconocer caracteres?

[vlad]

nop, seria muy lento hacerlo en puro PHP. Lo que yo hacia era usar GOCR y usar en PHP exec() para llamarlo

Usaba Imagick para quitar el color gris de la imagen y listo!

[Jaru]

mira pero como instalo GOCR  en un hosting que estoy pagando?
no se puede?

[vlad]

He ahi el problema, solo podrias en un dedicado o en un VPS.

Yo lo que hacia era que desde sms.todosv.com enlazaba a la PC de mi casa, que mandaba el mensaje y solo le devolvia a sms.todosv.com si se envio o no.

El problema es que no aguanto la carga mi pobre conexion (hace unos 2 años, cuando era 512Kbps) y la mitad del tiempo pasabada colapsado.

[Jaru]

alguna solucion alterna?

[ENIGMAXG2]

Yo he visto un sistema (en Linux, no se si estará para otros S.O.) que se llama Tesseract

http://es.wikipedia.org/wiki/Tesseract_OCR

[vlad]

El Tesseract tambien necesita ser instalado, por lo que conlleva el mismo problema que GOCR

[salvadoresc]

que tantos recursos te gasta vlad?

[vlad]

que tantos recursos te gasta vlad?

Aprox. 5MB de RAM (gocr+imagick+proceso de php) y 15KB por cada segundo que dure el envio.

El problema es que por la latencia de las conexiones y mi ancho de banda se llegaban a amontonar hasta 100 envios simultaneos, ocupando 500MB de RAM ya mi conexion de 0.5MB no podia dar abasto a los 1.5MB necesarios constantemente de ancho de banda.

Cuando llego a 26K visitas diarias colapsaba cada media hora o cada hora la pobre maquina.

[salvadoresc]

y no hay alguna forma que identifiques los captchas y la almacenes en base da datos para no tener que estar usando el ocr cada ves... asi las que ya fueron identificadas no tengan que ser identificadas de nuevo creo que asi podrias reducirle carga al server solo seria las primeras veces las que requeriria hacer el procedimiento.

el captcha no trae algun nombre de imagen o alguna variable con la que se pueda identificar cuando vuelve a salir la misma

[ENIGMAXG2]

el captcha no trae algun nombre de imagen o alguna variable con la que se pueda identificar cuando vuelve a salir la misma

Calculando el Hash o MD5 podría ser (lo que hace el ares pues, que identifica varias fuentes de un archivo aunque haya gente que lo tiene con nombres distintos).