简介：本文系统探讨了防止图片中文字被OCR引擎提取的技术方案。首先从图像处理层面介绍了噪点、干扰线等常规物理干扰手段及其局限性；随后提出“跨域密码本”加密逻辑，通过分离密文与密钥实现高阶防识别。结合通用云存储与API网关服务，为开发者提供了兼具工程落地与安全合规的防 OCR 实践指南。
在各类业务场景中，平台为了合规与风控，通常会对用户发布的图片进行严格的文字提取审查。OCR（光学字符识别）技术的不断演进，使得常规的文字伪装手段逐渐失效。作为开发者或产品架构师，如何通过技术手段与逻辑设计，有效阻断 OCR 引擎对图片中特定敏感信息（如联系方式、密钥等）的提取，成为了一个值得深入探讨的技术命题。
本文将从物理图像干扰与逻辑跨域加密两个维度，系统梳理避免图中文字被 OCR 识别的应对策略。
物理图像干扰是最直接的防御手段，其核心思路是通过破坏图像的像素特征，增加 OCR 引擎的预处理与字符分割难度。然而，随着 AI 识图模型的鲁棒性提升，单一的干扰手段已难以奏效，必须采用组合拳。
1. 像素级噪点与干扰线注入
在图像二值化处理之前，OCR 引擎通常依赖清晰的字符边缘进行特征提取。开发者可以通过图像处理库（如 OpenCV 或 PIL）在文字区域随机叠加高频噪点或设定特定角度的干扰曲线。这种干扰会切断字符的连通域，迫使 OCR 引擎在去噪阶段消耗大量算力或直接丢失字符特征。
2. 字符扭曲与多色渲染
标准的 OCR 模型对水平排列、单一颜色的文字识别率极高。通过将文字进行非线性的几何扭曲（如正弦波变形），并采用与背景色相近的低对比度渐变色进行渲染，可以有效破坏 OCR 的行分割与字分割算法。但需要注意的是，这种做法也会影响真实用户的阅读体验，通常需要配合前端交互（如鼠标悬停放大）来平衡。
3. 背景纹理融合
将文字图层与复杂的自然背景图像（如风景照、织物纹理）进行深度融合，利用背景的随机性掩盖文字的边界特征。相比于纯色背景加噪点，复杂背景能够欺骗部分基于深度学习的 OCR 模型，使其将文字误识别为背景中的普通纹理。
尽管物理干扰在一定程度上有效，但当前的 AI 识图引擎已经具备了极强的抗干扰能力。现代 OCR 技术不仅集成了卷积神经网络（CNN）进行特征降维，还引入了循环神经网络（RNN）或 Transformer 架构来理解上下文语义。
这意味着，即便图片中的文字被严重扭曲或部分遮挡，AI 依然能够通过残存的像素特征和语言模型推导出完整的内容。例如，面对一段被干扰的 API 秘钥，AI 可能会通过已知的秘钥格式（如特定前缀、长度和字符集）进行自动补全和纠错。因此，单纯依赖“在图片上做手脚”已经无法提供足够的安全保障，必须上升到逻辑层面的对抗。
当物理层面的伪装被 AI 轻易穿透时，我们可以转换思路：不再试图让 AI “看不清”文字，而是让 AI “看懂了也无法理解”。这就是跨域密码本加密的核心思想。
1. 跨域加密的基本原理
跨域加密的关键在于将“密文”与“解密钥”分离在不同的载体或系统中。对于图片而言，我们可以将敏感信息（如手机号码）转化为一组看似无规则的数字或符号序列，并将其写在图片上。而这组序列的解密规则（即密码本）则存放在用户的心理认知、线下实体或另一个独立的系统中。
例如，图片上仅展示如下数字矩阵：
39 1 647 5 149 8 15
对于任何 OCR 引擎而言，这只是一堆毫无语义的数字组合，根本无法触发针对手机号或秘钥的风控规则。只有在获取到对应的密码本后，人类才能将其还原为真实信息。
2. 密码本的构建与应用
密码本的构建方式极其灵活。一种经典的做法是利用公开的文学著作（如某首长篇古诗词、特定版本的某字典）作为密码本。将图片上的每组数字设定为三个维度：例如“第X页、第Y行、第Z个字”。
在实际业务中，这种方案虽然安全性极高，但在用户体验上存在门槛。为了兼顾可用性，开发者可以设计更加轻量级的密码本。例如，利用用户私有的某个短链接跳转规则，或者通过简单的字符偏移映射表来进行编解码。
3. 进阶变种：文本隐写与文学伪装
如果平台的风控策略不仅审查图片，还禁止发送包含大量无规则数字的图片，我们可以采用文本隐写术。将敏感信息编码进一段具有正常语义的文字中。
例如，将手机号的每一位数字对应到某篇古典辞赋中特定句子的第几个字。对外呈现的是一首完整的古诗词，AI 识图后认为这是一段正常的文学内容，从而放行。而接收方只需按照约定规则，提取对应位置的字，再通过字形或笔画数还原出数字即可。这种逻辑欺骗不仅绕过了 OCR 的字符提取，更骗过了 AI 的语义分析模型。
在真实的企业级应用中，防 OCR 识别并不仅仅是单张图片的处理问题，而是涉及到内容分发、风控对抗与合规存储的系统工程。结合通用的云原生架构，可以构建一套高可用的信息传递链路。
1. 通用云存储与动态图片生成
当需要向用户下发含有敏感信息的图片时，不应在本地生成并静态存储，而是应依托通用云对象存储服务结合函数计算能力。在请求触发时，动态生成带有干扰逻辑或密码本编码的图片，并通过 CDN 节点返回给客户端。这保证了每次下发的图片噪点与干扰线特征都是随机的，防止 OCR 模型通过积累同类样本进行模型微调训练。
2. API 网关与风控策略隔离
在跨域密码本方案中，如果密码本需要通过接口下发，应将其与业务主流程隔离。利用通用 API 网关服务，对密码本查询接口设置严格的鉴权机制与访问频次限制，防止恶意爬虫批量获取密码本进行离线破解。同时，通过日志服务与监控告警，一旦发现异常的图片识别请求激增，可以动态调整图片的干扰强度或临时切换密码本映射规则。
3. 离线解码的合规性考量
值得注意的是，跨域密码本的离线特性是其安全的核心。密码本本身不应在公网暴露，甚至不应在任何云端留存明文。在工程实现中，可以引导用户通过端侧计算（如小程序内的本地 JS 逻辑）进行解码，确保密钥始终处于“离线”或“端侧”状态，彻底切断云端 OCR 与风控系统的探测路径。
对抗 OCR 识别是一场持续的技术博弈。从早期的像素级物理干扰，到如今基于跨域密码本的逻辑欺骗，防御手段正在向更深层次的系统架构演进。作为开发者，我们应摒弃单一的防抓取思维，综合运用图像处理技术与信息论中的加密隔离思想，在保障业务信息顺畅传递的同时，有效维护数据的私密性与安全性。