文章总结： 本文介绍了一款BurpSuite验证码自动识别插件Killcap，由Java和Python开发，支持普通图形和计算型验证码识别。插件提供ddddocr和AI两种识别模式，AI模式需配合本地大模型如qwen2.5-vl-7b使用，准确率高但速度较慢。文章详细说明了环境配置、模型选择建议及使用方法，旨在解决渗透测试中验证码拦截的痛点。 综合评分： 75 文章分类： 渗透测试,安全工具,AI安全,实战经验

本地离线大模型 Ai+Burp Suite爆破不再手动输验证码 | Killcap-验证码自动识别插件，支持普通验证码和计算型验证码！

lucksec lucksec

渗透测试

2026年7月6日 15:22 贵州

在小说阅读器读本章

去阅读

点击上方蓝字关注【渗透测试】不迷路

1. Burp Suite 验证码自动识别插件，由 Java+Python 双语言开发（Java 63.9%

   、Python 36.1%），核心解决渗透测试中验证码拦截、爆破需手动输入验证码的痛点，支持普通图形验证码、数学计算验证码，兼容 JSON 接口提取 UUID 等附加参数。

2. 识别效果：

测试环境

操作系统：Microsoft Windows 11 家庭中文版, 版本 10.0.26100CPU：13th Gen Intel(R) Core(TM) i7-13700HX内存：32.0 GB显卡：NVIDIA GeForce RTX 4060 Laptop GPULM Studio 本地离线大模型 Ai："qwen/qwen2.5-vl-7b"BurpSuite_Pro_V2026.6

架构

┌─────────────┐     HTTP      ┌─────────────┐     API      ┌─────────────┐│  Burp Suite │ ──────────── │  server.py  │ ──────────── │  LLM Model  ││   插件      │   :8899      │  OCR服务端   │   :1234     │  本地大模型  │└─────────────┘              └─────────────┘              └─────────────┘

文件说明

| 文件 | 说明 | | — | — | | BurpExtender.java | Burp 插件源码，负责拦截请求、调用 OCR 服务、替换验证码 | | server.py | Python OCR 服务端，负责获取验证码图片、调用大模型识别、返回结果 | | killcap_v1.0.jar | 编译好的 Burp 插件 |

识别模式

1. ddddocr 模式（默认）

OCR_MODE = "ddddocr"

• 优点：速度快（毫秒级），无需额外配置
• 缺点：准确率一般，对复杂验证码效果差
• 适用：简单验证码、批量爆破、对速度要求高

2. AI 模式

OCR_MODE = "ai"AI_API_URL = "http://127.0.0.1:1234/v1/chat/completions"AI_API_KEY = "sk-lm-xxx"AI_MODEL = "qwen/qwen2.5-vl-7b"

• 优点：准确率高，支持复杂验证码
• 缺点：速度慢（秒级），需要本地大模型
• 适用：复杂验证码、计算型验证码、对准确率要求高

切换模式

修改 server.py 顶部配置：

# 使用 ddddocrOCR_MODE="ddddocr"# 使用 AIOCR_MODE="ai"

推荐模型

| 模型 | 参数量 | 显存需求 | 速度 | 准确率 | 说明 | | — | — | — | — | — | — | | qwen2.5-vl-7b | 7B | 8GB | 快 | 高 | 推荐首选，中文识别效果好 | | qwen2.5-vl-3b | 3B | 4GB | 很快 | 中 | 轻量级，显存不足时使用 | | gemma-3-4b-it | 4B | 6GB | 快 | 中 | Google 出品，英文效果好 | | internvl2-8b | 8B | 10GB | 中 | 很高 | 识别准确率最高 | | minicpm-v-2.6 | 8B | 10GB | 中 | 很高 | 中文识别效果极佳 |

模型选择建议

• 显存 8GB 以下

  ：qwen2.5-vl-3b 或 gemma-3-4b-it

• 显存 8-12GB

  ：qwen2.5-vl-7b（推荐）

• 显存 12GB 以上

  ：internvl2-8b 或 minicpm-v-2.6

LM Studio 配置

1. 下载安装 LM Studio
2. 搜索并下载推荐模型（如 qwen2.5-vl-7b）
3. 启动本地服务（默认端口 1234）
4. 修改 server.py 配置：

OCR_MODE = "ai"AI_API_URL = "http://127.0.0.1:1234/v1/chat/completions"AI_API_KEY = "lm-studio"  # LM Studio 默认 keyAI_MODEL = "qwen/qwen2.5-vl-7b"  # 根据实际模型名称修改

其他本地模型平台

| 平台 | 说明 | | — | — | | LM Studio | 推荐，GUI 界面，支持多平台 | | Ollama | 命令行工具，轻量级 | | LocalAI | 兼容 OpenAI API | | vLLM | 高性能推理引擎 |

普通验证码模式

| 模式 | 说明 | 适用场景 | | — | — | — | | 纯整数0-9 | 只保留数字 | 纯数字验证码，如 1234 | | 纯小写a-z | 只保留小写字母 | 纯小写验证码，如 abcd | | 纯大写A-Z | 只保留大写字母 | 纯大写验证码，如 ABCD | | 大小写英文 | 保留大小写字母 | 大小写混合验证码，如 aBcD | | 小写+数字 | 保留小写字母和数字 | 小写+数字验证码，如 a1b2 | | 大写+数字 | 保留大写字母和数字 | 大写+数字验证码，如 A1B2 | | 大小写+数字 | 保留大小写字母和数字 | 最常见的验证码类型，如 a1B2 | | 默认字符库 | 使用 ddddocr 默认字符库 | 不确定验证码类型时使用 |

示例：

• 验证码是 1234 → 选择 纯整数0-9
• 验证码是 abcd → 选择 纯小写a-z
• 验证码是 a1B2 → 选择 大小写+数字
• 验证码是 3+1=? → 选择 计算型验证码
• 验证码在响应 JSON 中 → 选择 不识别，配合高级模式提取

使用方法

1. 安装依赖

# ddddocr 模式pip3 install ddddocr requests# AI 模式pip3 install requests pillow

2. 启动 OCR 服务端

python3 server.py

3. 加载 Burp 插件

1. 打开 Burp Suite → Extender → Extensions
2. 点击 Add → 选择 killcap_v1.0.jar
3. 确认插件加载成功

Web 监控界面

访问 http://127.0.0.1:8899 可查看：

• 验证码图片
• 识别结果
• 时间戳
• 验证码类型
• 当前识别模式（ddddocr/ai）

项目地址：https://github.com/lucksec/killcap

🎁文中工具获取方式

👇关注公众号，后台回复关键词 ” 0706 “获取👇

✅使用反馈

🎁获取方式(加入付费星球)

客服支持 💬：24小时在线解答，不怕有问题！

💎终身使用权：购买即可获得星球所有工具的永久使用权，终身使用所有工具及未来升级版本。

🖥️ 多设备支持：所有工具采用一机一码授权，支持多台自用电脑激活，灵活无忧。

🏆一次购买，终身受益！享受无忧售后服务、技术支持与永久更新

星球介绍

自研工具、二开工具、免杀工具、漏洞复现、教程等资源、漏洞挖掘分析、网络安全相关资料分享。

【实战】针对在某次医疗项目中关于C/S架构系统的渗透测试小TIPS 附工具

【实战】捡漏几个短信验证码接口的逻辑漏洞与实战案例分享

【流量分析】基于 AI 自然语言的流量审计：Wireshark 抓包文件 Web 攻击检测识别特征分析全流程

【红队必备】｜HeapDump 敏感信息提取工具，一键扒光 Spring 内存泄露数据

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：渗透测试 lucksec lucksec《本地离线大模型 Ai+Burp Suite爆破不再手动输验证码 | Killcap-验证码自动识别插件，支持普通验证码和计算型验证码！》