5)计算图像c的颜色直方图，hist(c)；制作长m宽n的背景图像b；在集合RGBh和RGBI中随机的选择颜色形成一个颜色梯度来填充b，RGBh中包括his@)中最常出现的k种颜色．RGB1包括剩下的颜色；

　　6)制作一个与真的图像面积相似的假的图像f，在集合RGBh和RGB1中随机的选择颜色形成一个颜色梯度来填充f；在f中用RGBh中的颜色画各种各样的图形和线；用RGB1中的颜色改变f中一些区域的像素颜色；如果是基于概念的方法，将I分为4个相同面积的区域，随机的选择一个区域，并放置f在这个区域中，与I。重叠，并保证图片f不完全的覆盖图片I，如果是“最上层”的方法，将I分为4个相同面积的区域，随机的选择一个区域，并放置f在这个区域中，与I重叠，并保证图片f不完全的覆盖图片I；

　　7)继续制作图片f，将f添加到背景图像b，从左上角开始；重复步骤7，直到b被假的图像完全覆盖；·

　　8)使用Floyd—Steinberg抖动算法减少图像b颜色的数量；

　　9)重叠合成的图像c到背景图像b，因为c拥有透明的背景，现在b包含了真的和假的图像；

　　lO)对b使用变形函数(使用不是随机选择的输入参数)；

　　l1)返回图像b和坐标集合D；如果是基于概念的方法，还要返回种别G。

　　该算法在步骤4)和6)进行改进，在4)中，本改进算法使得每一张真的图片都覆盖上一张真的图片的随机的面积，但又不会干扰人类的识别，在6)中，对于完全没有没覆盖的真的图片，本改进算法用一张假的图片来与这张真的图片重叠，从而提高算法的安全性

　　3结论

　　本文分析了拒绝服务攻击的危害和防御方法，描述了人机识别技术的现状和与人机识别相关的知识一图灵机和图灵测试等，在此基础上，本文介绍了Basso等人的基于马赛克图形的人机识别算法，并对该算法进行了分析，发现该算法在描述和安全性方面都存在漏洞和不足．针对这些不足，本文在Basso等人提出的基于马赛克图形的人机识别算法的基础上进行了改进，来提高算法的安全性。