机器验证中使用加减混合运算可以在一定程度上增加自动化脚本的攻击难度，但无法单独提供足够的安全防护。以下是详细分析：

1、加减混合运算的优缺点
优点：
简单有效：对纯爬虫或低复杂度自动化工具可能有效，尤其是缺乏OCR能力的脚本。
实现成本低：开发简单，无需依赖第三方服务。
用户体验尚可：人类用户容易理解，输入门槛低。

缺点：
易被破解：
OCR技术：现代OCR库（如Tesseract）或预训练模型能轻松识别图片中的数字和运算符。
表达式解析：攻击者可通过正则表达式或算式解析库（如`eval`）自动计算答案。
机器学习：通过训练模型识别运算图片（如CNN），可自动化破解。
缺乏动态性：静态的运算题目可能被预先计算并存储答案，形成“答案库”攻击。
规模限制：题目数量有限时，暴力枚举可能生效（如两位数加减仅有几百种组合）。

2、增强验证的建议
若需使用运算验证，建议结合以下措施：
动态生成题目：每次验证使用随机数（如`rand(1,100) + rand(1,50)`），避免重复。
干扰元素：在图片中加入噪点、扭曲文本或背景干扰线，增加OCR难度。
行为分析：检测用户交互（如鼠标移动、点击时间）区分人类与机器。
多因素验证：组合其他方式（如滑块验证、短信验证码、ReCAPTCHA等）。

3、更安全的替代方案
reCAPTCHA（Google）：基于用户行为和风险分析，支持无障碍模式。
hCaptcha：隐私友好的验证服务，提供图像分类等任务。
WebAuthn：基于生物识别或硬件密钥的无密码验证。

结论
单纯依赖加减混合运算无法有效防御机器验证，需作为多层安全策略的一部分。对于关键操作（如登录、支付），建议使用成熟的第三方验证服务。