Vulnerability analysis of captcha using Deep learning

要約

いくつかの Web サイトでは、エンドユーザーが人間であるかロボットであるかを識別するための検証の一種である CAPTCHA (コンピュータと人間を区別するための完全に自動化された公開チューリング テスト) を実装することで、セキュリティを向上させ、危険なインターネット攻撃を回避しています。
最も普及しているタイプの CAPTCHA はテキストベースで、人間には簡単に認識できる一方で、機械やロボットに対しては解決できないように設計されています。
ただし、深層学習テクノロジーが進歩するにつれて、テキストベースの CAPTCHA を予測する畳み込みニューラル ネットワーク (CNN) モデルの開発が容易になります。
この調査の目的は、より回復力のある CAPTCHA を設計するために、CAPTCHA 生成システムの欠陥と脆弱性を調査することです。
これを実現するために、畳み込みニューラル ネットワークである CapNet を作成しました。
提案されたプラットフォームは、数値と英数字の両方の CAPTCHA を評価できます。

要約(オリジナル)

Several websites improve their security and avoid dangerous Internet attacks by implementing CAPTCHAs (Completely Automated Public Turing test to tell Computers and Humans Apart), a type of verification to identify whether the end-user is human or a robot. The most prevalent type of CAPTCHA is text-based, designed to be easily recognized by humans while being unsolvable towards machines or robots. However, as deep learning technology progresses, development of convolutional neural network (CNN) models that predict text-based CAPTCHAs becomes easier. The purpose of this research is to investigate the flaws and vulnerabilities in the CAPTCHA generating systems in order to design more resilient CAPTCHAs. To achieve this, we created CapNet, a Convolutional Neural Network. The proposed platform can evaluate both numerical and alphanumerical CAPTCHAs

arxiv情報

提供元, 利用サービス

arxiv.jp, Google