一种用于CAPTCHA设计的神经-符号方法
计算与语言
2018-09-27 v2
摘要
基于文本读取的CAPTCHA由于深度学习(DL)近期的显著进展而易受基于机器学习的攻击。为此，本文提倡基于图像/视觉描述生成的CAPTCHA，其对基于机器学习的攻击具有鲁棒性。为开发基于图像/视觉描述生成的CAPTCHA，本文利用张量积表示(TPR)——认知科学中过去20年发展的结构化神经-符号框架——提出一种新的图像描述生成架构，旨在将DL与显式语言结构和规则相集成。我们称之为张量积生成网络(TPGN)。TPGN的关键思想是：1)通过基于TPR的深度神经网络无监督学习词的角色解绑向量；2)将TPR与典型DL架构（包括长短期记忆(LSTM)模型）相集成。我们方法的新颖性在于其能够通过以无监督方式获得的角色解绑向量来生成句子并提取句子的部分语法结构。实验结果证明了所提方法的有效性。
引用
@article{arxiv.1710.11475,
title = {A Neural-Symbolic Approach to Design of CAPTCHA},
author = {Qiuyuan Huang and Paul Smolensky and Xiaodong He and Li Deng and Dapeng Wu},
journal= {arXiv preprint arXiv:1710.11475},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1709.09118