EnSolver：具有理论保证的不确定性感知集成 CAPTCHA 求解器
计算机视觉与模式识别
2024-07-01 v2 密码学与安全
摘要
基于文本的 CAPTCHA 作为保护网站免受自动化机器人攻击的安全机制的普及，促进了对 CAPTCHA 求解器的研究，旨在了解其失败案例并随后使 CAPTCHA 更加安全。最近提出的求解器建立在深度学习的进步之上，甚至能够以高准确率破解非常具有挑战性的 CAPTCHA。然而，这些求解器在包含与训练集中不同视觉特征的分布外样本上通常表现不佳。此外，它们缺乏检测和避免此类样本的能力，使得它们在多次尝试失败后容易被防御系统锁定。在本文中，我们提出了 EnSolver，这是一族使用深度集成不确定性来检测并跳过分布外 CAPTCHA 的 CAPTCHA 求解器，使其更难被检测到。我们证明了我们的求解器有效性的新理论界限，并展示了它们与 SOTA CAPTCHA 求解器的结合使用。我们的实验表明，所提出的方法在破解同时包含分布内和分布外样本的 CAPTCHA 数据集时表现良好。
关键词
引用
@article{arxiv.2307.15180,
title = {EnSolver: Uncertainty-Aware Ensemble CAPTCHA Solvers with Theoretical Guarantees},
author = {Duc C. Hoang and Behzad Ousat and Amin Kharraz and Cuong V. Nguyen},
journal= {arXiv preprint arXiv:2307.15180},
year = {2024}
}
备注
A previous version of this paper was presented at the Epistemic Uncertainty - E-pi UAI 2023 Workshop