利用深度学习进行验证码的漏洞分析
密码学与安全
2024-03-21 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
许多网站通过实施 CAPTCHA（全自动区分计算机和人类的图灵测试）来提高安全性并避免危险的互联网攻击，这是一种用于识别最终用户是人类还是机器人的验证方式。最普遍的 CAPTCHA 类型是基于文本的，其设计旨在易于被人类识别，同时对于机器或机器人而言无法解决。然而，随着深度学习技术的进步，开发预测基于文本的 CAPTCHA 的卷积神经网络（CNN）模型变得更加容易。本研究的目的是调查 CAPTCHA 生成系统中的缺陷和漏洞，以便设计更具弹性的 CAPTCHA。为此，我们创建了 CapNet，一个卷积神经网络。所提出的平台可以评估数字和字母数字混合的 CAPTCHA。
引用
@article{arxiv.2302.09389,
title = {Vulnerability analysis of captcha using Deep learning},
author = {Jaskaran Singh Walia and Aryan Odugoudar},
journal= {arXiv preprint arXiv:2302.09389},
year = {2024}
}