論文の概要: Capture the Bot: Using Adversarial Examples to Improve CAPTCHA Robustness to Bot Attacks

• arxiv url: http://arxiv.org/abs/2010.16204v2
• Date: Wed, 4 Nov 2020 07:53:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 17:29:36.624547
• Title: Capture the Bot: Using Adversarial Examples to Improve CAPTCHA Robustness to Bot Attacks
• Title（参考訳）: ボットの捕獲:ボット攻撃に対するCAPTCHAロバスト性を改善するための逆例の使用
• Authors: Dorjan Hitaj, Briland Hitaj, Sushil Jajodia, Luigi V. Mancini
• Abstract要約: 本稿では,新しいCAPTCHA方式であるCAPTUREを紹介する。 実験により,CAPTUREは人間による解決が容易なCAPTCHAを生成できることを示した。
• 参考スコア（独自算出の注目度）: 4.498333418544154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To this date, CAPTCHAs have served as the first line of defense preventing unauthorized access by (malicious) bots to web-based services, while at the same time maintaining a trouble-free experience for human visitors. However, recent work in the literature has provided evidence of sophisticated bots that make use of advancements in machine learning (ML) to easily bypass existing CAPTCHA-based defenses. In this work, we take the first step to address this problem. We introduce CAPTURE, a novel CAPTCHA scheme based on adversarial examples. While typically adversarial examples are used to lead an ML model astray, with CAPTURE, we attempt to make a "good use" of such mechanisms. Our empirical evaluations show that CAPTURE can produce CAPTCHAs that are easy to solve by humans while at the same time, effectively thwarting ML-based bot solvers.
• Abstract（参考訳）: これまでCAPTCHAは、(悪意のある)ボットによるWebサービスへの不正アクセスを防ぐと同時に、人間のビジターにとってトラブルのない体験を維持しながら、最初の防衛線として機能してきた。 しかし、文学における最近の研究は、機械学習(ml)の進歩を利用して既存のcaptchaベースの防御を容易にバイパスする高度なボットの証拠を提供している。 この作業では、この問題に対処する第一歩を踏み出します。 本稿では,新しいCAPTCHA方式であるCAPTUREを紹介する。 通常、敵対的な例はMLモデルのアストレイを導くのに使用されるが、CAPTUREでは、そのようなメカニズムの"良い利用"を試みる。 私たちの経験的評価では、captchaは人間が簡単に解くことができると同時に、mlベースのボットソルバを効果的に防ぐことができることが示されています。

関連論文リスト

• Breaking reCAPTCHAv2 [20.706469085872516]
  画像分割と分類のための高度なYOLOモデルを用いて,キャプチャの解法における自動システムの有効性を評価する。 以上の結果から,reCAPTCHAv2のキャプチャを通過させるためには,人間とボットが解決しなければならない課題の数に有意な差はないことが示唆された。
  論文  参考訳（メタデータ） (2024-09-13T13:47:12Z)
• A Survey of Adversarial CAPTCHAs on its History, Classification and Generation [69.36242543069123]
  本稿では, 逆CAPTCHAの定義を拡張し, 逆CAPTCHAの分類法を提案する。 また, 敵CAPTCHAの防御に使用可能な防御方法も分析し, 敵CAPTCHAに対する潜在的な脅威を示す。
  論文  参考訳（メタデータ） (2023-11-22T08:44:58Z)
• My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection [69.99192868521564]
  Twitterのようなソーシャルプラットフォームは、数多くの不正なユーザーから包囲されている。 ソーシャルネットワークの構造のため、ほとんどの手法は攻撃を受けやすいグラフニューラルネットワーク(GNN)に基づいている。 本稿では,ボット検出モデルを欺いたノードインジェクションに基づく逆攻撃手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T03:09:48Z)
• Vulnerability analysis of captcha using Deep learning [0.0]
  本研究ではCAPTCHA生成システムの欠陥と脆弱性について検討する。 これを実現するために、我々は畳み込みニューラルネットワークであるCapNetを開発した。 提案プラットフォームは,数値およびアルファ数値CAPTCHAの両方を評価することができる
  論文  参考訳（メタデータ） (2023-02-18T17:45:11Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Robust Text CAPTCHAs Using Adversarial Examples [129.29523847765952]
  Robust Text CAPTCHA (RTC) という,ユーザフレンドリーなテキストベースのCAPTCHA生成法を提案する。 第1段階では、前景と背景はランダムにサンプルされたフォントと背景画像で構成される。 第2段階では、CAPTCHAの解法をより妨害するために、高転送可能な逆攻撃をテキストCAPTCHAに適用する。
  論文  参考訳（メタデータ） (2021-01-07T11:03:07Z)
• Adversarial EXEmples: A Survey and Experimental Evaluation of Practical Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
  EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。 我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。 これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
  論文  参考訳（メタデータ） (2020-08-17T07:16:57Z)
• Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
  悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。 異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。 本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-11T22:59:59Z)
• Deceiving computers in Reverse Turing Test through Deep Learning [0.0]
  現在、ほとんどのWebサイトやサービスプロバイダは、自分のWebサイトが自動化ボットによってクロールされているかどうかをチェックするプロセスを持っています。 本研究の目的は,CAPTCHAのテキストとして広く使用されているCAPTCHAのサブセットの使用が,人間の顧客を検証するための信頼性の高いプロセスであるかどうかを確認することである。
  論文  参考訳（メタデータ） (2020-06-01T10:11:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。