論文の概要: An Object Detection based Solver for Google's Image reCAPTCHA v2
- arxiv url: http://arxiv.org/abs/2104.03366v1
- Date: Wed, 7 Apr 2021 19:35:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-10 03:51:15.509185
- Title: An Object Detection based Solver for Google's Image reCAPTCHA v2
- Title（参考訳）: GoogleのイメージreCAPTCHA v2のためのオブジェクト検出に基づくソルバー
- Authors: Md Imran Hossen, Yazhou Tu, Md Fazle Rabby, Md Nazmul Islam, Hui Cao
and Xiali Hei
- Abstract要約: reCAPTCHA v2の最新バージョンのロバスト性を高度なオブジェクト検出ベースのソルバーに対して調査する。
本稿では,recaptcha v2の最も高度な課題を83.25%のオンライン成功率で破る,完全自動オブジェクト検出システムを提案する。
私たちの実験では、これらのセキュリティ機能は自動攻撃に対してある程度の抵抗をもたらすが、敵はいまだにその大部分をバイパスできることを示している。
- 参考スコア（独自算出の注目度）: 4.113128485483219
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Previous work showed that reCAPTCHA v2's image challenges could be solved by
automated programs armed with Deep Neural Network (DNN) image classifiers and
vision APIs provided by off-the-shelf image recognition services. In response
to emerging threats, Google has made significant updates to its image reCAPTCHA
v2 challenges that can render the prior approaches ineffective to a great
extent. In this paper, we investigate the robustness of the latest version of
reCAPTCHA v2 against advanced object detection based solvers. We propose a
fully automated object detection based system that breaks the most advanced
challenges of reCAPTCHA v2 with an online success rate of 83.25%, the highest
success rate to date, and it takes only 19.93 seconds (including network
delays) on average to crack a challenge. We also study the updated security
features of reCAPTCHA v2, such as anti-recognition mechanisms, improved
anti-bot detection techniques, and adjustable security preferences. Our
extensive experiments show that while these security features can provide some
resistance against automated attacks, adversaries can still bypass most of
them. Our experimental findings indicate that the recent advances in object
detection technologies pose a severe threat to the security of image captcha
designs relying on simple object detection as their underlying AI problem.
- Abstract（参考訳）: 以前の研究によると、reCAPTCHA v2のイメージ課題は、Deep Neural Network(DNN)イメージ分類器と、既製の画像認識サービスが提供するビジョンAPIを備えた自動プログラムによって解決可能である。
新たな脅威への対応として、googleはimage recaptcha v2の課題を大幅に更新した。
本稿では,reCAPTCHA v2の高次対象検出に基づく解法に対する最新版reCAPTCHA v2の堅牢性について検討する。
我々は,reCAPTCHA v2の最も先進的な課題をオンラインの成功率83.25%で破る完全自動物体検出ベースシステムを提案し,その課題を解くのに平均19.93秒(ネットワーク遅延を含む)しかかからない。
また,reCAPTCHA v2のセキュリティ機能,例えば認識防止機構,ボット検出技術の改良,セキュリティ設定の調整などについて検討した。
当社の広範な実験によると、これらのセキュリティ機能は自動攻撃に対してある程度の抵抗をもたらすが、敵はいまだにその大部分をバイパスできる。
実験の結果,近年の物体検出技術の進歩は,単純な物体検出を基盤とする画像captcha設計のセキュリティに深刻な脅威をもたらすことが示唆された。
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) - D-CAPTCHA++: A Study of Resilience of Deepfake CAPTCHA under Transferable Imperceptible Adversarial Attack [1.7811840395202345]
近年の研究では、実際の通話と偽の通話を区別するチャレンジ応答プロトコルに基づくD-CAPTCHAシステムを提案する。
本研究では,このシステムのレジリエンスについて検討し,より堅牢なD-CAPTCHA++を導入し,フェイクコールに対する防御を行う。
論文 参考訳（メタデータ） (2024-09-11T16:25:02Z) - WAVES: Benchmarking the Robustness of Image Watermarks [67.955140223443]
WAVES(Watermark Analysis Via Enhanced Stress-testing)は、画像透かしの堅牢性を評価するためのベンチマークである。
我々は,検出タスクと識別タスクを統合し,多様なストレステストからなる標準化された評価プロトコルを確立する。
我々はWAVESを,ロバストな透かしの将来の開発のためのツールキットとして想定する。
論文 参考訳（メタデータ） (2024-01-16T18:58:36Z) - 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) - EnSolver: Uncertainty-Aware Ensemble CAPTCHA Solvers with Theoretical Guarantees [1.9649272351760065]
本研究では, 深層アンサンブル不確実性を利用して分布外CAPTCHAを検出し, スキップする解法であるEnrを提案する。
我々は,解法の有効性に新たな理論的限界を証明し,その応用を最先端のCAPTCHA解法で実証する。
論文 参考訳（メタデータ） (2023-07-27T20:19:11Z) - Surveillance Face Anti-spoofing [81.50018853811895]
Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。
本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。
多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
論文 参考訳（メタデータ） (2023-01-03T07:09:57Z) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳（メタデータ） (2022-07-13T13:59:59Z) - 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) - Deep-CAPTCHA: a deep learning based CAPTCHA solver for vulnerability
assessment [1.027974860479791]
本研究では,CAPTCHAジェネレータシステムの弱点と脆弱性について検討する。
この目的を達成するために,Deep-CAPTCHAと呼ばれる畳み込みニューラルネットワークを開発した。
我々のネットワークのクラック精度は、数値およびアルファ数値テストデータセットの98.94%と98.31%のハイレートにつながる。
論文 参考訳（メタデータ） (2020-06-15T11:44:43Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。