論文の概要: A Usable and Secure Bengali CAPTCHA

• arxiv url: http://arxiv.org/abs/2606.29077v1
• Date: Sat, 27 Jun 2026 20:31:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.779895
• Title: A Usable and Secure Bengali CAPTCHA
• Title（参考訳）: 安全なベンガルCAPTCHA
• Abstract要約: 我々はベンガル語に6つの変種を持つCAPTCHA機構を提案し,実装した。 提案したBengali CAPTCHAは,OCRベースの自動攻撃に対して堅牢なセキュリティを示し,6000の課題において平均文字認識率が0-20%に制限されている。 本設計では,110名を対象に高いユーザビリティを示し,56.25%から90.29%,平均応答時間6.69～9.9秒を達成した。
• 参考スコア（独自算出の注目度）: 0.27998963147546135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-based CAPTCHAs (Completely Automated Public Turing test to tell Computers and Humans Apart) have traditionally been a simple, affordable, lightweight, yet very effective security mechanism to distinguish human users from automated bots on the web, serving as a preventive measure against many cyberattacks. However, the dependence on the English script creates usability issues for non-native speakers, limiting accessibility for regional communities where English is not widely understood. In this work, we have proposed and implemented a text CAPTCHA mechanism with 6 variants on the Bengali language, designed specifically for native Bengali-speaking users, which is the first of its kind to the best of our knowledge. Our proposed Bengali CAPTCHA exhibits robust security against automated OCR-based attacks, limited to only 0-20% average character recognition rate across 6,000 challenges (1,000 per variant approx.). Furthermore, our design demonstrates high human usability, evaluated with 110 participants, achieving success rates of 56.25% to 90.29% and average response times of 6.69 to 9.9 seconds across all six variants, thereby standing out among text-based CAPTCHA benchmarks.
• Abstract（参考訳）: テキストベースのCAPTCHA(Completely Automated Public Turing Test to tell Computers and Humans Apart)は、伝統的に、Web上の自動化ボットと人間のユーザーを区別するためのシンプルで安価で、非常に効果的なセキュリティメカニズムであり、多くのサイバー攻撃に対する予防措置として機能している。 しかし、英語のスクリプトへの依存は、英語が広く理解されていない地域社会のアクセシビリティを制限し、非ネイティブ話者のユーザビリティの問題を引き起こす。 本研究では,ベンガル語を母国語とする利用者を対象に,ベンガル語に6つの変種を付加したCAPTCHA機構を提案し,実装した。 提案したBengali CAPTCHAは,OCRベースの自動攻撃に対して堅牢なセキュリティを示し,6000の課題(変種当たり1,000)で平均文字認識率が0-20%に制限されている。 さらに,110名を対象に高いユーザビリティを示し,56.25%から90.29%,平均応答時間6.69～9.9秒を実現した。

関連論文リスト

• Evaluating Commercial AI Chatbots as News Intermediaries [85.32040752972836]
  ベストシステムは、数時間前に報告されたイベントに関する質問に対して、90%以上の多重選択精度を達成する。 すべてのモデルはヒンディー語で最小の精度を達成する。 原因ではなく検索は エラーの70%以上を 引き起こします
  論文  参考訳（メタデータ） (2026-05-21T17:42:07Z)
• CaptchaMind: Training CAPTCHA Solvers via Reinforcement Learning with Explicit Reasoning Supervision [50.35579781554922]
  CaptchaベースのCaptchaベースのRLMindを導入し、8つのタスクの平均成功率は82.9%、現実世界のインスタンスでは72.9%に達した。 RLMindは8つのタスクで平均成功率82.9%、実世界のインスタンスで平均成功率72.9%を達成し、明確な推論プロセスの監督を訓練した。
  論文  参考訳（メタデータ） (2026-05-19T08:38:44Z)
• ThermoCAPTCHA: Privacy-Preserving Human Verification with Farm-Resistant Traceable Tokens [3.010893618491329]
  本研究では,プライバシ保護型人体認証システムであるThermoCAPTCHAを提案する。 YOLOv4-tinyモデルは、1つの熱捕獲から人間の熱署名を識別する。 プロトタイプは、低電力サーバ上で73.60ミリ秒の検証レイテンシで96.70%の精度で検出する。
  論文  参考訳（メタデータ） (2026-03-06T05:07:53Z)
• Spatial CAPTCHA: Generatively Benchmarking Spatial Reasoning for Human-Machine Differentiation [15.668734718800065]
  本研究では,人間とMLLMの空間的推論における基本的差異を生かした,新しい人間検証フレームワークを提案する。 現代のAIに弱い低レベルの知覚タスクに依存する既存のCAPTCHAとは異なり、空間CAPTCHAは幾何学的推論、視点取り、精神的回転を必要とする動的質問を生成する。 対応するベンチマークであるSpatial-CAPTCHA-Benchでは、人間が10の最先端MLLMをはるかに上回り、最高のモデルは31.0%のPass@1精度しか達成していないことが示されている。
  論文  参考訳（メタデータ） (2025-10-04T16:19:21Z)
• Defensive Adversarial CAPTCHA: A Semantics-Driven Framework for Natural Adversarial Example Generation [48.60492738839292]
  従来のCAPTCHAスキームは、ディープニューラルネットワーク(DNN)を利用した自動攻撃に対してますます脆弱になっている 本稿では,高度に特定された逆例を生成する新しいフレームワークである Unsourced Adversarial CAPTCHA (DAC) を提案する。 標的外攻撃、特にブラックボックスのシナリオでは、双方向非ソース対逆CAPTCHA(BP-DAC)を導入する。
  論文  参考訳（メタデータ） (2025-06-12T13:30:01Z)
• 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)
• Locally Differentially Private Document Generation Using Zero Shot Prompting [61.20953109732442]
  本稿では,DP-Prompt と呼ばれる局所的に異なるプライベートなメカニズムを提案し,作者の匿名化攻撃に対処する。 DP-PromptをChatGPT(gpt-3.5)のような強力な言語モデルで使用すると、匿名化攻撃の成功率の顕著な低下が観察される。
  論文  参考訳（メタデータ） (2023-10-24T18:25:13Z)
• 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)
• Attacks as Defenses: Designing Robust Audio CAPTCHAs Using Attacks on Automatic Speech Recognition Systems [10.825333820047758]
  近年,ロバストで原理駆動型オーディオディフェンスの構築にインスピレーションを与えるために,音声・テキストシステムに対する攻撃について検討している。 本稿では,比較的知的な(ユーザスタディを通じて評価)かつ,自動書き起こしが難しい新しいメカニズムを提案する。 音声サンプルは,音声合成システムにおいてCAPTCHAとして検出される確率が高い。
  論文  参考訳（メタデータ） (2022-03-10T15:04:15Z)
• 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)
• Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for Offensive Language Detection [55.445023584632175]
  我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。 我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
  論文  参考訳（メタデータ） (2020-04-28T11:27:24Z)

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。