Geleerden hebben nog een andere manier om tekst gebaseerde CAPTCHA-systemen te verslaan met behulp van een machine learning algoritme geïdentificeerd. De nieuwe “captcha solver” methode is ontwikkeld door wetenschappers van de Britse Lancaster University, China's Northwest University en de Universiteit van Peking. De werkwijze is gebaseerd op het concept van het zogenaamde generatieve tegenspraak network (BEIDE).
Het nieuwe algoritme is de meest effectieve oplosser van captcha beveiliging en authenticatie systemen tot nu toe. Het kan letterlijk nederlaag versies van de tekst captcha's die op grote schaal worden ingezet om websites te verdedigen.
Wat is een generatieve tegenspraak netwerk?
Generatieve wederhoor netwerken zijn een klasse van kunstmatige intelligentie algoritmen die worden gebruikt in onbewaakte machine learning, uitgevoerd door een stelsel van twee neurale netwerken betwisting met elkaar in een nulsomspel kader. De methode kan foto's die op zijn minst kijken oppervlakkig authentiek menselijke waarnemers te genereren, het hebben van veel realistische kenmerken.
Waarom zijn ze genoemd tegenspraak? Kortom, GAN diep neuraal netwerk architecturen bestaat uit twee netten, pitting tegen elkaar, en dus zijn ze hoor en wederhoor genoemd. Het potentieel van deze netwerken is enorm, omdat ze kunnen leren op enige uitkering van de gegevens na te bootsen, deskundigen zeggen. Bovendien, a-GAN gebaseerde algoritme hoeft niet zo veel data punten te trainen als de indeling machine learning algoritmes nodig. En het kan nog steeds presteren zeer nauwkeurig.
Hoe werkt de-GAN gebaseerde captcha solver algoritme werk?
Bij deze methode wordt het aanleren van een captcha generator programma om grote aantallen van de opleiding captcha's die niet te onderscheiden zijn van echte captcha's te produceren, academici uitgelegd. https://www.lancaster.ac.uk/sci-tech/about-us/news/new-attack-could-make-website-security-captchas-obsolete Ze worden gebruikt om snel te trainen een oplosser, dat vervolgens wordt gezuiverd en getest tegen echte captcha.
Hoe kan dit algoritme worden gebruikt door aanvallers?
Door het gebruik van een machine geleerd automatische captcha generator bedreiging acteurs kan de inspanning en tijd aanzienlijk te verminderen, die nodig is om te vinden en captchas handmatig coderen om hun software te trainen. Dit is inderdaad de manier waarop de wetenschappers erin geslaagd.
Deze-GAN gebaseerd captcha solver vereist slechts 500 echte captcha, in plaats van de miljoenen die normaal nodig zou zijn om effectief te trainen een aanval programma, de onderzoekers toegevoegd. Wat is meer, de innovatieve solver is makkelijk te herbouwen, en kan gebruikt worden tegen nieuwe of gewijzigde captcha's. Het maakt niet veel menselijke tussenkomst nodig hebben om te werken.
De captcha solver werd getest op 33 captcha's. 11 van de regelingen worden ingezet door een aantal van 's werelds meest populaire websites, zoals eBay, Wikipedia en Microsoft. Je kan verwijzen naar het rapport voor verdere details.
In 2016, drie onderzoekers, Suphannee Sivakorn, Jason Polakis, en Angelos D. Keromytis in geslaagd om een geautomatiseerde aanval die met succes kunnen ontwerpen [wplinkpreview url =”https://sensorstechforum.com/facebooks-and-googles-captchas-defeated/”]breken de CAPTCHA van Google en Facebook. Om te slagen, de expert trio toegepaste verschillende “trucs” om de CAPTCHA's te verslaan. Zij gebruikten ook machine learning te achterhalen van de juiste CAPTCHA antwoord. T
Milena Dimitrova
Een bevlogen schrijver en contentmanager die sinds de start van het project bij SensorsTechForum werkt. Een professional met 10+ jarenlange ervaring in het creëren van boeiende inhoud. Gericht op de privacy van gebruikers en malware ontwikkeling, ze gelooft sterk in een wereld waar cybersecurity speelt een centrale rol. Als het gezond verstand heeft geen zin, ze zullen er zijn om aantekeningen te maken. Deze toelichtingen kunnen later om te zetten in artikelen! Volg Milena @Milenyim
Volg mij: