Jan, 2019

对抗性验证码

PDF
TL;DR本研究旨在设计对抗性 CAPTCHA，提高其安全性，同时维持相似的易用性，我们建立了对抗性 CAPTCHA 生成和验证系统，使用了 10 种图像预处理技术，9 种 CAPTCHA 攻击，4 种基线对抗性 CAPTCHA 生成方法，以及 8 种新的对抗性 CAPTCHA 生成方法，并进行扩展的安全性和易用性评估，结果表明，生成的对抗性 CAPTCHA 能够大幅提高普通 CAPTCHA 的安全性，同时保持相似的易用性，我们也开放了 aCAPTCHA 系统源代码、训练模型、数据集和可用性评估界面，以促进 CAPTCHA 安全研究。
adversarial captchasimage preprocessingcaptcha attackssecurity evaluationsusability
发现论文，激发创造
  • 对 Adversarial CAPTCHA 的历史、分类和生成的调查

    通过将敌对示例与 CAPTCHA 结合，生成能够欺骗深度模型的敌对 CAPTCHA，以解决安全性和可用性的权衡问题，本文分类方法并系统回顾生成敌对示例和敌对 CAPTCHA 的常用方法，并分析可用于防御敌对 CAPTCHA 的一些防御方法和潜在威胁，最后探讨了敌对 CAPTCHA 的未来研究方向。

    Nov, 2023

  • 使用深度学习对验证码进行漏洞分析

    该研究旨在调查 CAPTCHA 生成系统中的缺陷和漏洞，以设计更具弹性的 CAPTCHA。通过创建 CapNet，我们提出了一种卷积神经网络平台，旨在评估数字和字母数字 CAPTCHA，从而提高网站的安全性。

    Feb, 2023

  • 攻击即为防御：利用对自动语音识别系统的攻击设计鲁棒音频验证码

    本研究旨在针对当前文字型验证码安全性不足的情况，通过对语音识别技术的攻击论文进行比较分类，提出了一种基于容易理解但难以被自动转录的音频机制验证码来提升 Web 的安全及无障碍性，具有较高的可靠性和难以通过语音转文字技术识别等优势。

    Mar, 2022

  • 面部识别系统中的对抗样本生成方案

    利用自编码器潜在空间和主成分分析，本研究分析面部识别系统对抗性示例的脆弱性以及其对最新系统的规避和冒充攻击的潜在影响。尽管结果没有支持最初的假设，但为对抗性示例的生成带来了新的洞见，并开辟了该领域的新的研究方向。

    Apr, 2024

  • 通过对抗式学习生成多样且准确的视觉描述

    提出一种基于条件生成对抗网络的比较式对抗学习框架，能够在图像描述任务中生成不仅准确而且多样化的描述语句。

    Apr, 2018

  • 基于序列条件的手写文本图像对抗生成

    该研究提出了一种基于生成对抗网络的系统，可以合成手写单词的合成图像，并在将其与现有训练数据集集成后通过改进通用 GAN 体系结构进行离线手写文本识别。

    Mar, 2019

  • 文本对抗样本的生成

    本文提出一种基于文本样本的对抗样本生成算法，通过删除、替换或添加一些关键词来修改原始的文本样本，解决了检测对抗样本的难题，并且通过在 IMDB 电影评论数据集进行实验，证明了本文所提出的方法的有效性。

    Jul, 2017

  • 场景文本识别的自适应对抗攻击

    本文提出了一种自适应攻击（Adaptive Attack）的方法，利用每个任务的不确定性，直接学习自适应多任务的加权方法，以加速来自序列学习任务的对抗攻击方法，并获得了很好的成功率和速度提升，实现了针对场景文本识别的对抗攻击。

    Jul, 2018

  • 人类和机器生成的文本分类词级对抗样本对比

    本研究探讨了在维持语义和语法约束的前提下进行对抗样本攻击的可行性，通过 crowdsourcing 实验发现人类可以通过语义保持的词汇替换生成大量的对抗样本，这些人类生成的对抗样本虽然比最好的算法更加高效，但在自然性、情感及语法方面的表现并不高于最佳算法。

    Sep, 2021

  • 我看到了死人：图像文本模型的灰盒对抗攻击

    本文提出了一种针对图像到文本模型的灰盒对抗攻击方法，并通过实验验证了其有效性。

    Jun, 2023