Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/3182
Title: Avaliando a eficiência de CAPTCHAs baseados em texto usando redes neurais convolucionais.
Authors: Matozinhos, Saymon Junio
metadata.dc.contributor.advisor: Satler, Mateus Ferreira
metadata.dc.contributor.referee: Satler, Mateus Ferreira
Hott, Bruno Cerqueira
Maia, Lucinéia Souza
Melo, Victor Hugo Cunha de
Keywords: Aprendizado do computador
CAPTCHA - teste de resposta ao desafio
Inteligência artificial
Redes neurais - computação
Teste de Turing
Issue Date: 2021
Citation: MATOZINHOS, Saymon Junio. Avaliando a eficiência de CAPTCHAs baseados em texto usando redes neurais convolucionais. 2021. 44 f. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2021.
Abstract: Captchas baseados em texto são frequentemente utilizados em websites como um mecanismo de proteção contra ataques automatizados. Diversos métodos têm sido propostos para solucioná-los, mas muitos com limitada aplicabilidade. Neste trabalho é proposto um modelo de rede neural convolucional que é simples de implementar e tem baixo custo computacional, para solucionar e avaliar a eficiência de captchas baseados em texto. O modelo foi testado em 7 esquemas de captchas, incluindo os gerados por duas bibliotecas populares e foi capaz de solucionar todos os esquemas com acurácia variando de 86,2% a 100%. O modelo proposto pode ser treinado sem alterar o processo ou os parâmetros de treinamento, e diferentemente de outras abordagens utilizando redes neurais convolucionais, é capaz de solucionar captchas com texto de tamanho variável sem depender de técnicas de segmentação de imagens ou de ser combinado com uma rede neural recorrente. Considerando-se a aplicabilidade do modelo proposto, os resultados que foram obtidos reforçam a ideia de que esse tipo de captcha pode não ser um mecanismo de proteção adequado.
metadata.dc.description.abstracten: Text-based captchas are often used on websites as a protection mechanism against automated attacks. Several methods have been proposed to solve them, but many with limited applicability. This work proposes a convolutional neural network model that is simple to implement and has low computational cost, to solve and evaluate the efficiency of text-based captchas. The model was tested on 7 captcha schemes, including those generated by two popular libraries and was able to solve all schemes with accuracy ranging from 86,2% to 100%. The proposed model can be trained without changing the training process or parameters, and unlike other approaches using convolutional neural networks, it is capable of solving captchas with variable text length without relying on image segmentation techniques or being combined with a recurrent neural network. Considering the applicability of the proposed model, the results that have been obtained reinforce the idea that this type of captcha may not be an adequate protection mechanism.
URI: http://www.monografias.ufop.br/handle/35400000/3182
Appears in Collections:Engenharia de Computação JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_AvaliandoEficiênciaCAPTCHAs.pdf2,26 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons