SEMI-SUPERVISED DEEP LEARNING APPROACH FOR BREAKING GEOCACHING CAPTCHAS

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU136492" target="_blank" >RIV/00216305:26220/20:PU136492 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

SEMI-SUPERVISED DEEP LEARNING APPROACH FOR BREAKING GEOCACHING CAPTCHAS

Popis výsledku v původním jazyce

For nearly two decades, a substantial part of developed anti-abuse and anti-spam systems for web applications called CAPTCHA is based on imperfections in OCR (Optical Character Recognition) algorithms. But with improvements in Deep Learning in OCR, these systems are now obsolete. More and more systems can now break various text Captchas with great accuracy. Now with sufficient training dataset, almost every text-based Captcha scheme can be broken. The focus of this work is to present an idea of a semi-supervised method for reading text-based Captcha which needs only a small initial dataset. The main part of this article is dealing with the problem of training a deep learning system with only a small sample of target Captcha scheme via transfer learning.

Název v anglickém jazyce

SEMI-SUPERVISED DEEP LEARNING APPROACH FOR BREAKING GEOCACHING CAPTCHAS

Popis výsledku anglicky

For nearly two decades, a substantial part of developed anti-abuse and anti-spam systems for web applications called CAPTCHA is based on imperfections in OCR (Optical Character Recognition) algorithms. But with improvements in Deep Learning in OCR, these systems are now obsolete. More and more systems can now break various text Captchas with great accuracy. Now with sufficient training dataset, almost every text-based Captcha scheme can be broken. The focus of this work is to present an idea of a semi-supervised method for reading text-based Captcha which needs only a small initial dataset. The main part of this article is dealing with the problem of training a deep learning system with only a small sample of target Captcha scheme via transfer learning.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings II of the 26th Conference STUDENT EEICT 2020 - Selected papers

ISBN

978-80-214-5868-0

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

166-170

Název nakladatele

Vysoké učené Technické, Fakulta elektrotechniky a komunikačních technologií

Místo vydání

Brno

Místo konání akce

BRNO

Datum konání akce

23. 4. 2020

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

000598376500039