스위스 취리히 연방공과대학(ETH Zurich)의 AI 연구원 3명이 Google의 reCAPTCHAv2 인간 테스트 시스템을 해결하기 위해 AI 기반 사진 처리 모델을 수정했습니다.

Andreas Plesner, Tobias Vontobel 및 Roger Wattenhofer는 YOLO(You Only Look Once) 사진 처리 모델을 수정하여 시도할 때마다 Google의 CAPTCHA를 해결할 수 있는 새로운 모델을 개발했습니다.그들의종이에서 이용 가능합니다arXiv사전 인쇄 서버.

지난 수십 년 동안 웹 사이트 관리자는 자율 봇이 액세스하여 문제를 일으키는 것을 방지하는 기술을 사용해 왔습니다.한 가지 접근 방식은 컴퓨터와 인간을 구분하는 완전 자동화된 공개 튜링 테스트라는 모델이었습니다. CAPTCHA로 더 널리 알려진 이 모델은 웹 사이트 관리자가 로그인 프로세스에 애플릿을 쉽게 추가할 수 있었습니다.

2007년에 Google은 reCAPTCHAv2라는 최신 업데이트가 포함된 자체 버전의 애플릿을 출시했습니다.다른 CAPTCHA와 마찬가지로 Google에서는 사용자가 통과하려면 지정된 이미지를 클릭해야 합니다.

이 새로운 노력에서 스위스 팀은 Google의 CAPTCHA 통과 기능을 제공하기 위해 기존 AI 모델을 수정하는 데 많은 노력이 필요하지 않다는 것을 발견했습니다.

이 작업에는 자동차, 교량 및 차량과 같이 reCAPTCHAv2에서 일반적으로 사용되는 개체를 인식하도록 YOLO 모델을 수정하는 작업이 포함되었습니다.교통 신호등.그런 다음 동일한 유형의 물체에 대한 수천 장의 사진을 통해 훈련했습니다.

테스트 결과 reCAPTCHAv2는 다른 CAPTCHA와 마찬가지로 여러 번의 시도를 허용하므로 모델이 100% 정확할 필요는 없는 것으로 나타났습니다.이를 통해 모델은 테스트할 때마다 CAPTCHA 테스트를 통과할 수 있었습니다.연구원들은 새 모델이 첫 번째 이미지에서 실패하더라도 두 번째 퍼즐을 통과할 것이라는 사실을 발견했습니다.그들은 또한 모델이 퍼즐을 통과하도록 가르치는 데 13개의 객체 범주만 필요하다는 점에 주목했습니다.

모델에 대한 추가 테스트에서는 마우스 추적이나 브라우저 기록과 같은 기능으로 수정된 더욱 정교한 CAPTCHA를 속일 수 있다는 사실이 밝혀졌습니다.이 발견은 의심할 여지 없이 AI 시스템이 속일 수 없는 CAPTCHA를 만들기 위한 새로운 연구로 이어질 것입니다.

© 2024 사이언스 X 네트워크