CAPTCHA識別器可識別94.4%的暗網(wǎng)CAPTCHA

作者：ang010ela 2022-01-21 11:50:00

研究人員提出基于機(jī)器學(xué)習(xí)的CAPTCHA識別器，可以識別94.4%的暗網(wǎng)CAPTCHA。

當(dāng)前，網(wǎng)絡(luò)攻擊和數(shù)據(jù)泄露等網(wǎng)絡(luò)犯罪數(shù)量指數(shù)級增長。因此，使暗網(wǎng)變得更加透明對于針對性的網(wǎng)絡(luò)攻擊防御具有重要意義。研究人員想要創(chuàng)建一個將網(wǎng)絡(luò)威脅情報(bào)流水線化處理的系統(tǒng)，這就需要系統(tǒng)能夠識別當(dāng)前需要手動識別的CAPTCHA驗(yàn)證碼。

CAPTCHA(Completely Automated Public Turing test to tell Computers and Humans Apart，全自動區(qū)分計(jì)算機(jī)和人類的圖靈測試)的目的是區(qū)分計(jì)算機(jī)和人類的一種程序算法，是一種區(qū)分用戶是計(jì)算機(jī)和人的計(jì)算程序，這種程序必須能生成并評價(jià)人類能很容易通過但計(jì)算機(jī)卻通不過的測試。

DW-GAN

暗網(wǎng)CAPTCHAs

為了保護(hù)暗網(wǎng)網(wǎng)站免受DDoS攻擊等的威脅，當(dāng)前暗網(wǎng)網(wǎng)站在登錄頁都使用了CAPTCHA。而且這些CAPTCHA都是定制的，使得開發(fā)一個高準(zhǔn)確率的CAPTCHA識別器非常困難。因此從暗網(wǎng)市場和論壇自動化地收集網(wǎng)絡(luò)威脅情報(bào)都變得非常困難和昂貴。

DW-GAN方法

為解決這一問題，研究人員提出一種基于機(jī)器學(xué)習(xí)方法的CAPTCHA識別器——DW-GAN。與近年來基于人工智能方法的CAPTCHA識別器方法不同，DW-GAN 使用GAN來去除背景噪聲，使用增強(qiáng)的字母分割算法來處理可變字符長度的CAPTCHA圖像。

圖邊界追蹤與區(qū)間識別

識別器可以通過去除圖像噪聲、識別字母之間的邊界、將內(nèi)容分割為單個字母的形式來區(qū)分字母與數(shù)字。

圖去除CAPTCHA噪聲和分割字母

因此，CAPTCHA的大小并不影響識別器的有效性，尤其是識別3次的累計(jì)性能方面。不同CAPTCHA大小的識別準(zhǔn)確率如下圖所示：

圖不同CAPTCHA大小的識別準(zhǔn)確率

從字符識別方面來看，識別器使用多個本地區(qū)域提取的樣本來識別線、邊等精細(xì)化特征，因此不會受到字符旋轉(zhuǎn)、字體大小變化、顏色混合等的影響。

圖不同字體的數(shù)據(jù)樣本

現(xiàn)實(shí)場景測試

研究人員對DW-GAN方法在不同數(shù)據(jù)集上進(jìn)行了測試，其中包括在現(xiàn)實(shí)場景Yellow Brick的測試。研究人員從Yellow Brick收集了1831個非法產(chǎn)品，其中有286個網(wǎng)絡(luò)安全相關(guān)的項(xiàng)目，包括102個竊取的信用卡、131個竊取的賬戶、9個偽造的掃描文件、44個黑客工具和1223條毒品相關(guān)的信息。