Solução de CAPTCHA baseado em imagem utilizando classificadores multiclasse e de classe única

Página do item simplificado
dc.contributor.advisor1Carmo, Fabiano Petronetto do
dc.contributor.advisor1IDhttps://orcid.org/0000000319405406
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4671884448020130
dc.contributor.authorMarcelino, Wayner Moysés
dc.contributor.authorLatteshttp://lattes.cnpq.br/1389646270801605
dc.contributor.referee1Vieira, Thales Miranda de Almeida
dc.contributor.referee1IDhttps://orcid.org/0000-0001-7775-5258
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8181104476035846
dc.contributor.referee2Col Júnior, Alcebíades Dal
dc.contributor.referee2IDhttps://orcid.org/0000-0002-1376-2229
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8804122683532679
dc.date.accessioned2024-05-30T00:49:46Z
dc.date.available2024-05-30T00:49:46Z
dc.date.issued2021-09-24
dc.description.abstractThe use of CAPTCHA today is common for the protection of internet services to ensure their smooth and safe operation, however, it can be an inconvenience for some users who want to access these services correctly. One of these “users” are robots that, without any dishonest intention, are developed for the automation of processes in companies. One of the main types of CAPTCHA used is the image-based one, which consists of choosing the images of the requested object among different images, with Google’s reCAPTCHA being the most used. The objective of this work is to provide a model that is capable of solving these challenges without exploiting any technical vulnerability and that can be used by process automation tools. Three models were studied and trained: a multiclass, implemented in a convolutional neural network (CNN), and two of a single class known as One-Class SVM (OC-SVM) and kernel PCA (kPCA). The three models were trained with images availables on the internet and evaluated on a set of challenges formed by images obtained from reCAPTCHA itself. Four evaluation scenarios were elaborated, which differ in the way the images are chosen and in the criteria to determine if the challenge was solved. In the first two scenarios the CNN model performed better with 55% of the challenges solved. The kPCA and OC-SVM model had similar performance in the third scenario, solving 46 and 44% of the challenges, respectively. In the fourth and final scenario, kPCA solved 71% of the challenges, while OC-SVM only 65%. In these last scenarios the CNN model was not evaluated because it isn’t applicable to them.
dc.description.resumoO uso de CAPTCHA hoje é comum para a proteção de serviços de internet para garantir seu bom e seguro funcionamento, no entanto, pode ser um inconveniente para alguns usuários que queiram acesso à esses serviços de forma correta. Um desses “usuários” são os robôs que, sem nenhuma intenção desonesta, são desenvolvidos para a automação de processos nas empresas. Um dos principais tipos de CAPTCHA utilizados é o baseado em imagens que consiste na escolha das imagens do objeto solicitado dentre imagens distintas, sendo o reCAPTCHA da Google o mais utilizado. O objetivo deste trabalho é dotar um modelo que seja capaz de solucionar esses desafios sem explorar qualquer vulnerabilidade técnica e que possa ser utilizado por ferramentas de automação de processos. Foram estudados e treinados 3 modelos: um multiclasse, implementada numa rede neural convolucional (CNN), e dois de classe única conhecidos como One-Class SVM (OC-SVM) e kernel PCA (kPCA). Os três modelos foram treinados com um banco de imagens disponível na internet e avaliados sobre um conjunto de desafios formados por imagens obtidas no próprio reCAPTCHA. Foram elaborados quatro cenários de avaliação que se diferem pela forma de escolha das imagens e pelo critério para determinar se o desafio foi solucionado. Nos dois primeiros cenários o modelo CNN teve melhor desempenho com 55% dos desafios solucionados. O modelo kPCA e OC-SVM tiveram desempenho semelhante no terceiro cenário resolvendo 46 e 44% dos desafios, respectivamente. No quarto e último cenário o kPCA resolveu 71% dos desafios, enquanto o OC-SVM apenas 65%. Nestes últimos cenários o modelo CNN não foi avaliado por não ser aplicável a eles.
dc.description.sponsorshipFundação Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/14974
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Matemática
dc.publisher.departmentCentro de Ciências Exatas
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Matemática
dc.rightsopen access
dc.subjectreCAPTCHA
dc.subjectCAPTCHA
dc.subjectredes neurais convolucionais
dc.subjectreconhecimento de imagem
dc.subjectvisão computacional
dc.subjectOne-Class SVM
dc.subjectkernel PCA
dc.subject.br-rjbnsubject.br-rjbn
dc.subject.cnpqMatemática
dc.titleSolução de CAPTCHA baseado em imagem utilizando classificadores multiclasse e de classe única
dc.title.alternativeImage-based CAPTCHA solution using multi-class and one-class classifiers
dc.typemasterThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
WaynerMoysesMarcelino-2021-dissertacao.pdf
Tamanho:
2.43 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Mestrado em Matemática