Key points are not available for this paper at this time.
Os CAPTCHAs, testes para separar humanos de máquinas, servem como um método para verificar se uma interação está sendo realizada por um humano ou um computador, foram desenvolvidos em reação à vulnerabilidade das redes de computadores a intrusões de programadores usando bots e programas de ataque a computadores. O esquema de Captcha mais popular é o Text Captcha devido à sua simplicidade de criação e uso. No entanto, a suposta segurança dos Captchas foi minada por hackers e programadores, tornando os sites vulneráveis a ataques. Dado que as velocidades de ataque são geralmente moderadas, variando de dois a cinco segundos por imagem, e que isso não representa uma preocupação séria, os captchas de texto são, no entanto, amplamente utilizados. Este estudo propõe um novo Captcha baseado em imagem chamado Style Area Captcha (SACaptcha), que é construído com técnicas de aprendizado profundo, segmentação em nível de pixel e compreensão de dados semânticos. O SACaptcha proposto enfatiza o uso de aprendizado profundo para criar redes neurais baseadas em Captchas de imagens. Métodos para melhorar a segurança e os sistemas de captcha são todos abordados neste artigo. Ele compara a prova de que os Captchas baseados em texto são inseguros. Palavras-chave: profundo, baseado em texto, segurança e captcha Aprendizado convolucional baseado em imagem.
Soham Mirajgaonkar (qui,) estudou esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: