啟動創造了可以破解驗證碼的深度學習算法：機器人更接近像人類一樣的思考

2017-10-27

Elinore

完全自動化的公共圖靈測試以將計算機和人類分開，通常稱為驗證碼，是人們在完成註冊，在線購買或提交申請之前經常必須經過的測試。

驗證碼本身並不是真正有用的，它只是防止在線算法或噴頭假裝是人類和造成破壞的最有效的方法。

但是，一組研究人員成功地創建了一種算法，該算法可以繞過驗證碼，甚至是複雜的算法。

什麼是驗證碼？

傳統的驗證碼由通常的混亂字母組成，通常散佈著時髦的形狀，顏色的飛濺以及其他扭曲和破壞字母和數字組合的視覺元素。但是，他們的鋸齒狀有一個目的：使機器人幾乎不可能閱讀，並且可以讓人類理解，儘管很難理解。

能力裂縫這些驗證碼已成為人工智能專家的關鍵拐點。有些人嘗試並成功了。幾年前，一家公司繞過了Ticketmaster的驗證碼，併購買了大量音樂會門票。

AI Startup Vicarious的聯合創始人Dileep George說，這種嘗試只是回應某種類型的驗證碼中發現的弱點，可以通過一些程序更改很容易防止這種弱點。

機器人破解驗證碼的新型號

替代模型建立在機器學習和受神經科學啟發的啟發之上，甚至更有能力破裂驗證碼。作為出版26年10月，星期四科學喬治說，與過去培訓較少的模型相比，這種新模型的文本更好。

以前的方法的問題在於，他們依賴於所謂的深度學習教機器人如何像人類一樣思考。喬治說，深度學習是一種培訓以特定方式做出反應的方法，僅複製了人類腦功能的某些方面。在深度學習中，需要在數千張圖像上顯示數千張神經元，例如火車，然後才能開始識別火車的樣子。

同時，人類實際上並不需要看到數千人，甚至沒有數百張火車的照片才能識別一張。

喬治說：“我們發現，大腦對視覺世界有一些假設，即[深度學習]神經網絡沒有創造。”

Vicarious的方法是，它構建了系統所面臨的字母的內部模型。這個過程稱為遞歸皮質網絡或RCN，通過教授系統為和BS和其他不同字符來起作用，之後它將嘗試構建自己的字符應該看起來像的模型。結果，每當試圖查看新圖像（充滿混淆的字母，數字和形狀的驗證碼）時，它會與先前看過的圖像進行比較，並能夠確定，例如，這是不喜歡典型的形狀，因為它被阻塞，或者隱藏在另一個字母后面。