Comme captcha l'a dit sur la vulnérabilité de Yandex

Bonjour, Habr!

Asseyez-vous, faites-vous une mouette, car j'écris un peu serré et à travers l'oreille droite. Alors, tu es prêt? Très bien, alors commençons.

ATTENTION! Les informations décrites ci-dessous sont écrites à des fins de recherche uniquement et ne sont pas destinées à être utilisées à des fins personnelles !

Je vais peut-être commencer par le contexte. A savoir, avec le développement d'un lecteur réseau, dont les secteurs sont dans le cloud. L'essence de cette technologie a permis de créer un même Yandex.Disk de 10 Go à partir de plusieurs comptes (enfin, environ 100 ou 1k comptes) du même Yandex.Disk chacun (cela peut changer au moment de la lecture), disons 10 To. Ici ...

Je l'ai pris, cela signifie, pour le développement de ce programme il y a quelques années (j'ai toujours écrit le programme, mais plus à ce sujet dans un autre article) et la question s'est posée - comment introduire YaCaptcha.

Voici quelques exemples:

J'ai donc regardé ce captcha, googlé un peu et je pense - il faudrait utiliser TensorFlow, puis transférer vers FANN. Bouleversé, bien sûr, un peu, mais rien à faire. Laissez-moi penser que je vais télécharger quelques images (~ 100k) pour que vous puissiez ensuite entraîner les neurones, mais pour l'instant je me souviendrai de la segmentation U-net. Eh bien, j'ai esquissé quelques lignes de code sur Delphi + Synapase, je l'ai lancé et je suis allé sur Google à propos du neurone. J'ai téléchargé pendant la recherche, je dois dire, avant ... beaucoup, en général. Et ici, le plaisir commence.

Je suis entré, ça veut dire, je suis dans un papa avec des photos et je vois - seulement des répétitions! Oui, oui, il y avait beaucoup de photos répétées. Eh bien, je pense que cela ne fonctionnera pas, et j'ai téléchargé le premier programme qui semblait supprimer les mêmes fichiers (il semble, si la mémoire ne change pas, clonespy ). Lancé, mais allongé sur le poêle pour dormir. Le matin, j'ai regardé les statistiques et réfléchi: à partir de 100 000 images, 76 000 répétitions ont été supprimées, et elles ne sont pas seulement similaires - elles sont 100% identiques! Qu'est-ce que cela signifie, demandez-vous? Je vais vous expliquer maintenant.

Si vous prenez un neurone, vous pouvez obtenir une reconnaissance de quelque part ~ 18%, comme l'écrit notre ami (enfin, il me semble, vous pouvez presser jusqu'à 45-50% si vous le souhaitez). Mais même si c'est le cas, n'oublions pas combien d'histoires avec des méthodes similaires (les bases de données doivent être créées, entrez manuellement dox ... beaucoup de captcha, alors vous devez toujours systématiser tout et attendre que tout soit réuni) et combien d'espace cela prendra et le temps performance ni dire que le programme sera génial.

Est-il possible d'aller d'une manière ou d'une autre dans l'autre sens? - demandez-vous. Et ici, je propose de compter - nous avons 100 000 images, dont 76 000 répétitions, c'est-à-dire si nous obstruons la base de données de ces images (par exemple, prenons le hachage de la somme), nous obtenons un pourcentage de reconnaissance allant jusqu'à 76%, ce qui est supérieur au neurone, et le poids de la base de données est à peu près le même (sinon moins) que le tableau de poids pour TensorFlow. Dans le même temps, cette méthode fonctionnera partout et n'a pas besoin d'un tas de bibliothèques.

Nous obtenons que Yandex est si robuste qu'ils ont créé si peu de variations de captcha. Et grâce à cela, vous pouvez écrire un programme sur lequel j'ai écrit ci-dessus. N'est-ce pas une vulnérabilité visuelle du système. Ou pensez-vous que plus de 100 To d'espace disque dur sont bon marché?

Merci d'avoir regardé!