一种基于对抗样本的验证码安全性增强方法

• 作者: 张三峰 曹玖新 沈言玉
• 来源期刊: 网络空间安全
• 学科: 工学
• 关键词: 验证码 深度学习 对抗样本 集成模型 区域更新
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 新技术与应用安全
• 页码范围: 81-85,91
• 页数: 6页
• 分类号: TP393.08
• 字数: 3581字
• 语种: 中文

摘要

验证码是众多互联网应用的重要安全措施,但在面对基于深度学习技术的破解工具时已难以保证其安全性.文章将对抗样本与文本验证码相结合,提出基于区域更新的模型集成白盒生成算法.为提高对抗验证码的迁移性,降低未知模型的识别率,根据多个模型的预测结果对损失函数进行加权求和;在目标函数中添加扰动项,通过梯度下降的方式更新验证码图像的像素值以最小化目标函数;将验证码文本区域和背景区域分区更新,以降低对抗样本所需的扰动量同时避免识别模型预处理对扰动的破坏.实验结果表明,在面对基于深度学习的识别模型时,文章提出的算法具有更低的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈言玉	东南大学网络空间安全学院	1	0	0.0	0.0