基于通用对抗扰动的图像验证码保护方法

• 作者: 舒乐 戴佳筑
• 来源期刊: 计算机工程与应用
• 关键词: 深度学习 对抗样本 通用对抗扰动 图像验证码 卷积神经网络 图像分类
• 年，卷（期）: 2021,（18）
• 所属期刊栏目: 网络、通信与安全|Network, Communication and Security
• 页码范围: 135-141
• 页数: 7页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2005-0411

摘要

卷积神经网络的发展使得图像验证码已经不再安全.基于卷积神经网络中存在的通用对抗扰动,提出了一种图像验证码的保护方法.提出了一种快速生成通用对抗扰动的算法,将方向相似的对抗扰动向量进行叠加以加快生成通用对抗扰动的速度.基于此算法设计了图像验证码的保护方案,将通用对抗扰动加入到验证码的图像中使其无法被卷积神经网络模型识别.在ImageNet数据集上进行的仿真实验结果表明,该方案比现有工作Deep-CAPTCHA具有更低的破解率,能有效保护图像验证码不被主流的卷积神经网络模型破解.