谱聚类递归神经网络集成的全自动公开区分计算机和人的图灵测试识别算法

doi:10.11772/j.issn.1001-9081.2014.05.1383

计算机应用 ›› 2014, Vol. 34 ›› Issue (5): 1383-1385.DOI: 10.11772/j.issn.1001-9081.2014.05.1383

谱聚类递归神经网络集成的全自动公开区分计算机和人的图灵测试识别算法

张亮,陈睿,邱小松

电子工程学院网络系，合肥 230037

收稿日期:2013-11-01 修回日期:2013-12-17 发布日期:2014-05-30 出版日期:2014-05-01
通讯作者: 张亮
作者简介:张亮（1982-），男，湖南醴陵人，讲师，博士，主要研究方向：CAPTCHA识别、信息安全；陈睿（1986-），男，江西抚州人，博士研究生，主要研究方向：CAPTCHA识别、信息安全；邱小松（1987-），男，湖北随州人，硕士研究生，主要研究方向：协议分析、信息安全。
基金资助:
安徽省自然科学基金资助项目

Completely automated public turing test to tell computers and humans apart recognition algorithm based on spectral-clustering recurrent neural network ensemble

ZHANG Liang,CHEN Rui,QIU Xiaosong

Department of Network, Electronic Engineering Institute, Hefei Anhui 230037, China

Received:2013-11-01 Revised:2013-12-17 Online:2014-05-30 Published:2014-05-01
Contact: ZHANG Liang

摘要/Abstract

摘要：

针对粘着全自动公开的区分计算机和人的图灵测试(CAPTCHA)的识别问题，提出了一种基于谱聚类递归神经网络(RNN)集成的识别算法。该算法首先使用不一致测度度量两个RNN之间的距离，构建出一张由多个候选RNN形成的图；然后基于谱图聚类理论，将多个RNN划分为不同的簇，并在每个簇上选择最佳RNN参与集成。实验结果表明：相对于单个候选RNN，该算法的识别率提高了约16%；相对于全部候选RNN构成的集成系统，该算法形成的集成规模更小，仅为原来的23%。

Abstract:

Concerning the recognition of closely-connected Completely Automated Public Turing Test to Tell Computers and Humans Apart (CAPTCHA), a recognition algorithm based on spectral-clustering Recurrent Neural Network (RNN) ensemble was proposed. This algorithm firstly used disagreement measure for distance between two RNNs, thus constructed a graph composed by candidate RNNs. Then, a graph cluster method was used to divide RNNs into clusters. Finally, the best RNN in each cluster was selected. The experimental results reveal that: compared with single candidate RNN, recognition rates of this algorithm is increased by 16%. Compared with the ensemble of all candidate RNNs, ensemble size of this algorithm is much smaller, it is about 23% of the original size.

中图分类号:

TP393.08

张亮陈睿邱小松. 谱聚类递归神经网络集成的全自动公开区分计算机和人的图灵测试识别算法[J]. 计算机应用, 2014, 34(5): 1383-1385.

ZHANG Liang CHEN Rui QIU Xiaosong. Completely automated public turing test to tell computers and humans apart recognition algorithm based on spectral-clustering recurrent neural network ensemble[J]. Journal of Computer Applications, 2014, 34(5): 1383-1385.

参考文献

［1］STEINER P. On the Internet, no body knows you're a dog ［J］. The New Yorker, 1993,69(20):61.
［2］von AHN L, MAURER B, McMILLEN C, et al. reCAPTCHA: human-based character recognition via Web security measures ［J］. Science, 2008,321(5895):1465-1468.
［3］von AHN L, BLUM M, HOPPER N J, et al. CAPTCHA: using hard AI problems for security ［C］// EUROCRYPT '03: Proceedings of the 22nd International Conference on Theory and Applications of Cryptographic Techniques. Berlin: Springer-Verlag, 2003:294-311.
［4］LI Q, MAO Y, WANG Z. A survey of CAPTCHA technology ［J］. Journal of Computer Research and Development, 2012, 49(3): 469-480.(李秋洁,茅耀斌,王执铨.CAPTCHA技术研究综述［J］.计算机研究与发展,2012, 49(3): 469-480.)
［5］YAN J, AHMAD A S E. A low-cost attack on a Microsoft CAPTCHA ［C］// CCS '08: Proceedings of the 15th ACM Conference on Computer and Communications Security. New York: ACM, 2008:543-554.
［6］CRUZ-PEREZ C, STAROSTENKO O, UCEDA-PONGA F. Breaking reCAPTCHAs with unpredictable collapse heuristic character segmentation and recognition ［C］ // MCPR '12: Proceedings of the 4th Mexican Conference on Pattern Recognition. Berlin: Springer-Verlag, 2012:155-165.
［7］WANG L.The research on CAPTCHA recognition technology ［D］. Hefei: University of Science and Technology of China, 2011.(王璐.验证码识别技术研究［D］.合肥:中国科学技术大学,2011.)
［8］BURSZTEIN E, MARTIN M, MITCHELL J. Text-based CAPTCHA strengths and weaknesses ［C］// CCS '11: Proceedings of the 18th ACM Conference on Computer and Communications Security. New York:ACM, 2011:125-138.
［9］ZHANG L, HUANG S, SHI Z, et al. CAPTCHA recognition method based on RNN of LSTM ［J］. Pattern Recognition and Artificial Intelligence, 2011,24(1):40-47.(张亮,黄曙光,石昭祥,等.基于LSTM型RNN的CAPTCHA识别方法［J］.模式识别与人工智能,2011,24(1):40-47.)
［10］ZHANG L, HUANG S, HU R. Ensemble system of double granularity RNN by linear combination ［J］. Acta Automatica Sinica, 2011,37(11):1402-1406.(张亮,黄曙光,胡荣贵.线性合成的双粒度RNN集成系统［J］.自动化学报,2011,37(11):1402-1406.)
［11］GRAVES A, LIWICKI M, FERNNDEZ S, et al. A novel connectionist system for unconstrained handwriting recognition ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2009,31(5):855-868.
［12］ZELNIK-MANOR L, PERONA P. Self-tuning spectral clustering ［C］ // Proceedings of the 18th Annual Conference on Neural Information Processing Systems. Cambridge: MIT press, 2004:1601-1608.

[1]	方介泼, 陶重犇. 应对零日攻击的混合车联网入侵检测系统[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2763-2769.
[2]	徐航, 杨智, 陈性元, 韩冰, 杜学绘. 基于自适应敏感区域变异的覆盖引导模糊测试[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2528-2535.
[3]	邓淼磊阚雨培孙川川徐海航樊少珺周鑫. 基于深度学习的网络入侵检测系统综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	姚梓豪, 栗远明, 马自强, 李扬, 魏良根. 基于机器学习的多目标缓存侧信道攻击检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1862-1871.
[5]	朱亮慕京哲左洪强谷晶中朱付保. 基于联邦图神经网络的位置隐私保护推荐方案[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	李向军, 王俊洪, 王诗璐, 陈金霞, 孙纪涛, 王建辉. 基于多模型并行融合网络的恶意流量检测方法[J]. 《计算机应用》唯一官方网站, 2023, 43(S2): 122-129.
[7]	徐精诚, 陈学斌, 董燕灵, 杨佳. 融合特征选择的随机森林DDoS攻击检测[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3497-3503.
[8]	霍珊珊, 李艳俊, 刘健, 李寅霜. 密码组件安全指标测试工具设计与实现[J]. 《计算机应用》唯一官方网站, 2023, 43(10): 3156-3161.
[9]	郭祥, 姜文刚, 王宇航. 基于改进Inception-ResNet的加密流量分类方法[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2471-2476.
[10]	江魁, 余志航, 陈小雷, 李宇豪. 基于BERT-CNN的Webshell流量检测系统设计与实现[J]. 《计算机应用》唯一官方网站, 2023, 43(S1): 126-132.
[11]	郑超, 邬悦婷, 肖珂. 基于联邦学习和深度残差网络的入侵检测[J]. 《计算机应用》唯一官方网站, 2023, 43(S1): 133-138.
[12]	孙怡亭, 郭越, 李长进, 张红军, 刘康, 刘俊矫, 孙利民. 可编程逻辑控制器的控制逻辑注入攻击入侵检测方法[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1861-1869.
[13]	胡海岩, 康巧燕, 赵朔, 王建峰, 付有斌. 基于节点综合重要度排序的服务功能链部署优化方法[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 860-868.
[14]	程靖云, 王布宏, 罗鹏. 基于深度语义融合的代码缺陷静态检测方法[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3170-3176.
[15]	毕文婷, 林海涛, 张立群. 基于多阶段演化信号博弈模型的移动目标防御决策算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2780-2787.

谱聚类递归神经网络集成的全自动公开区分计算机和人的图灵测试识别算法

Completely automated public turing test to tell computers and humans apart recognition algorithm based on spectral-clustering recurrent neural network ensemble

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics