Breaking #reCAPTCHA v2 #ML #LLMs

Recently, ETH University researchers presented an article on how to bypass Google’s reCAPTCHA version 2 through machine learning, which was able to bypass the mechanism 100%.

Researchers have used different machine learning models, including the Generative Adversarial Networks algorithm, which means the creation of neural networks, as well as the Convolutional Neural Networks, which means a convolutional neural network that will perform well on image-based Captcha.

But the way to deal with the range of images used by reCAPTCHA is to form large language models or LLMs and process them on the images defined as Dataset and finally provide a reaction based on Mouse Movement.

Fully automated public Turing tests to distinguish between computers and humans are a critical security measure on the Internet, protecting websites from automated bots and malicious activity.

https://github.com/aplesner/Breaking-reCAPTCHAv2
@Unk9vvN

Breaking #reCAPTCHA v2 #ML #LLMs
اخیرا محققین دانشگاه ETH مقاله ای در خصوص نحوه دور زدن reCAPTCHA گوگل نسخه 2 را بواسطه یادگیری ماشین، ارائه دادن که بطور صد درصدی توانسته مکانیزم را دور بزند.

محققین از الگو های مختلف یادگیری ماشین استفاده کرده اند از جمله الگوریتم Generative Adversarial Networks که به معنی ایجاد شبکه های عصبی است و همچنین Convolutional Neural Networks که به معنی شبکه عصبی پیچشی است که بر روی Captcha مبتنی بر تصویر عملکرد مناسبی خواهد داشت.

اما نحوه برخورد با طیف تصاویر مورد استفاده reCAPTCHA این است که از مدل های زبان بزرگ یا LLMs را تشکیل داده و بر روی تصاویری که با عنوان Dataset تعریف شده را پردازش کرده و نهایتا واکنشی مبتنی بر Mouse Movement ارائه خواهد داد.

تست‌ های تورینگ عمومی کاملاً خودکار برای تشخیص رایانه‌ها و انسان‌ها یک اقدام امنیتی حیاتی در اینترنت بوده و از وب‌ سایت‌ها در برابر ربات‌های خودکار و فعالیت‌های مخرب محافظت میکند.

https://github.com/aplesner/Breaking-reCAPTCHAv2
@Unk9vvN