Utilizzo di illusioni ottiche come CAPTCHA

Question

Utilizzo di illusioni ottiche come CAPTCHA

#1 da (11 voti)
#2 da (0 voti)

8

Utilizzando i "difetti" nella percezione umana di un grafico di illusione ottica, un sistema può distinguere tra uomo e macchina (usando queste immagini come CAPTCHA )?

Alcuni esempi sono dove un essere umano può contare "punti" (che in realtà non sono lì) o scegliere quali parti di un'immagine hanno colori corrispondenti (quando i colori non corrispondono effettivamente a causa dell'illusione).

Alcune foto di esempio:

Tuttelemacchinesoprahannolestessedimensioni,magliumaninevedonounapiùgrande.

Icerchiarancionisoprahannolestessedimensioni,magliumaninevedonounopiùgrande.

I quadrati sopra sono dello stesso colore, ma gli umani vedono quello in basso più chiaro. Coprire la linea con la quale punta la freccia con il dito e ora vedrai i quadrati come un computer.

Se a un computer venisse chiesto di scegliere l'auto più grande o il cerchio o il quadrato più chiaro da queste immagini, avrebbe più difficoltà di un umano.

captcha web-application

posta Mark Ripley 06.03.2016 - 12:14

fonte

2 risposte

Leggi altre domande sui tag captcha web-application

Come è possibile DDoS se non stai ascoltando il traffico DoS? TLS_FALLBACK_SCSV fornisce una protezione globale contro gli attacchi downgrade?

score 11 · Answer 1

Probabilmente non funzionerà a lungo perché non c'è nulla di intrinseco in questi "difetti" che non possono essere riprodotti da una macchina.

Il primo problema che devi risolvere è creare un algoritmo che produca tali immagini che siano facili da risolvere per la maggior parte degli umani ma difficili da risolvere per il riconoscimento dell'immagine corrente. Una volta installato questo sistema per proteggere i siti importanti, diventa abbastanza interessante da romperlo. E poi è solo una questione di tempo, cioè gli sforzi per spezzare il captcha sono legati a quanto si può guadagnare rompendolo.

score 0 · Answer 2

Le illusioni ottiche sono causate da scorciatoie utilizzate dal sistema visivo umano per ottimizzare l'elaborazione dei dati o eliminare informazioni inutili. Sono fenomeni ben noti e non c'è nulla che li renda più difficili da risolvere rispetto al normale riconoscimento delle immagini. In effetti, direi che comprendere una scena complessa, come contare il numero di bambini in una data immagine di un parco giochi, sarebbe molto più difficile che riconoscere quale delle due linee "sembra più lunga".