4Chan CAPTCHA'sını Kırmak

Giriş

• Bu proje, makine öğrenimi ve TensorFlow hakkındaki bilgiyi geliştirmeye yönelik bir öğrenme deneyimi olarak başladı.
• Amaç, tarayıcıda 4Chan CAPTCHA'sını %80'in üzerinde doğrulukla çözebilen bir makine öğrenimi modeli oluşturmaktı.

Terimler

• CAPTCHA: Bir bilgisayarın ya da web sitesi kullanıcısının insan olup olmadığını doğrulamak için kullanılan test.
• 4Chan: Çeşitli konularda tartışma panoları sunan anonim bir görsel pano web sitesi.
• Genel CAPTCHA: 4Chan CAPTCHA'sının 5~6 alfasayısal karakterden oluşan türü.
• Slider CAPTCHA: Arka plan görseli ile ön plan görselinin üst üste geldiği daha karmaşık CAPTCHA türü.

Veri toplama

• Makine öğrenimi problemlerinde en zor kısım veri toplamaktır.
• 4Chan'den CAPTCHA kazıyıp çözümleri elde etmek ana zorluktu.

4Chan'den CAPTCHA kazıma

• HTTP isteklerini analiz ederek CAPTCHA verisini JSON biçiminde çıkarmanın bir yolu bulundu.
• CAPTCHA zorluk seviyesini yönetmek için istek aralıklarını ayarlamak gerekiyordu.

Çözümleri elde etme

• Ticari CAPTCHA çözme servisleri kullanıldı ancak doğruluk düşüktü.
• Kendisi çözme ya da güvenilir birinden yardım isteme yöntemleri de denendi, ancak bunlar sınırlı kaldı.

Sentetik veri üretimi

• 4Chan CAPTCHA'sını taklit ederek sentetik veri üretildi.
• Arka plan ile karakterleri ayırarak sentetik CAPTCHA üreten bir algoritma geliştirildi.

Model oluşturma

• Model, LSTM CNN mimarisi kullanılarak kuruldu.
• Model Keras ve TensorFlow ile uygulandı.

Veri işleme

• Tüm CAPTCHA görselleri modele girdi olarak verilmeden önce 300x80 piksele ayarlandı.
• Dokümantasyonun önemi vurgulanıyor; ayrıntıları kaçırmamaya dikkat etmek gerekiyor.

Model eğitimi

• Model, yaklaşık 500 elle etiketlenmiş görsel ve 50.000 sentetik görsel kullanılarak eğitildi.
• Eğitim NVIDIA RTX A4000 GPU üzerinde gerçekleştirildi.

Modelin TensorFlow.js'de kullanılması

• Model, tarayıcıda çalışabilmesi için TensorFlow.js'e dönüştürüldü.
• Dönüştürme betiği Python 3.12'de çalışmıyor.
• Keras 3 modelleri TensorFlow.js tarafından desteklenmiyor.

Gerçek dünya performansı

• Gerçek 4Chan CAPTCHA'larında %90'ın üzerinde başarı oranı gösterdi.
• 4 karakterli CAPTCHA'larda da aynı performans görüldü.

Sonuç

• Bu proje sayesinde makine öğrenimi ve bilgisayarlı görü hakkında çok şey öğrenildi.
• Hedefe ulaşıldı ve tatmin edici bir sonuç elde edildi.

[GN⁺]

Hacker News görüşleri

• Görselleştirme verilerini bir JSON betiği kullanarak ayrıştırmak karmaşık bir iş
  • 4chan e-posta doğrulaması istemeye başlamış
• Keras ile Tensorflow.js arasındaki birlikte çalışabilirlik sorunları, Tensorflow’un tipik bir problemi
  • TF, birleşik bir üründen çok ilişkili araçların bir koleksiyonu gibi hissettiriyor
  • Google’ın tüm açık kaynak kütüphane/araçları da benzer bir his veriyor
• İnsanların bozulmuş metin tabanlı CAPTCHA’lardan neden kaçındığının bir sebebi var
  • Bilgisayarlar bunları insanlardan daha iyi çözebilecek seviyeye ulaştı
  • Bununla ilgili ilginç bir makale var
• Şaşırtıcı biçimde, birçok metin tabanlı CAPTCHA birkaç satırlık shell script ile çözülebiliyor
  • imagemagik ile gri tonlamaya çevirip ardından teserract ile işlemek mümkün
• 2captcha.net gibi siteler de var
  • CAPTCHA, asgari düzeyde çaba gerektiren bir engel gibi
• CAPTCHA gibi davranıp kullanıcı davranışını ve zamanlamayı analiz etmenin daha iyi olup olmayacağını merak ediyorum
  • Karşı tarafın insan olup olmadığını anlamak için yapay zekayı eğiten bir "ters Turing testi" icat edilebilir
• Silk Road CAPTCHA’sına dair 2014 tarihli bir analiz var
• 4chan’in uygun tepkisi, insanın işini basitleştirmek olurdu
  • Karmaşık CAPTCHA’lar insanlar için rahatsızlığı artırıyor ve makinelerin çözebilmesini azaltmıyor
• 4chan CAPTCHA’sındaki karakter seçiminin ırkçı/aşırılıkçı sloganlar oluşturabilecek şekilde kasıtlı yapılmış olma ihtimali var
  • Belirli karakterler sık kullanılıyor
  • Rastgele görünüyor ama belirli kalıplar sık ortaya çıkıyor
• 4chan CAPTCHA’sını çözen bir proje mevcut
• 4chan kullanmaya çalıştım ama CAPTCHA’yı geçemedim
• 4chan’in Google CAPTCHA gibi bot davranışı tespiti yapıp yapmadığını merak ediyorum