blogtecaolivelli

Violato il più diffuso sistema di sicurezza visivo

Fonte: Le Scienze

27 ottobre 2017

Per impedire l'accesso a sistemi automatizzati,

molti siti web richiedono di digitare una serie

di caratteri deformati, le CAPTCHA, un compito

che mette in gravi difficoltà i bot, cioè programmi

informatici che fanno finta di essere delle persone.

Ora però è stato sviluppato un sistema

computerizzato che riesce agevolmente a

superare la prova(red)

computer science

Si chiama RCN e ha "bucato" senza grandi

problemi uno dei più diffusi sistemi di sicurezza

usati dai siti web per impedire l'accesso ai loro

servizi ai "bot", i programmi che simulano di

essere persone. L'algoritmo di apprendimento

visivo automatico RCN, acronimo di Recursive

Cortical Network, è infatti riuscito a superare

il test CAPTCHA (completely automated public

Turing test to tell computers and humans apart)

in cui all'utente del sito viene chiesto di digitare

una serie di lettere o numeri variamente distorti

che appaiono in una finestra.

Il sistema CAPTCHA crea una sequenza di lettere

o numeri mescolando, anche in uno stesso carattere,

milioni di stili grafici differenti. In questo modo ogni

lettera è composta da una stratificazione di stili

differenti; inoltre vengono variate anche spaziatura,

dimensione e inclinazione delle lettere presenti in

una sequenza.

Anche di fronte a un simile assemblamento di stili,

gli esseri umani possono riconoscere naturalmente

quell'oggetto grafico, pur se fortemente distorto.

I computer incontrano invece grandissime difficoltà

a identificare i caratteri così trattati.

Schema del riconoscimento della lettera A.

(Cortesia Vicarious AI)Finora il test - considerato

una sorta di test di Turing visivo alla rovescia

(nel test di Turing è l'essere umano che deve

capire se colloquia con un robot o un altro

essere umano) - riusciva a essere superato

solo da sofisticati algoritmi di apprendimento

profondo che però dovevano essere addestrati

con milioni di esempi di lettere CAPTCHA.

Come è spiegato in un articolo pubblicato su "Science",

un gruppo di ricercatori dell'Università di

Cambridge è riuscito a creare un sistema che,

come il cervello umano, ha la capacità di

imparare e generalizzare a partire da un numero

relativamente ridotto di esempi (5000 volte meno

dei sistemi alternativi).

Il risultato è stato raggiunto grazie a un insieme

di accorgimenti mutuati dallo studio delle

neuroscienze e dell'architettura del sistema

visivo e cerebrale.

In particolare, dall'architettura del sistema visivo

umano Dileep George e colleghi hanno ricavato

alcuni principi che, implementati su RCN, fungono

per esso da "conoscenza di sfondo" utile per

poter poi riconoscere input che non ha mai i

ncontrato nella fase di addestramento.

In questo modo RCN raggiunge un'accuratezza

di riconoscimento del 94,3 per singole lettere e

del 66,6 per cento per una stringa di caratteri.

Questi risultati, osservano i ricercatori, sug-

geriscono la necessità di tecniche più robuste

per l'identificazione degli utenti umani di

quelle garantite da CAPTCHA.