歐盟人工智能法案：四種AI系統風險類型的劃分及監管措施
作者：趙志東 蔡佳雯來源：區塊鏈日報該法案采用風險分級的規制路徑，將人工智能系統的風險劃分成不可接受的風險、高風險、有限風險和輕微風險四種類型，并針對不同類型施加了不同
9 月 28 日消息，據 Ars Technica 今日報道，蘇黎世聯邦理工學院博士生 Andreas Plesner 及其同事發表了一項新研究，研究重點放在了谷歌的驗證碼系統 reCAPTCHA V2 上。該研究聲稱，使用經過專門訓練的圖像識別模型運行的本地機器人在應對這類圖片驗證碼時的表現，可以與人類相媲美，成功率達到了 100%。
注：谷歌 reCAPTCHA V2 驗證碼通常會向用戶提供一組圖片，要求識別出圖中的哪些部分包含自行車、巴士、人行道、樓梯或紅綠燈等項目。根據谷歌的說法，該系統已在幾年前逐步進入淘汰階段，新的 reCAPTCHA v3 可以分析用戶的交互。
但即便如此，世界各地仍有數百萬個網站使用上文提到的 reCAPTCHA V2 系統。
研究人員使用了經過微調的開源 YOLO（You Only Look Once，你只看一次）對象識別模型，該模型以其實時檢測對象的能力而聞名，并且可在計算能力有限的設備上運行。
在對 14000 張標記的交通圖像進行模型訓練后，研究人員的系統可以識別出任何提供的驗證碼網格圖像屬于 reCAPTCHA v2 的 13 個候選類別之一的概率。
研究人員還使用了一個單獨的、預先訓練好的 YOLO 模型來應對他們稱之為“類型 2”的挑戰，即驗證碼要求用戶識別單張分割圖像的哪些部分包含特定類型的對象（該分割模型僅適用于 13 個對象類別中的 9 個類別，在遇到其他 4 個類別時，只要求提供一張新圖像）。
除了圖像識別模型，研究人員還需要采取其他措施來欺騙 ReCAPTCHA 系統，例如采取措施避免來自同一 IP 地址的重復嘗試被檢測到。
根據被識別對象的類型，YOLO 模型能夠準確識別單個驗證碼圖像的概率從 69%（摩托車）到 100%（消防栓）。這種性能加上其他預防措施，足以讓機器人每次都能順利“沖破”驗證碼。事實上，在類似的試驗中，機器人解決 CAPTCHA 的平均挑戰次數略少于人類（盡管與人類相比的進步在統計學上并不顯著）。
在此之前曾有類似用來“對付”驗證碼的研究，但成功率大多在 68% 到 71% 之間。這篇論文的作者表示，成功率提升至 100% 表明“超越驗證碼”的時代已正式來臨。
研究論文地址
[2409.08831] Breaking reCAPTCHAv2 (arxiv.org)
本文鏈接：http://www.rrqrq.com/showinfo-45-8017-0.html蘇黎世聯邦理工學院研究：AI 可 100% 繞過谷歌 reCAPTCHA V2 驗證
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號