Le DW-GAN facilite la recherche sur le Dark Web en résolvant les CAPTCHAS à l'aide du machine learning.
Cette nouvelle méthode de résolution des CAPTACHAs surpasse les solutions similaires de machine learning. Elle se base sur des réseaux antagonistes génératifs (GAN) pour déchiffrer les tests les plus complexes. DW-GAN facilite ainsi la navigation sur les marchés du Dark Web.
Résoudre les CAPTCHAS à l'aide du machine learning
Le Dark Web est un endroit où les communautés illicites se réfugient en utilisant le routage en oignon. En termes simples, elles utilisent plusieurs couches de chiffrement pour complexifier les recherches.
Parmi les différents obstacles qu'on trouve sur le Dark Web, les tests CAPTCHAs sont, d'après les chercheurs, les plus importants et les plus difficiles à résoudre. À la différence des autres mesures, un CAPTCHA demande des capacités cognitives élevées qui, généralement, ne sont pas dans les compétences des outils de contre-mesures automatisés. Et plus particulièrement, les CAPTCHAS textuels représentent de véritables défis.
Actuellement, il existe plusieurs méthodes impliquant le machine learning permettant de résoudre ces tests visuels. Mais cette nouvelle technique, baptisée DW-GAN serait de loin la plus efficace, avec 94,4 % de réussite.
Plus de détails sur le DW-GAN
Le DW-GAN ou le Dark Web-GAN est une méthode mise au point par des chercheurs de l'Université d'Arizona, de l'Université de Floride du Sud et de l'Université de Géorgie. Il a dont pour objectif de résoudre les CAPTCHAs sur le Dark Web.
Cette technique consiste à interpréter l'image tramée dans un test CAPTCHA, sans tenir compte de la longueur des mots et d'autres variables. Entre autres, l'outil capture l'image dont le bruit sera éliminé à l'aide d'un GAN préentraîné sur des échantillons de CAPTCHAs. Le texte est ensuite segmenté avec un algorithme de détection des contours pour séparer les caractères constitutifs. Enfin, un réseau neuronal convolutif (CNN) procède à la reconnaissance des caractères.
Les auteurs de l'étude ont mené trois expériences pour évaluer l'efficacité du DW-GAN. La première consistait à comparer la nouvelle méthode avec les approches standard. La deuxième expérience visait à écarter les facteurs externes qui pourraient influencer les résultats. Enfin, les chercheurs ont comparé le DW-GAN à une méthode basée sur l'image et à deux autres basées sur les caractères. Dans tous les cas de figure, le DW-GAN affichait un meilleur résultat.
Pour finaliser l'étude, ils ont appliqué la méthode sur un marché du Dark Web. Selon eux, il lui a fallu au plus trois tentatives et 76 minutes pour résoudre les CAPTCHAs sur le site. De plus, aucune intervention humaine n'a été nécessaire
- Partager l'article :
