马 巍1a,蓝 海2,杜瑞颖1a,1b,何 琨1a,3,陈 晶1a,
广州大学学报(自然科学版). 2020, 19(2): 1-11.
摘要 (
)
PDF全文 (
)
可视化
收藏
近年来,随着神经网络技术的快速发展,将卷积神经网络应用于文本验证码的非分割自动识别技术成 为一大研究热点.如何在基于卷积神经网络的非分割识别场景下保护文本验证码成为亟待解决的问题.对抗样 本能够在细微修改原始样本的前提下,使神经网络将原始样本错误分类.为了提高验证码的防御能力,可将对 抗样本应用于验证码防御中.但是在文本验证码场景中,简单地利用对抗样本生成算法无法起到较好的防御效 果.因此,针对该问题设计了一种迭代的对抗生成框架,通过框架内生成模块和判别模块间的博弈,迭代增强验 证码的对抗能力.实验结果表明,通过该框架生成的对抗验证码能够降低多种卷积神经网络非分割识别正确率 的 80% ~90%,进而增强文本验证码的抗非分割自动识别能力