CAPTCHA recognition using machine learning algorithms with various techniques

Kovács, Ádám, Tajti, Tibor (2023) CAPTCHA recognition using machine learning algorithms with various techniques Annales Mathematicae et Informaticae. 58. pp. 81-91. ISSN 1787-6117 (Online)

pdf AMI_58_from81to91.pdf Download (644kB) [error in script]

Absztrakt (kivonat)

In this paper, we present research results on the recognition of text-based CAPTCHA tests using advanced machine learning algorithms and techniques. Text-based CAPTCHAs serve as a crucial security measure to prevent automated access to various web services, but their effectiveness depends on their resistance to sophisticated recognition techniques. To this end, we focus on evaluating and enhancing the performance of recognition models using a Convolutional Neural Network (CNN) as the base model. We propose an integrated approach, which incorporates a systematic parameter optimization strategy using Grid Search Cross-Validation (Grid Search CV) and the Ensemble Voting Method to improve the performance of the recognition model. The use of Grid Search CV enables us to fine-tune the hyperparameters of the CNN model, leading to an optimal configuration. Further, we investigate the effectiveness of the Ensemble Voting Method to aggregate the predictions from multiple CNN models, each with a set of the optimal parameters obtained from the Grid Search CV. The methods’ performance was evaluated through multiple learning sessions, assessing their effectiveness in recognizing text-based CAPTCHAs under various scenarios.

Mű típusa:	Folyóiratcikk - Journal article
Szerző:	Szerző neve Email MTMT azonosító ORCID azonosító Közreműködés Kovács, Ádám NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Tajti, Tibor NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző
Kapcsolódó URL-ek:	Befoglaló kötet
Kulcsszavak:	Machine learning, CAPTCHA recognition, neural networks, hyperparameter optimization, ensemble methods
Folyóirat alcíme:	Selected papers of the 12th International Conference on Applied Informatics
Nyelv:	angol
Kötetszám:	58.
DOI azonosító:	10.33039/ami.2023.11.002
ISSN:	1787-6117 (Online)
Felhasználó:	Tibor Gál
Dátum:	10 Nov 2023 14:17
Utolsó módosítás:	10 Nov 2023 14:17
URI:	http://publikacio.uni-eszterhazy.hu/id/eprint/7819

Műveletek (bejelentkezés szükséges)

Tétel nézet