安全与密码学2016blackhat.com
我不是人类：攻破 Google reCAPTCHA
I’m not a human: Breaking the Google reCAPTCHA
进阶 · 约 40 分钟读完前置知识：Web 安全基础、验证码机制、图像搜索与识别基础
导读
这篇 Black Hat Asia 2016 论文研究 Google reCAPTCHA 的图像识别挑战是否真能区分人与机器。作者提出的攻击不靠训练分类器，而是直接调用 Google 自家的反向图片搜索来识别验证码图片内容并据此作答，在 2,235 个验证码上取得约 70.78% 的准确率。结论是这类图像验证码的安全强度被明显高估。
HN 关注点：HN 读者被“用 Google 自己的反向图片搜索破解 Google 验证码”这种简单粗暴的思路吸引，并顺势讨论机器学习能否以及如何加固验证码。
HN 评论精选
这几条评论里：支持 2 质疑 1 补充 1
补充建议用对抗样本来加固验证码，并指出对抗样本可跨模型迁移。
我没有参与 reCAPTCHA 的工作，但我猜他们可以很容易且显著地加强图像验证码——只要加入对抗样本（adversarial examples）来干扰潜在的自动化破解者。注意对抗样本可以跨模型泛化：一个好的对抗样本对 SVM、卷积网络等都同样有效。想了解基本原理可以看 Julia Evans 的这篇文章（链接略）。关键在于深度神经网络实际上非常（分段）线性，这让它们容易受到对抗训练的影响。
kajecounterhack查看英文原文
http://arxiv.org/abs/1602.02697 I don't work on reCAPTCHA but I imagine they could easily + significantly beef up image captcha by adding adversarial image examples that trip up would-be automators. Note that adversarial examples generalize across models. Meaning a good adversarial example will work against SVMs, convnets, etc just the same. If you're interested in the basics of how it works, Julia Evans has a great post: jvns.ca/blog/2015/12/24/how-to-trick-a-neural-network-into-thinking-a-panda-is-a-vulture The key is that deep neural nets are actually very (piecewise) linear and that makes them susceptible to adversarial training.
支持攻击的核心思路简单粗暴却非常有效。
用 Google 自家的反向图片搜索来破解基于图像的验证码。方法简单，但杀伤力十足。
bluedino查看英文原文
Using the Google's own reverse image search to break an image-based captcha. Simple, but brutal.
支持70.78% 的成功率其实超过了普通人的手动表现。
“我们把破解系统跑在 2,235 个验证码上，得到 70.78% 的准确率。”这比听起来更厉害。我很确定 70.78% 比我自己手动做 reCAPTCHA 还准。很多验证码图片非常模糊，或者问题本身有歧义。
tyingq查看英文原文
"We ran our captcha-breaking system against 2,235 captchas, and obtained a 70.78% accuracy" That's more impressive than it sounds. I'm pretty sure 70.78% is more accurate than I am with reCAPTCHA manually. A lot of the captcha's presented are very fuzzy, or have ambiguous questions, etc.
质疑质疑 reCAPTCHA 本质上是 Google 收集标注数据、训练模型的渠道。
难道只有我觉得 Google reCAPTCHA 其实就是 Google 用来训练机器学习算法的工具吗？最初它帮 Google 学会读书（识别文字），现在它在学检测物体、风景……
kauegimenes查看英文原文
I am the only one who thinks google reCAPTCHA is just a tool that Google uses to train Machine Learning Algorithms? First it was used to help Google learn how to Read, now its learning to detect object, landscapes, ...
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2016Hacker News 讨论帖166 分 · 68 评
同领域还值得读
如何入侵一台已关机的电脑：在 Intel ME 中运行未签名代码
How to hack a turned-off computer, or running unsigned code in Intel ME
这篇 Black Hat 2017 白皮书讨论 Intel Management Engine（ME）的安全问题：如何在 ME 中运行未签名代码，以及攻破处于关机状态的电脑的相关…
安全与密码学2017 · 543 分 · 107 评专业 · 约 40 分钟编辑精选比特币：一种点对点的电子现金系统（2008）
Bitcoin: A Peer-to-Peer Electronic Cash System (2008)
中本聪 2008 年发表的比特币白皮书，提出了无需可信第三方的点对点电子现金系统。
安全与密码学2017 · 536 分 · 394 评入门 · 约 45 分钟编辑精选GPRS 加密算法 GEA-1 的密码分析表明存在故意弱点
Cryptanalysis of GPRS Encryption Algorithms GEA-1 suggest intentional weakness
首次公开了对 GPRS 加密算法 GEA-1 和 GEA-2 的密码分析攻击。
安全与密码学2021 · 487 分 · 107 评专业 · 约 90 分钟编辑精选Signal 消息协议的形式化安全分析
A Formal Security Analysis of the Signal Messaging Protocol
用形式化方法分析 Signal 消息协议（TextSecure）的安全性：作者在多阶段密钥交换模型下，借助自动化证明工具对协议的密钥协商与 Double Ratchet 密钥更新…
安全与密码学2016 · 353 分 · 230 评专业 · 约 120 分钟编辑精选A2：模拟恶意硬件
A2: Analog Malicious Hardware
论文研究如何在芯片设计阶段植入模拟电路形式的恶意硬件后门，使其难以被常规检测发现。
安全与密码学2016 · 315 分 · 94 评专业 · 约 75 分钟编辑精选