为了提高
网站用户体验和营销转化效果,诸如用户注册、留言反馈、简历投递、市场调查等与浏览者互动模块,越来越多被使用。这自然提高了用户认知与体验,但随之而来的是各种机器扫描恶意破解、注册等,置
网站于安全风险的同时也让网站管理人员无效工作量增加。
以网站上最常用的留言反馈为例,如果表单设计稍后疏忽,就会收到各种恶意加塞提交的小广告。有些提交数据,甚至尝试注入破坏代码等,以试图篡改网站页面内容。验证码的出现,为各种非人为提交行业增加一道甄别关卡。比如,一些在一些大型的电商网站上,如果用户使用环境出现大幅度变化。就会要求短信验证,将验证码发送至用户手机,自然可以有效确认行为是否为用户本身操作。验证码的出现,现实有效解决了网站安全问题。但是诸如曾经的12306网站订票时出现的头痛验证码,又给用户平添烦恼。所以在
网站建设时,选用网站验证码一定要兼顾安全和用户体验。
是不是所有验证码都可以提高网站安全性?答案:不是!人工智能的出现会颠覆传统验证码。
为了核查登录用户是否为真人,世界各地的网站广泛使用复杂的验证码技术。但一项新研究说,人工智能已可高效破解验证码,比如识别出变形的文字等。
美国凡思智能公司研究人员26日在美国《科学》杂志上发表论文,提出了一个用于物体识别的计算机视觉模型——递归皮层网络,其核心是模拟人脑基于形状对物体进行辨别的机制开发出一种新型算法,让计算机同样能够基于形状来识别物体。
《科学》杂志的介绍说,这代表人工智能研究取得了“关键性进展”。
传统的深度学习算法需要非常庞大的数据作支撑,而递归皮层网络强调在模型建构中引入高效的先验知识,所以只需要很少量数据就可以达到类似甚至更好的识别效果。
他说:“如果用人脑的工作方式来打比方,深度学习的工作逻辑更接近于机械的记忆和经验,而递归皮层网络技术还包括了更智能的推理和演绎。”
具体而言,在实际应用中,只需要提供给递归皮层网络描述物体形状的训练图片,计算机就能成功将目标物体从复杂背景中分离。实验显示,递归皮层网络可以有效识别真实场景中的文字,并具有较好的通用性,即一个模型有效破解不同变体的验证码,比如变形的文字和复杂背景中的验证码。
递归皮层网络对数据的利用效率是一些深度学习算法的300倍,超过以往很多优秀的验证码破解算法,而且通用性强,是人工智能领域继目前流行的深度学习算法之后的最新学术成果。
“我们在研发过程中把破解验证码问题作为一个具体的应用场景。但这不是该算法的主要应用,更不是该算法的建构初衷,”他说,“该算法对于工业流水线自动化、智能化有广泛的应用前景。如我们可以通过较少量数据模拟适应不同的工业应用场景,大大提升工业机器人的智能水平和生产效率。”
【版权声明】:本站内容来自于与互联网(注明原创稿件除外),供访客免费学习需要。如文章或图像侵犯到您的权益,请及时告知,我们第一时间删除处理!谢谢!