Корейская капча / капча (CAPTCHA) :: Приколы про еду :: собаки

Sandman2032

Корейская капча

Подробнее
Выберите все изображения с едой с о о Verify
собаки,капча,CAPTCHA,Приколы про еду,песочница

Еще на тему

песочница(701589)

Развернуть

Комментарии 1714.01.201820:16ссылка23.1

Капча против нейросетей. Великолепная между прочим. Хотя её вручную надо составлять

Ellarihan 14.01.201820:22 ответить ссылка 6.4

Капча против Корейцев.

BlackMokona 14.01.201820:24 ответить ссылка ↑ 16.6

Я знаю того, кто не допустит ошибки.

Ly40k 14.01.201821:30 ответить ссылка ↑ 7.1

собаки,капча,CAPTCHA,Приколы про еду,песочница

Wiking112 15.01.201813:23 ответить ссылка ↑ -0.4

Почему только вручную? Может нейросеть и составит)

castbreeder 15.01.201800:13 ответить ссылка ↑ 0.1

Глаза боятся, скрипт делает.

Ly40k 15.01.201800:22 ответить ссылка ↑ 0.3

Против нейросетей немного более тонкие вещи можно использовать, гугли Adversarial attack. Если коротко - шум, незаметный глазу, может изменить результат сетки до полного рандома.

tsdaemon 15.01.201801:03 ответить ссылка ↑ 0.7

Как раз хотел написать, опередили. Не сильно вдавался в детали, сработает с любой нейросетью или что-нибудь подгоняли, чтобы конкретная (и конкретно обученная) нейросеть ломалась?

DarkCoder 15.01.201803:26 ответить ссылка ↑ 0.0

Весьма интересный вопрос. Проблема в том, что я сам не вдавался в детали, что бы говорить уверенно. Но суть технологии приблизительно такая. Берем картинку собаки, проганяем forward propagation через натренированую сетку, на которую нацелена атака, получаем распределение вероятностей по класам. (например для бинарной класификации кошек и собак - 0.9 собака, 0.1 кошка) Тогда говорим сетке - не, на самом деле это не собака, а кошка, ты наплужила, на самом деле распределение вероятностей 0 собака, 1 кошка. И backpropagation назад по сетке ошибку. Но при этом считаем градиент не для весов сетки, а для картинки. И получаем небольшое изменение, которое для данной конкретной картинки для данной конкретной сетки выдаст другой результат. Как это масштабировать на незнакомые сетки и другие картинки - не знаю. Больше инфы можно узнать, если погуглить результаты NIPS adrversarial attack competition.

tsdaemon 15.01.201804:02 ответить ссылка ↑ 0.1

А еще - поможет ли против такого банальное гауссовское размытие?

DarkCoder 15.01.201803:27 ответить ссылка ↑ 0.0

Ну а если нету конкретной сети для атаки?
Я о том, что можно используя подобную сеть (подобную той, которая использовалась для решения капчи) чтобы формировать наборы картинок исходя из ее ошибок.

И вообще у меня возникает тут вопрос откуда у меня возьмется код атакуемой сети в реалиях?

castbreeder 15.01.201810:17 ответить ссылка ↑ 0.0