1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería en Ciencias de la Computación
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/10673
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRiofrío, Daniel, director-
dc.contributor.authorAguilar Fauta, Daniel Alejandro-
dc.date.accessioned2022-03-15T14:31:46Z-
dc.date.available2022-03-15T14:31:46Z-
dc.date.issued2021-
dc.identifier.citationTesis (Ingeniero en Ciencias de la Computación) , Universidad San Francisco de Quito , Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2021es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/10673-
dc.descriptionThe focus of this work is to test the security offered by Text-based CAPTCHAs. We present different types of CAPTCHAs and a preprocessing and segmentation process to clean noise in CAPTCHA Images and crop digits or character in single images. We present a convolutional neural network architecture which is trained under several hyperparameter; thus, allowing for comparison of multiple models with different combinations of batch sizes, epochs, and optimizer. We confirmed that using Text-based CAPTCHAs is no longer a secure mechanism for protection because with simple computer vision techniques and current machine learning algorithms can be broken...es_ES
dc.description.abstractEl objetivo de este trabajo es probar la seguridad que ofrecen los CAPTCHA basados en texto. Presentamos diferentes tipos de CAPTCHAs y un preprocesamiento y segmentación para limpiar la distorsión de los CAPTCHAs y recortar sus dígitos o caracteres en imágenes individuales. Presentamos una arquitectura de una red neuronal convolucional que se entrenó bajo varios hiperparámetros, lo que permite la comparación de múltiples modelos con diferentes combinaciones de tamaños de lote, épocas y optimizador...es_ES
dc.format.extent23 h.es_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsCC0 1.0 Universal*
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectAprendizaje automático (Inteligencia artificial)es_ES
dc.subjectInvestigacioneses_ES
dc.subjectTesis y disertaciones académicases_ES
dc.subject.otherCienciases_ES
dc.subject.otherCienciases_ES
dc.titleText-based CAPTCHA Vulnerability Assessment using Deep Learning-based Solveres_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
139519.pdfTexto completo395.93 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons