Deep-Fake CAPTCHA: Mitigating Next-Generation Social Engineering Attacks
本文针对实时深度伪造（real-time deepfake）驱动的语音与视频冒充攻击，提出了一套名为 DF-CAPTCHA 的主动防御框架。研究背景是：随着实时换脸与语音克隆模型推理延迟不断降低，攻击者已能在通话过程中实时伪装成他人身份，用
#captcha
共收录 8 条相关情报。
← 返回所有主题CAPTCHAs in the Agentic Era: Solvers That Learn from Every Encounter
随着基于大语言模型（LLM）的智能代理（Agent）逐步渗透网络应用，视觉验证码正面临一种新的机械化威胁。以往专用检测器很慢或只处理固定类别，而视觉语言模型（VLM）能类人地看图识字，但每轮都从零开始推理，并不会从接触中积累经验。本论文提出
C-Frame: Characterizing and measuring in-the-wild CAPTCHA attacks.
本论文设计并实现了 C-Frame，这是首个用于实时收集真实环境中 CAPTCHA 攻击数据的测量系统。作者首先研究了 CAPTCHA 协议和人工打码农场（human-driven farms）的近期演变，从中发现了一个独特的观察点，能够以
CACTI: Captcha Avoidance via Client-side TEE Integration.
本文针对Web服务中机器人滥用日益严重的问题，分析了现有CAPTCHA机制在对抗机器人时效果有限、给人类用户带来困扰以及可能侵犯用户隐私的缺陷。随着客户端可信执行环境（TEE）技术的普及（如ARM TrustZone和Intel SGX），
Breaking Darknet CAPTCHAs with general purpose LLM
本文评估了通用大语言模型（LLM）在破解暗网环境中常见CAPTCHA验证码任务上的有效性。暗网CAPTCHA通常设计为无JavaScript运行，因此与主流验证码系统存在显著差异。研究选取了三种具有代表性的挑战类型：开放圆圈定位、旋转对齐和
Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents
本文针对基于LLM的浏览器代理对现有Web机器人防御系统的有效性进行了系统性评估。随着LLM代理能够自主导航网页、理解页面内容并通过自然语言指令与界面交互，传统的自动化框架（如Selenium）所面临的挑战被进一步放大。作者对比了两种防御类
A Usable and Secure Bengali CAPTCHA
该论文提出并实现了一种基于孟加拉语的文本验证码（CAPTCHA）机制，旨在解决传统英语验证码对非英语母语用户存在的可用性问题。这是首个针对孟加拉语用户的文本验证码方案。作者设计了6种变体，并通过6000个挑战（每种变体约1000个）进行自动
GeeSolver: A Generic, Efficient, and Effortless Solver with Self-Supervised Learning for Breaking Text Captchas.
文本验证码（text-based captcha）作为一种区分人类用户与机器人的安全机制，虽然已面临多种攻击方法，但仍被广泛使用。近年来，基于深度学习的验证码破解器取得了显著效果，但其高度依赖大量人工标注数据，成本高昂且耗时。此前的一些工作