3DCG CAPTCHA,a) 2 2 3 (3D) 3DCG CAPTCHA CAPTCHA 3 3D CAPTCHA CAPTCHA CAPTCHA 3. Web CAPTCHA(Completely Automated Public Turing test to tell Computers and Humans Apart) CAPTCHA OCR(Optical Character Recognition) CAPTCHA ( ) ( ) CAPTHCA ( ) [] CAPTHCA 3 2 3 3DCG CAPTCHA ( CAPTCHA) [] 2 a) e227@s.akashi.ac.jp [2] 5.4 65.4% CAPTCHA 2 92% [3] CAPTCHA CAPTCHA 2. CAPTCHA * Web OCR(Optical Character Recognition) CAPTCHA * https://auth.sso.biglobe.ne.jp/mail/ c 206 Information Processing Society of Japan
CAPTCHA 3 Assira 4 2 3 2. Assira Assira [4] 2 CAPTCHA 2 [5] 2.2 4 CAPTCHA 4 CAPTCHA[3] 4 ( ) 4 2.3 2 CAPTCHA 2 CAPTCHA[6] 2 0 00 4950 4096 [] 2 2 27.2 0 8 ( ) 2.4 CAPTCHA 2 CAPTCHA 2 3D ( ) CAPTCHA 2 3D 3DCG ( ) 69.6% CAPTCHA 4096 N N 4 6 4 6 = 4096 [2] c 206 Information Processing Society of Japan 2
3 CAPTCHA CAPTCHA 3 4. 3. CAPTCHA 3. CAPTCHA 3 3D 3D ( ) ( ) 3DCG 3.2 4. 3 ( 2 ) ( 3D 2 2 2 ) 3D 4 0.25 0.75.5 2 4 ( ) 26 2 ( ) ( ) 4.2 26 0 2 ( ) ( 4 6 ) CAPTCHA 4 ( ) 5 ( ) 3.5% 5. 2 c 206 Information Processing Society of Japan 3
情報処理学会研究報告 表 2 各手法の平均の回答時間および正答率 回答時間 [s] 正答率 [%] 提案手法 5.4 65.4 提案手法 (上位 0 枚) 3.6 90.8 3.5 88.6 2 92 非現実画像 (6 枚出題時) 文字判別型 均回答時間は 5.4 秒と十分に短いが 正答率が 65.4%と低 く 人間であっても正解できない確率が高いため 正答率 を向上させる対策が必要となる 特に 出題画像の中には 正答率 8.3%という極端に低いものが含まれていたことが 平均正答率が大きく下げた一因と考えられるが 以下に述 べるようにその出題の正答率が低かった原因を追究するこ 図 4 提案手法の正答率が高かった出題 (成功例) とで 正答率の高い 0 枚のみを選出することができたと すれば 回答時間は更に短くなり 正答率は他の手法と同 等になると言える 正答率が低い出題について 被験者の意見を交えて要因 を挙げれば 机や鉢植えなどサイズ感が一意に定まらない 銃など親しみがなくサイズ感が分かりにくいなどがあった ため これらを解決するオブジェクトを選定する必要があ る 特に図 5 に示した失敗例は その両方によるもので あったと思われる これを解決する手法として インター ネット上からサイズ感を取得する (例えば商品サイトで物 体名を検索することで 掲載されている商品のサイズを目 安として取得する) などが挙げられ これは今後の課題と なる 図 5 提案手法の正答率が低かった出題 (失敗例) また 本検証では 描画物体数は 4 体に固定し 正解オ ブジェクトのサイズ変更の倍率は範囲を限定して行ったた め これらを変更し 利便性を向上させる検証も今後行う 安全性について 総当たり攻撃に着目すれば 総当たり 数は 4096 通りを確保すれば十分である [] が 本検証で は 描画割合の平均が 3.5%であったため 3 枚出題して全 て正解できるかを試せば ( 0.035 )3 23000 通り確保できる といえる (2 枚の場合は ( 0.035 )2 800 通り) また 本検 証においては正解物体数を 体としていたが これを 3 体 に変えて全て選択するタスクに変更すれば 枚の出題で も ( 0.035 )3 3! 3800 通りの総当たり数が期待される い CAPTCHA 画像 枚のみの出題では十分に確保されにく く 複数回出題するなどの検討が必要であるという結果を 得た 今後は これらの課題の解決とともに 関連研究との比 較実験によって提案手法の優位性を確認し 機械攻撃手法 を実装して耐性の確認を行う 参考文献 [] ずれの手法も同時に利便性の低下が予想されるため 出題 画像作成段階での描画割合の調整や 画像 枚当たりの利 便性の向上が 今後の課題となる [2] 6. おわりに 本 稿 で は 物 体 の サ イ ズ 感 を 利 用 し た 3DCG 画 像 [3] CAPTCHA 手法を提案し 利便性 (回答時間 正答率) と安全性 (総当たり攻撃耐性) の検証を行った 結果とし [4] て 回答時間は平均 5.4 秒 正答率は平均 65.4%であり 回答時間は既存手法に劣らないことが期待できる一方で 正答率は使用するオブジェクトを選定する必要性などの 課題を見出した また 総当たり攻撃への安全性として 206 Information Processing Society of Japan [5] 藤 田 真 浩 池 谷 勇 樹 可 児 潤 也 西 垣 正 勝 非 現 実 画 像 CAPTCHA 常識からの逸脱を利用した 3DCG 画像 CAPTCHA 情報処理学会論文誌 Vol. 56, No. 2, pp. 2324 2336 (205). 立花聖也 児玉英一郎 王家宏 高田豊雄 3 次元物体認 知能力に着目した変形 3 次元モデル CAPTCHA の提案 電気関係学会東北支部連合大会講演論文集 Vol. 204, pp. 23 23 (204). 可児潤也 鈴木徳一郎 上原章敬 山本匠 西垣正勝 4 コ マ漫画 CAPTCHA 情報処理学会論文誌 Vol. 54, No. 9, pp. 2232 2243 (203). Elson, J., Douceur, J. R., Howell, J. and Saul, J.: Asirra: A CAPTCHA that Exploits Interest-Aligned Manual Image Categorization, Proc. of ACM CCS2007, pp. 366 374 (2007). Golle, P.: Machine Learning Attacks Against the Asirra CAPTCHA, Proc. of ACM CCS2008, pp. 535 542 (2008). 4
[6] CAPTCHA, LOIS, Vol. 0, No. 207, pp. 37 42 (200). c 206 Information Processing Society of Japan 5