Perpustakaan Digital ITB

Di awal kemunculanya, CAPTCHA-text menggunakan teks terdistorsi yang sulit dipecahkan oleh teknologi OCR. Seiring dengan perkembangan teknologi AI, machine learning dan pengolahan citra – untuk membedakan antara interaksi manusia dan “bot” terhadap suatu program menjadi lebih menantang. CAPTCHA jenis terbaru yang lebih canggih saat ini pun sudah tersedia untuk menghindari resiko dari penggunaan CAPTCHA-text yang bisa dianggap tidak relevan lagi untuk mengamankan suatu website. Namun, sampai saat ini masih dapat dijumpai beberapa website yang masih menggunakan CAPTCHA-text. Paper ini berisi tentang rancangan sistem “bot” cerdas yang mampu memecahkan CAPTCHA-text terdistorsi beserta hasil eksperimen yang telah dilakukan. Convolutional Neural Network dipilih sebagai pendekatan untuk studi ini karena performanya terbukti sangat baik untuk aplikasi pengenalan objek (object recognition). Arsitektur CNN yang digunakan untuk penelitian ini terdiri dari tiga convolutional layer, tiga pooling layer dan dua fully-connected layer. Tingkat akurasi yang perlu dicapai adalah 75% yang angka tersebut ditentukan berdasarkan pertimbangan bahwa umumnya web yang dipasangi CAPTCHA biasanya dapat mentolerir kasalahan pengisian jawaban sehingga masih ada kesempatan selanjutnya untuk menebak maka tingkat akurasi yang ditentukan tersebut dianggap cukup memadai untuk berhasil menembus sistem keamanan suatu CAPTCHA. Dari hasil percobaan yang dilakukan, sistem berhasil mencapai tingkat akurasi 75% dalam waktu ±19 jam eksekusi program (pelatihan dan validasi model) untuk jenis CAPTCHA-text terdistorsi yang dipilih sebagai contoh kasus pada penelitian ini.