Perpustakaan Digital ITB

Adversarial example merupakan penyerangan terhadap neural network yang dapat merusak sistem pengenalan citra. Penyerangan ini dapat menyebabkan pengenalan citra gagal untuk mengenali gambar dengan kelas yang benar. Tetapi adversarial example dapat digunakan untuk memperkuat sistem uji Captcha gambar. Uji Captcha gambar yang dapat diserang dengan menggunakan sistem pengenalan citra, sehingga sistem intelegensi buatan dapat mengenali gambar yang diberikan oleh uji Captcha. Dengan menggunakan adversarial example pada gambar Captcha, sistem pengenalan citra akan sulit untuk mengenali gambar Captcha tersebut. Pada tugas akhir ini dibuat sistem generator yang dapat menghasilkan gambar sintetis yang memiliki sifat adversarial. Captcha generator yang dihasilkan memiliki sifat yang robust, yaitu sulit dikenali oleh sistem pengenalan citra, tetapi tetap dapat dengan mudah dikenali dengan mata manusia. Berdasarkan penelitian, Robust Captcha Generator berhasil menghasilkan gambar yang cukup natural, yang sulit dibedakan dengan gambar asli. Efek adversarial yang dihasilkan juga sulit untuk dihilangkan dengan transformasi gambar, sehingga dapat mempertahankan sifat robustness. Gambar yang dihasilkan tidak dapat dikenali oleh sistem pengenalan citra, sistem image recognition gagal melakukan pengenalan pada semua gambar (akurasi 0%). Namun gambar yang dihasilkan tetap dapat dengan mudah dibedakan oleh mata manusia. Berdasarkan pengujian yang dilakukan kepada responden 97,5% responden berhasil membedakan gambar yang diberikan pada pengujian Captcha.