PulseAugur
中
实时 07:55:52
English(EN) Breaking Darknet CAPTCHAs with general purpose LLM

多模态大语言模型结合计算机视觉破解暗网验证码

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个混合框架，将多模态大语言模型（MLLMs）与经典计算机视觉算法相结合，以有效破解暗网验证码。虽然MLLMs在识别视觉元素方面表现出潜力，但在精确局部化和几何变换方面存在困难。所提出的系统使用MLLM作为编排层，通过模型上下文协议（MCP）将几何计算委托给确定性算法，在各种验证码类型上实现了超过90%的成功率。 AI

影响 展示了一种使用大语言模型克服安全措施的方法，可能影响在线安全和验证系统。

排序理由 研究论文，详细介绍了一种针对特定问题的创新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

多模态大语言模型结合计算机视觉破解暗网验证码

本文如何被排名

Signal score
20 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
研究论文，详细介绍了一种针对特定问题的创新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Benjamin Fehrensen, Jens Hubler ·

    使用通用大语言模型破解暗网验证码

    arXiv:2608.28794v1 Announce Type: cross Abstract: Our work evaluates the effectiveness of automated methods for solving CAPTCHA challenges commonly encountered in darknet environments. These CAPTCHAs are typically designed to operate without JavaScript, resulting in distinct char…

相关实体

相关话题