Dark Web Araştırmalarını Mümkün Kılmak İçin Makine Öğrenimiyle CAPTCHA Çözme

ABD’deki ortak bir akademik araştırma projesi, CAPTCHA* testlerini aşmak için bir yöntem geliştirdi. Yöntemin, görsel açıdan karmaşık görevleri çözmek üzere üretici çekişmeli ağlar (GAN) kullanarak benzer, en gelişmiş makine öğrenimi çözümlerini geride bıraktığı bildiriliyor.

Araştırmacılar yeni sistemi mevcut en iyi yöntemlerle karşılaştırdıklarında, özenle seçilmiş gerçek dünya kıyaslama veri kümesinde yüzde 94,4’ün üzerinde başarı elde ettiğini buldu. Sistem, CAPTCHA ile yoğun biçimde korunan, yeni ortaya çıkmış bir Dark Net pazarında gezinirken insan katılımını ortadan kaldırabildi ve CAPTCHA görevlerini en fazla üç denemede otomatik olarak çözdü.

DW-GAN’ın iş akışı. Kaynak: https://arxiv.org/pdf/2201.02799.pdf

Yazarlar bunun siber güvenlik araştırmacıları açısından önemli bir ilerleme olduğunu savunuyor. Bu araştırmacılar geleneksel olarak CAPTCHA’ları elle çözmek için insanları sürece katmanın maliyetine katlanmak zorundaydı; çoğu zaman Amazon Mechanical Turk (AMT) gibi kitle kaynak platformlarından yararlanılıyordu.

Sistemin uyarlanabilir ve dayanıklı olduğu kanıtlanırsa daha otomatik gözetim sistemlerine ve TOR ağlarının dizinlenip web içeriklerinin toplanmasına yol açabilir. Bu da şimdiye kadar CAPTCHA duvarlarının sınırladığı, ölçeklenebilir ve yüksek hacimli analizleri ve yeni siber güvenlik yaklaşım ve tekniklerini mümkün kılabilir.

Makalenin başlığı Counteracting Dark Web Text-Based CAPTCHA with Generative Adversarial Learning for Proactive Cyber Threat Intelligence. Çalışma Arizona Üniversitesi, Güney Florida Üniversitesi ve Georgia Üniversitesi araştırmacılarına ait.

Olası etkiler

Dark Web-GAN adı verilen sistem (DW-GAN, GitHub’da mevcut) önceki yöntemlerden belirgin biçimde daha başarılı göründüğünden, standart webdeki genellikle daha kolay CAPTCHA’ları aşmak için genel bir yöntem olarak da kullanılabilir. Bu, mevcut uygulamanın kendisiyle ya da yeni makalede açıklanan genel ilkeler üzerinden gerçekleşebilir. Ancak GitHub’daki sınırlı depolama alanı nedeniyle, o tarihte sisteme ait verileri elde etmek için başyazar Ning Zhang ile iletişime geçmek gerekiyordu.

DW-GAN’ın CAPTCHA aşma konusunda olumlu bir amacı var; TOR’un da başlangıçta askeri iletişimi, daha sonra gazetecileri korumak gibi olumlu bir amacı olmuştu. CAPTCHA ise hem yaygın CDN sağlayıcısı CloudFlare’in sıkça ve tartışmalara yol açacak biçimde kullandığı meşru bir savunma aracı hem de yasa dışı Dark Web pazarlarının tercih ettiği bir araç. Bu nedenle yaklaşım, dengeleri eşitleyen bir teknoloji olarak değerlendirilebilir.

Yazarlar DW-GAN’ın daha geniş kullanım alanları olduğunu kendileri de kabul ediyor:

“[Her ne kadar] bu çalışma daha zor bir sorun olarak Dark Web CAPTCHA’larına odaklansa da çalışmada önerilen yöntemin genelliğini kaybetmeden diğer CAPTCHA türlerine de uygulanabilmesi beklenmektedir.”

Dark Web pazarlarının makinelerce daha zor çözülebilen alternatifler araması ya da en azından CAPTCHA ayarlarını düzenli olarak geliştirmesi için DW-GAN veya benzer bir sistemin yaygın biçimde ve görünür şekilde benimsenmesi gerekebilir. Bu, bir tür soğuk savaş senaryosu oluşturur.

Motivasyonlar

Makalede belirtildiği gibi Dark Web, 2025’e kadar dünya ekonomisine 10 trilyon ABD doları zarar vermesi öngörülen siber saldırılarla ilgili bilgisayar korsanı istihbaratının başlıca kaynağıdır. Bu yüzden onion ağları, oturum zaman aşımları, çerezler ve kullanıcı kimlik doğrulaması gibi yöntemlerle dışarıdan gelenleri engelleyebilen yasa dışı Dark Net toplulukları için görece güvenli bir ortam olmayı sürdürür.

İki CAPTCHA türü de makinelerce okunmayı zorlaştırmak için yanıltıcı arka planlar ve eğik harfler kullanıyor.

Ancak yazarlara göre bu engellerin hiçbiri, hassas bir toplulukta gezinmeyi sürekli kesintiye uğratan CAPTCHA dizisi kadar büyük değil:

“Bu önlemlerin çoğu bir içerik toplama programına otomatik karşı önlemler eklenerek etkili biçimde aşılabilirken CAPTCHA, Dark Web’de otomatik içerik toplamayı en çok engelleyen önlemdir. Otomasyon araçlarında çoğu zaman bulunmayan yüksek bilişsel yetenekler gerektirdiğinden kolayca aşılamaz.”

Metin tabanlı CAPTCHA tek seçenek değil. Birçoğumuzun bildiği gibi kullanıcıdan video, ses ve özellikle görüntüleri yorumlamasını isteyen çeşitleri de var. Yine de yazarlara göre metin tabanlı CAPTCHA, Dark Web pazarlarının o dönemde tercih ettiği görev türü ve TOR ağlarını makine analizine daha açık hale getirmek için doğal bir başlangıç noktası.

Mimari

Çin’deki Northwest Üniversitesi’nin önceki bir yaklaşımı, CAPTCHA platformlarından özellik örüntüleri çıkarmak için GAN kullanmıştı. Yeni makalenin yazarları bu yöntemin görevde tanınan harfleri daha derinlemesine incelemek yerine raster görüntüyü yorumlamaya dayandığını belirtiyor. DW-GAN’ın etkinliği ise Dark Web CAPTCHA’larında sık görülen anlamsız sözcüklerin ve sayıların değişken uzunluğundan etkilenmiyor.

DW-GAN dört aşamalı bir işlem hattı kullanıyor. Önce görüntü alınarak arka plan gürültüsünü gideren bir modüle gönderiliyor. Modüldeki GAN, açıklamalarla etiketlenmiş CAPTCHA örnekleri üzerinde eğitildiğinden harfleri üzerlerinde durdukları bozulmuş arka plandan ayırabiliyor. GAN tabanlı çıkarımın ardından harfler, geriye kalan gürültüden arındırılmak üzere tekrar süzülüyor.

Sonra çıkarılan metin bölütleniyor; kontur algılama algoritmaları kullanılarak metni oluşturduğu düşünülen karakterlere ayrılıyor.

Karakter bölütleme, piksel grubunu ayırıp sınırları izleyerek tanımayı deniyor.

Son olarak tahmin edilen karakter parçaları, evrişimli sinir ağı (CNN) aracılığıyla karakter tanımaya tabi tutuluyor.

Karakterler bazen üst üste binebiliyor; bu aşırı sıkı harf aralığı, makine sistemlerini yanıltmak için özellikle tasarlanıyor. DW-GAN bu nedenle sınırları belirginleştirip ayırmak ve karakterleri etkili biçimde birbirinden ayırmak için aralık tabanlı bölütleme kullanıyor. Sözcükler genellikle anlamsız olduğundan sürece yardımcı olabilecek anlamsal bağlam bulunmuyor.

Sonuçlar

DW-GAN, üç farklı Dark Web veri kümesinden gelen CAPTCHA görüntüleri ve popüler bir CAPTCHA üreticisi üzerinde test edildi. Görüntülerin kaynakları Rescator-1 ve Rescator-2 adlı iki kart bilgisi mağazası ile o sırada yeni ortaya çıkan Yellow Brick pazarıydı. Yellow Brick’in daha sonra DarkMarket’in kapatılmasının ardından ortadan kaybolduğu bildirildi.

Üç veri kümesinden ve açık kaynak CAPTCHA üreticisinden örnekler.

Yazarlara göre test verileri, Dark Net pazarlarındaki yaygın kullanımları dikkate alınarak siber tehdit istihbaratı (CTI) uzmanlarınca önerildi.

Her veri kümesinin testinde, 500 CAPTCHA görüntüsü toplamak üzere TOR’a erişen bir içerik toplama programı geliştirildi. Görüntüler daha sonra CTI danışmanlarınca etiketlendi ve seçildi.

Üç deney tasarlandı. İlki DW-GAN’ın genel CAPTCHA aşma başarımını en gelişmiş standart yöntemlerle karşılaştırdı. Rakip yöntemler şunlardı: İran ve Birleşik Krallık’tan ortak bir akademik çalışma olan, gri tonlara dönüştürme, normalleştirme ve Gauss yumuşatma içeren ön işlemeli görüntü düzeyinde CNN; aralık tabanlı bölütleme kullanan karakter düzeyinde CNN; ve Birleşik Krallık’taki Oxford Üniversitesi’nden görüntü düzeyinde CNN.

İlk deneyde DW-GAN’ın önceki en gelişmiş yaklaşımlarla karşılaştırılan sonuçları.

Araştırmacılar DW-GAN’ın tüm karşılaştırmalarda önceki sonuçları iyileştirebildiğini buldu; yukarıdaki tabloya bakınız.

İkinci deney bir bileşen çıkarma çalışmasıydı: Sonuçları dış veya ikincil etkenlerin etkilemesi olasılığını elemek için etkin sistemin çeşitli parçaları çıkarıldı veya kapatıldı.

Bileşen çıkarma çalışmasının sonuçları.

Yazarlar burada da mimarinin önemli bölümlerini kapatmanın hemen her durumda DW-GAN’ın başarımını düşürdüğünü buldu; yukarıdaki tabloya bakınız.

Üçüncü çevrimdışı deney, DW-GAN’ı görüntü tabanlı bir kıyaslama yöntemi ve iki karakter düzeyindeki yöntemle karşılaştırdı. Amaç, anlamsız CAPTCHA sözcüğünün uzunluğu önceden belirlenmeyip değiştiğinde DW-GAN’ın karakter değerlendirmesinin yararlılığı ne ölçüde etkilediğini belirlemekti. Bu durumlarda CAPTCHA uzunluğu 4 ile 7 karakter arasında değişti.

Yazarlar bu deneyde 50.000 CAPTCHA görüntüsünden oluşan bir eğitim kümesi kullandı; tipik 90/10 ayrımıyla 5.000 görüntü test için ayrıldı.

DW-GAN burada da önceki yaklaşımları geride bıraktı:

Bir Dark Net pazarında canlı test

Son olarak DW-GAN, o tarihte açık olan Yellow Brick Dark Net pazarına karşı kullanıldı. Test için DW-GAN’ı gezinme yeteneklerine dahil ederek CAPTCHA görevlerini otomatik ayrıştıran bir Tor web tarayıcısı geliştirildi.

Bu senaryoda otomatik içerik toplayıcıya ortalama her 15 HTTP isteğinde bir CAPTCHA sunuldu. Toplayıcı Yellow Brick’te satılan 1.831 yasa dışı ürünü dizinleyebildi. Bunların arasında opioidler ve kokain dahil uyuşturucularla ilgili 1.223 ürün, 44 bilgisayar korsanlığı paketi ve dokuz sahte belge taraması vardı. Sistem toplamda siber güvenlikle ilgili 286 ürün belirledi; bunlara 102 çalıntı kredi kartı ve 131 çalıntı hesap giriş bilgisi dahildi.

Yazarlar DW-GAN’ın her durumda CAPTCHA’yı üç veya daha az denemede çözebildiğini ve 1.831 ürünün tümünü koruyan CAPTCHA’ları işlemek için 76 dakika gerektiğini belirtiyor. İnsan müdahalesine gerek duyulmadı ve uç noktalarda başarısızlık yaşanmadı.

Yazarlar, bazıları Turing testlerini örnek alıyor gibi görünen, metin CAPTCHA’larından daha karmaşık görevlerin ortaya çıkmasına dikkat çekiyor. DW-GAN’ın bu yeni eğilimler yaygınlaştığında onlara uyum sağlamak üzere geliştirilebileceğini gözlemliyorlar.

*Bilgisayarlarla insanları ayırt etmeye yönelik tamamen otomatik, halka açık Turing testi

İlk yayımlanma tarihi: 11 Ocak 2022.