다크웹 CAPTCHA에 대한 CNN 기반 문자 인식 연구
CNN-Based Character Recognition for Dark Web CAPTCHA
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
다크웹은 불법 거래와 사이버 범죄 활동이 빈번하게 이루어지는 공간으로 사이버 위협 인텔리전스 확보를 위한 데이터 수집 자동화 연구가 활발히 이루어지고 있다. 다크웹은 특수한 접속 구조와 다양한 보안 조치는 데이터 크롤링의 동작을 방해하고 있으며, 특히, CAPTCHA는 자동화가 목적인 시스템에 주요 제약 요소로 작용한다. 본 논문은 CAPTCHA 해결 절차의 자동화 가능성 검증을 위해 CNN 기반 CAPTCHA 문자 인식 연구를 수행한다. 실제 다크웹에서 수집한 CAPTCHA 이미지를 바탕으로 최소한의 전처리 과정을 거쳐 학습 및 테스트 데이터셋을 구축하였다. ResNet과 VGGNet 기반의 총 5가지 모델을 구현하였으며 모델 문자 인식 성능 평가를 통해 다크웹에서의 CAPTCHA 자동 해결 가능성을 실험적으로 입증하였다. 향후, CAPTCHA Solver 구현을 통해 수사관의 수동 개입 없이 효율적인 다크웹 실시간 모니터링을 가능하게 하며, 수준 높은 CTI 확보와 범죄 수사 역량 강화에 기여할 것이다.
Abstract
The dark web is a space where illegal transactions and cyber criminal activities occur frequently, and research on automated data collection for cyber threat intelligence (CTI) has been actively conducted. The dark web’s specialized access structure and various security mechanisms hinder the operation of data crawling systems, and in particular, CAPTCHA serves as a major obstacle for systems that rely on automation. This study investigates the feasibility of automating the CAPTCHA-solving process by evaluating CNN-based character recognition models. Using CAPTCHA images collected directly from real dark web services, a training and test dataset was constructed through a minimal preprocessing procedure. Five models based on ResNet and VGGNet were implemented, and their character recognition performance was evaluated to experimentally demonstrate the feasibility of automated CAPTCHA solving in dark web environments. The findings suggest that the development of a CAPTCHA solver can enable efficient real-time monitoring of the dark web without manual intervention by investigators, thereby contributing to high-quality CTI acquisition and enhanced cybercrime investigation capabilities.