Denoising Telerik RadCaptcha: A Comparative Evaluation of the Effectiveness of Pre-Processing Techniques and Deep Learning Methods Using a Novel Dataset
Rattachement africain : pk, kr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Text-based CAPTCHAs remain a widely deployed mechanism to distinguish humans from automated bots. The Telerik RadCaptcha, a component of the ASP.NET AJAX suite, generates distorted alphanumeric images with character overlap, intersecting lines, and dynamic background noise. This study introduces a novel, real-world dataset of 3,000 labeled Telerik RadCaptcha images and proposes a specialized multi-stage preprocessing pipeline featuring adaptive binarization and contour-based segmentation to robustly isolate overlapping and noisy characters—challenges where conventional methods frequently fail. The segmented characters are then classified using a lightweight Convolutional Neural Network (CNN). Experimental results demonstrate 99.26% training accuracy, 97.60% character-level test accuracy, and 92.08% full-sequence accuracy on unseen 5-character CAPTCHAs, with stable learning curves indicating effective generalization and minimal overfitting. These findings reveal critical vulnerabilities in traditional text-based CAPTCHA designs and provide empirical insights to guide the development of more resilient verification mechanisms.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Denoising Telerik RadCaptcha: A Comparative Evaluation of the Effectiveness of Pre-Processing Techniques and Deep Learning Methods Using a Novel Dataset
- Date Crossref
- 10/02/2026
- Éditeur
- Institute of Central Computation and Knowledge Inc.
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Air University Department of Creative Technologies pays non établi dans la noticeUniversité ou école supérieure
-
Center for Art Studies pays non établi dans la noticeStructure de recherche
-
Jeonju University Human Data Convergence Institute pays non établi dans la noticeUniversité ou école supérieure
-
Korea University Department of Artificial Intelligence pays non établi dans la noticeUniversité ou école supérieure
Department of Creative Technologies — Air University, Center for Art Studies et Human Data Convergence Institute — Jeonju University, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.