UNAP - Repositorio Institucional
  • Visualizaciones
  • Politicas
    Política de Depósito Reglamento de Investigación Política de Acceso Abierto Normativa Académica
    Ver todas las politicas
  • Estructura Académica
    Explorar todo
    • English
    • العربية
    • বাংলা
    • Català
    • Čeština
    • Deutsch
    • Ελληνικά
    • Español
    • Suomi
    • Français
    • Gàidhlig
    • हिंदी
    • Magyar
    • Italiano
    • Қазақ
    • Latviešu
    • Nederlands
    • Polski
    • Português
    • Português do Brasil
    • Srpski (lat)
    • Српски
    • Svenska
    • Türkçe
    • Yкраї́нська
    • Tiếng Việt
    Iniciar sesión
    ¿Nuevo Usuario? Pulse aquí para registrarse ¿Has olvidado tu contraseña?
    1. Inicio
    2. Buscar por autor

    Examinando por Autor "Chalco Huarachi, Elmer Ander"

    Seleccione resultados tecleando las primeras letras
    Mostrando 1 - 1 de 1
    • Resultados por página
    • Opciones de ordenación
    • Cargando...
      Miniatura
      info:eu-repo/semantics/bachelorThesis
      Evaluación de vulnerabilidad del captcha mediante el reconocimiento con redes neuronales convolucionales
      Gonzales Quilca, Jhon Carlos; Chalco Huarachi, Elmer Ander; Vilca Huayta, Oliver Amadeo , 2024-10-29 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
      La Prueba de Turing pública completamente automatizada para distinguir computadoras de humanos CAPTCHA (en inglés: Completely Automated Public Turing Test to Tell Computers and Human Apart) es una prueba que garantiza que los usuarios son personas y no computadoras. Han sido diseñadas para que las personas las puedan resolver fácilmente, pero que son difíciles para las computadoras, se utiliza para evitar que los programas informáticos con procedimientos reiterativos (bots) intenten acceder de manera no autorizada. Aunque existen varios tipos de captchas basados en texto, audio, imágenes, videos y acertijos. Muchos sitios web, incluido los servicios gubernamentales, todavía utilizan captchas basados en texto. El propósito principal de esta investigación fue desarrollar un modelo para reconocer captchas de texto de la librería GregwarCaptcha comparando dos modelos, el primero con reconocimiento óptico de imágenes y el segundo con redes neuronales convolucionales. Se obtuvo una base de datos de 1017 imágenes de captchas; seguidamente, se realizaron el preprocesamiento de datos, clasificación y entrenamiento de los dos modelos. Asimismo, se evaluó y se comparó la utilidad de los algoritmos mediante la matriz de confusión y el método F1-score, desarrollado en Python. El enfoque de investigación es cuantitativo, de nivel proyectiva. Los resultados mostraron que las redes neuronales convolucionales obtuvieron una exactitud del 97% superando significativamente al 37% del método OCR. En conclusión, esta investigación demostró la eficacia de las redes neuronales convolucionales para reconocer captchas de texto, que pueden mejorar la seguridad de los sistemas de información en un futuro.
    UNAP
    Repositorio Institucional
    Universidad Nacional del Altiplano

    Plataforma de acceso abierto para la producción académica e investigativa de la UNAP.

    Explorar

    • Comunidades
    • Colecciones
    • Buscar
    • Títulos
    • Autores

    Servicios

    • Depositar
    • Acerca de
    • Soporte
    • ALICIA - CONCYTEC

    Síguenos


    © 2026 Universidad Nacional del Altiplano - Puno, Perú
    PrivacidadTérminos
    Desarrollado con DSpace 7.6