연구 기간
2025/08/04 ~

2025/08/21 리캡챠 v2 이미지 유형 우회 파일 업로드
https://github.com/DannyLuna17/RecaptchaV2-IA-Solver 에서 제공하는 CNN 모델 기반으로 개발
시간 및 이미지 선택의 랜덤성 추가, 모든 유형의 테스트 처리 가능 😀

2025/08/30 CloudFlare 유형의 캡챠 우회 파일 업로드
사람이 직접 해결하여 쿠키 획득 후 이후부터는 자동 적용하는 방식
논문에 포함되지 않고 Experiments 폴더 내 알고리즘 존재

2025/09/03 GPT-4o를 활용한 리캡챠 v2 이미지 유형 우회 파일 업로드
https://github.com/aydinnyunus/gpt4-captcha-bypass 에서 제공하는 프롬포트만 활용
따로 학습된 CNN 모델을 활용하였을 때보다 정확성이 현저히 낮음. (특히 4x4 이미지의 경우)
프롬프트의 개선이 필요할지도..?

2025/09/11 openCV를 활용한 geeTest v4 슬라이더 유형 우회 파일 업로드
배경 이미지와 퍼즐 조각 이미지의 외곽선을 추출해 끼워맞추는 식으로 위치를 탐색
슬라이더 이동 시 거리와 시간의 랜덤성을 부여

2025/09/19~25 샴 네트워크 알고리즘을 활용해 geeTest v4 아이콘 유형 우회 모델 학습
modifier으로 이미지 증강, network으로 학습 진행
정확도 확보가 되지 않아 추후 데이터 변경 및 알고리즘 개선으로 다시 학습 예정

2025/09/28 선행 연구 (OEDIPUS) 논문 읽고 연구 방향성 명확히 정립

2025/10/10 LLM을 활용한 캡챠 종류 및 유형 탐지 개발 및 평가
상용화되지 않은 서비스 분류 불가, 세부적인 유형 (geeTest-icon, slider 등) 구분 불가

2025/10/17 LLM을 활용한 아이콘 유형 우회 파일 개발
Chain-of-Thought(Cot) 방식으로 전체 과정을 3단계로 분할, 문제 수행

2025/10/19 논문 완성
탐지 ~ 해결 단계에 대한 프레임워크 제시 및 각 유형별 실험 진행

2025/11/02 발표자료 완성

2025/11/04 코드 재작성하여 업로드
네트워크 및 웹 구조를 활용한 detect 파일, 반환 값을 활용해 각 해결 알고리즘을 불러오는 solver 파일 및
개별 알고리즘 업데이트 완료 (시간 효율성 증가 및 불필요한 내용 제거)
GeeTest의 Icon유형의 경우 논문에 제시된 VLM 모델을 GPT로 대체함