CAPTCHAとボットの共進化

April 26, 2016

1.1k

CAPTCHAとボットの共進化

http://connpass.com/event/29969/ LT資料

Yuma Kurogome

April 26, 2016

Tweet

More Decks by Yuma Kurogome

See All by Yuma Kurogome

The Art of De-obfuscation

16

27k

死にゆくアンチウイルスへの祈り

55

39k

Windows Subsystem for Linux Internals

10

3k

なぜマルウェア解析は自動化できないのか

6

4.2k

Linear Obfuscation to Drive angr Angry

4

830

マルウェアを機械学習する前に

3

1.6k

7

3.6k

仮想化技術を用いたマルウェア解析

8

27k

An Introduction to Drawbridge(ja)

11

3.3k

Other Decks in Technology

See All in Technology

【詳説】コンテンツ配信システムの複数機能基盤への拡張

0

230

ExaDB-XSで利用されているExadata Exascaleについて

oracle4engineer

3

250

スキルだけでは満たせない、 “組織全体に”なじむオンボーディング/Onboarding that fits “throughout the organization” and cannot be satisfied by skills alone

0

180

ESXi で仮想化した ARM 環境で LLM を動作させてみるぞ

0

180

EMConf JP 2025 懇親会LT / EMConf JP 2025 social gathering

2

190

AIエージェント元年@日本生成AIユーザ会

1

210

内製化を加速させるlaC活用術

2

140

実は強い非ViTな画像認識モデル

2

1.2k

（機械学習システムでも） SLO から始める信頼性構築 - ゆる SRE#9 2025/02/21

0

270

サイト信頼性エンジニアリングとAmazon Web Services / SRE and AWS

7

1.5k

IoTシステム開発の複雑さを低減するための統合的アーキテクチャ

1

110

30→150人のエンジニア組織拡大に伴うアジャイル文化を醸成する役割と取り組みの変化

0

170

Featured

See All Featured

Intergalactic Javascript Robots from Outer Space

270

27k

Chrome DevTools: State of the Union 2024 - Debugging React & Beyond

4

370

Evolution of real-time – Irina Nazarova, EuRuKo, 2024

6

570

Bootstrapping a Software Product

306

110k

Fontdeck: Realign not Redesign

paulrobertlloyd

83

5.4k

RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub

133

33k

Refactoring Trust on Your Teams (GOTO; Chicago 2020)

33

2.8k

Designing for humans not robots

250

25k

Optimizing for Happiness

376

70k

For a Future-Friendly Web

176

9.6k

Designing Experiences People Love

140

23k

I Don’t Have Time: Getting Over the Fear to Launch Your Podcast

32

2.1k

Transcript

None
• •
None
•
None
• •
None
None
None
def __init__(self, input_channel, output_channel, filter_height, filter_width, mid_units, n_units, n_label): super(CNN,
self).__init__( conv1 = L.Convolution2D(input_channel, output_channel, (filter_height, filter_width)), l1 = L.Linear(mid_units, n_units), l2 = L.Linear(n_units, n_label), ) • • • • • • •