Captcha Resolver

Como executar

Cada programa faz alguma coisa dentro da pipeline da IA, execute os arquivos nessa ordem.

data_mine.py => Ele extrai os captchas do BreachForums
etl_captcha.py => Personaliza as imagens para se adequarem ao modelo
spell_letters.py -> Separa as letras das imagens filtradass
train_model.py => Treina o modelo

Introdução do problema

No dia 19 de Dezembro de 2023, o twitter da atual primeira dama Rosângela da Silva foi hackeado, o hacker em questão disse que conseguiu os seus dados apartir de banco de dados vazados pela internet e que a senha igualava a dos bancos vazados. Com o pensamento de resolver esse problema foi pensando por mim em utilizar a ferramenta Sherlock, muito conhecida no mundo hacker para conseguir informações sobre alvos, usando como parâmetro o seu usuário em alguma rede social conhecida. Então realizei um fork do código e otimizando para que fosse possivel ser uma biblioteca para a criação de uma página web usando o framework Python DJANGO, mas para complementar essa criação para que seja possivel identificar alvos que correm riscos de serem hackeados, decidi fundir essa criação com o sistema do I Have Been Pwnd? I Have Been Pwnd? é um site que verifica em banco de dados vazados se os seus dados estão expostos nele e qual site o seu dado foi vazado. Essa ferramenta junto ao Sherlock permite que possamos ver além dos email quais usuários estão em risco, pois o I Have Been Pwnd? só usa o email como parâmetro.

Desafio encontrado

O sistema do I Have been Pwnd? é bem simples, porém o problema de replicar esse sistema que foi escrito originalmente em C# para o Python é que conseguir acesso a esses banco de dados vazados seja na Deep Web ou na surface web exije o uso de uma ferramenta mais sofisticada ou um justiceiro dedicado, nesse caso fomos pela ferramenta sofisticada.

Resolução do Desafio

O site onde vamos extrair a base de dados é o mesmo que o I Have been Pwnd? usa que é o Breached Forums, o maior fórum hacker do mundo, com vazamento de dados diariamente, mas como vamos conseguir esses dados de graça? O site consta com um sistema de créditos que você pode conseguir através do pagamento de cripto-moedas ou interagindo nos fóruns, mas para interagir nos fóruns decidimos fazer a mesma coisa que o video do Yannic Kilcher com nome "GPT-4chan: This is the worst AI ever", aonde o Youtuber criou um MML baseado no GPT para responder as postagens do fórum como se fosse um membro. Claro que aqui vamos fazer o nosso bot ser menos ativo para não levantar suspeitas como o do Yannic Kilcher levantou. Para isso vamos utilizar ferramentas como Selenium para automação, Beautiful Soup para fazer webscrapping e conseguir dados de como os usuários do fórum se comunicam e usaremos o código Open Source do GPT-3 para a criação do modelo. Entretando temos outro desafio que não foi mencionado até agora que são os CAPTCHAS do site, utilzei um algoritmo baseado no artigo do Adam Geitgey e a sua explicação de resoulução ainda vai ser abordada nesse artigo sobre toda resulução do problema.

A história do Breached Forums

O Breached Forums na verdade é originario do site Raid Foruns, criado pelo amigo do YouTuber CELAEON que faziam as Raids na Twitch com o intuito de trollar os alvos, para organizar essas Raids o Português Diogo Santos Coelho conhecido na internet como “Onipotente” e “Kevin Maradona”, após a fama do site, "Onipotente" decidiu ampliar o seu negócio para dados vazados e aos 21 anos foi preso pelo FBI. Porém se engana que o fórum acabou após a prisão de "Onipotente", pois ele foi recriado pelo moderador "Baphomet" utilizando o código original, somente mudando o nome e o dóminio para Breached Forums.