CNPJ

[Fabio Fabris]

Olá senhores.

Uma boa notícia e uma má notícia.

O site da receita federal tem consulta de CNPJ.

http://www.receita.fazenda.gov.br/pessoajuridica/cnpj/cnpjreva/cnpjreva_solicitacao.asp

Busquem por exemplo por 39780465000148

Lá tem o CEP e nome da empresa. E outros dados interessantes.

O problema é que o CAPTCHA é demoníaco. Muito difícil de quebrar. Na
minha opnião não vale a pena investir muito tempo tentando. Eu acho
que seria muito mais fácil tentar fazer um esquema de reconhecimento
de voz da parte para deficientes. Parece ser muito mais fácil. Apesar
de ter um ruído aleatório no fundo, as palavras ditas são sempre as
mesmas e são apenas 10.

Questionamentos: Existe outra fonte de dados mas fácil de trabalhar?
Vale a pena o esforço? O que acham?

[Victor Neves]

O reconhecimento de voz parece ser o caminho mais simples mesmo, esse captcha é foda, as imagens são muito distorcidas. Poderiamos até fazer um reconhecedor das imagens, mas suspeito que a taxa de acerto não seria alta o suficiente pra impedir que o bot seja detectado (eu fiquei atualizando a imagem algumas vezes e o site já me bloqueou).

2011/11/8 Fabio Fabris <ffa...@hacktivix.org>

--
Lembranças,

Victor Neves

[ruivo]

http://www.gizmodo.com.br/conteudo/pesquisa-de-stanford-revela-fragilidade-nos-codigos-captcha/ 

Artigo legal para dar um gás nas pesquisas e não deixar a idéia morrer!

[filipe mutz]

usando filtro de cor da pra tirar o captcha.. ele eh sempre preto..
o hard eh quando passa um filtro de deixar redondo..
Laurao, se treinar o tesseract ele nao quebra isso nao?

Em 8 de novembro de 2011 13:32, ruivo <raonny...@gmail.com> escreveu:

http://www.gizmodo.com.br/conteudo/pesquisa-de-stanford-revela-fragilidade-nos-codigos-captcha/ 

Artigo legal para dar um gás nas pesquisas e não deixar a idéia morrer!

--
-- Filipe Wall Mutz --

[Fabio Fabris]

Ele tem uma deformação geométrica aleatória e as fontes e o fundo mudam bastante de padrão;

[Fabio Fabris]

Até onde eu vi tem 3 tipos de captcha:

1) Distorção senóide
2) Distorção que parece uma projeção esférica
3) Sem distorção mas com um monte de pontinhos

Teria que fazer um método pra cada tipo desse. E bolar uma forma de
descobrir como desfazer a distorção, parece que ela tem um parâmetro
aleatório. É possível fazer. Mas eu continuo achando a solução do
áudio mais fácil.

[ruivo]

E ai! Temos novidades?

[Lauro Lyrio]

O tenso galera é que essas funções de distorção que utilizaram parecem que não são de fácil reversão, segue um exemplo delas:
http://en.wikipedia.org/wiki/Distortion_%28optics%29

Tem até como fazer, mas não seria trivial. Tentei alguns filtros de warping do gimp e só com a senóide que resolveu um pouco.

Mas isso é necessário agora? Num tem outros dados abertos por aí não?

[Fabio Fabris]

Acho que dá pra fazer usando o audio. Agora preciso arrumar uma forma
legal de segmentar os dígitos do áudio.

[Fabio Fabris]

Eu também preciso de exemplos de áudios extraídos à mão pra fazer a
base de treino/teste.

Eu estou usando o wireshark+audacity enquanto não fiz o método de
extração automática.
Quem animar em ajudar avisa aí. =)

[Fabio Fabris]

Consegui! =)

[Marcos Accioly]

uahuahuahuahuahuahua já? 

--

marcos accioly | @marquito

designer | marcosaccioly.com.br

On 15 November 2011 21:21, Fabio Fabris <ffa...@hacktivix.org> wrote:

Consegui! =)

[Lucas Thom]

E olha que ele estava na piscina ontem de madrugada!

hahaha

Parabéns! eheiuheh

[Fabio Fabris]

Olha as intimidades!

[Fábio Fabris]

O aplicativo de quebra de captcha funiona muito bem e podemos extrair informações das empresas com o seu CNPJ.

Como fiz partes críticas em python ele está meio lento, demora cerca de 20 segundos pra recuperar as informações. Como eu fiz as partes críticas em python, a minha intuição é que dá pra melhorar a velocidade bastante.

Eu não liberei o código ainda por 3 motivos.

1) Não tem onde colocar oficialmente ainda; Podemos resolver isso no sábado.

2) Temos que discutir se devemos abrir os nossos hacks pra todo mundo ou se vai ficar só interno. Eu não sei se isso que eu fiz é ilegal. Se pode dar problema pra gente se liberarmos isso nominalmente. Alguém sabe?

3) Tô salvando pra mostrar pra quem quiser no hackday, pra atrair quem tá interessado na sujeirada.

[Fábio Fabris]

Legal. Tem acesso ssh?
A gente pode instalar um git nele e colocar as coisas lá?

[Fábio Fabris]

Bacana!

Você pode fazer isso logo? E instalar o git lá; Se quiser é só me passar a senha e o ip que eu faço.

[ruivo]

Vou gerar os dados lá.


Disponibilizar abertamente não é uma boa né?


Offtopic: Vc é primo da Elisa Fabris né cara?

[Fábio Fabris]

Oi, desculpa, que dados mesmo?

Cara, disponibilizar abertamente essas coisas tem sempre um risco.
Eu sou a favor de disponibilizar o sisteminha de uma forma genérica, sem atrelar  ao site da receita federal.

Aham sou sim, primo da Elisa!

[Lucas Thom]

Tem local sim cara....

Já temos o webhost do hacktivix.org com ssh, sftp, fdp, python, perl, ruby, php, mysql, java, etc... 

=)

Esse quebrador de captcha é ilegal sim uiehiuehe.... mas sábado a gente organiza direitinho... Inclusive crio os usuários pra vocês acessarem... :D

2011/11/17 Fábio Fabris <ffa...@hacktivix.org>

[Lucas Thom]

Cara... ia morrer sem saber q vc é primo da elisa tbm...

Ela namora meu amigo. =D

2011/11/17 Lucas Thom <lu...@hacktivix.org>

[Igor Lopes]

Boa tarde,

Ainda não me apresentei formalmente na lista (o que farei posteriormente), mas talvez eu possa contribuir em um ponto que o Fábio levantou.

2) Temos que discutir se devemos abrir os nossos hacks pra todo mundo ou se vai ficar só interno. Eu não sei se isso que eu fiz é ilegal. Se pode dar problema pra gente se liberarmos isso nominalmente. Alguém sabe?

Quanto à legalidade da divulgação dessas informações, posso afirmar que, tendo em vista as mesmas estarem disponíveis ao público em geral sem qualquer condicionante para sua visualização (só é necessário saber o CNPJ), as informações lá constantes são, SEM SOMBRAS DE DÚVIDAS, PÚBLICAS. Peço desculpas aqui ao discordar do Thom...

Acho que nem preciso dizer que as únicas limitações são em sistemas que, apesar de estarem disponíveis na internet, tem acesso restrito (INFOSEG, CNISa etc.)

Quanto a liberar o código fonte a decisão é individual. Porém, a razão de eles usarem um captcha é justamente para dificultar o acesso daquelas informações a pessoas mal intencionadas, p. ex. estelionatários (vocês não imaginam tem gente que consegue fazer com CNPJ + nome da pessoa jurídica, alguns tem o dom da engenharia social).

Acho que o acesso à informação é muito importante e deve ser garantido. O que o grupo não pode fazer é contribuir para uma finalidade espúria, mesmo que seja difícil controlar o objetivo do usuário final.

Agora, vejam o site da Junta Comercial de São Paulo (http://www.jucesponline.sp.gov.br), ele permite a busca por CNPJ, razão social ou nome da empresa, mas não disponibiliza as 3 informações juntas em uma página sem antes passar por uma verificação (captcha).

Quanto ao que fazer com essas informações. Acho que seria bacana um sistema como o do site já citado, até porque a Junta Comercial do nosso estado não disponibiliza essas informações. Um problema para fazer isso, busca sequencial em CNPJs e filtragem por UF - Unidade da Federação não me parece uma boa escolha.

Abraços,
Igor.

[Lucas Thom]

Igor,

Eu concordo com você meu caro, porém liberar um bypass de captcha assim não é muito o foco, até porque um programa como esse pode ser utilizado em atos de cracking... ;)

Esse é o único ponto que deve ser discutido. 

No mais, seja bem vindo.

Abraço,

2011/11/17 Fábio Fabris <ffa...@hacktivix.org>

Beleza então!

Hahahhaha. Elisa e o irmão dela, o Pedro, praticamente cresceram comigo e com a minha irmã.

[Lucas Thom]

Acredito que todos aqui do hacktivix defendem a bandeira do acesso livre e indiscriminado de qualquer dado público. Espero que tenham entendido o que eu disse. :D

2011/11/17 Lucas Thom <lu...@hacktivix.org>

[Fábio Fabris]

Eu acho que podemos e devemos disponibilizar o método genérico, sem atrelá-lo a site algum. O que acham? Pode ser útil inclusive para as pessoas criarem captchas melhores. =)

[ruivo]

Bom! se já temos tudo, então tá de boa! =D

On Nov 17, 5:42 pm, Lucas Thom <lu...@hacktivix.org> wrote:
> Tem local sim cara....
> Já temos o webhost do hacktivix.org com ssh, sftp, fdp, python, perl, ruby,
> php, mysql, java, etc...
> =)
>
> Esse quebrador de captcha é ilegal sim uiehiuehe.... mas sábado a gente
> organiza direitinho... Inclusive crio os usuários pra vocês acessarem... :D
>

> 2011/11/17 Fábio Fabris <ffab...@hacktivix.org>
>
>
>
>
>
>
>
> > Oi, desculpa, que dados mesmo? [?]

>
> > Cara, disponibilizar abertamente essas coisas tem sempre um risco.
> > Eu sou a favor de disponibilizar o sisteminha de uma forma genérica, sem
> > atrelar  ao site da receita federal.
>
> > Aham sou sim, primo da Elisa!
>
>
>

>  332.gif
> < 1KViewDownload

[Lucas Thom]

Pode ser Fábio, na verdade é só um detalhe né, não deveria ter um captcha ali. u.u

É um absurdo, como o Igor disse, só está ali para dificultar. E pior, totalmente inadequado ao modelo 'dados abertos', daqui uns tempos espero que possamos fazer aplicações com os dados bonitinhos, granulados, em formatos condizentes. Like a charm. =)

Estruturar essa saída depende de iniciativas das prefeituras e governo do estado. Acho que nosso papel daqui pra frente é cobrar para que isso seja feito e também propor idéias, projetos, etc... por isso é importante a nossa relação com a academia. 

Vide exemplo: Linked Data BR

http://greco.ppgi.ufrj.br/gtlinkedbr/

O Prof. Dr. Giancarlo é coordenador desse projeto, vou falar pra ele participar da nossa lista tbm.

[]'s

2011/11/17 Fábio Fabris <ffa...@hacktivix.org>

[Fábio Fabris]

[Lucas Thom]

Corrigindo: de todas as esferas do governo.

2011/11/17 Lucas Thom <lu...@hacktivix.org>

[João Víctor Rocon Maia]

uma sugestão de app para o grupo: usar esse script do captcha para criar um servidor REST de consulta CNPJ.

Poderia ser: "CNPJ Fácil!" o nome da app. O que acham?

Abraços

João

[des...@netspeed.com.br]

Então pessoal, boa tarde...

Estou tentando criar um detector de captcha, e vi que vcs conseguiram, até tentei limpar as imagens, executando alguns filtros e depois passando pelo tesseract, mas a porcentagem de acertos é muito pequena, seria possível disponibilizarem o código pra eu adequar aqui?

Obrigado.

Em terça-feira, 8 de novembro de 2011 11h05min42s UTC-2, Fabio Fabris escreveu:

Olá senhores.

Uma boa notícia e uma má notícia.

O site da receita federal tem consulta de CNPJ.

http://www.receita.fazenda.gov.br/pessoajuridica/cnpj/cnpjreva/cnpjreva_solicitacao.asp

Busquem por exemplo por 39780465000148

Lá tem o CEP e nome da empresa. E outros dados interessantes.

O problema é que o CAPTCHA é demoníaco. Muito difícil de quebrar. Na
minha opnião não vale a pena investir muito tempo tentando. Eu acho
que seria muito mais fácil tentar fazer um esquema de reconhecimento
de voz da parte para deficientes. Parece ser muito mais fácil. Apesar
de ter um ruído aleatório no fundo, as palavras ditas são sempre as
mesmas e são apenas 10.

Questionamentos: Existe outra fonte de dados mas fácil de trabalhar?
Vale a pena o esforço? O que acham?

[Lucas Thom]

O que o Fábio fez, se não me engano, é pelo som.

Lucas Thom Ramos
Ciência da Computação – UFES
__________________________________________

skype: thxmxx
celular: (27) 9762-5411
http://www.facebook.com/lucas.thom

Android Market

https://market.android.com/details?id=thom.lucas&feature=search_result

2013/9/9 <des...@netspeed.com.br>

--
You received this message because you are subscribed to the Google Groups "Hacktivix" group.
To unsubscribe from this group and stop receiving emails from it, send an email to hacktivix+...@googlegroups.com.
For more options, visit https://groups.google.com/groups/opt_out.