IT之家 9 月 28 日消息，據 Ars Technica 今日報道，蘇黎世聯邦理工學院博士生 Andreas Plesner 及其同事發表了一項新研究，研究重點放在了谷歌的驗證碼系統 reCAPTCHA V2 上。該研究聲稱，使用經過專門訓練的圖像識別模型運行的本地機器人在應對這類圖片驗證碼時的表現，可以與人類相媲美，成功率達到了 100%。

IT之家注：谷歌 reCAPTCHA V2 驗證碼通常會向用戶提供一組圖片，要求識別出圖中的哪些部分包含自行車、巴士、人行道、樓梯或紅綠燈等項目(mu)。根據谷歌的(de)說法(fa)，該系統(tong)已在幾年前逐步進入淘汰階段，新的(de) reCAPTCHA v3 可以分析用戶的(de)交互。

但即便如此，世界各地仍有數百萬個網站使用上文提到的 reCAPTCHA V2 系統。

研究人員使(shi)用(yong)了經(jing)過微(wei)調的開源 YOLO（You Only Look Once，你只看(kan)一(yi)次）對(dui)象識別模(mo)型，該模(mo)型以其實時檢測對(dui)象的能力而聞(wen)名，并(bing)且可在計算能力有限的設(she)備上運(yun)行。

在對 14000 張(zhang)標記的(de)交(jiao)通圖(tu)像進行模型(xing)訓練(lian)后，研究人(ren)員的(de)系統可(ke)以識別(bie)出(chu)任何(he)提供(gong)的(de)驗(yan)證碼網格圖(tu)像屬于 reCAPTCHA v2 的(de) 13 個候選類(lei)別(bie)之一(yi)的(de)概率。

研究人員還使用了一個單獨的、預先訓練好的 YOLO 模型來應對他們稱之為“類型 2”的挑戰，即驗證碼要求用戶識別單張分割圖像的哪些部分包含特定類型的對象（該分割模型僅適用(yong)于 13 個對(dui)象類別中的 9 個類別，在(zai)遇到其他 4 個類別時，只要求提供一張新圖像）。

除了(le)圖像(xiang)識別模型，研究人員還(huan)需要采取(qu)其他措施來欺(qi)騙 ReCAPTCHA 系統，例如采取(qu)措施避免(mian)來自同一 IP 地址的(de)重復嘗試被檢測到。

根據被識別對象的類型，YOLO 模型能夠準確識別單個驗證碼圖像的概率從 69%（摩托車）到 100%（消防栓）。這種性(xing)能(neng)加上(shang)其他預防措施，足(zu)以讓(rang)機(ji)器人每(mei)次都能(neng)順(shun)利“沖破”驗證碼。事實上(shang)，在類似的(de)試(shi)驗中，機(ji)器人解決 CAPTCHA 的(de)平均挑戰(zhan)次數略少于(yu)人類（盡管(guan)與人類相比的(de)進步在統計學上(shang)并不(bu)顯著）。

在此(ci)之前曾有類(lei)似(si)用(yong)來(lai)(lai)“對付”驗(yan)證(zheng)碼(ma)的研究，但成(cheng)功率大多在 68% 到 71% 之間。這(zhe)篇論文(wen)的作者表(biao)示，成(cheng)功率提升至 100% 表(biao)明“超越驗(yan)證(zheng)碼(ma)”的時代已正式來(lai)(lai)臨。

研究論文地址

廣告聲(sheng)明：文內含有的對(dui)外跳轉鏈接（包括不限(xian)于(yu)超鏈接、二維(wei)碼(ma)、口令(ling)等(deng)形式），用(yong)于(yu)傳(chuan)遞更多信息，節省甄選時間，結果僅供參考(kao)，IT之家所有文章均(jun)包含本聲(sheng)明。