2024 年 9 月 24 日报告
本文已根据 Science X 的编辑流程和政策进行审阅。编辑在确保内容可信度的同时强调了以下属性：
经过事实检查
预印本
可信来源
校对
瑞士苏黎世联邦理工学院的三名人工智能研究人员修改了基于人工智能的图片处理模型，以解决 Google 的 reCAPTCHAv2 人体测试系统问题。
p>
Andreas Plesner、Tobias Vontobel 和 Roger Wattenhofer 修改了 You Only Look Once (YOLO) 图片处理模型，开发了一种新模型，每次尝试都能解决 Google 的验证码。他们的论文可在 arXiv 预印本服务器上获取。
在过去的几十年里，网站管理员使用了一些技术来防止自主机器人获得访问权限并引发问题。一种方法是称为“完全自动化公共图灵测试来区分计算机和人类”的模型，更广泛地称为 CAPTCHA 网站管理员可以轻松地将小程序添加到他们的登录过程中。
2007 年，Google 发布了自己的版本小程序，最新更新名为 reCAPTCHAv2。与其他验证码一样，Google 要求用户点击指定的图像才能通过。
在这项新工作中，瑞士的团队发现，修改现有的人工智能模型并不需要花费太多精力来提供验证码。它具有通过 Google 验证码的能力。
这项工作涉及修改 YOLO 模型，以识别 reCAPTCHAv2 通常使用的对象，例如汽车、桥梁和交通灯。然后，他们在数千张相同类型物体的照片上对其进行训练。
测试表明，该模型不必 100% 准确，因为 reCAPTCHAv2 与其他验证码一样，允许多次尝试。这使得模型每次测试都能通过验证码测试。研究人员发现，即使新模型在第一张图像上失败了，它也会通过第二个谜题。他们还指出，只需要 13 类对象来训练模型通过谜题。
对该模型的进一步测试表明，它可以欺骗通过鼠标跟踪或浏览器等功能修改的更复杂的验证码历史。这一发现无疑将引发新的研究，以创建不会被人工智能系统愚弄的验证码。
更多信息：Andreas Plesner 等人，Breaking reCAPTCHAv2，arXiv (2024)。DOI：10.48550/arxiv.2409.08831
2024 Science X Network