很多網站服務會要求用戶從一堆圖片中選擇特定物體，以此來驗證用戶是否真人。這種圖片識別驗證碼（CAPTCHA）最常見的形式是在復雜的街景照片中識別自行車、斑馬線、交通燈等日常物體。然而，最近有研究指出，一些本地運行的AI機器人使用特別訓練的圖像識別模型，已經做到100%的成功率，達到甚至超過了人類水平！

驗證碼殺手：YOLO模型

ETH蘇黎世的博士生安德烈亞斯·普萊斯納（Andreas Plesner）及其同事的最新研究聚焦于谷歌的reCAPTCHA v2，這一系統要求用戶在圖片網格中識別出包含諸如自行車、斑馬線或交通燈等物體的街景圖像。盡管谷歌幾年前已經開始逐步淘汰該系統，轉而采用“隱形”的reCAPTCHA v3以分析用戶行為，但reCAPTCHA v2仍被全球數百萬網站廣泛使用，尤其在v3系統對用戶的“人類”可信度打分過低時，常作為備用驗證手段。

研究團隊為了破解reCAPTCHA v2，使用了開源的YOLO（You Only Look Once）目標識別模型，這一模型因其實時檢測物體的能力而備受青睞，甚至早在電子游戲作弊機器人中就得到了應用。研究者將這一模型進行了微調，使用了1.4萬張標記過的交通圖像進行訓練，最后得到了一個能夠對驗證碼網格圖像進行精準識別的系統。

為了規避谷歌對機器人行為的檢測，研究團隊采取了多種措施，比如使用VPN來避免因IP地址重復嘗試而被發現，同時還設計了一個特殊的鼠標移動模型，以模擬人類用戶的活動。另外，自動化代理也利用了真實瀏覽器和瀏覽歷史中的cookie信息，使其表現得更加“人性化”。

驗證碼全面淪陷

研究顯示，根據不同的物體類別，YOLO模型對驗證碼的識別準確率從69%（摩托車）到100%（消防栓）不等。綜合這些措施，機器人成功地一次次突破了驗證碼防線，有時候甚至比人類挑戰的次數更少。盡管這種提升對比人類并無顯著統計學意義，但也足以證明這項技術的有效性。

過去，學術界曾多次嘗試利用圖像識別模型來破解reCAPTCHA，但成功率大多在68%到71%之間浮動。而此次AI識別驗證碼的成功率首次達到100%，標志著我們正式進入了“后驗證碼時代”。

然而，這并不是驗證碼的首次“淪陷”。早在2008年，研究人員就展示了如何訓練機器人突破專為視覺障礙用戶設計的音頻驗證碼；到了2017年，神經網絡也已經能夠破解那些要求用戶輸入亂碼字體中字母的文本驗證碼。

如今，隨著本地運行的AI也能輕松破解基于圖像的驗證碼，人類身份識別的技術將繼續轉向更微妙的設備指紋識別方法。谷歌云的一位發言人向《新科學家》表示：“我們非常專注于幫助客戶保護用戶，同時盡量不顯示視覺挑戰，這也是為什么我們在2018年推出了reCAPTCHA v3。今天，reCAPTCHA在全球700萬個網站上的大部分保護機制已經完全‘隱形化’。我們正在持續提升reCAPTCHA的能力。”

人與機器的識別邊界正在模糊

隨著人工智能系統在越來越多的任務上逐步逼近甚至超越人類能力，確保網絡另一端的用戶是一個真人變得越來越難。

正如論文作者所寫：“從某種意義上說，一個好的驗證碼可以在最智能的機器與最不智能的人類之間劃分精確界限。”而隨著機器學習模型逐漸接近人類能力，找到一個“好”的驗證碼（技術）變得越來越困難。