据 Ars Technica 今日报道，苏黎世联邦理工学院博士生 Andreas Plesner 及其同事发表了一项新研究，研究重点放在了谷歌的验证码系统 reCAPTCHA V2 上。该研究声称，使用经过专门训练的图像识别模型运行的本地机器人在应对这类图片验证码时的表现，可以与人类相媲美，成功率达到了 100%。
AI在线注：谷歌 reCAPTCHA V2 验证码通常会向用户提供一组图片，要求识别出图中的哪些部分包含自行车、巴士、人行道、楼梯或红绿灯等项目。根据谷歌的说法，该系统已在几年前逐步进入淘汰阶段，新的 reCAPTCHA v3 可以分析用户的交互。
但即便如此，世界各地仍有数百万个网站使用上文提到的 reCAPTCHA V2 系统。
研究人员使用了经过微调的开源 YOLO（You Only Look Once，你只看一次）对象识别模型，该模型以其实时检测对象的能力而闻名，并且可在计算能力有限的设备上运行。
在对 14000 张标记的交通图像进行模型训练后，研究人员的系统可以识别出任何提供的验证码网格图像属于 reCAPTCHA v2 的 13 个候选类别之一的概率。
研究人员还使用了一个单独的、预先训练好的 YOLO 模型来应对他们称之为“类型 2”的挑战，即验证码要求用户识别单张分割图像的哪些部分包含特定类型的对象（该分割模型仅适用于 13 个对象类别中的 9 个类别，在遇到其他 4 个类别时，只要求提供一张新图像）。
除了图像识别模型，研究人员还需要采取其他措施来欺骗 ReCAPTCHA 系统，例如采取措施避免来自同一 IP 地址的重复尝试被检测到。
根据被识别对象的类型，YOLO 模型能够准确识别单个验证码图像的概率从 69%（摩托车）到 100%（消防栓）。这种性能加上其他预防措施，足以让机器人每次都能顺利“冲破”验证码。事实上，在类似的试验中，机器人解决 CAPTCHA 的平均挑战次数略少于人类（尽管与人类相比的进步在统计学上并不显著）。
在此之前曾有类似用来“对付”验证码的研究，但成功率大多在 68% 到 71% 之间。这篇论文的作者表示，成功率提升至 100% 表明“超越验证码”的时代已正式来临。
研究论文地址
[2409.08831] Breaking reCAPTCHAv2 (arxiv.org)
