瑞士蘇黎世聯邦理工學院的三名人工智慧研究人員修改了基於人工智慧的圖片處理模型，以解決Google的 reCAPTCHAv2 人體測試系統問題。
Andreas Plesner、Tobias Vontobel 和 Roger Wattenhofer 修改了 You Only Look Once (YOLO) 圖片處理模型，開發了一種新模型，每次嘗試都能解決 Google 的驗證碼。他們的紙可以在arXiv預印本伺服器。
在過去的幾十年裡，網站管理員使用了一些技術來防止自主機器人獲得存取權限並引發問題。一種方法是稱為「完全自動化公共圖靈測試來區分電腦和人類」的模型，更廣泛地稱為驗證碼，網站管理員可以輕鬆地將小程式添加到他們的登入過程中。
2007 年，Google 發布了自己版本的小程序，最新更新名為 reCAPTCHAv2。與其他驗證碼一樣，Google要求用戶點擊指定的圖像才能通過。
在這項新的努力中，瑞士的團隊發現，不需要花費太多精力來修改現有的人工智慧模型，使其能夠通過谷歌的驗證碼。
這項工作涉及修改 YOLO 模型以識別 reCAPTCHAv2 通常使用的對象，例如汽車、橋樑和交通燈。然後他們用數千張相同類型物體的照片進行訓練。
測試表明，該模型不必 100% 準確，因為 reCAPTCHAv2 與其他驗證碼一樣，允許多次嘗試。這使得模型每次測試都能通過驗證碼測試。研究人員發現，即使新模型在第一張圖像上失敗了，它也會通過第二個謎題。他們也指出，只需要 13 類物體就能教導模型通過謎題。
該模型的進一步測試表明，它可以欺騙透過滑鼠追蹤或瀏覽器歷史記錄等功能修改的更複雜的驗證碼。這項發現無疑將引發新的研究，以創建不會被人工智慧系統愚弄的驗證碼。
更多資訊：Andreas Plesner 等人，打破 reCAPTCHAv2，arXiv（2024）。DOI：10.48550/arxiv.2409.08831
期刊資訊： arXiv
© 2024 Science X 網絡
引文：AI模型每次都擊敗驗證碼（2024年9月24日）檢索日期：2024 年 9 月 24 日來自 https://techxplore.com/news/2024-09-ai-captcha.html
本文檔受版權保護。除了出於私人學習或研究目的的任何公平交易外，不得未經書面許可，不得複製部分內容。所提供的內容僅供參考。