Как CAPTCHA меняется в эпоху искусственного интеллекта

Прокомментировать Просмотры: 1

Тот самый светофор. Источник.

Моё рабочее утро начинается не с кофе, а с появившейся на экране сетки изображений. Подпись просит отметить все светофоры. Я нажимаю на подходящие квадраты. Картинки медленно исчезают, уступая место новым, а система объявляет, что я ошибся, и предлагает поискать автобусы.

Потом наступает очередь гидрантов, пешеходных переходов, велосипедов… Справиться с проверкой с первой попытки удавалось далеко не всегда. Особенно раздражало, когда в сетке 3 × 3 крошечная часть светофора попадала в угол соседней ячейки. И приходилось гадать: отмечать её или оставить как есть?

В такие минуты я невольно сомневался в собственной внимательности. И даже улыбался: ведь мне буквально приходилось доказывать бездушной машине, что я человек.

По сути, этот квест — перевёрнутая версия знаменитого теста Тьюринга, предложенного в 1950 году. Алан Тьюринг задумал его для проверки машин. Со временем интернет поставил идею с ног на голову: теперь уже система определяет, человек перед ней или нет. Механизм, созданный для защиты сайтов от спама, стал повседневным источником раздражения.

Как развивалась защита

Термин CAPTCHA появился в Университете Карнеги — Меллона в 2003 году. Это сокращение от Completely Automated Public Turing test to tell Computers and Humans Apart — «полностью автоматизированный публичный тест Тьюринга для различения компьютеров и людей».

В первые годы развития интернета спам-боты массово регистрировали поддельные почтовые ящики. Чтобы остановить их, разработчики стали показывать пользователям искажённые буквы и цифры, перечёркнутые линиями. Тогдашние программы с трудом распознавали такой текст, а люди справлялись заметно лучше.

Пример текстовой капчи. Источник.
Пример текстовой капчи. Источник.

В 2009 году развитие технологии взяла на себя Google, приобретя проект reCAPTCHA. С точки зрения бизнеса решение было блестящим, хотя и довольно хитрым по отношению к пользователям. Вместо случайных искажённых символов нам предлагали фрагменты книг и газет, которые не удалось распознать средствами OCR. Решая капчу, мы бесплатно помогали оцифровывать библиотеки.

Пример капчи с фрагментом из старых отсканированных газет. Источник.
Капча с фрагментом старой отсканированной газеты. Источник.

Когда боты освоили и такой текст, Google представила reCAPTCHA v2 — ту самую проверку с галочкой «Я не робот». Система учитывала не только нажатие, но и движения курсора до него.

Пример reCAPTCHA v2. Источник.
Пример reCAPTCHA v2. Источник.

Позднее вышла reCAPTCHA v3, которая уже не требовала от пользователя никаких действий. Алгоритм работал в фоновом режиме и анализировал поведение посетителя. Если активность казалась подозрительной, reCAPTCHA v3 присваивала низкую оценку, а сайт решал, предоставить доступ или назначить дополнительную проверку.

Почему прежняя защита перестала работать?

Нейросети научились распознавать окружающий мир. В отличие от примитивных ботов, они способны учитывать форму объектов, тени, перспективу и контекст. Дорожный знак остаётся для них дорожным знаком, даже если его сняли ночью в тумане. Специалистам по кибербезопасности пришлось усложнять проверки.

Наверняка многие замечали, что изображения в капчах порой выглядят крайне некачественно: они зернистые, размытые и полны помех. И это сделано намеренно. Разработчики добавляют шум на отдельные участки кадров, чтобы затруднить распознавание ботами. Расчёт на то, что гибкость человеческого восприятия всё же позволит разглядеть в этой мешанине злополучный гидрант.

Пример капчи с посредственным качеством. Источник.
Пример капчи с изображением низкого качества. Источник.

Особенно непростыми и для людей, и для ранних нейросетей оказались задания с визуально похожими объектами из разных контекстов. До сих пор помню мем, в котором предлагалось отличить чихуахуа от маффина.

Мем 2016 года. Источник.
Мем 2016 года. Источник.

Однако в 2023 году масштабное исследование учёных Калифорнийского университета в Ирвайне (UC Irvine) показало: современные ИИ-боты справляются с капчами быстрее и точнее людей…

К этому добавляется серьёзная проблема доступности (a11y). Для людей со слабым зрением, дислексией, нарушениями моторики или слуха — в случае аудиокапчи — такая проверка превращается в препятствие. Некоторые капчи боты уже решают не хуже людей, а людям они по-прежнему затрудняют доступ.

Теневой рынок кликов и приспособляемость злоумышленников

Задолго до того, как нейросети научились распознавать изображения, хакеры обходили защиту с помощью капча-ферм. Так появился крупный теневой бизнес с очень дешёвыми услугами.

Подобные компании работали в странах с недорогой рабочей силой: Венесуэле, Индонезии, Вьетнаме, Бангладеш и Пакистане. Их сотрудники круглосуточно находились перед мониторами. Когда хакерский скрипт сталкивался с капчей, он отправлял изображение на ферму. Живой человек отмечал нужные квадраты и возвращал ответ скрипту. За тысячу решённых капч работник получал около $0,40.

Такие сервисы были востребованы. Например, Anti-Captcha работает с 2007 года и продаёт решения пакетами по цене от $0,50 за тысячу изображений.

Часть простых задач перешла к ИИ-моделям. Нейросеть решает капчу почти мгновенно и практически бесплатно. Зачем платить сотрудникам ферм, пусть даже центы, и ждать несколько секунд, если обученная модель способна сделать то же самое?

Обычный бот перемещает мышь по идеально прямой траектории из точки А в точку Б. Человеку такая точность несвойственна: рука совершает мелкие движения, курсор слегка дрожит, движется по дуге и ненадолго замирает перед нажатием. В современной кибербезопасности наша физическая неидеальность становится одним из признаков того, что мы люди.

Впрочем, создатели ботов быстро нашли ответ и учат ИИ копировать человеческие движения. Теперь автоматический курсор может «задуматься» перед выбором квадрата и двигаться неровно. Машины имитируют наши слабости, чтобы обойти защиту. Получается, роботы изображают неловких людей, чтобы обмануть других роботов, проверяющих, не роботы ли они.

Источник
Источник

Защита через понимание смысла

Разработчики ищут способы дополнить распознавание изображений другими видами проверок. Взять хотя бы SE7EN: здесь применяется hCaptcha — независимый американский сервис защиты от ботов, созданный компанией Intuition Machines.

В отличие от привычной reCAPTCHA от Google, которая анализирует цифровой след и фоновые действия пользователя, hCaptcha делает акцент на определении того, человек перед ней или спам-бот. В таких проверках используются задачи, которые могут быть сложны для ИИ.

Возможно, вы уже встречали подобные задания при входе на SE7EN:

Проверка от hCaptcha
Проверка hCaptcha

Здесь недостаточно просто нажать на изображение кота или утки. Нужно понять условие, распознать объекты, сравнить их и выяснить, какой выбивается из общей закономерности. Кроме того, объекты мигают, что может затруднить работу моделей компьютерного зрения, анализирующих снимки экрана в определённые моменты времени.

Чтобы сделать капчу устойчивее к искусственному интеллекту, разработчики стараются включать в неё абстрактную логику, человеческий контекст и представления о физических свойствах реального мира.

Ниже — несколько подходов разных разработчиков. Они могут усложнить автоматическое решение, хотя и не гарантируют защиты от любой системы ИИ.

Трёхмерные задания Arkose Labs

Такая капча напоминает мини-игру. Например, пользователю показывают трёхмерную модель собаки, повёрнутую под необычным углом. Её нужно развернуть так, чтобы животное стояло лапами на земле, как того требует гравитация. Нейросетям бывает непросто сопоставить положение трёхмерной модели с представлением о силе тяжести. Для обычного бота определить, где у собаки верх и низ, может оказаться сложной задачей.

Пример 3D-капчи с собакой Источник.
Пример 3D—капчи с собакой. Источник.

Проверка логики и контекста: слайдер-пазл GeeTest

В этой проверке нужно передвинуть ползунок и совместить фрагмент изображения с подходящим вырезом. GeeTest оценивает не только итоговое положение детали, но и движение ползунка, в том числе его скорость и траекторию.

Пример капчи мозаика-пазл. Источник.
Пример капчи в виде пазла. Источник.

Капча от людей для людей: истории в картинках Idena

На мой взгляд, это самая человечная капча из тех, что мне встречались. Пользователю показывают две последовательности изображений. В одной складывается понятная жизненная история — например, кот разбивает вазу, — а в другой картинки расставлены в неверном порядке.

Человек обычно быстро понимает сюжет и выбирает правильную последовательность. Для ИИ-ботов такие задания могут быть сложными: чтобы их решить, необходимо распознать связи и ассоциации, задуманные автором.

Пример капчи созданной человеком. Источник.
Пример капчи, созданной человеком. Источник.

Будущее без картинок

Один из способов поберечь наши нервы — перенести проверку на уровень смартфона или компьютера. Именно эту задачу решает технология Private Access Tokens (PAT), созданная Cloudflare совместно с Apple и Google на базе открытых стандартов Privacy Pass.

Проверка может происходить совершенно незаметно для пользователя.

  1. Вы заходите на сайт со смартфона.

  2. Сайт запрашивает у браузера токен, а браузер связывается с сервисом аттестации.

  3. При проверке Apple использует сведения о подлинности устройства и состоянии учётной записи, в том числе сертификаты защищённого чипа Secure Enclave. Для этого нужна поддерживаемая система с выполненным входом в Apple ID. Отдельно подтверждать проверку с помощью Face ID или Touch ID не требуется.

  4. После успешной аттестации издатель токена, например Cloudflare, подписывает его, а браузер передаёт токен сайту.

Архитектура взаимодействия Private Access Tokens (PAT) с платформой защиты Cloudflare.Источник.
Схема взаимодействия Private Access Tokens (PAT) с платформой защиты Cloudflare. Источник.

Проверка выполняется в фоновом режиме и не требует от пользователя отдельного задания. При этом сохраняется приватность: сайт не видит ваше лицо и не узнаёт ваше имя, а производитель устройства не получает сведения о том, какие сайты вы посещаете.

И никаких картинок с автобусами и гидрантами.

Заключение

Всё начиналось с искажённых букв и представления о том, что способность читать и распознавать образы присуща только человеку. Оказалось, это не так. Сегодня искусственный интеллект решает некоторые задачи быстрее и точнее нас.

Скорости и точности ответа уже недостаточно, чтобы надёжно отличить человека от бота. А наша медлительность и неровные движения руки превратились в признаки человечности. Такова современная реальность.

© 2026 ООО «МТ ФИНАНС»

 

Источник

Похожие статьи

Поиск по играм, новостям и статьям…

Введите не менее двух символов

Введите не менее двух символов