反人类的验证码，早应该被干掉

本文来自爱范儿 　　“我不是机器人”，本应是不言自明的事情。 　　但在计算机承认你是人类之前，你可能会被要求点击包含红绿灯或人行道的图像。 　　当你靠近屏幕眯起眼睛，思考一个微乎其微的边角算不算时，你就会知道，这并不像听起来那么容易。 　　这种难以自证的感觉，2015 年在 12306 抢票的春运人应该就有领略。

　　多年过去了，不断翻新花样的验证码，依然迫使你思考古老的哲学问题——我是谁？ 　　微笑的狗，云做的马，自证是人更难了 　　“请点击每张包含微笑的狗的图片。” 　　某创意营销机构创始人 Jared Bauman 最近被验证码难住了。他疑惑的是，狗真的会笑吗？大多数狗看起来既不高兴也不难过，有些在做鬼脸，有些只是张着嘴。

　　8 月 2 日，他又被要求找出“用云做成的马”，9 张图里有 2 张用云做成的大象，他第一次点击时不幸败北。

　　Jared Bauman 意识到了一个严重的问题——找出红绿灯、公交车或烟囱已经过时了，验证码系统开始设置下一个级别的挑战了。 　　这些验证码出自 hCaptcha，开发者称，它比 Google 的验证码系统 reCAPTCHA 更注重隐私，只收集最低限度的必要个人数据。 　　而验证码为什么会越来越难，还是要从验证码是什么，以及 Google 的验证码系统 reCAPTCHA 是什么说起。

　　验证码（CAPTCHA），全称是“全自动区分计算机和人类的公开图灵测试”。 　　由于它是用计算机来考人类，而不是标准图灵测试中那样由人类来考计算机，所以验证码也被视为一种反向图灵测试。 　　验证码的设计初衷是，保护网站免受有害机器人的侵害，包括传播恶意软件、散布虚假账户、执行 DDoS 攻击、发送大量垃圾邮件、窃取用户信息等。这些机器人本质上是一行行自动运行的计算机代码。

　　验证码创建于 2000 年代初，最早由卡内基梅隆大学的几位计算机科学家开发。 　　最初的验证码采用了扭曲的文本形式，避免被光学字符识别等计算机程序自动识别，超过了当时计算机可以破译的程度，但对大多数人类可读。

　　很快，研究人员意识到这项技术具有区分人类和机器人之外的潜力，他们开发了 reCAPTCHA 技术，让用户在填写验证码的过程中将纸质档案数字化，因为人类可以比计算机更好地破译老旧文献中扭曲的字母。 　　这一阶段，用户必须输入两个词，一个是答案明确的真正测试，另一个是尚未转录的新词。通过向世界各地用户多次显示相同单词，reCAPTCHA 便可以自动验证单词是否被正确转录。

　　这就像互联网的一次众筹，求得你的时间而非金钱。互联网的神奇之处便在此，在技术支持下，再创造一些乐趣，你可以利用所有人的一点精力，自然而然聚沙成塔。 　　2009 年，Google 收购了 reCAPTCHA，并将其用于数字化 Google 图书和纽约时报档案。2011 年，Recaptcha 已经完成了整个 Google 图书档案、1300 万篇纽约时报文章的数字化。2012 年，它每天翻译大约 1.5 亿个单词。 　　验证码为什么越来越难？ 　　人类沉浸在知识的海洋，机器人也没有停下学习的脚步。 　　2014 年，Google 发布了一个专门解读扭曲文本验证码的算法，人工智能技术已经能以 99.8% 的准确率解决最困难的扭曲文本，而人类的成功率是 33%。 　　扭曲的字母失去了它最初的用处，该让下一代验证码登场了。 　　2012 年，Google 推出了 reCAPTCHA 的图像识别版本，其中包括来自 Google 街景的照片，从而让用户转录门牌号码和其他标志。

　　类似当初将旧书数字化，在这个过程中，Google 一举多得，既防御了恶意脚本，自己的人工智能也在进步。 　　Google 称：“街景和 reCAPTCHA 团队密切合作，两者都将继续改进，使地图更加精确和有用，reCAPTCHA 更安全、更有效。”让地图更加精确和有用，意味着 Google 需要训练人工智能更好地识别图像中的物体。 　　那怎么训练人工智能？reCAPTCHA。数以亿计的用户为了证明自己是人类，为科技公司建立起了机器学习数据集。

　　进步的不止 Google。2017 年，开发人员 Francis Kim 进行了一项实验，用 40 行 Javascript构建了一个系统，使用 Google 竞争对手 Clarifai 的图像识别 API，尝试通过 reCAPTCHA 的图像验证码。结果，这个脚本成功找出了图中的商店。 　　理论上，这也可以使用 Google 自己的图像识别技术来实现。 　　Google 的验证码系统其实有两个目的：在用文本、图像等训练人工智能的同时，抑制恶性脚本的行为。但事实是，Google 的人工智能是越来越厉害了，但恶性脚本也在斗智斗勇中进步，只有用户证明自己是人越来越难了。 　　2014 年，Google 的“No CAPTCHA reCAPTCHA”登台，即“没有验证码的验证码”，界面简洁友好，只需要你坚信“我不是机器人”。

　　Google 称，它推出了一个新的 API，可观察用户行为，收集指针移动速率、当前 IP、是否使用插件、页面使用时间、进行过多少次点击等数据，从根本上简化了 reCAPTCHA 体验。大多数情况下，只需单击一下，就能确认用户是不是机器人。 　　但是，验证码没有消失。甚至可以说，最讨人厌的验证码出现了。 　　在风险分析引擎无法预测用户是不是人的情况下，Google 会让验证码再次出山，并且给出了更多新玩法，比如基于经典计算机视觉图像标记问题，让你选出所有包括猫或火鸡的照片。

　　此外，还有类似游戏的验证码，要求用户将物体旋转到特定角度，或将拼图移动到适当的位置。

　　人类能够理解谜题的逻辑，但缺乏明确指令的机器人会被难住。但以后会不会掌握就难说了。 　　机器学习得越多，人类拥有的优势就越少，这是一个道高一尺魔高一百丈的过程。 　　验证码可以被替代吗？ 　　伊利诺伊大学芝加哥分校计算机科学教授 Jason Polakis 指出，机器学习现在在基本的文本、图像和语音识别任务上与人类差不多，“我们需要一些替代方案”。 　　更重要的是，在验证码系统前，用户体验和可访问性大大降低。验证码对很多人来说已经不容易，特别是老人等有学习障碍的群体。

　　为老年客户提供技术建议的 Eileen Ridge 表示，她经常接到客户的电话，老人很难辨别油漆磨损的人行道和正常的人行横道，并且十分担心自己因为错误答案被锁定帐户，就像许多国内老年人对互联网的态度一样。 　　微笑的狗、云做的马，对他们来说可能更难。 　　而代替验证码的方案，也在不断开发中。 　　一些网站使用一种人类用户不可见的验证码形式，将字段插入到仅对机器人可见的屏幕上，诱骗它们填写表格并证明它们不是人类。

　　近两年，Google 推出了新验证码系统 reCaptcha v3，它采用逆向思维，自动记录使用者在网站中浏览的行为特征，根据这些记录来给用户打分，若用户分数过低则会被判定为机器人。否则不会打扰到用户，上网体验很丝滑。但它可能涉及隐私问题。 　　FastCompany 报道，用户是否使用 Google Cookies 是决定评分的一个重要因素。如果用户选择让 Google 记住登录信息的话，会得到更高的分数，没有登录 Google 帐号，或者使用 VPN 或者洋葱浏览器通常会被提示高风险。

　　机器人检测公司 Shape Security 的首席技术官 Ghosemajumder 则认为，游戏验证码、视频验证码等验证码测试，最终都会被破解。与测试相比，他更喜欢“持续身份验证”，本质是观察用户的行为，从中寻找自动化的迹象： 　　“一个真正的人类不能很好地控制自己的运动功能，因此即使他们非常努力地尝试，他们也不能在多次交互中多次以相同的方式移动鼠标。” 　　今年 6 月，苹果在全球开发者大会宣布将用私人访问令牌（Private Access Tokens）取代验证码。 　　密码或生物识别解锁手机、打开浏览器、精准输入网站……一系列操作足以“验明正身”。当苹果系统验证该设备和 Apple ID 帐户是正常状态，再向需要验证码的 app 或网站提供“私人访问令牌”即可。

　　提供网站安全管理的 Cloudflare、Ffast 等公司已支持私人访问令牌，用 iOS 16 设备登录这两家公司的 app 或网站，不再需要验证码。目前，这项技术还在推广之中，需要更多的支持者加入，才能更好用。 　　苹果工程师 Tommy Pauly 指出：“这将为很多人节省大量时间，并且用户喜欢被信任的感觉。” 　　但只要有虚假账户、垃圾邮件、骚扰信息等的存在，我们仍然需要将人类用户与机器人分开的技术，某种形式的验证码技术将始终存在，与人工智能并行发展。 　　未来，验证码系统识别人类，很可能不是通过我们超越机器人的能力，而是通过我们犯错误的可能。也就是说设置更多挑战性的测试，我们往往会失败，而机器人给出正确答案。或许，在我们抓耳挠腮地寻找图中所有的信号灯时，就是在进行以人类一败涂地为结局的斗争。