Editor Top
Ejemplos de los tres tipos de captcha diferentes que utiliza reCAPTCHAv2 de Google. Cada tipo presenta un desafío único que los usuarios deben resolver para determinar si el usuario es un bot o no. Crédito: arXiv (2024). DOI: 10.48550/arxiv.2409.08831
Un trío de investigadores de IA en la ETH de Zúrich, Suiza, ha modificado un modelo de procesamiento de imágenes basado en IA para resolver el sistema de pruebas humanas reCAPTCHAv2 de Google.
Andreas Plesner, Tobias Vontobel y Roger Wattenhofer modificaron el modelo de procesamiento de imágenes You Only Look Once (YOLO) para desarrollar un nuevo modelo capaz de resolver el CAPTCHA de Google cada vez que lo intenta. papel está disponible en el arXiv servidor de preimpresión.
En las últimas décadas, los administradores de sitios web han utilizado técnicas para evitar que los robots autónomos obtengan acceso y causen problemas. Una de ellas fue el modelo denominado Prueba de Turing pública completamente automatizada para distinguir entre computadoras y humanos, más conocida como CAPTCHA; los administradores de sitios web podían agregar fácilmente la aplicación a su proceso de inicio de sesión.
En 2007, Google lanzó su propia versión de la aplicación, cuya última actualización se denominó reCAPTCHAv2. Al igual que con otros CAPTCHA, el de Google requiere que el usuario haga clic en una imagen designada para pasar.
En este nuevo esfuerzo, el equipo de Suiza descubrió que no era necesario mucho esfuerzo para modificar un modelo de IA existente para darle la capacidad de pasar el CAPTCHA de Google.
El trabajo implicó modificar el modelo YOLO para reconocer objetos que normalmente utiliza reCAPTCHAv2, como automóviles, puentes y semáforos. Luego lo entrenaron con miles de fotografías de los mismos tipos de objetos.
Las pruebas demostraron que el modelo no tenía que ser 100% preciso porque reCAPTCHAv2, al igual que otros CAPTCHA, permite múltiples intentos. Eso permitió que el modelo pasara la prueba CAPTCHA cada vez que se probaba. Los investigadores descubrieron que incluso si el nuevo modelo fallaba en las primeras imágenes, pasaría un segundo acertijo. También notaron que solo se necesitaban 13 categorías de objetos para enseñarle al modelo a pasar el acertijo.
Pruebas posteriores del modelo demostraron que podía engañar a CAPTCHAs aún más sofisticados modificados con características como el seguimiento del ratón o el historial del navegador. El hallazgo sin duda dará lugar a nuevas investigaciones para crear CAPTCHAs que no puedan ser engañados por un sistema de IA.
Más información:
Andreas Plesner et al, Rompiendo reCAPTCHAv2, arXiv (2024). DOI: 10.48550/arxiv.2409.08831
© 2024 Red Science X
Citación:El modelo de IA supera el CAPTCHA en todo momento (24 de septiembre de 2024) recuperado el 24 de septiembre de 2024 de https://techxplore.com/news/2024-09-ai-captcha.html
Este documento está sujeto a derechos de autor. Salvo que se haga un uso legítimo con fines de estudio o investigación privados, no se podrá reproducir ninguna parte del mismo sin autorización por escrito. El contenido se ofrece únicamente con fines informativos.
GIPHY App Key not set. Please check settings