reCAPTCHAv2の解読

Breaking reCAPTCHAv2

September 13, 2024

著者: Andreas Plesner, Tobias Vontobel, Roger Wattenhofer

cs.AI

要旨

当研究は、GoogleのreCAPTCHAv2システムからのCAPTCHAを解決するために高度な機械学習手法を利用する効果を検討しています。画像セグメンテーションと分類のために高度なYOLOモデルを使用して、自動システムのCAPTCHA解決の効果を評価します。主な結果は、以前の研究が68-71%しか解決できなかったのに対し、我々は100%のCAPTCHAを解決できることです。さらに、我々の調査結果から、reCAPTCHAv2でCAPTCHAを通過するために人間とボットが解決しなければならないチャレンジの数には有意な違いがないことが示唆されます。これは、現在のAI技術が高度な画像ベースのCAPTCHAを利用できることを意味します。また、reCAPTCHAv2の仕組みを詳しく調査し、ユーザーが人間かどうかを評価する際に、cookieやブラウザ履歴データに大きく依存していることがわかりました。コードは本論文とともに提供されます。

English

Our work examines the efficacy of employing advanced machine learning methods to solve captchas from Google's reCAPTCHAv2 system. We evaluate the effectiveness of automated systems in solving captchas by utilizing advanced YOLO models for image segmentation and classification. Our main result is that we can solve 100% of the captchas, while previous work only solved 68-71%. Furthermore, our findings suggest that there is no significant difference in the number of challenges humans and bots must solve to pass the captchas in reCAPTCHAv2. This implies that current AI technologies can exploit advanced image-based captchas. We also look under the hood of reCAPTCHAv2, and find evidence that reCAPTCHAv2 is heavily based on cookie and browser history data when evaluating whether a user is human or not. The code is provided alongside this paper.