Quebrando o reCAPTCHAv2

Breaking reCAPTCHAv2

September 13, 2024

Autores: Andreas Plesner, Tobias Vontobel, Roger Wattenhofer

cs.AI

Resumo

Nosso trabalho examina a eficácia de empregar métodos avançados de aprendizado de máquina para resolver captchas do sistema reCAPTCHAv2 do Google. Avaliamos a eficácia de sistemas automatizados na resolução de captchas utilizando modelos YOLO avançados para segmentação e classificação de imagens. Nosso principal resultado é que podemos resolver 100% dos captchas, enquanto trabalhos anteriores só conseguiam resolver 68-71%. Além disso, nossas descobertas sugerem que não há diferença significativa no número de desafios que humanos e bots devem resolver para passar nos captchas no reCAPTCHAv2. Isso implica que as tecnologias de IA atuais podem explorar captchas avançados baseados em imagens. Também analisamos detalhadamente o funcionamento do reCAPTCHAv2 e encontramos evidências de que o reCAPTCHAv2 se baseia fortemente em dados de cookies e histórico do navegador ao avaliar se um usuário é humano ou não. O código está disponível junto a este artigo.

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.