Взлом reCAPTCHAv2

Breaking reCAPTCHAv2

September 13, 2024

Авторы: Andreas Plesner, Tobias Vontobel, Roger Wattenhofer

cs.AI

Аннотация

Наша работа исследует эффективность применения передовых методов машинного обучения для решения капч из системы reCAPTCHAv2 от Google. Мы оцениваем эффективность автоматизированных систем в решении капч, используя передовые модели YOLO для сегментации и классификации изображений. Наш основной результат заключается в том, что мы можем решить 100% капч, в то время как предыдущие работы решали только 68-71%. Более того, наши результаты показывают, что нет значительной разницы в количестве задач, которые должны решить люди и боты, чтобы пройти капчи в reCAPTCHAv2. Это подразумевает, что текущие технологии искусственного интеллекта могут использовать передовые капчи на основе изображений. Мы также заглянули под капот reCAPTCHAv2 и обнаружили доказательства того, что reCAPTCHAv2 в значительной степени основана на данных cookie и истории браузера при оценке, является ли пользователь человеком или нет. Код предоставлен вместе с этой статьей.

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.