AI 100%破解驗證碼,還有什麼能證明我是人類?

追踪科技
1粉絲
106 次觀看·2026年3月24日
AI 生成·可能包含錯誤
怎麼證明你是個人類?
上過網的都知道
只需要拖動滑塊完成拼圖
或者選擇圖片中包含信號燈的部分
但現在
AI做這些比任何一個老網民都溜
今年蘇黎世聯邦理工學院的研究員
就用一個小模型
輕輕鬆鬆
以百分百的正確率
破解了谷歌第二代驗證碼
至於咱們國內常用的滑塊驗證碼
也沒有幸免
今年另外一篇研究
用了一種簡單有效的方法
攻擊國內無種廣泛部署的滑塊驗證碼
成功率從87.5%到百分百不等
但我們熟悉的驗證碼都失效
還有什麼能證明我是個人類
大家好這裏是亮子偉
今天我們就來聊一聊
未來的驗證碼將何去何從
驗證碼的死亡是一茬接一茬的
2008年
當我們還在登陸QQ掛太陽時
一定輸過這樣的驗證碼
不過沒幾年
驗證碼就開始搞抽象了
添加年節
增加干擾
變換字體
油鏡變動
總之使出渾身解數
都是爲了防止
驗證碼的字符被分割識別
它們不光是中國網民的童年陰影
全世界都一樣
當時的當紅炸子機
比如雅虎
微軟谷歌
都開發了自己的驗證碼系統
花樣千奇百怪的
但是千防萬防
到了2014年
人類還是輸給了耶
當時基於神經網絡學習的破解程序
能以99.8%的準確力
破解最扭曲的文本
而人類呢
只有33%
電腦的眼神
比人類的近視眼好使太多了
也成功幹掉了第一代驗證碼
文字驗證碼窮途末路之後
一種新的驗證碼誕生了
行爲分析驗證碼
顧名思義
行爲分析驗證碼
主要依賴人的行爲
作爲區分人和機器人的關鍵
國內最經典的是
拖動滑塊驗證碼
國外最具有代表性的是
也就是點擊
我不是機器人複選框
它倆的依據之一
都需要對
鼠標運動軌跡的差異進行分析
大家可以猜一猜
下面哪張出自
人類鼠標的運動軌跡
很簡單
是這張
人類的鼠標運動軌跡
位置更復雜
移動速度
加速度更多變
不過
鼠標的運動軌跡
很快也不是人類獨有的了
早在十幾年前
一個學物理的大佬
給遊戲寫了一個外掛
叫Windmoth
這外掛靠算法生成
模擬人類鼠標運動軌跡
幫大佬自動練習
大家都知道
學物理的腦回路都比較清奇
大佬把光標
看作一個有質量的物體
假設它受到兩種
虛擬力的影響
引力和鋒利
這不是大佬憑空捏造的
每次人們移動光標
點擊屏幕上的目標按鈕時
就好像光標受到了
這個按鈕的引力
而鋒利呢
會給引力施加隨機干擾
恰好模擬出人類手抖的效果
兩者結合
最終的效果十分完美
既精準又自然
所以只靠鼠標軌跡
也不能證明我是人類了
我們不得不用付出了一些
隱私的代價
比如當你點擊谷歌的
我不是機器人複選框時
系統還會收集一堆
你的瀏覽器信息
例如瀏覽器記錄
當前IP cookies等等
它們會被丟給一個叫做
高級風險分析的算法
進行分析
然後給你的訪問請求打個分
風險等級低的
不會太爲難你
只需要點擊
我不是機器人就OK了
風險等級高的
則會被推送圖片驗證碼
接受進一步的拷問
這還沒完
谷歌的圖片驗證碼
總共有這三類
如果系統算出來
你的含人量過低
就會給你推送
難度係數更高的
四乘四圖像分割任務
好好的難爲難爲你的視力
按理說都這麼難了
應該萬無一失了吧
但實際上
這些也都被AI輕鬆拿下了
咱們開頭提到的
研究人員百分百破解
谷歌二代驗證碼
過程其實很簡單
他們使用VPN
創建動態的IP地址
讓驗證碼系統誤以爲
每次都是不同的用戶在點擊
再利用貝塞爾曲線
模擬人類鼠標運動的軌跡
最後添加僞造的歷史記錄和cookies
通過這些操作
就已經能夠騙過
大多數的驗證碼
如果還需要做圖片驗證
那也是小菜一碟
研究人員們
用一個訓練過的通用模型
YOLO
無論圖片分類
還是圖像分割任務
都不在話下
說到這兒
不知道大家有沒有這樣的疑惑
就是行爲驗證碼
是不是無效了
會不會被淘汰
答案是
不會
至少短時間內是不會的
首先
論文的實驗
是在高度受控的環境中進行的
實驗規模有限
這個方法
能不能在現實世界中
應對更復雜的場景
實現大規模的應用
還有待驗證
更重要的是
在AI的鞭策下
行爲驗證碼
已經進化出了新的一代
也逐漸變態起來了
驗證碼的破解效果
等於破解準確率
乘以有效週期
乘以嘗試頻次
破解準確率這點
前兩代驗證碼
已經證明了
AI可以完勝人類
而後兩者
還給驗證碼留了一條活路
增加驗證碼破解的成本
增加成本的方式有很多
早在2018年
谷歌就推出了
第三代ReCAPTCHA
又叫隱形驗證碼
省掉了煩人的點擊
和圖片識別任務
驗證碼程序
只需要掛在後臺就行了
除了這種形式上的差異
最本質的不同是
谷歌第三代驗證碼
比第二代
更側重收集用戶的數據
用一些模型
對你的含人量進行打分
含人量過低
就會被阻止訪問
或者需要其他的驗證
這個評分不是固定的
它會根據你近期的
行爲數據動態調整
這就使得攻擊者
好不容易弄出來的破解方案
很快就過時了
可以說數據
就是谷歌驗證碼的護城河
不過它的缺點也很明顯
收集的哪些數據
如何被收集的都不知道
屬於犧牲了隱私
換取了便利
我用谷歌瀏覽器
檢測了一下自己的分數
高達0.9分
但換成火狐
就只剩下0.3
淪爲了機器人
鑑於谷歌驗證碼的天然缺陷
市場上也出現了一些
它的替代品
大家可能在登錄一些遊戲網站時
已經見到過這樣的驗證碼
它們都是一些投骰子
把一隻倒過來的狗狗擺正
選擇螺旋星雲這類小遊戲
這些驗證碼都來自一家
叫做Arcos Labs的公司
它的客戶還有很多的老熟人
它們之所以把驗證碼設計成小遊戲
是因爲這類驗證碼
需要人類的綜合能力
既需要理解圖像語義
又需要邏輯判斷分類能力
還需要視覺操作能力
這會使攻擊者的破解難度直線上升
難以完成批量攻擊
不過在驗證碼的橫向測評裏
通過Arcos Labs的驗證碼
往往是最耗時的那一波
至於咱們國內的驗證碼
AI也已經衝在了第一線了
比如現在你要是登錄網頁版QQ
就會看到用混元大模型生成的驗證碼
過去要想破解圖像驗證碼
成本是非常低的
破解者會通過腳本
把驗證碼圖像都扒取下來
然後再承包給東南亞一些國家的黑產
破解一張圖片驗證碼
需要2.5秒
花費0.0019美刀
只需要208.33小時
582.6美刀
就能獲得一個
30萬張驗證碼答案的數據庫
而生成式AI可以每分鐘
以上萬張的速度更新
讓破解者跟不上驗證碼圖
獲得更新速度
從而極大的降低
驗證碼破解的準確率
當然合理懷疑
騰訊是在白嫖勞動力
幫會員大模型做標註
當所有的道路都走不通時
驗證碼攻擊者
只能轉向一種更原始的破解方式
通過大量的密集的重複嘗試
暴力破解
以數量換質量
方法雖笨
但仍然有效
這個時候呢
普通驗證碼就不得不又疊了一層假
工作量證明
它會讓你的電腦先做一道數學題
這道數學題會用到一種加密工具
叫哈希函數
它會根據輸入值
輸出一串固定長度的隨機序列
以及哈希值
輸入值會被一分爲二
一部分是由驗證碼服務器提供的固定輸入值
比如一串字符串
另一部分是用戶用自己電腦
生成的隨機數
這道數學題的題目呢
就是讓用戶的電腦
不斷嘗試不同的隨機數
最後跟前面的固定輸入值
結合起來輸入到哈希函數里
得到的隨機序列滿足系統的條件
比如序列前四位都是零
也就是這樣
在體驗上大概只有0.2到0.7秒的延遲
但對黑客來說就不一樣了
哈希函數有一個特性
那就是不能推倒
並且輸出的結果不可預測
這意味着只要我們每次都改變輸入
那麼生成的哈希計算就都是獨一無二的
所以攻擊者就無法重複利用之前的解
只能老老實實的重新算
而黑客藉助自動腳本
往往同時發起數千甚至數百萬個請求
每個請求都需要單獨完成哈希計算
時間成本和算力成本也就水漲船高了
系統要是識別到大規模高頻的流量
並不會直接拒絕訪問
而是給他們安排更難的題目
例如序列前20位是0的哈希值
計算次數就指數級上漲
反正主打一個以暴制暴
類似破解者的電腦
嚴格意義上來說
無論是谷歌的第三代recapture
還是pro工作量證明
它們都不算傳統意義的驗證碼
因爲它們並沒有直接的區分人類和機器人
這也反映了新一代驗證碼的一個大的趨勢
未來驗證碼不再試圖回答誰在訪問
而是將防禦做重點轉向
你的行爲合理嗎
建議大家上網時注意提高自己行爲的含人量
自驗證碼誕生以來
它就像人工智能飛速發展的一行角柱
驗證碼的每一次失敗都是人工智能的一次勝利
隨着失效的驗證碼越來越多
似乎也說明人跟機器人的區分度正在急劇拉近
驗證碼的意義早就超越了簡單的人機區分
它成爲了一種時代的隱喻
當人類獨有的特質被逐一模仿
當邏輯語言甚至情感
也逐漸可以用算法來複現時
驗證碼的失敗提醒着我們
在技術面前
人的身份從來沒有這麼脆弱
也從未如此值得重新定義
不過人類的複雜性總是能在一些
人類意想不到的小細節裏面暴露出來
比如說人會一鍵三連
機器就不會
好了以上就是本期視頻的全部內容了
如果你覺得有所收穫的話
歡迎大家點贊投幣轉發
我們下期再見
拜拜
