越来越“变态”的验证码，到底在验证什么？

验证码要验证的是它所面对的是真实的人还是计算机程序。最开始的验证码非常的简单，只要输入几个数字就可以。不知道从何时开始见证了变得越来越变态，变得花样不断的验证，验证码就不仅仅是视力的挑战了，有的时候已经是视力及智力的双重挑战。

还有大家经常看到的验证码，猜出图中验证码字母。

请计算出图中验证码的结果。

好了，我们还是回到标题上来，聊一聊验证码是怎么为难我们人类的。

验证码的由来

2000 年，雅虎当时还是全球最大的网络邮箱服务商，雅虎邮箱的用户经常收到许多垃圾和诈骗短信。

 

这种经历放在今天，就是你下班回到家，发现自己门口摆满了快递。

但注意，其中只有一个快递是你自己购买的，其他的快递都是别人发的垃圾。

你为了找到自己的快递，只好拆了全部的快递。这时，你恐怕只会后悔自己有这一个快递。

当时受到影响的不止雅虎，还有许多互联网公司。

黑客们利用脚本机器人大量注册账户，进行评论注水、黄牛抢票
、撞库扫号等影响互联网企业运营的行为。

现如今，“ 天下苦验证码久矣 ”，而在二十年前，则是“ 天下苦脚本机器人久矣 ”。

后来雅虎找到在卡内基梅隆大学的路易斯·冯·安（验证码之父）等人，与他们合作。

*路易斯·冯·安（验证码之父）

他们利用当时的人机验证机制，为雅虎设计了一套防御机器人的程序，并首次提出了“验证码”的概念。

验证码，更专业的名字是“全自动区分计算机和人类的
图灵测试”，简称 CAPTCHA。

验证码的作用是让计算机区分人类和计算机。大家熟知的图灵测试是让人区分人和计算机，与验证码作用刚好相反。

因此，有些人也将验证码叫做“反向图灵测试”。

文本类验证码

然而，一切没有那么容易。

早期的验证码非常简单，只是普通的字母组合，干扰的信息很少，而文字识别技术（ OCR ）的应用甚至要比验证码早 30 年。

没过多久，黑客利用 OCR 成功破解了验证码。

于是，计算机科学家们继续寻找更好的防御机制。

他们在验证码的字符中加入更多的干扰因素，将字符连接、变形、空心，变成动态，加入更复杂的背景。

总之，一切都是为了降低脚本机器人的识别成功率。

然而降低机器人识别正确率的效果是暂时的，降低用户的识别成功率却是永久的。

我经常遇到无法识别的验证码，要么需要刷新，要么输入错误。

此时计算机对我的判定是：你 不 是 个 人！

这句话听起来是不是好像是在骂人。

2008 年，两位英国纽卡斯尔大学的计算机研究人员发布了一篇论文。

在论文中，他们用新的字符分割法来识别微软、雅虎和谷歌的验证码。

微软和雅虎的验证码识别正确率超过 60%，谷歌的验证码识别率较低，为 8.7%。

虽然谷歌这个数字看起来比雅虎和微软优秀，但脚本机器人可以发动大量攻击，100 万次尝试就将有 8.7 万个验证码被破解。

因此，这个结果仍然是无法令人满意的。

在这份论文中，研究人员还列出了用户会混淆的几个验证码：

比如：

开头是字母 “ d ” 还是 “ cl ” ？

 

这是哪几个字符？

别问我答案，我也不知道。

虽然变形扭曲的字符能提升拦截脚本机器人的效率，但真人用户同样难以辨别验证码，也被阻挡在外。

甚至有研究表明，通过卷积神经网络模型（ CNN ），机器识别扭曲字体的正确率还要高于人类。

验证码杀敌一千，自损一万。

简单文本内容的验证码已经无法满足需要，于是，又出现了答题类的验证码。

验证码成了考题，用户输入正确的答案才能通过验证，这种形式的验证码虽然能暂时有效阻挡脚本机器人，但却对用户不友好，受到许多吐槽。

因此，答题验证码并不常见。

 

毕竟，当你遇到文章开头这种验证码，你可能不会愿意计算出答案，而是直接关闭页面。 

文本类验证码面对脚本机器人的攻击，渐渐招架不住，研究人员决定调转方向，开发采用图像选择类的验证码。

图像选择类验证码

相比于文本类的验证码，图像选择类验证码对用户友好很多，只需点击图像，不再依赖键盘输入，而且图像验证码趣味性更强。

例如根据题目要求在几张照片中找出符合要求的照片即可，体验起来像是玩连连看。

2007 年，研究人员提出了图像选择类验证码，之后迅速受到研究人员和用户的欢迎。

毕竟，谁会喜欢考试而不喜欢游戏呢？

2015 年 3 月，12306 为了防止黄牛抢票引入了图片验证码，引发热议。

 

抢过火车票的小伙伴对此肯定不陌生，为了不被 12306 的验证码难住，不得不调闹钟提早登录 12306。

刚开始，图像选择类验证码还能起到不错的保护效果。

然而，随着图像识别技术的发展，特别是 AI 技术的进步，人们可以训练机器学习分类图片，破解图像。

例如，国外的研究人员就利用 SVM 分类器和卷积神经网络模型等方式，来破解部分图像选择验证码。

来自卡内基梅隆大学的一个团队在 2017 年发布论文表示：

他们通过收集 260 万个验证码和短语，以及 2100 万张图片，经过卷积神经网络的训练，最终可以使机器在 2 秒内以 77% 的正确率通过 12306 的验证码。

为了阻挡脚本机器人的攻击，维护人员不得不制作更多新的验证码图片，利用新的验证码图片还未被机器学习，以此来降低机器的识别正确率。

于是更多奇怪的验证码被制作出来。

然而，我们普通用户成了最大的受害者，各种奇葩的图片验证码让人难以区分，连登录自己的账户，都变成了一件难事。

不过一些研究统计表明，在图片验证码的正确率上，机器在某些方面的图像感知能力也已经领先人类。

既然图像选择验证码也干不过机器，研究人员再次使出绝招：调转方向！

行为轨迹类验证码

无论文本还是图像都是以问答的形式来验证人和脚本机器人，脚本机器人通过学习，表现比人类还要稳定。

于是，研究人员发明了行为轨迹类的验证码，而它的原理就是利用人类在行为轨迹上不如机器稳定。

以我们熟悉的滑动验证码为例：

当我们将左边的滑块向右拖动，后台服务器不仅验证用户能否正确地将滑块填进空缺位置，还要记录用户的鼠标位置，滑块的移动轨迹等信息。

通常来说，相对于脚本机器人，人类的滑动轨迹都是非匀速的，不准确的。

尤其是像我这样肢体不灵活的人，越接近空缺位置，速度越慢，直到合上滑块。

这个过程有很多不稳定的因素，正是通过不稳定的轨迹，后台服务器才会识别该操作来自于人，而不是稳定的脚本程序。

虽然滑动验证码相比之前的验证码是一个进步，但破解验证码的方式也在跟着进步。

2010 年，日本京都大学的研究人员向外界公布了滑动验证码，并于 2012 年投入商用。

2014 年，马德里康普斯顿大学的研究人员就宣布他们破解了滑动验证。

如今，加入了学习模型的智能脚本机器人也能通过学习人的滑动轨迹，通过做出变速，折返、抖动等行为轨迹来模仿人类，骗过服务器。

行为轨迹类的验证码还有更简单无感的方式，点击验证，直接点击按钮，服务器通过收集检测用户的环境信息来判断是真人还是脚本机器人。

 

这无疑是目前所有验证码中用户体验最好的，但它也并非绝对安全，而且还存在用户隐私泄露的风险。

短信验证和扫脸认证

现在，短信验证已经成为最常见的验证方式之一。

在小编的手机短信中，两类短信最多。

一类是验证码短信，一类是需要发送“ TD ”才能退订，但退订后又还能收到新短信的垃圾营销短信，而最实用的快递签收短信只能排在第三。

 

短信验证通过绑定手机号码来确认该用户是否是本人，跳出了网络这一维度，调用了外部设备，安全程度比以上几种验证码有所提升。

但验证码短信恰恰成了这种验证方式的薄弱环节。

 

不法分子可以通过建立伪基站，截取用户短信验证码，获得登录甚至交易权限。

又或者，通过诈骗获取用户的验证码。

另一方面，短信验证码又是最不友好的验证方式之一，尤其是手机不在的时候，还要找手机，解锁、记住验证码，再输入验证码，这是我最讨厌验证码的时刻。

 

如今，一些对安全要求较高的验证通道已经卷向了扫脸验证，需要对着手机前后移动，调整角度，眨动眼睛才能登录。

然而这种看似安全的方式也不是绝对安全，百度搜索可看到许多扫脸认证被破解的信息。

验证码的另类敌人

这时小编不禁想：我们普通用户登录个账号怎么就这么麻烦。

本质上而言，验证码技术的战争是网站维护人员与黑客攻击者之间的竞争。

双方你追我赶，验证码的技术在 20 年里已经多次迭代。

从最简单的输入字母到需要调动用户摄像头的刷脸验证，破解技术也从曾经的 OCR 发展到如今的 AI。

然而，最受伤的却是我们这些普通用户，验证方式逐渐复杂，意味着我们要在验证码上花更多时间和更多手段。

验证码要面对的敌人，并不仅仅是脚本机器人或技术顶级的黑客，还有毫无技术含量的人类。

一些不法分子建立了验证码破解平台，将验证码打包发送至平台，以非常低廉的价格雇佣一批人。

人工输入正确验证码答案，并建立数据库，用来破解验证码，这个方法简单粗暴却有效。

AI 也学会了这一方式。

据媒体报道，一个测试 AI 的机构发现 OpenAI 的 GPT4 会假装成一个视障人员，让人类帮他输入验证码。

没错，AI 甚至学会了欺骗人类免费帮它劳动。

面对越来越接近人类的 AI，区分人类和机器人将会变得越来越困难，验证码只会更加复杂繁琐。

而作为一个普通的网络用户，小编只希望输入验证码的方式能简单一点。