Breaking reCAPTCHAv2

要約

私たちの研究では、Google の reCAPTCHAv2 システムからのキャプチャを解決するために高度な機械学習手法を採用することの有効性を検証しています。
画像のセグメンテーションと分類に高度な YOLO モデルを利用して、キャプチャを解決する自動システムの有効性を評価します。
私たちの主な結果は、以前の作業では 68 ～ 71% しか解決できなかったのに対し、キャプチャを 100% 解決できたことです。
さらに、私たちの調査結果は、reCAPTCHAv2 でキャプチャ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課題の数に大きな違いがないことを示唆しています。
これは、現在の AI テクノロジーが高度な画像ベースのキャプチャを活用できることを意味します。
また、reCAPTCHAv2 の内部も調査し、reCAPTCHAv2 がユーザーが人間であるかどうかを評価する際に Cookie とブラウザ履歴データに大きく基づいているという証拠を発見しました。
コードはこの文書と一緒に提供されます。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google