米乐 M6米乐AI“攻破”验证码系统原来这些反人类设计的验证码只难住了“我”
最近看到了个消息：AI 识别验证码，现在比人都快了。不仅快，准确率还吊打人类。
这不，前段时间加州大学艾尔文分校就甩出了一份论文，里面的研究数据是啪啪打验证系统的脸。
简单来说，他们把市面上所有类型的验证码，点击类的，拖拽旋转类的，图片选择类的等等等等，都搜罗了过来，分别让 AI 和测试者做了个遍。其中，最简单的点击识别， AI 直接 1.4 秒就能过，还百分百准确度，而人类不但要得花 3~4 秒，竟然有一两成的人过不了。
到拉大难度的图片验证， AI 虽然在速度上稍有下降，但起码还保持在人类的平均水平里，准确度也和人类相当。
测试结果大家也都看到了，看这AI 几乎门门儿接近百分百的准确率，速度也普遍比人快，说夸张点已经是吊打人类的程度了。
图片反正论文提交后，这个项目的主任 Gene Tsudik 直接给验证码戴了个 “ 气数已尽 ” 的帽子。还有一些媒体甚至打出 “ 暴击人类 ” 、 “ 验证码失效 ” 、 “ 验证码被攻破 ” 之类的标题。连马斯克都出来发文称，过去的验证机器人全失效了。
原始的上网环境，是没有验证码的，所以垃圾评论和邮件畅通无阻。当时免费邮件提供商雅虎，为了解决用户受到骚扰的问题，耗费了众多资源都阻止不了垃圾邮件，于是他们找到年仅 21 岁的卡内基梅隆大学计算机天才路易斯。路易斯给出的建议，就是安排计算机产出一个随即的字符串，用程式将这个字符串的图像进行随机污染和打乱，使其扭曲或变形，以此来区分大活人和机器人。
这样的方法，可以避免黑客恶意破解密码，刷票，论坛灌水，黄牛抢票等行为。本质上呢，其实是反机器的人类好帮手。数字或字母验证码渗透到各大网站和论坛，发展了许多年，但随着计算机水平的不断提高，这种简单的设计对黑客来说已经是小菜一碟了，也就失去了保护的意义。
最常见的，就是行为式验证码，比如说狐妹觉得最幼稚且没用的滑动验证码。实际上，我们在操作滑动这个步骤时，会有一个稍稍延迟的动作，然后才进行滑块拖动，拖动时的快慢也是不一致的。
这个就类似于 2012 年爆火的寻物游戏《找你妹》，相信大家都玩过。看似无脑的验证过程，实际上，验证码上的图片采用了多种图像加密技术，文字则采用了多种字体和实时印刷技术，并且添加了很多随机效果，能够有效防止 OCR 文字识别。
在技术迭代十分迅速的互联网领域，要确保安全，意味着安防措施必须永远比黑客领先一步。
谢强表示，互联网安全是一个相互博弈的过程，“我提高了一定的门槛，然后你跟随着我去成长，然后我再去提到更高的门槛”。只要保证安防成本永远比黑客低，就能让黑灰产陷入到博弈对抗，使其成本越来越高。
当前，随着GPT-4等AI大模型的成熟，对互联网安防也提出了新的要求。极意科技相关负责人表示，AI技术的发展，普通用户也能很快上手使用这些工具。但技术带来的便利性，也让互联网黑灰产的技术门槛大大降低。
从网络安防的角度，解决方案就是回归到AI对抗。毕竟能防住AI的，只有另一个AI。
顶象CEO陈树华告诉36氪，为避免版权问题，验证码公司需要自己生成图片，但一个设计师的生产力最多可以达到一天十张左右。有了AIGC，顶象生成图片的频率提升，从而降低了黑灰产快速破解的概率。陈树华表示，在过去的图库更新速度下，黑灰产快速爬取完图库的概率较高。大家辛苦设计了很久，但黑灰产把图片全部爬下来，很可能是瞬间的一件事。接下来就可以发动针对性攻击。也就是说，整个对抗力量是不对等的，这个问题一直是行业痛点。陈树华表示。
据介绍，使用AIGC工具后，顶象图片的生产效率提升上万倍。以单个GPU计算机为例，利用AIGC技术20秒就可以生成一张图片。使用100个GPU的小型计算集群，一天就可以生成43万2000张新的图片，一个月可以生成超过1000万张新图片。AIGC的生产能力是人工制图的上万倍。陈树华说。
而提升图片更新效率，不仅能相对弥补攻防双方的力量差距，还能减轻业务安全公司员工的部分工作。比如，图片库的配置工作就可以减少。目前看管理员配置效率提升了50%。陈树华介绍。
但其实，内容生成不是全新事物。陈树华告诉36氪，顶象早前已开始探索图片生成。据介绍，顶象原先采用将3D模型和有限的背景结合生成的方式，生成不重复的背景图片，希望解决传统验证方式使用有限集合背景图片，导致被破解的问题。
但这次大模型的能力让陈树华还是觉得打开了思路。原因在于，之前的生成方式不能做到图片质量的稳定，而这次基于大模型而生成的图片，不仅速度快，图片审美也得到了提升。验证码的图片一定要是一眼看上去可接受的、自然的。否则用户是不米乐M6 米乐会使用这类产品的。他认为。
AIGC为验证码安全提供的好处不止如此。据介绍，利用AIGC，验证码厂商还可以优化已有的验证方式，甚至创造出一些对用户友好、但机器识别难度较高的新型验证码。比如，常见的滑块验证码，为保证有足够识别度，目标缺口的像素与周围的像素需要有一些差异，往往非常容易识别，能让黑灰产较轻易地判断出滑块的目标位置。利用AIGC，可以设计出没有缺口的滑块验证码，要判断出目标位置还需要理解图像的语义，由此增加黑灰产的破解难度。
顶象为整体的使用效果做了测试，发现使用AIGC后，产品的风险拦截率提升19%。对比来说，使用静态图库作为验证码图片时，图库更新一周以后，爬虫的拦截防御能力会出效果衰减，一个月左右，恶意爬虫通过率会达到20%。使用AIGC生成图片后，爬虫通过验证通过率立即下降至0.8%以下，且长时间维持在1%以内。
当前，顶象主要使用Stable Diffusion生成图片，正在测试Midjourney等其他大模型。但不论是哪种工具，都可能出现生成图片的图片不准确、不符合逻辑（比如人像中出现六根手指）的情况。为避免影响商用，顶象如今采用限定标签的方式，重点生成特定领域的、可控的图片。
据介绍，当前公司的AIGC图片的标签库，包括植物、风景、交通工具、食物以及生活用品等，按照小类划分，大概有110多种。目前标签库主要以常见的实物为主——如大海中的轮船、十字路口的红绿灯、大海中的轮船、十字路口的红绿灯等。后续，顶象计划将标签库拓展到生活家居、计算机等，客户也可以根据自己的行业属性、业务特点、业务场景自定义标签。
另外，生成的图片也要避免内容安全问题。陈树华表示，顶象当前会在产品内叠加更多的算法，用以检测内容。
在交付方式上，目前顶象的SaaS用户已经可以体验到加入AIGC能力后的产品。但私有化部署的客户，由于交付方式较复杂和客户方算力成本较高等因素，暂时没能参与其中。
陈树华认为，大模型的另一个好处是改变国内To B产业的交付方式。大模型最大的特点就是智能化能力的提升。但要出现这一效果，必须让大量数据、服务得以汇聚。他认为，如果客户都认可大模型的智能化能力，那么To B长期私有化部署的产业形态可米乐M6 米乐能会减弱。
另一个不可忽视的可能性是，理论上，大模型的能力对所有人开放，这意味着黑产也可以利用AIGC增强破解能力——基于AIGC，黑灰产或许不再需要采集验证码厂商的图库并打标，就能训练模型识别各种艺术字。在这种场景中，黑灰产可以利用AIGC自动生成大量汉字对应的各种样式的艺术字，作为数据集训练模型，让模型鲁棒地识别任何风格的艺术字。
也许在不久的将来，艺术字验证码这种验证方式将完全失效。这也会进一步推动验证码企业提升验证方式的安全性和对抗性。陈树华如此认为。
扫一扫关注微信公众帐号
