reCAPTCHAv2 해독하기

Breaking reCAPTCHAv2

September 13, 2024

저자: Andreas Plesner, Tobias Vontobel, Roger Wattenhofer

cs.AI

초록

우리의 연구는 Google의 reCAPTCHAv2 시스템에서 캡차를 해결하는 데 고급 기계 학습 방법을 사용하는 효과를 조사합니다. 우리는 이미지 분할 및 분류를 위해 고급 YOLO 모델을 활용하여 캡차를 해결하는 자동 시스템의 효과를 평가합니다. 우리의 주요 결과는 이전 연구가 해결한 68-71%에 비해 100%의 캡차를 해결할 수 있다는 것입니다. 더 나아가, 우리의 연구 결과는 reCAPTCHAv2에서 사람과 봇이 캡차를 통과하기 위해 해결해야 하는 도전의 수에는 유의미한 차이가 없다는 것을 시사합니다. 이는 현재 AI 기술이 고급 이미지 기반 캡차를 이용할 수 있다는 것을 시사합니다. 또한, 우리는 reCAPTCHAv2의 내부를 살펴보고, 사용자가 인간인지 여부를 평가할 때 쿠키 및 브라우저 기록 데이터에 크게 의존한다는 증거를 발견했습니다. 코드는 본 논문과 함께 제공됩니다.

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.