IT俱乐部-城北日常经验分享

浏览: 2484    评论: 0

  随着电脑信息技术的飞速发展,有效图像识别技术已经被开发出来,但目前大部分网站使用的文本验证码还是有用的。IT名人:路易斯·冯·安 验证码之父 验证码的发展由来


  我们在使用互联网的过程中,可以看到网站往往会通过验证码来辨别用户是不是是机器人,验证码实际上就是人类和计算机的一场战争。但有时候你会发现,验证码也是让人感到十分无奈。验证码严重扭曲到不能通过人眼来识别,有的太过于花样,验证码隐藏太深,看起来却十分的吃力。

  随着电脑信息技术的飞速发展,有效图像识别技术已经被开发出来,但目前大部分网站使用的文本验证码还是有用的。尖端的图像识别技术需要花费大量时间金钱成本,黑客们是不会用它们来破解你的博客、窥探你中午打算吃什么的。只有那些涉及机密、金钱利益的网站,比如网上银行、购物网站等受到了较大的威胁。为了防止财产损失,这些网站纷纷推出了各种进化版的验证码。主流的验证码都是静态图片,有些网站推出了动态的验证码,令机器人很难捕捉,同时动画效果能够添加网页的美观程度。许多大型的购物网站要求发送手机短信验证码,确保操作用户是本人。又或者是问用户一个常识性的问题,比如“牛奶和汽油哪个可以喝?”——总之就是一些机器不会、可是人类可以轻易做到的事。

  12306购票网站曾经因为更换了一种“超难”的图形验证码而在各媒体报纸上大出风头。大家都明白,节日期间的火车票很难买,而众多抢票软件更是火上浇油,令网络购票变得更加艰难、混乱。为了拦截住那些违反公平的抢票软件,12306网站推出了这种让人大呼“坑爹”的验证码系统:系统要求想买票的用户在一堆图片里找出目标物体,比如便利贴、汉堡、玉米等常见事物,虽然许多人在不习惯的情况下感觉有点难,但这关于想钻空子的机器程序来说,更是难如上青天。

验证码也很年轻 

  一开始,网络上是没有验证码的。那时想要在论坛上发帖,只需轻轻敲一下回车键。可是,那个时代却没有大家以为的那么平静,当时的黑客也十分猖狂:他们编写了一种能够大量、重复编写信息的程序,伪装成人类用户,肆无忌惮地朝网络上倾倒大量的、无意义的“僵尸”信息,垃圾邮件、垃圾广告、垃圾评论到处乱飞。论坛被灌水,有用的信息很快会被淹没,许多网站的正常运营遭到破坏。除此之外,还有数之不尽的程序机器人使用不断尝试的方法恶意破解密码、恶意刷票,从中获取非法的利益。强而有力的程序机器人如同霸王龙一样横行霸道,网络世界一片狼藉,眼看着就要失控了。

  其中,受影响最大的当属电子邮件的提供商:他们的用户每天收到数以百计的垃圾邮件轰炸,严重地影响了正常的工作;更要命的是,这些垃圾邮件还是用他们的免费邮箱发出的。他们不可能一一审查邮件,因为那既不尊重隐私,工作量也太大。难道就没有任何手段约束程序机器人了吗?当时最有实力的邮件提供商Yahoo(雅虎)公司决定下狠劲改善这个问题。很快,雅虎的负责人联系到了当时卡内基梅陇大学一位21岁的学生,他叫路易斯·冯·安(Luis von Ahn)。 

  路易斯是一个计算机天才,17岁进入卡内基梅陇大学,在大学时期,他凭借良好的表现获得了导师曼纽尔·布鲁姆(Manuel Blum)的赏识,他的傲人履历也很可能是雅虎向他伸出橄榄枝的原因。

  在研究过程序机器人的“工作手法”之后,他给出了一个独特的方案:在用户进行操作之前,就将那些机器人从正常用户里揪出来。大家都明白图灵测试的目的是将机器伪造成人类,而路易斯的方案就是“反”过来:通过简单的方法将试图伪装成人类的程序机器人鉴定出来。

  好了,现在大家来想想,有什么是人类能够轻易做到,而机器不可能的呢?

  数学题?机器做得比人类出色多了;

  写一篇洋洋洒洒保证书保证“我是人类”?机器绝对写得又快又好;

  画一幅画?拜托,谁有空每次在论坛发一次贴就画一次画?并且说真的,机器画画也绝对比人类强;

  晒出自己和电脑屏幕上的信息合影的照片?哪有那么多工作人员有空一个个审核呢。

  路易斯发现,人类可以用肉眼很轻易地识别图片里的文字信息,而机器就不能。当时的计算机辨识技术还很落后,关于那些镶嵌在图片中的、被扭曲过、污染过的文字无法辨识,而人类只需要稍稍皱眉就可以识别出来。路易斯在导师布鲁姆的帮助下很快设计了一个程序,它先是产生一个随机的字符串,比如smwm,然后对这串字符进行随机的扭曲、重叠、污染,再显示给要进行操作的用户。只要能够识别这个变形了的smwm的,就是人类。

  这个设计方案后来被命名为“CAPTCHA”,这是“Completely Automated Public Turing test to tell Computers and Humans Apart”首字母的缩写,意思是“全自动区分计算机和人类的图灵测试”,虽然看上去很夸张,但实际上还是挺简单易懂的。它的中文译名就是大家熟知的“验证码”啦。

人人都来当校对

  21岁的路易斯·冯·安发明了验证码后真是名利双收,但他享受了掌声和鲜花后冷静了下来,为一件“小事”感到耿耿于怀:全世界的网民每天要输入验证码接近2亿次,假设每次花费10秒,那么算下来每天要花费50万小时。这个时间如果能利用起来,那将会有多大的力量啊。

  路易斯将目光投向了旧书摊。信息时代来临之际,许多古旧的书籍报纸需要整理成电子版,可是电脑扫描辨识时常常出错,因为这些旧资料常常不可避免地有着字迹模糊、褪色、污损的情况。路易斯比任何人都明白电脑在辨识文字上有多笨拙。唯一的方法是人工核对。但这样的工作显然不是一个人或者一个公司可以胜任的,为什么不让网民们来帮忙呢?

  说干就干的路易斯很快开工了:他扫描了一些过期的旧报纸,将扫描得到的图片在计算机的分析下拆开成单词片段,再将这些单词作为验证码发送给用户。有人要问了,先前的那些验证码,系统是明白答案的,但这些书籍拆下来的单词,系统自己也搞不明白答案,那怎么明白用户的判断结果对不对呢?

  路易斯用一贯简洁优美的思路解决了这个问题,并将它起名为reCAPTCHA(意思是“二次验证码”):他让用户一次性辨识两个单词,其中一个是系统生成的真正的验证码,另外一个是从旧报纸上截下来的单词。如果用户输对了第一个验证码,那么输对第二个单词的几率也很高。

  看了上面这个图,大家是否觉得到了一点不妥呢?没错,扫描出来的图片和真正的验证码长得那么不像,reCHAPTCHA这个项目又人所皆知,用户一眼就能看出来右边那个“345”是假的验证码。许多认真的用户会乐意为辨识古书籍献出一份力,但并不是每个人都那么乐于助人,那些爱捣蛋的用户很可能会故意输入错误的单词。

  为了防止恶意捣乱、提高答案的可信程度,路易斯后来还要对两个验证码进行加工,让它们成为“孪生子”:下面左边的这个morning,就是从旧报纸里截取出来的,是否跟右边的overlooks长得很像呢?如果用户分不清那个是真验证码,哪个是“假验证码”,他们会更配合工作。路易斯还将同一个未知的单词输送给多个用户,如果全部用户辨识的结果一致,都是“morning”,那么就认为这个单词被“搞掂”了。

  用这一个方法,在短短几个月时间内,路易斯让网民们帮忙完成了纽约时代130年来全部旧报纸的存档电子化——这原本但是个让人望而生畏的大工程啊。reCAPTCHA很快被Google收购,现在已经成为了Google旗下的一项免费服务:任何人都可以申请将reCAPTCHA用在自己的网站上,你不仅可以为你的网站建立一个防止垃圾信息的堡垒,还让你的用户们得以参与到完善人类电子图书馆的丰功伟业中来。

全文详见:http://it-club.cn/post/708.html

TOP

评论列表


发表评论
来宾的头像

TOP

网站分类

TOP

站点信息

  • 文章总数:737
  • 页面总数:1
  • 分类总数:3
  • 标签总数:24
  • 评论总数:270
  • 浏览总数:9921333