Καθώς η τεχνολογία AI προοδεύει, το ψηφιακό περιβάλλον συνεχίζει να μας εκπλήσσει όλους…
Το AI μπορεί πλέον να περάσει δοκιμές αναγνώρισης εικόνας reCAPTCHAv2
Αναμφισβήτητα, η πιο εμφανής εξέλιξη σχετικά με το γιατί αυτό είναι αλήθεια συνέβη όταν ερευνητές από το ETH της Ζυρίχης στην Ελβετία κατάφεραν να εκπαιδεύσουν ένα μοντέλο τεχνητής νοημοσύνης για να λύσει το Google reCAPTCHAv2 δοκιμές αναγνώρισης εικόνας. Αυτές οι δοκιμές reCAPTCHA, που είναι γνωστές σε πολλούς χρήστες του διαδικτύου, παρουσιάζουν συνήθως εικόνες φαναριών, οχημάτων και άλλων καθημερινών αντικειμένων για ασφάλεια για την εξάλειψη των bots ή των αυτοματοποιημένων συστημάτων.
«Η εργασία μας εξετάζει την αποτελεσματικότητα της χρήσης προηγμένων μεθόδων μηχανικής εκμάθησης για την επίλυση captchas από το σύστημα reCAPTCHAv2 της Google. Αξιολογούμε την αποτελεσματικότητα των αυτοματοποιημένων συστημάτων στην επίλυση captchas χρησιμοποιώντας προηγμένα μοντέλα YOLO για τμηματοποίηση και ταξινόμηση εικόνων. Το κύριο αποτέλεσμα μας είναι ότι μπορούμε να λύσουμε το 100% των captcha, ενώ η προηγούμενη εργασία έλυσε μόνο το 68-71%. Επιπλέον, τα ευρήματά μας υποδηλώνουν ότι δεν υπάρχει σημαντική διαφορά στον αριθμό των προκλήσεων που πρέπει να επιλύσουν οι άνθρωποι και τα ρομπότ για να περάσουν τα captcha στο reCAPTCHAv2. Αυτό σημαίνει ότι οι τρέχουσες τεχνολογίες AI μπορούν να εκμεταλλευτούν προηγμένα captchas που βασίζονται σε εικόνες. Εξετάζουμε επίσης κάτω από την κουκούλα του reCAPTCHAv2 και βρίσκουμε στοιχεία ότι το reCAPTCHAv2 βασίζεται σε μεγάλο βαθμό σε δεδομένα cookie και ιστορικού προγράμματος περιήγησης κατά την αξιολόγηση του εάν ένας χρήστης είναι άνθρωπος ή όχι. Ο κώδικας παρέχεται μαζί με αυτό το έγγραφο», δήλωσαν οι ερευνητές.
Κατάλληλα, η τεχνητή νοημοσύνη ονομάστηκε YOLO, που σημαίνει «Μόνο μια φορά κοιτάς». Εκπαιδεύτηκε μόνο σε εικόνες που χρησιμοποιούνται σε προκλήσεις reCAPTCHA.
Τα αποτελέσματα ήταν θεαματικά: αυτό το μοντέλο AI πέρασε αυτές τις δοκιμές με 100% ακρίβεια.
Αυτό είναι ένα τεράστιο άλμα από τις προηγούμενες προσπάθειες για την τεχνητή νοημοσύνη, που θα μπορούσε να λύσει μόνο περίπου το 68-71% αυτών των προκλήσεων. Αυτό σημαίνει ότι αυτή η τεχνητή νοημοσύνη μπορεί να μιμηθεί την ανθρώπινη συμπεριφορά στο βαθμό που περνά με συνέπεια για ένα πραγματικό άτομο σε αυτές τις δοκιμές ασφαλείας.
Αυτό το εύρημα έχει μεγαλύτερες συνέπειες για την ασφάλεια του Διαδικτύου στο σύνολό του. Το CAPTCHA, μια σύντομη φόρμα για το «Πλήρως αυτοματοποιημένο δημόσιο τεστ Turing για να ξεχωρίσουν οι υπολογιστές και οι άνθρωποι», επινοήθηκε αρχικά για να αποτρέψει τα ρομπότ, τα scrapers και άλλους ανεπιθύμητους ηθοποιούς. Καθώς περνούσε ο καιρός, το reCAPTCHA μετατοπίστηκε από προκλήσεις κειμένου εκτός παραμόρφωσης σε εργασίες αναγνώρισης εικόνων σε ακόμη και «αόρατους» ελέγχους που παρακολουθούν τη συμπεριφορά των χρηστών, όπως η κίνηση του ποντικιού.
Ο στόχος ήταν πάντα ο ίδιος: να διαφοροποιήσουμε τους ανθρώπους από τις μηχανές.
Αλλά αυτή η νέα ικανότητα AI υπονομεύει αυτόν τον στόχο. Εάν το AI μπορεί να λύσει τέλεια τα reCAPTCHA, το ίδιο το σύστημα ασφαλείας στο οποίο βασίζονται πολλοί ιστότοποι θα υπονομευτεί. Οι συνέπειες αυτού ξεπερνούν ένα απλό βασικό επίπεδο ελέγχου ταυτότητας χρήστη για την αποτροπή ανεπιθύμητων μηνυμάτων, αυτόματης απόσυρσης περιεχομένου και διαφόρων άλλων μορφών κυβερνοεπιθέσεων.
Καθώς η τεχνητή νοημοσύνη συνεχίζει να ξεπερνά τα συστήματα CAPTCHA, οι ειδικοί προτείνουν ότι η λύση μπορεί να είναι να γίνουν οι δοκιμές πιο δύσκολες. Ωστόσο, αυτό δημιουργεί το δικό του σύνολο προκλήσεων. Τα πιο σκληρά CAPTCHA θα μπορούσαν να επιδεινώσουν τα προβλήματα προσβασιμότητας, ειδικά για άτομα με προβλήματα όρασης που ήδη αγωνίζονται με την οπτική φύση των δοκιμών.
Είναι η τεχνητή νοημοσύνη δημιουργική: Απαντώντας στο αναπάντητο
Ωστόσο, τουλάχιστον τα μεγάλα ονόματα του τεχνολογικού παιχνιδιού δεν έχουν πανικοβληθεί ακόμη. Για παράδειγμα, η Google έχει προχωρήσει στη μετακίνηση των CAPTCHA που βασίζονται σε εικόνες για μεγάλο μέρος της προστασίας της. Αργότερα, το 2018, εισήγαγε το reCAPTCHAv3, το οποίο λειτουργεί πιο αόρατα, αναλύοντας τη συμπεριφορά των χρηστών, όπως η κίνηση του δρομέα. Τα Private Access Tokens αναπτύχθηκαν επίσης από την Apple ως μέρος του iOS 16. Αυτό παρακάμπτει την ανάγκη για CAPTCHA κάθε φορά που χρησιμοποιείται αυτή η μέθοδος ελέγχου ταυτότητας που βασίζεται στη συσκευή.
Ενώ το CAPTCHA εξακολουθεί να παρουσιάζει μια παροιμιώδη γραμμή για την ύπαρξη πολλών ιστότοπων, η ανάπτυξη της τεχνητής νοημοσύνης δείχνει πόσο γρήγορα προσαρμόζονται τα μηχανήματα σε συστήματα ασφαλείας που έχουν σχεδιαστεί για να τα κρατούν έξω. Καθώς τα δακτυλικά αποτυπώματα συσκευών, η ανάλυση συμπεριφοράς και άλλα έρχονται στο προσκήνιο ως πιθανοί διάδοχοι, οι τρόποι διαχωρισμού των bots από τους ανθρώπους είναι βέβαιο ότι γίνονται όλο και πιο εξελιγμένοι. Καθώς οι δυνατότητες τεχνητής νοημοσύνης αυξάνονται, η γραμμή μεταξύ ανθρώπινης και μηχανικής δραστηριότητας στο διαδίκτυο γίνεται όλο και πιο θολή και το διαδίκτυο αναγκάζεται να προσαρμοστεί σε μια αυτοματοποιημένη πραγματικότητα.
Και σε αυτή τη νέα ψηφιακή εποχή, φαίνεται ότι ακόμη και τα ρομπότ είναι ικανά να πείσουν άλλα ρομπότ ότι δεν είναι ρομπότ…
Πιστώσεις εικόνας: Κερέμ Γκιουλέν/Μέσα ταξίδι
VIA: DataConomy.com
