研究人员已经创建了新的人工智能，这可能意味着最广泛使用的网站安全系统之一的终结。基于深度学习方法的新算法是迄今为止验证码安全性和身份验证系统最有效的解决方案，并且能够击败用于捍卫全球大多数最受欢迎网站的文本验证码方案的版本。

基于文本的验证码使用混杂的字母和数字以及其他安全功能(例如遮挡线)来区分人类和恶意自动计算机程序。它依赖于人们发现比机器更容易解密字符。

该求解器由英国兰开斯特大学，西北大学和北京大学的计算机科学家开发，与以前的验证码攻击系统相比，其准确性要高得多，并且能够成功破解以前的攻击系统失败的验证码版本。

求解器也是高效的。通过使用台式机，它可以在0.05秒内解决验证码。

它通过使用一种称为“生成对抗网络”(GAN)的技术来工作。这涉及教一个验证码生成器程序，以产生大量与真正的验证码没有区别的训练验证码。然后将这些用于快速训练求解器，然后对求解器进行完善并针对真实的验证码进行测试。

通过使用机器学习的自动验证码生成器，研究人员(或可能是攻击者)能够显着减少查找和手动标记验证码以训练其软件所需的工作量和时间。它只需要500个真正的验证码，而不是有效训练攻击程序通常需要的数百万个验证码。

先前的验证码求解器特定于一种特定的验证码变体。先前的机器学习攻击系统的构建需要大量劳动，因此需要对人工验证码进行大量手动标记才能训练系统。验证码中使用的安全功能的细微更改也很容易使它们过时。

由于新求解器几乎不需要人工干预，因此可以轻松地针对新的或修改的验证码方案进行重建。

该程序已在33个验证码方案上进行了测试，其中11个被许多世界上最受欢迎的网站(包括eBay，Wikipedia和Microsoft)使用。

兰卡斯特大学计算机与通信学院高级讲师 ，该研究的合著者王正博士说：“这是首次使用基于GAN的方法来构造求解器。我们的工作表明，在深度学习方法下，当前基于文本的验证码方案所采用的安全功能特别脆弱。

“我们首次展示了对手可以非常轻松地对基于文本的新型验证码方案迅速发起攻击。这很可怕，因为这意味着许多网站的首次安全防御不再可靠。这意味着验证码会打开一个巨大的安全漏洞，攻击可以通过多种方式加以利用。

该研究的主要作者叶桂欣先生说：“它允许敌方对服务发起攻击，例如拒绝服务攻击或发送垃圾邮件或钓鱼邮件，以窃取个人数据甚至伪造用户身份。考虑到我们的方法在大多数文本验证码方案中的成功率很高，因此网站应该放弃验证码。”

研究人员认为，网站应考虑使用多层安全措施的替代措施，例如用户的使用方式，设备位置甚至生物特征信息。

这项研究发表在论文``还另一个文本验证码求解器：基于生成对抗网络的方法''上，该论文在2018年多伦多ACM计算机和通信安全(CCS)大会上发表。