論文の概要: Robot Visions: Breaking reCAPTCHA at Zero Cost and Zero Shot

• arxiv url: http://arxiv.org/abs/2609.18518v1
• Date: Wed, 16 Sep 2026 11:48:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.776687
• Title: Robot Visions: Breaking reCAPTCHA at Zero Cost and Zero Shot
• Title（参考訳）: ロボットビジョン:reCAPTCHAをゼロコストとゼロショットで破る
• Abstract要約: フリーでローカルに実行されるモデルは、Google reCAPTCHAを損なう可能性がある。 オープンソースローカルモデルで完全に構築されたゼロショット無コストソルバを設計する。 エンド・ツー・エンドの自動解法は500のreCAPTCHAセッションでセッション当たり92.6%の成功率を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Google reCAPTCHA is the most widely deployed visual CAPTCHA service, protecting hundreds of thousands of websites from automated bots. It serves as a critical line of defense against automated attacks, including credential stuffing, bulk account creation, and automated form abuse. It has proven largely effective since its introduction in 2007. However, the rise of accessible AI now threatens its efficacy. Prior work has demonstrated that commercial cloud-based vision-language models (VLMs) can solve visual CAPTCHA challenges, but at non-trivial monetary cost per attempt. In this paper, we show that free and locally-run models can break Google reCAPTCHA. We conduct a comprehensive study of reCAPTCHA and present a taxonomy of its challenge types: Type A (independent image tiles, with static and dynamic sub-variants) and Type B (a single image partitioned into a 4x4 grid), each demanding a distinct solving strategy. We design zero-shot, no-cost solvers built entirely on open-source local models, specifically CLIP (58% per-challenge accuracy on Type A) and OWLv2 (43.5% on Type B), requiring no model training and no API access. Our end-to-end automated solver achieves a 92.6% per-session success rate across 500 real-world reCAPTCHA sessions. We further demonstrate that reCAPTCHA can be defeated by a non-technical adversary, using only natural-language instructions to a commodity AI assistant. This collapses the practical attacker skill floor to near zero and fundamentally changes the threat model for challenge-based CAPTCHAs. Although reCAPTCHA increasingly favors reputation-based verification, visual challenge-based fallback persists as a safety net that, paradoxically, has become the weakest link in the defense chain, suggesting that challenge-based visual CAPTCHAs may have reached the end of their useful life.
• Abstract（参考訳）: Google reCAPTCHAは最も広くデプロイされているビジュアルCAPTCHAサービスで、自動化されたボットから数十万のWebサイトを保護する。 これは、クレデンシャル・パッキング、バルクアカウントの作成、自動フォームの不正使用など、自動攻撃に対する重要な防御線として機能する。 2007年に導入されて以来、ほとんど有効であることが証明されている。 しかし、アクセス可能なAIの台頭は、その有効性を脅かしている。 以前の研究は、商用クラウドベースのビジョン言語モデル(VLM)が視覚CAPTCHAの課題を解決できることを示した。 本稿では,Google reCAPTCHAをフリーおよびローカルで実行することで,Google reCAPTCHAを破壊できることを示す。 我々は、reCAPTCHAの総合的研究を行い、A型(静的および動的サブバリアントを持つ独立画像タイル)とB型(4x4グリッドに分割された単一の画像)の分類をそれぞれ要求する。 オープンソースローカルモデル、特にCLIP(A型では58%の精度)とOWLv2(B型では43.5%の精度で、モデルトレーニングもAPIアクセスも必要ありません。 エンド・ツー・エンドの自動解法は500のreCAPTCHAセッションでセッション当たり92.6%の成功率を達成した。 さらに,コモディティAIアシスタントへの自然言語命令のみを用いて,reCAPTCHAを非技術的敵に倒すことを実証する。 これにより、実践的な攻撃スキルフロアがほぼゼロに崩壊し、チャレンジベースのCAPTCHAの脅威モデルが根本的に変更される。 reCAPTCHAは、評判に基づく検証をますます好んでいるが、視覚的チャレンジベースのフォールバックは、パラドックス的に、防御チェーンの最も弱いリンクとなり、チャレンジベースのビジュアルCAPTCHAが有用寿命の終わりに達したことを示唆している。

関連論文リスト

• CaptchaMind: Training CAPTCHA Solvers via Reinforcement Learning with Explicit Reasoning Supervision [50.35579781554922]
  CaptchaベースのCaptchaベースのRLMindを導入し、8つのタスクの平均成功率は82.9%、現実世界のインスタンスでは72.9%に達した。 RLMindは8つのタスクで平均成功率82.9%、実世界のインスタンスで平均成功率72.9%を達成し、明確な推論プロセスの監督を訓練した。
  論文  参考訳（メタデータ） (2026-05-19T08:38:44Z)
• NGCaptcha: A CAPTCHA Bridging the Past and the Future [12.897322340526769]
  NGCAPTCHAは、軽量クライアントサイドの作業証明(PoW)機構とAI耐性の視覚認識課題を統合した次世代CAPTCHAフレームワークである。 NGCAPTCHAでは、ブラウザはまず、チャレンジを表示する前に、小さなハッシュベースのPoWを完了しなければならない。 PoWが解決されると、ユーザは人間フレンドリでモデルに耐性のある画像選択タスクを提示される。
  論文  参考訳（メタデータ） (2025-12-18T06:14:54Z)
• Defensive Adversarial CAPTCHA: A Semantics-Driven Framework for Natural Adversarial Example Generation [48.60492738839292]
  従来のCAPTCHAスキームは、ディープニューラルネットワーク(DNN)を利用した自動攻撃に対してますます脆弱になっている 本稿では,高度に特定された逆例を生成する新しいフレームワークである Unsourced Adversarial CAPTCHA (DAC) を提案する。 標的外攻撃、特にブラックボックスのシナリオでは、双方向非ソース対逆CAPTCHA(BP-DAC)を導入する。
  論文  参考訳（メタデータ） (2025-06-12T13:30:01Z)
• IllusionCAPTCHA: A CAPTCHA based on Visual Illusion [14.043017273813227]
  我々は、"Human-Easy but AI-Hard"パラダイムを用いた新しいセキュリティメカニズムであるIllusionCAPTCHAを提案する。 その結果,初回試験では86.95%の参加者がCAPTCHAに合格し,他のCAPTCHAシステムよりも優れていた。
  論文  参考訳（メタデータ） (2025-02-08T06:03:03Z)
• A Survey of Adversarial CAPTCHAs on its History, Classification and Generation [69.36242543069123]
  本稿では, 逆CAPTCHAの定義を拡張し, 逆CAPTCHAの分類法を提案する。 また, 敵CAPTCHAの防御に使用可能な防御方法も分析し, 敵CAPTCHAに対する潜在的な脅威を示す。
  論文  参考訳（メタデータ） (2023-11-22T08:44:58Z)
• Robust Text CAPTCHAs Using Adversarial Examples [129.29523847765952]
  Robust Text CAPTCHA (RTC) という,ユーザフレンドリーなテキストベースのCAPTCHA生成法を提案する。 第1段階では、前景と背景はランダムにサンプルされたフォントと背景画像で構成される。 第2段階では、CAPTCHAの解法をより妨害するために、高転送可能な逆攻撃をテキストCAPTCHAに適用する。
  論文  参考訳（メタデータ） (2021-01-07T11:03:07Z)
• Deep-CAPTCHA: a deep learning based CAPTCHA solver for vulnerability assessment [1.027974860479791]
  本研究では,CAPTCHAジェネレータシステムの弱点と脆弱性について検討する。 この目的を達成するために,Deep-CAPTCHAと呼ばれる畳み込みニューラルネットワークを開発した。 我々のネットワークのクラック精度は、数値およびアルファ数値テストデータセットの98.94%と98.31%のハイレートにつながる。
  論文  参考訳（メタデータ） (2020-06-15T11:44:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。