为什么12306会出那么奇葩的验证码

　　春节还有两个月，好多人却要在这寒冷冬日里练习手速了。没错，我说的就是在12306网站上抢火车票。你们想的也是这件事吧？

　　和上网购物一样，登录时依次填写用户名、密码，接下来是图形验证码……等等，这是什么鬼？“请点击下图中所有的美男子”、“请点击下图中所有的非智能眼镜”……在这个分秒必争的时刻，12306上的购票验证码让抢票者瞬间“抓瞎”。而且还他喵的是多选！有统计说，每输错一次验证码，就意味着当次购票成功率下降80%。这些验证码也迅速成为朋友圈里吐槽的对象。

　　那么，为什么12306会出现这么奇葩得验证码呢？

　　本质上是图灵测试

　　输入验证码的过程，其实是让机器判断你到底是真人还是软件。“验证码”的英文名字很拗口，叫CAPTCHA，翻译过来是“全自动区分计算机和人类的图灵测试”。

　　验证码的诞生，是为了杜绝通过软件设计的“注册机器人”进行恶意注册，进而产生大量的垃圾用户（僵尸用户）以及垃圾点评信息。这得说到2000年左右，互联网仍是一番原生态景象。雅虎公司最早受到大量通过机器程序注册的困扰，犯罪者在短时间内自动创建上千个电子邮件地址，然后利用这些地址发送垃圾邮件。

　　为此，雅虎找到了刚刚进入卡内基·梅隆大学硕博连读的LuisvonAhn，后者为雅虎研究了一种强制用户输入某个适当变形的字符串，以检验注册者到底是机器还是人的程序。按照当时的技术，没有电脑能通过这种测试：人为扭曲的验证码毫无规律地以图形方式呈现，必须通过肉眼辨识才能通过验证。

　　最暴力的验证码破解法--雇人来刷

　　我们每天在网上付费、登录论坛或者多次输错密码后，都得面对各式各样的验证码的考验，而到现在我们也没有摆脱垃圾邮件或网络水军的骚扰。按照其发明人Luis von Ahn的表述，如何绕开验证码激励着垃圾邮件发送者展开一场军备竞赛。

　　为了防止被轻易破解，十几年间验证码陆续发展出了多种形式，但直到今天使用最广泛的仍是基于字符的图片类验证码。这类验证码最易产生，具有标准答案，不受背景知识和文化差异的影响。其图像中包含数字、字母或其他文字，字符序列既能与背景图像进行融合，又能做出扭曲、变形之类的处理，所以破解的难度很大。我们平日里常去的网站，大都使用了这种基于字符的图片验证码。

　　在平面字符的基础上，还曾诞生过3D验证码，它对于机器来说更难破解，但生成难度很高，用户体验也不如字符更简单，所以已被弃用。说到难度，总有道高一尺的存在，比如一些数学验证码，想通过就得算出答案。结果是计算机没法回答，学渣们哭晕在厕所。这样一看，各种奇葩验证码并没有广泛应用的可能。

　　验证码诞生之初，就可以通过人力暴力破解的方式绕过测试，但代价太过高昂。在一些招工网站上，可以搜到一些公司发布的广告，专门雇人全天人工阅读、输入验证码。不过，计算机不能完成的任务已经越来越少，许多技术博客都会定期宣布对Gmail、雅虎等知名网站的验证码破解成功。

　　验证码正在拿你当苦力

　　随着软件的发展，人与计算机之间的差别会越来越小，发明人Luis von Ahn认为，或许3-5年内，能完全识别验证码的软件就将出现。这就要求更有效的验证码，比如听一段音频（类似英语听力？），或者要求用户起兴作首诗。好吧，12306上那些区分动物、人物的图片，也不失为一种尝试。

　　其实，在你输入某些验证码的同时，也不知不觉做了一回文字的“搬运工”。2005年，Luis von Ahn对验证方式进行了更改：注册者输入验证码时，提供给两个字符串，一个是真正的验证码，另一个则来自某个古老文献中难以辨识的单词或词组。注册者需要自己辨识、输入这两个字符串。奥妙就在第二个字符串上，这个通过扫描仪、OCR软件甚至整理者都难以辨识的字符，可以通过大量注册者的“举手之劳”，很快得到确认。如果把互联网档案馆的文本都校对一遍，每天处理100万个单词需要400年，而加入验证码中，每天可以校对160本书，精度超过99%。2009年9月，Google专门购买了这项技术，作为书籍扫描中难以辨认字符的识别工作。

　　最后回到被大量吐槽的12306。验证码是为了防御机器的，现在却把真人都给难住了。出现这样的系统，是因为旧的验证码体系已经完全被攻破、起不到防刷的作用，不得不采用新的方案。

　　一套新规则出现可能是好事。从实际效果看，这些低像素的图片着实难住了普通人，理论上也让机器学习更加困难，所以是故意为之。在打击黄牛和抢票软件的效果上，仍有待观察，有科技公司就表示攻破这些图形验证码并不困难，因为对于12306上使用的581种图片（哪怕是5810种图片），只要有足够的耐心，把所有图片都刷出来并加上备注，就能实现破解。（来源/微信公众号 壹读）