ReCAPTCHA:让恼人的 CAPTCHA 技术造福人类
CAPTCHAs 是一种恼人的技术,据资料统计,全球用户每天要完成1亿次 CAPTCHA 测试。ReCAPTCHA 是 Carnegie Mellon 大学启动的一个项目,目的是借助 CATPTCHA 技术将那些残旧图书数字化,据估计,该技术每天可以完成160本书。
该项目目前已经在40000家网站上部署了 ReCAPTCHA 技术,ReCAPTCHA 的基本原理是,对光学字符识别(OCR)软件来说,它们的辨识能力是有限的,尤其是那些印刷不清晰的旧书或残书,而人类可以凭借自己的阅读经验,轻松识别 那些 OCR 无法识别的文字。对这样的文字,人类的识别成功率可以达到99%,而OCR软件只能达到80%。
ReCAPTCHA 结合了传统 OCR 与一个类似 Amazon's Mechanical Turk 的系统。每个单词都先经过两个不同的 OCR 软件辨识,如果两个 OCR 识别结果不一致,该单词会被标志为“未识别”,这些未被识别的文字会被送入 ReCAPTCHA 系统,被制作成 CAPTCHA 文字让用户识别。
译者注:这里原文并没讲清楚用户如何完成 CAPTCHA 识别,因为 CAPTCHA 要求系统本身必须知道准确答案,而现在的问题是系统自己也辨认不出。我猜想其机制应该是这样的,首先,在一开始,用户提供的任何辨认结果,不管是否正确都 可以通过,但系统会记录每个用户的辨认结果,最后,等辨认结果累积到一定数量,系统会将多数人一致的辨认的结果作为 Control Word 以校验以后的测试。原文中提到,一开始,系统提供一个已知的 Control Word (known control word),但这个 known control word 是如何来的,并没有说明。首先这个 known control word 不可能是准确的,否则就不必 ReCAPTCHA 了,其次,既然 Control Word 并不准确,如何判定用户是否通过测试,只有一个办法,就是在一开始,让用户提交的任何辨认结果都通过。
总体来说,ReCAPTCHA 实现了 99.1% 的成功率,这几乎是让一个人打字,另一个人在旁边辨认的成功率。ReCAPTCHA 技术目前基本上仍处于概念期,但开发者认为,该技术每天将能够辨认大约160本书。
该项目的精彩之处在于,它利用了那些本来是被浪费掉的人类的脑力。其它类似的项目也基于相同的思想,比如,fold.it,将蛋白质折叠计算转换成一个游戏,而 Google 的 Image Labeler 项目也是借助庞大的用户群的脑力完成对互联网中的图片的辨认。
本文国际来源:http://www.readwriteweb.com/archives/recaptcha_stopping_spam.php
中文翻译来源:COMSHARP CMS 官方网站