12306驗證碼，真的不靠譜？

最近，12306驗證碼已然成為了眾人熱議的話題，又一次把春運買票難推向了輿論的風口浪尖。其實，只要觀察下網友吐槽的驗證碼，很多是無中生有的圖片，是個別網友故意丑化鐵路形象的行為，仔細想想就能識破。但說實話，12306驗證碼的辨認度確實是比較難。在這緊張的搶票節奏里，還要忍受驗證碼對智商的考驗，生活也真是不容易。

看到網站上的奇葩驗證碼，網友們紛紛獻計獻策，我個人覺得難度最大的應該是下面這種了：

然而，吐槽歸吐槽，在這小小的驗證碼背后，其實有著許多有趣的故事，屏幕上的方寸之間，其實有著智力上的激烈交鋒。在驗證碼不斷發展的背后，是一場場來勢洶洶的技術變革，而這場變革，我們每個入都身在其中。

區分人與機器的驗證碼

想必大家一定見過類似右邊的驗證碼圖案。而熟悉的驗證碼技術背后，隱藏的是這樣一個很深奧的問題：如何區分真人和機器？——即如何證明坐在電腦前的是一個活人而不是一段程序呢？

在這個問題上，一種解決方案是“圖靈測試”，即“人類向計算機提問”。而驗證碼恰好相反，是“機器提問人類解答”，因而驗證碼也被認為是“反圖靈測試”。

2008年，路易斯·馮·安等人提出了“全自動區分計算機和人類的公開圖靈測試”，即CAPTCHA。

這個短語，正是驗證碼的名字。

而這就引發了一個新的問題：機器向人類提出的問題，能讓機器人解答嗎？如果機器人能夠識別驗證碼，那不是意味著這個驗證碼不再能夠驗證“人類”和“機器”了？

從這以后，各種各樣的驗證碼和驗證碼破解層出不窮，程序員們的創意和才智在這方寸之間得到了盡情發揮。而我們，也終于有幸體驗到了買火車票之艱難。

程序員們智力的角逐

早期的驗證碼可能只是一串簡單的ASOⅡ字符，比如黑客們用“|-|3|-|-（）”“）-（3￡￡0”代表“HELLO”。這個后來發展成了火星文（leetspeak），0（/口＼）0。

后來驗證碼變成了圖片顯示字符串或者數字的形式，這也是我們最常見的驗證碼。

早期的驗證碼采用扭曲字符和梯度背景，然而好景不長，這樣的驗證碼很快就被破解了：由于圖片中字符與背景顏色之間差異較大，于是程序員們可以利用算法將圖片中的每一個像素點的值提取出來，然后判斷哪些是背景部分，哪些是字符部分。這樣將字符與背景分離。

接著，將分離出來的字符與“訓練庫”（也就是存有這些字符的資料庫）里的字符進行最終識別。而且由于英文只有26個字母，而阿拉伯數字只有10個，這樣的驗證碼識別難度也大大降低。

如果一切順利，根據上面的流程計算機能很容易地識別驗證碼，并不需要人。這樣驗證碼，也就被破解了。

于是，喜聞樂見的是我們迎來了中文驗證碼，龐大的中文字符庫保證了驗證碼識別的難度（還混用了拼音）。而不會中文的外國人則開始逆向思考驗證碼識別技術并進行有針對性的對抗。他們把各個字母粘連起來，這增加了算法上分隔每一個字符的難度。并且每次采用不同的字體也能增加模式匹配的難度。

而到了12306這個程度，考驗的就不單純是圖案識別了，還有某些抽象思維的能力——比如我得知道“紫砂壺”到底是個啥，或者至少知道它長啥樣，我才能選到正確的驗證碼圖案。這，也就是我們俗稱的“智商”……

然而，這樣的圖片驗證碼也并不是一勞永逸的，有人展示了用網絡上的識圖算法來機器識別12306圖片驗證碼的一種思路。原理大概是這樣的：首先將驗證碼的圖片分割成一個個單獨的圖片，然后將這些圖片上傳到機器識圖的網站上，網站會返回左邊的答案。

接著，只需要讓機器識別出驗證碼的“問題”，也就是需要點擊的圖片是什么“東西”——在這個例子里是“紫砂壺”——最后讓計算機一一匹配就可以了。

并且他認為12306的這一方法其實并不靠譜，存在三個問題：

1.圖片過于復雜、混淆過多、條件太詭異時會擋住大部分正常用戶；

2.容易被枚舉，題庫太弱，不如字符組合可能性多；

3.破解門檻不一定高于字符型CAPTCHA。

對于這個分析，我“舉雙手雙腳”贊成。我買不到票不是智商低，而是因為我們屬于被擋住的“大部分正常用戶”，嗯，一定是這樣的。

然后現在，鐵路總局已經表示，12306網站將調整圖形驗證碼中圖片的清晰度和分辨率，而且可能剔除根據后臺統計出來大家反映最多的和錯誤率較高的圖片驗證碼……

驗證碼還能干啥？

驗證碼也并非都是那么奇葩，它也可以用來做一些非常有意義的事情。

例如：卡耐基梅隆大學的路易斯·馮·安等人（對，就是前面提到的造出OAPTOHA這個短語的人）設計了一個名叫reOAPTOHA的系統，對古籍進行數字化。

reQAPTQHA將OOR（光學字符識別）軟件無法識別的文字掃描圖傳給世界各大網站，用以替換原來的驗證碼圖片；那些網站的用戶在正確識別出這些文字之后，其答案便會被傳回卡耐基梅隆大學。

PeCAPTCHA在2009年被Google收購，而Google將這一技術發揚光大，不僅用來識別古籍，還用來識別Google街景的街道地址。所以，有一段時間，你會發現google的驗證碼變成了某個門牌或者路標：

驗證碼的未來

“反人類”的驗證碼，從始至終對抗的就不是人類，而是有著龐大計算能力卻在模式識別、抽象思維上很弱的計算機。

然而，隨著人工智能技術的進步，計算機在模式識別上也越來越強大，驗證碼也不得不走上越來越“扭曲”“復雜”“反人類”的不歸路。驗證碼難度的提升，本質上體現了人工智能技術的進步。

而目前，無論我們多么吐槽12306的驗證碼，但至少，我們還能夠通過它證明我們是真人，而不是機器。這在某種程度上說明了人類在智能上的優越性，至少現在，我們還是比機器智能優越（或許有一部分小伙伴沒法證明）。

目前，Google的算法在扭曲文本類驗證碼的識別率已經達到了99%，也就是說，這類驗證碼已經不能作為區分人類和機器的指標了，而總有一天，12306的驗證碼也會被破解，到那時，為了區分機器和人類，程序員們又該設計出什么樣的驗證碼呢？

驗證碼的一生，可以說正是人工智能技術不斷進步的一生。而正因為機器越來越聰明，所以人類將不得不面對更多的挑戰?；蛟S有一天，人類的造物終將超越人類自己，人工智能終將超越人類，到那一天，驗證碼或許不復存在了，而人類又該何去何從呢？

（責任編輯：曹偉 責任校對：司明婧）