Captcha

Captcha es el acrónimo de Completely Automated Public Turing test to tell Computers and Humans Apart (Prueba de Turing pública y automática para diferenciar a máquinas y humanos).

Este es un típico test para la secuencia "smwm" que dificulta el reconocimiento de la máquina distorsionando las letras y añadiendo un gradiente de fondo

Se trata de una prueba desafío-respuesta utilizada en computación para determinar cuándo el usuario es o no humano. El término se empezó a utilizar en el año 2000 por Luis von Ahn, Manuel Blum y Nicholas J. Hopper de la Carnegie Mellon University, y John Langford de IBM.

La típica prueba consiste en que el usuario introduzca un conjunto de caracteres que se muestran en una imagen distorsionada que aparece en pantalla. Se supone que una máquina no es capaz de comprender e introducir la secuencia de forma correcta por lo que solamente el humano podría hacerlo.

Como el test es controlado por una máquina en lugar de un humano como en la Prueba de Turing, también se denomina Prueba de Turing Inversa.

Aplicaciones

Los Captchas son utilizados para evitar que robots, también llamados spambots, puedan utilizar ciertos servicios. Por ejemplo, para que no puedan participar en encuestas, registrarse para usar cuentas de correo electrónico (o su uso para envío de correo basura) o, más recientemente, para evitar que correo basura pueda ser enviado por un robot (el remitente debe pasar el test antes de que se entregue al destinatario).

Características

El sistema captcha tiene las siguientes características por definición:

• Son completamente automatizados, es decir, no es necesario ningún tipo de mantenimiento / intervención humana para su realización. Esto supone grandes beneficios en cuanto a fiabilidad y coste.
• El algoritmo utilizado es público. De esta forma la ruptura de un captcha pasa a ser un problema de inteligencia artificial y no la ruptura de un algoritmo secreto.

Problemática

Accesibilidad para discapacitados

Cualquier problema de difícil solución del campo de la inteligencia artificial puede ser utilizado como, por ejemplo, reconocimiento de caracteres/imágenes o reconocimiento de voz. Sin embargo, estas soluciones impiden a personas con deficiencias visuales o auditivas acceder a los recursos protegidos. Además, debido a su naturaleza y misión, algunos asistentes para discapacitados (como los lectores de pantalla) no pueden interpretarlos, quedando bloqueado el acceso al recurso.

En algunos sitios se permite elegir entre la validación visual o sonora. En la actualidad, el desarrollo de captchas basados en sonidos está muy por detrás de los visuales y no son tan eficientes.

Un artículo del W3C (Inaccessibility of Visually-Oriented Anti-Robot Tests, en inglés) describe algunos de los problemas de accesibilidad que introducen los captchas.

Hay un proyecto en desarrollo llamado Captcha Accesible que es un catpcha orientado lectores de pantalla para personas invidentes. La página web del proyecto es: Enlace a la pagina del proyecto Captcha Accesible.

Debilidades

Hay algunas aproximaciones a cómo se puede romper CAPTCHA: usando humanos como mano de obra barata o involuntaria para reconocerlos, explotando bugs o error de software en la implementación que permitan a un atacante saltarse el reconocimiento, y finalmente mejorando el software de reconocimiento de caracteres. Como por ejemplo: ingresar a la maquina que contiene base de datos del problema (captcha) y enviarlos para poder posteriormente ingresarlo.

Captchas seguros

Actualmente hacer un captcha seguro requiere métodos complicados de implementar que únicamente poseen las grandes empresas. Pero hay métodos para dificultar a los programas OCR.

Método del tachado

Este método consiste en tachar las letras del captcha de manera que un humano sepa identificarlas pero un software de OCR no pueda separar las unas de las otras. Para este método es importante utilizar un mismo color de letra (realmente modificar el color de poco sirve ya que para reconocerlas las convierten a color negro) y tachar con el mismo color que las letras, a ser posible, una linea que no sea recta y de más de un píxel de grosor.

Método DelaRub

Captcha simple utilizando el método DelaRub

Este método es bastante sencillo de implementar en los captchas. Consiste en utilizar los mismos colores en las letras que en el fondo, de manera que un programa de reconocimiento óptico de carácteres no pueda separar el fondo de las letras. Para hacer esto, utiliza un degradado de color de fondo y las letras tienen el color "inverso" que el degradado. Viendo la imagen se observa mejor la explicación.

Este método consigue un captcha prácticamente irrompible, ya que hasta la fecha no se ha demostrado que ningún programa pueda romper un captcha basado en el método DelaRub.

Ver enlaces externos para aprender un captcha con este método.

Humanos como mano de obra barata o involuntaria

Es posible resolver los CAPTCHAs usando humanos explotados como mano de obra barata para decodificar CAPTCHAs. Un documento de la organización W3C afirma que un operador "puede fácilmente verificar cientos de ellos cada hora". Por otro lado, hay quien afirma que esto no es económicamente viable.

Otra técnica usada consiste en usar un script que muestre un CAPTCHA de un sitio atacado como un CAPTCHA en un sitio que pertenezca al atacante, en el que humanos desprevenidos visitan y correctamente resuelven estos CAPTCHAs.

Implementaciones inseguras

Howard Yeend ha identificado algunos problemas de implementación con CAPTCHAs pobremente diseñados:

• Algunos sistemas de protección CAPTCHA pueden sortearse sin usar un sistema de reconocimiento óptico de caracteres (OCR) simplemente reutilizando el ID de sesión de una imagen conocida.

• Los CAPTCHAs que están alojados en servidores compartidos también presentan un problema: una incidencia de seguridad en otro alojamiento virtual, podría dejar el sistema CAPTCHA vulnerable.

• Algunas veces, si parte del software de generación del CAPTCHA se realiza en el lado del cliente (la validación se hace en el servidor, pero el texto que el usuario tiene que identificar es renderizado en el lado del cliente), los usuarios pueden modificar el cliente para que muestre el texto sin renderizar. Algunos sistemas usan hashes MD5 almacenados en el lado del servidor, que a menudo pueden ser crackeados.

Reconocimiento de caracteres por ordenador

Aunque los CAPTCHAs han sido originalmente diseñados para impedir que el software OCR reconozca los caracteres de las imágenes generadas, existen proyectos de investigación que han probado que es posible saltarse muchos CAPTCHAs con programas que han sido específicamente diseñados para un tipo determinado de CAPTCHA. Para CAPTCHAs con letras distorsionadas, la aproximación típica es seguir los siguientes pasos:

1. Eliminación del ruido de fondo, por ejemplo con filtros de color y detecciones de líneas finas.
2. Segmentación, por ejemplo partiendo la imagen en segmentos que contienen una sola letra.
3. Identificar la letra de cada segmento, y así utilizar la información extraída de la imagen.

El paso 1 es típicamente muy fácil de automatizar. En 2005, se mostró que un algoritmo de una red neuronal tiene un menor margen de error que los humanos resolviendo el paso 3.

La única parte dónde los humanos superan a las máquinas es en el paso 2. Si el ruido de fondo consiste en formas similares a letras, y las letras están unidas a este ruido, la segmentación se hace casi imposible con el software actual. Por lo tanto, un CAPTCHA efectivo debería enfocarse en el paso 2, la segmentación.

Enlaces externos

En castellano

• Como Crear un Captcha con PHP
• Captcha Script Perl en Español
• Programando un reconocimiento automático de un Captcha (Cracking) paso a paso
• Artículo - Captchas: Cada día más difícil demostrar que eres humano
• Como programar una red neuronal de reconocimiento de captchas en PHP
• Como programar captcha utilizando el método DelaRub

En inglés

• Internet Captcha ASP o PHP captcha totalmente configurable y con efectos visuales en flash.
• The Captcha Project
• Captcha Service Free service, supports reload button, audio and smart captcha technology.

• A free Captcha-Service
• The JCaptcha Project un framework para definir e integrar captcha.
• The simple captcha Project otra nueva y sencilla implementación en java.
• The reCaptcha Project sin relación con el anterior
• An Image Verification Tutorial
• The uses of CAPTCHA or similar human verification systems
• And another Image method + code
• How spammers crack captchas using free porn.
• HumanVerify
• Movable Type Captcha Plugin
• Recognizing Objects in Adversarial Clutter: Breaking a Visual CAPTCHA. Artículo de Mori et al. en el IEEE (no gratuita)
• Proposal and source code for an audio based captcha
• Commercial web site security solution to prevent spambot
• Image Verification Script Implementación de captcha en PHP
• Authen::Captcha Una implementación de captcha para Perl.
• GD::SecurityImage Generador de imágenes (captcha) de seguridad para Perl.
• CAPTCHA CODE
• Animal Captcha, sistema captcha alternativo, original y más seguro en PHP.