驗(yàn)證碼背后的數(shù)字專家

梁水源

1億人的舉手之勞能帶來(lái)什么？1億人的舉手之勞要是能為你所用，那是一件多么偉大的事。許多人認(rèn)為這簡(jiǎn)直是天方夜譚，然而有個(gè)數(shù)碼專家做到了，他就是美國(guó)卡耐基梅隆大學(xué)教授路易斯·馮·安。

出生于1978年的路易斯，他從小就是一名學(xué)霸，也很愛(ài)動(dòng)腦筋。2000年，他在杜克大學(xué)獲得了數(shù)學(xué)學(xué)士學(xué)位，隨后就進(jìn)入卡耐基梅隆大學(xué)讀博士。21世紀(jì)初，隨著網(wǎng)絡(luò)的廣泛應(yīng)用，網(wǎng)絡(luò)給人類帶來(lái)方便的同時(shí)，也出現(xiàn)惡意破解密碼、刷票、論壇灌水、黑客攻擊等漏洞，于是有人提出了使用驗(yàn)證碼的初步想法。直到2003年，路易斯提出了“CAPTCHA”設(shè)想，這個(gè)愿望得到了實(shí)現(xiàn)。

怎樣才能區(qū)分用戶是計(jì)算機(jī)還是人類呢？路易斯經(jīng)過(guò)長(zhǎng)時(shí)間的研究，發(fā)明了驗(yàn)證碼（CAPTCHA），即全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測(cè)試系統(tǒng)。驗(yàn)證碼不僅可以防止惡意破解密碼、刷票等，還能有效防止黑客對(duì)某一個(gè)特定注冊(cè)用戶，用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試，而且利用比較簡(jiǎn)易的方式實(shí)現(xiàn)了這個(gè)功能。有這個(gè)功能，問(wèn)題就變得簡(jiǎn)單多了，由于計(jì)算機(jī)無(wú)法解答CAPTCHA的問(wèn)題，所以回答出問(wèn)題的用戶就可以被認(rèn)為是人類。

路易斯的驗(yàn)證碼切實(shí)可以抵制網(wǎng)絡(luò)上的不良軟件程序，比如你要在線搶購(gòu)一張火車票，那么你需要過(guò)目一組扭曲的字母，并輸入正確內(nèi)容。這樣，系統(tǒng)可以將你判定為人類，而非機(jī)器程序。然而，這個(gè)發(fā)明在許多人看來(lái)很蠢，扭曲的字母很丑，原理看起來(lái)簡(jiǎn)單粗暴，一點(diǎn)都不“高級(jí)”，而且浪費(fèi)用戶大把的時(shí)間。據(jù)Google統(tǒng)計(jì)，每天地球人至少要填寫2億個(gè)驗(yàn)證碼，人們搞定一個(gè)驗(yàn)證碼平均需要10秒的時(shí)間，往往還會(huì)因?yàn)榭床磺宄坏貌粨Q一個(gè)新的驗(yàn)證碼來(lái)輸入。按此計(jì)算，人類每天在驗(yàn)證碼上就浪費(fèi)了50多萬(wàn)個(gè)小時(shí)，這實(shí)在是一件令人沮喪的事。

這樣大數(shù)量級(jí)的時(shí)間浪費(fèi)問(wèn)題再一次激發(fā)了路易斯，他開(kāi)始思考，是否有什么方法可以把這些碎片時(shí)間利用起來(lái)，哪怕僅僅是那短暫的10秒。令人難于想象的是，面對(duì)如此奇妙的設(shè)想，他居然找到了答案。他想，如果將計(jì)算機(jī)出現(xiàn)之前大量的書(shū)籍、報(bào)刊等書(shū)面資料電子化，那是一項(xiàng)很有意義卻又繁重的工作，雖然OCR是這方面較為有效的自動(dòng)化技術(shù)，但有些文獻(xiàn)由于字跡模糊、褪色、污損等原因，無(wú)法被OCR識(shí)別，而這些OCR無(wú)法識(shí)別的內(nèi)容由人工辨認(rèn)卻相對(duì)較為容易。路易斯要解決的問(wèn)題是，讓所有填寫過(guò)驗(yàn)證碼的人，或許可能并不知情，但實(shí)際上已經(jīng)在做著一件很有意義的事情，那就是為舊書(shū)數(shù)字化或翻譯文檔做出貢獻(xiàn)。

2007年，為了實(shí)現(xiàn)這一設(shè)想，已經(jīng)是卡耐基梅隆大學(xué)副教授的路易斯，設(shè)計(jì)了一個(gè)名叫reCAPTCHA的強(qiáng)大系統(tǒng)，他開(kāi)始讓電腦去向人類求助。具體做法是：將OCR軟件無(wú)法識(shí)別的文字掃描圖傳給世界各大網(wǎng)站，用以替換原來(lái)的驗(yàn)證碼圖片，那些網(wǎng)站的用戶在正確識(shí)別出這些文字之后，其答案便會(huì)被傳回。在reCAPTCHA系統(tǒng)中，驗(yàn)證碼有兩個(gè)單詞組成，一個(gè)叫“controlword”（控制系統(tǒng)知道答案），另一個(gè)叫“unknowword”（來(lái)源于OCR無(wú)法識(shí)別的部分，控制系統(tǒng)不知道答案），因此，對(duì)于用戶的輸入，只能驗(yàn)證“controlword”部分，如果這部分是對(duì)的，就認(rèn)為“unknownword”部分用戶也提供了可信的答案。短時(shí)間內(nèi)，它幫助紐約時(shí)報(bào)數(shù)字化了從1851年至今的所有文章，功能非常強(qiáng)大。

路易斯的驗(yàn)證碼，這個(gè)外行人看起來(lái)有些蠢的設(shè)計(jì)，實(shí)際上卻精妙無(wú)比。它既防止惡意的攻擊、注冊(cè)、刷票、抽獎(jiǎng)等，又巧妙地利用網(wǎng)民在識(shí)別一串串字符時(shí)，把這些腦力、時(shí)間利用起來(lái)，然后集合起來(lái)做一些有益于人類的事。