સ્વિટ્ઝર્લૅન્ડમાં ETH ઝ્યુરિચ ખાતે AI સંશોધકોના જૂથે એક અદ્યતન સાધન વિકસાવ્યું છે જે Google ની કેપ્ચા સિસ્ટમને 100% ચોકસાઈ સાથે હલ કરી શકે છે, કેપ્ચા-આધારિત સુરક્ષાના ભવિષ્ય વિશે ગંભીર ચિંતાઓ ઊભી કરે છે.
કેપ્ચા, “કમ્પ્યુટર્સ એન્ડ હ્યુમન્સને અપાર્ટ કરવા માટે કમ્પ્લીટલી ઓટોમેટેડ પબ્લિક ટ્યુરિંગ ટેસ્ટ” માટેનું ટૂંકું નામ વર્ષોથી બૉટો સામે પ્રાથમિક સંરક્ષણ પદ્ધતિ છે, જેમાં Google નું reCAPTCHA સૌથી વધુ ઉપયોગમાં લેવાય છે.
આ સિસ્ટમ ઈમેજ-આધારિત પડકારોનો ઉપયોગ કરે છે અને માણસો અને મશીનો વચ્ચે તફાવત કરવા માટે વપરાશકર્તાની વર્તણૂકને ટ્રૅક કરે છે, જો કે, AI માં એડવાન્સિસને કારણે આ સિસ્ટમો વધુને વધુ સંવેદનશીલ બની રહી છે.
કેપ્ચા રેસ ચાલુ છે
એન્ડ્રેસ પ્લેસનર, ટોબિઆસ વોન્ટોબેલ અને રોજર વોટનહોફરે તાજેતરમાં જ યુ ઓન્લી લૂક વન્સ (YOLO) ઇમેજ-પ્રોસેસિંગ મોડલને સંશોધિત કર્યું છે, જે Google ની reCAPTCHAv2 માનવ-પરીક્ષણ સિસ્ટમને સફળતાપૂર્વક હલ કરે છે. તેઓએ કરેલા અભ્યાસમાં reCAPTCHAv2 ની અસરકારકતાના મૂલ્યાંકન પર ધ્યાન કેન્દ્રિત કરવામાં આવ્યું હતું, જે સ્વચાલિત બૉટ્સને ફોર્મ ઍક્સેસ કરવાથી, ઉત્પાદનો ખરીદવા અથવા ઑનલાઇન ક્રિયાપ્રતિક્રિયાઓમાં ભાગ લેવાથી અવરોધિત કરીને વેબસાઇટ સુરક્ષાનો મહત્વપૂર્ણ ભાગ બની ગયો છે.
આ પ્રોજેક્ટે જાહેર કર્યું કે સંશોધિત YOLO-આધારિત મોડેલે reCAPTCHAv2 ઇમેજ પડકારોને ઉકેલવામાં 100% સફળતાનો દર હાંસલ કર્યો છે, અગાઉની સિસ્ટમોની સરખામણીમાં જે ફક્ત 68-71%ના સફળતા દરનું સંચાલન કરતી હતી. વધુમાં, સંશોધકોએ શોધી કાઢ્યું હતું કે બૉટોને કેપ્ચાને હલ કરવા માટે માનવ વપરાશકર્તાઓની જેમ લગભગ સમાન સંખ્યામાં પડકારોની જરૂર પડે છે, જે બૉટો અને વાસ્તવિક લોકો વચ્ચેના તફાવતમાં સિસ્ટમની વિશ્વસનીયતા વિશે શંકાઓ તરફ દોરી જાય છે. એવું પણ જાણવા મળ્યું હતું કે reCAPTCHAv2 વપરાશકર્તા માનવ છે કે કેમ તેનું મૂલ્યાંકન કરવા માટે બ્રાઉઝર કૂકીઝ અને ઇતિહાસ ડેટા પર ખૂબ આધાર રાખે છે, એટલે કે જો બૉટો માનવ જેવી બ્રાઉઝિંગ વર્તણૂક ધરાવતા હોય તો સુરક્ષા સુવિધાઓને બાયપાસ કરી શકે છે.
જેમ જેમ AI ટેક્નોલોજીનો વિકાસ થતો જાય છે તેમ તેમ માનવ અને મશીનની બુદ્ધિ વચ્ચેની સીમા સાંકડી થતી જાય છે. કેપ્ચા, મનુષ્યો દ્વારા ઉકેલી શકાય તે માટે રચાયેલ છે પરંતુ બૉટો માટે મુશ્કેલ છે, ટૂંક સમયમાં અપ્રચલિત થઈ શકે છે. આ સંશોધન નવી કેપ્ચા સિસ્ટમ્સ બનાવવાના પડકારને રેખાંકિત કરે છે જે AI ની ઝડપી પ્રગતિ અથવા માનવ ચકાસણીના વૈકલ્પિક સ્વરૂપોની શોધ કરવાની જરૂરિયાતને આગળ કરી શકે છે.
અભ્યાસ, પર ઉપલબ્ધ છે arXiv પ્રીપ્રિન્ટ સર્વરએઆઈ એડવાન્સમેન્ટ અથવા માનવ ચકાસણીની વૈકલ્પિક પદ્ધતિઓની શોધખોળ માટે સક્ષમ ભાવિ કેપ્ચા સિસ્ટમ્સના વિકાસ માટે કહે છે. તે ડેટાસેટ્સને રિફાઇન કરવા, ઇમેજ સેગ્મેન્ટેશનમાં સુધારો કરવા અને સ્વયંસંચાલિત કેપ્ચા-સોલ્વિંગ સિસ્ટમ્સમાં અવરોધિત પગલાંને સક્રિય કરતા ટ્રિગર્સની તપાસ માટે વધુ સંશોધનની જરૂરિયાત પર પણ ભાર મૂકે છે.
આ તારણો નોંધપાત્ર છે કારણ કે તે ડિજિટલ સુરક્ષામાં નવીનતાની તાત્કાલિક જરૂરિયાત તરફ નિર્દેશ કરે છે. જેમ જેમ AI પ્રગતિ કરવાનું ચાલુ રાખે છે તેમ, મશીનોથી માણસોને અલગ પાડવાની પરંપરાગત પદ્ધતિઓ ઓછી વિશ્વસનીય બને છે, જે ટેક ઉદ્યોગને નજીકના ભવિષ્યમાં સુરક્ષા પ્રોટોકોલ અને માનવ ચકાસણી પદ્ધતિઓ પર પુનર્વિચાર કરવાની ફરજ પાડે છે.