CAPTCHA 發展的介紹

CAPTCHA 發展的介紹 

#詳細時間軸

• 1985–1995年Tesseract OCR作為惠普實驗室（HP Labs）的內部專案，開始以C/C++語言開發。

• 2000年卡內基美隆大學（Carnegie Mellon University）的研究員Luis von Ahn、Manuel Blum、Nicholas Hopper和John Langford為Yahoo開發出第一個CAPTCHA，旨在防止自動化電子郵件帳戶註冊。

• 2005年Tesseract OCR以GPL開源許可釋出，並由Google接手維護。

• 2010年Tesseract OCR發佈v3版本，增加了可訓練字庫並支援多語言。

• Montree Imsamai和Suphakant Phimoltares提出了一種新的3D CAPTCHA方法。

• 2013年10月關於3D手寫動畫CAPTCHA演算法的文章發表，討論了CAPTCHA的類型，包括Gimpy、ez-gimpy、Gimpy-r（Google的CAPTCHA）和Simard's HIP。

• 2014年Google的神經網路在最困難的文字驗證碼上實現了99.8%的準確度。

• Google推出新的CAPTCHA驗證系統(reCAPTCHA )，透過一次點擊即可判斷，優化了使用者體驗。

• 2018年Tesseract OCR發佈v4版本，引入了基於LSTM的OCR引擎，大幅提升了準確率。

• Facebook遭遇史上最大危機，引發對使用者隱私保護的質疑，Google也因此牽連其中，儘管Google聲明收集的使用者硬體和軟體資訊僅用於分析使用者行為，

                                                    不用於個性化廣告推薦。

• 2019年7月ifanr報導Google reCAPTCHA v3的使用情況，指出已有65萬個網站使用v3，總使用reCAPTCHA的網站超過450萬個，其中包含top 1000網站的25%。

• 2020年Raza Shali提出了IMPTCHA的概念，一種基於圖像而非扭曲文字的新型CAPTCHA，聲稱文字準確度達到98.18%，但用戶通過率為61.26%。

• Foresiet公司在2020年至2025年間致力於網路安全產品和解決方案的開發，包括數位風險評分、品牌保護等。

• 2021年Tesseract OCR發佈v5版本，強化了RTL語言支援、改進了訓練流程並增加了字庫自動下載功能。

• 2023年有研究嘗試將大型語言模型（LLM）應用於邏輯型CAPTCHA，準確率約為63%。

• 2024年3月關於CAPTCHA類型演進及其在驗證人類使用者方面作用的文章發表。

• 2024年4月23日OOSGA更新了關於網路安全定義的文章，涵蓋網路、應用程式和數據儲存安全層面。

• 2024年9月4日ITHome上展示了使用OpenAI的gpt-4o-mini模型生成五言絕句的實作範例。

• 2024年12月13日史戴拉發表關於LLM API實作串接OpenAI的文章，介紹了使用官方Python套件和HTTP請求兩種方法。

• 2025年6月Foresiet預計在2025年6月發布關於「隱形網路攻擊」和「網路安全行政命令」的最新部落格文章。

• 有調查提出利用AI根據用戶偏好和歷史行為生成個性化驗證碼挑戰的概念。

#人物列表

• Luis von Ahn:

• 卡內基美隆大學的研究員，於2000年與Manuel Blum、Nicholas Hopper和John Langford共同為Yahoo開發了第一個CAPTCHA。

• Manuel Blum:

• 卡內基美隆大學的研究員，於2000年與Luis von Ahn、Nicholas Hopper和John Langford共同為Yahoo開發了第一個CAPTCHA。

• Nicholas Hopper:

• 卡內基美隆大學的研究員，於2000年與Luis von Ahn、Manuel Blum和John Langford共同為Yahoo開發了第一個CAPTCHA。

• John Langford:

• 卡內基美隆大學的研究員，於2000年與Luis von Ahn, Manuel Blum和Nicholas Hopper共同為Yahoo開發了第一個CAPTCHA。

• Montree Imsamai:

• 於2010年與Suphakant Phimoltares共同提出了一種新的3D CAPTCHA方法。

• Suphakant Phimoltares:

• 於2010年與Montree Imsamai共同提出了一種新的3D CAPTCHA方法。

• Raza Shali:

• 於2020年提出了IMPTCHA的概念，這是一種使用圖像而非扭曲文字的新型CAPTCHA。

• 馬軍等人:

• 研究者，在驗證碼圖中加入極小擾動，使主流識別模型的準確率大幅下降，但人類基本不受影響，這是一種基於對抗樣本的驗證碼方法。

• Ray等人:

• 提出「風格轉換式驗證碼」，將圖像轉換為藝術風格並疊加隨機線條/形狀雜訊，使得傳統濾波和預訓練去噪網路無法有效還原圖像，但人類仍能理解。