Un grupo de investigadores han creado un sistema automatizado para crear imágenes fijas y de video que puedan ser reconocidas por humanos pero no por ordenadores. Este tipo de tecnología podría ser útil para los sistemas Captcha, diseñados en su día para evitar que los “spambots”—o programas de envío automatizado de correos basura—se inscribieran en cuentas gratuitas a través de internet.

La nueva tecnología utiliza imágenes simples de una figura en movimiento y reconocible, como por ejemplo un hombre corriendo o un caballo galopando, y las convierte en manchas, escondidas tras una escena también a base de manchas. Los ordenadores normalmente no son capaces de detectar la figura, pero el ojo humano suele hacerlo.

Acuñado en el año 2000, el término “Captcha” viene del inglés Completely Automated Public Turing test to tell Computers and Humans Apart (test de turing completamente automatizado y público para distinguir a los humanos de los ordenadores). Los sistemas Captcha normales generan textos distorsionados, a menudo sobre un fondo ligeramente sucio. El usuario tiene que introducir la cadena de caracteres correcta para poder acceder al servicio online, como por ejemplo la creación de una cuenta de correo gratuita. Sin embargo los sistemas Captcha actuales no ofrecen un tipo de seguridad completa—a menudo son quebrantados por investigadores de seguridad y hackers. Los sistemas Captcha para Live Mail, Gmail, Yahoo!, Livejournal y PayPal han sido quebrantados en algún momento dado. Aunque los sistemas actuales por ahora se consideran seguros, la mayoría de los profesionales del sector están de acuerdo en que sólo es cuestión de tiempo antes de que vuelvan a ser quebrantados. Los diseñadores de sistemas Captcha tienen que estar mejorando sus métodos para ir por delante de aquellos empeñados en saltárselos.

“Los sistemas que todos usamos hoy día son relativamente fáciles de quebrantar,” señala Danny Cohen-Or, uno de los investigadores del proyecto y profesor de ciencias informáticas en la Universidad de Tel Aviv. “Lo que hemos desarrollado es algo que, con más esfuerzo, podría ser como la base de un sistema Captcha más fuerte.”

Desarrollado junto a investigadores del Instituto Indio de Tecnología en Delhi, la Universidad Nacional Cheng Kung en Taiwán, y otros miembros de la Universidad de Tel Aviv, el software toma su inspiración de la “gestalt,” o la idea de que el ser completo es mayor que la suma de las partes. De forma específica, el software se aprovecha de la capacidad humana para analizar una escena caótica y fragmentada y encontrar una figura oculta.

La clave residió en el diseño de un sistema ajustable capaz de generar imágenes lo suficientemente sencillas para que un humano las identifique, pero demasiado difíciles para los programas de reconocimiento de patrones.

El software comienza con un sujeto en 3-D, como por ejemplo un perro corriendo. Convierte el perro en una serie de puntos negros cuidadosamente generados, a los que los investigadores se refieren como “salpicaduras,” que tienen en cuenta la silueta y la forma del perro. Para asegurarse de que el sujeto no es demasiado obvio, las formas largas y complejas se descomponen en partes más pequeñas, y las siluetas se deforman ligeramente. Después el software coloca al sujeto en una escena con más formas, incluyendo algunas hechas a partir de pequeñas piezas del sujeto, para crear más confusión visual. Los videos se crean a partir de una serie de imágenes fijas.

Las imágenes “emergentes” generadas por el sistema fueron puestas a prueba con tres tipos de programas de reconocimiento de patrones basados en el aprendizaje. Después de un entrenamiento con una serie de 30 imágenes emergentes, a los sistemas se les presentaron otros tipos de imágenes emergentes. El mejor de los tres sistemas de reconocimiento de patrones sólo pudo distinguir entre un caballo y un humano el 60 por ciento de las veces. Los humanos, frente a la misma tarea, respondieron correctamente casi un 100 por cien de las veces. El software también crea imágenes mucho más complejas para los ordenadores, aunque esta dificultad también se trasladaría a los humanos. “No es algo que la gran mayoría de usuarios sea capaz de hacer por ahora,” señala Cohen-Or.

Afirma que otro de los problemas principales para usar el software con Captcha reside en el procedimiento de pruebas. No está claro como se determinaría si el usuario ha identificado con precisión la imagen. Pedir a los usuarios que describiesen lo que ven sería demasiado complicado. Una persona podría escribir “perro” para describir el sujeto, mientras que otra podría escribir “perrito,” “cachorro,” o “Dálmata.” Habría demasiadas respuestas correctas. “No podemos presentar una serie de respuestas entre las que elegir,” afirma Cohen-Or. “Si así fuera, el ordenador podría adivinar la respuesta.”

Existen otros investigadores que han encontrado la forma de solucionar este problema. James Wang, profesor asociado de ciencias de la información y tecnología en la Universidad del Estado de Pennsylvania, estuvo trabajando en un sistema Captcha de imágenes fijas que pide al usuario seleccionar una imagen a partir de un collage y después anotar una imagen no relacionada mediante la selección de la respuesta correcta a partir de una lista. Este método reduce la probabilidad de que cualquier spambot engañe al sistema. “La cuota de éxito para un ataque aleatorio se puede reducir a una entre 210.312 si estos pasos se aplican dos veces,” afirma Wang.

Wang admite que el sistema de emergencia tiene un “factor atractivo.” Los usuarios pueden disfrutar del hecho de tener que encontrar al animal escondido en una escena. No obstante afirma que habrá que desarrollarlo y experimentar más antes de crear un sistema Captcha que sea práctico.

“Aunque este trabajo es interesante, y el esquema de codificación parece ser novedoso, sólo el tiempo dirá si los científicos de la imagen y la visión son capaces de hacerlo avanzar,” señala Wang. “Además, para poder crear un sistema Captcha con una baja cuota de ataques de fuerza bruta, hay que llevar a cabo más desarrollo y experimentación.”

Wang afirma que el sistema tendría que incorporar muchos animales para que pudiese funcionar, y se pregunta cuántos de ellos podrían ser fácilmente identificados por humanos. “Por ejemplo, ¿seré capaz de distinguir un tigre de un leopardo cuando sólo se me muestren las siluetas del cuerpo?”

Luis von Ahn, profesor de ciencias informáticas en la Universidad Carnegie Mellon y una de las personas que comenzaron los sistemas Captcha, está de acuerdo con que la selección de animales podría estar demasiado limitada para hacer que el método de Cohen-Or sea práctico. Y aunque cree que la investigación es interesante, no está seguro de que las imágenes emergentes sean realmente más seguras que los sistemas de texto distorsionado estándar que se usan en la actualidad. “Nadie ha intentado quebrantar este sistema realmente con dureza,” señala von Ahn.