Scarnox · Blog

AI कैप्चा सॉल्वर कैसे काम करता है: मॉडल, टोकन और सीमाएं

AI कैप्चा सॉल्वर वह सॉफ़्टवेयर है जो आपकी ओर से मशीन लर्निंग मॉडल का उपयोग करके कैप्चा का जवाब देता है। यह उन चुनौतियों पर सबसे अच्छा काम करता है जिनका जवाब कंटेंट से पढ़ा जा सकता है, जैसे विकृत अक्षर या इमेज का ग्रिड। टोकन-आधारित विजेट के लिए मॉडल का काम ऐसा जवाब बनाना है जिसे साइट का सर्वर स्वीकार कर ले, और वह एक अलग समस्या है। यह गाइड दोनों मामलों को समझाती है, बताती है कि सीमाएं कहां हैं, और सॉल्वर सेवा से आपको असल में क्या मिलता है।

यह गाइड सामान्य तकनीकों का वर्णन करती है। यह किसी खास सेवा के अंदरूनी ढांचे का वर्णन नहीं करती। एक डेवलपर के रूप में आपके लिए असली बात अनुबंध है: आप कैप्चा की जानकारी भेजते हैं और बदले में एक टोकन पाते हैं।

कैप्चा के तीन परिवार

ज़्यादातर कैप्चा इन तीन परिवारों में आते हैं, और AI हर एक से अलग तरह से निपटता है।

कंटेंट चुनौतियां। विज़िटर किसी चीज़ को पढ़ता या पहचानता है: विकृत अक्षर, सड़क के नंबर, ग्रिड में ट्रैफिक लाइट, घुमाई गई कोई वस्तु। सही जवाब खुद इमेज या ऑडियो में होता है। यही वह क्षेत्र है जहां मशीन लर्निंग सबसे मज़बूत है।

व्यवहार-आधारित स्कोरिंग। कोई दिखने वाली चुनौती हो भी सकती है और नहीं भी। साइट ब्राउज़र के व्यवहार को देखती है, रिक्वेस्ट के इतिहास की जांच करती है और विज़िटर को स्कोर देती है। reCAPTCHA v3 इसी तरह काम करता है, और यह पज़ल के बजाय एक संख्या लौटाता है। यहां मॉडल उत्तर को सीधे "पढ़" नहीं सकता, क्योंकि पढ़ने के लिए कोई उत्तर होता ही नहीं। सवाल यह है कि सिग्नल इंसानी लगते हैं या नहीं।

टोकन-आधारित विजेट। विजेट पेज में चलता है, अपनी जांच करता है, और एक छिपे फॉर्म फ़ील्ड में टोकन लिख देता है। फिर साइट का बैकएंड उस टोकन को प्रोवाइडर के साथ सत्यापित करता है। PopularCaptcha इसी तरह काम करता है, और reCAPTCHA v2 तथा Cloudflare Turnstile भी।

कंटेंट चुनौतियों को मॉडल कैसे संभालते हैं

विकृत टेक्स्ट के लिए मानक तरीका ऑप्टिकल कैरेक्टर रिकग्निशन मॉडल है। एक convolutional network, या transformer-आधारित विज़न मॉडल इमेज पढ़कर अक्षरों का क्रम देता है। ट्रेनिंग में बड़े सेट के जनरेट किए गए कैप्चा होते हैं जिनके उत्तर पहले से पता होते हैं, इसलिए मॉडल आम विकृतियां सीखता है: मुड़े हुए अक्षर, शोर वाली रेखाएं, एक-दूसरे पर चढ़े अक्षर और बैकग्राउंड की बनावट।

इमेज ग्रिड के लिए काम वर्गीकरण का है। मॉडल हर टाइल देखता है और तय करता है कि उसमें वह वस्तु है या नहीं जो चुनौती मांग रही है। कठिन मामले वे हैं जहां वस्तु आंशिक रूप से छिपी हो, टाइल के किनारे पर हो, या अस्पष्ट हो, जैसे कोई बस जो ज़्यादातर फ्रेम से बाहर है। ऐसे मामलों में सटीकता कम होती है, और एक अच्छे सॉल्वर को तय करना पड़ता है कि कब अनुमान लगाना है और कब दूसरा राउंड मांगना है।

ऑडियो चुनौतियों में speech recognition इस्तेमाल होता है। मॉडल क्लिप को ट्रांसक्राइब करता है, और ट्रांसक्रिप्शन ही उत्तर होता है। मुख्य कठिनाइयां बैकग्राउंड शोर और जानबूझकर की गई विकृति हैं।

पज़ल चुनौतियों, जैसे इमेज घुमाना या टुकड़े को जगह पर खिसकाना, के लिए एक अलग तरह का मॉडल चाहिए। मॉडल इमेज से कोण या स्थिति का अनुमान लगाता है, फिर उससे मेल खाने वाला drag या click बनाता है।

स्कोरिंग और टोकन को मॉडल कैसे संभालते हैं

व्यवहार-आधारित स्कोरिंग और टोकन विजेट पेज को पढ़कर हल करना कठिन है। प्रोवाइडर की अपनी जांच विज़िटर के ब्राउज़र में चलती है, और उसका नतीजा ब्राउज़र वातावरण, इनपुट इवेंट के समय और सत्र के इतिहास जैसे सिग्नलों पर निर्भर करता है। सॉल्वर बाहर से स्कोर या सिग्नल को किसी काम के स्तर तक नहीं देख सकता।

इन मामलों के लिए व्यावहारिक तरीका ऐसा सॉल्वर है जो वही उत्तर लौटाए जिसकी प्रोवाइडर उम्मीद करता है, यानी एक ऐसी पाइपलाइन जो वैध टोकन बनाने के लिए बनी हो। आपकी तरफ से ज़रूरी बात सरल है: आपको एक टोकन या एक एरर मिलता है, और टोकन की जांच साइट करती है।

इसी वजह से Scarnox API इस तरह बना है। आप टास्क टाइप, sitekey और पेज URL भेजते हैं, और solution फ़ील्ड में टोकन पाते हैं:

{"errorId": 0, "solution": {"token": "..."}, "cost": ...}

टोकन उस फॉर्म फ़ील्ड में जाता है जिसकी साइट को उम्मीद है, और लगभग दो मिनट में समाप्त हो जाता है। पूरी रिक्वेस्ट के लिए कैप्चा सॉल्वर API गाइड देखें।

AI कहां मदद करता है और कहां रुकता है

AI सॉल्वर इन कामों में अच्छे हैं:

इन मामलों में वे कमज़ोर हैं:

एक व्यावहारिक सीमा ऐसी है जिसे कोई मॉडल नहीं हटा सकता। कैप्चा एक जानबूझकर लगाई गई बाधा है, और विक्रेता अपनी चुनौतियां अपडेट करते रहते हैं। आज काम करने वाला सॉल्वर अगले महीने विफल हो सकता है, इसलिए सॉल्वर के नतीजों पर नज़र रखें, यह मानकर न चलें कि वे हमेशा चलेंगे।

सॉल्वर कैसे चुनें

किसी भी सॉल्वर सेवा को परखने के लिए चार सवाल मदद करते हैं:

  1. आज कौन से कैप्चा टाइप सपोर्ट होते हैं, न कि रोडमैप पर कौन से हैं?
  2. कोई असफल सॉल्व आपको कितना खर्च करवाता है? जो सॉल्वर असफलताओं पर शुल्क लेता है, उसमें रिट्राई महंगे पड़ते हैं।
  3. टाइमआउट या धीमे जवाब पर वह कैसा व्यवहार करता है? आपके कोड को कार्रवाई योग्य साफ़ एरर चाहिए।
  4. जब कैप्चा बदलता है तो आपको अपने कोड में क्या बदलना पड़ता है? जितना कम, उतना बेहतर।

Scarnox पर फिलहाल PopularCaptcha सपोर्ट है, proxyless, और लाइव है। बाकी टाइप जल्द आ रहे हैं, और कैप्चा टाइप गाइड में हर एक की स्थिति लिखी है।

अगले कदम