leuk weetje over ReCaptcha

Re-wat? ReCaptcha!

ReCaptcha is een versie van Captcha, de lastig te lezen letters die je tegenwoordig bij bijna elk formulier op internet onderaan moet invullen.
CAPTCHA staat voor Completely Automated Public Turing test to tell Computers and Humans Apart.
De bedoeling van deze letters is dat spam bots ( bots zijn automatische programma's) ze niet kunnen lezen en zo de formulieren niet gebruikt kunnen worden om te spammen.
Mensen kunnen deze letters wel lezen al is het soms wel lastig en moet het een paar keer overnieuw proberen. Gelukkig voorkomt deze noodzakelijke ergernis wel ladingen spam verspreiding. Uiteraard staan de ontwikkelingen ook bij de spammers niet stil en worden er continue manieren gevonden om de bots toch de letters te laten lezen.
Het is dus een kat en muis spel zonder einde.

Van verspilde tijd....
Complete volkstammen over de hele wereld vullen meerdere malen per dag zo'n Captcha text in. Als je al die tijd bij elkaar optelt kom je uit op een onzagwekkende xxx uur per jaar dat de mensheid besteed louter en alleen aan het ontcijferen van captcha texten.
Voorheen was deze tijd was niets meer dan verspilde tijd.

Naar nuttige tijd!
Het fenomeen tekst oncijferen is niks nieuws. Historici en taalkundigen doen het al eeuwenlang. Vroeger ging het allemaal met de hand en het uiterste geduld.
Inmiddels leven we in het digitale tijdperk en is de pen omgeruild voor de computer. Makkelijk weliswaar, maar niet altijd even effectief. Computers kunnen namelijk nog lang niet zo goed lezen als mensen. Zo blijven er per text een flink aantal woorden over die niet door computers gelezen kunnen worden en die alsnog handmatig gelezen moeten worden.
En dat is nou precies wat de halve wereld aan het doen tijdens hun pogingen om de spammers buiten de deur te houden. Het was dan ook een kwestie van tijd voordat men hierop in zou spelen. Google zag deze 1+1 in en hebben een bedrijf opgezet met de toepasselijke naam ReCAPTCHA.
ReCAPTCHA laat ingescande stukjes text die niet door de computer gelezen kunnen worden, zien in de Captcha stukjes onderaan invul formulieren.
Op deze manier is de voorheen verspilde tijd ineens nuttig besteed aan het digitaliseren van boeken en oude documenten.

Bots vs. Captcha / ReCaptcha
Door de spammers worden continue nieuwe methoden ontwikkeld om spambots de Captcha's te kraken. Van de andere kant wordt er ook stug door ontwikkeld om manieren te verzinnen om deze krakers te slim af te zijn. Er zijn tal van dingen geprobeerd om de krakers te slim af te zijn zoals vervorming, lijnen, kleuren, gekke achtergronden, andere schaduw texten. Tot nu toe vinden spammers steeds weer een manier om te teksten te laten lezen en Captcha bedenkers manieren om de spambots te slim af te zijn.

Text blijft echter maar text en mensen blijven mensen, en het lijkt een kwestie van tijd te zijn voordat spambots de texten zo goed kunnen lezen dat de gemiddelde huis tuin en keuken computeraar er het geduld niet meer voor heeft om 20 keer overnieuw een captcha in te typen.
Inmiddels zijn er zelfs al Captcha's met dierenplaatjes. Men krijgt dan bijvoorbeeld 8 fotos te zien en men moet dan aanklikken op welke fotos een kat of hond te zien is.
Zo'n gezichtsherkenning vergt zoveel rekenkracht van computers dat het qua geld en tijd niet te doen is om deze captcha's te kraken.
Met de tijd zal deze methode waarschijnlijk ook wel gekraakt worden en zal er iets nieuws bedacht moeten worden.

Ontwikkelingen
Deze eeuwige strijd zorgt ervoor dat de ontwikkelingen op het gebied van OCR software (Optical Character Recognition software) zich in razend tempo voortzetten.  Deze software kan gebruikt worden voor tal van doeleinden op werk, huishoudelijk en hulp gebied om ons leven nog gemakkelijker te maken.

Al in 2010 waren er berichten dat reCaptcha gekraakt was maar tot nu toe gebruiken veel websites ReCaptcha zonder te worden overspoeld door spambots en zijn de aanpas mogelijkheden van ReCatpcha nog niet uitgeput. Er kunnen er nog heel wat boeken, kranten en oude documenten gedigitaliseerd worden met behulp van een groot deel van de 2 miljard internetters die de wereld rijk is.