Estudo mostra que solvers de CAPTCHA baseados em IA aprendem com cada tentativa e sobrevivem a mudanças de defesa
Pesquisadores desenvolveram um sistema que combina um detector YOLOv8 ajustado com um modelo de visão e linguagem (VLM) para resolver CAPTCHAs visuais a partir apenas de capturas de tela, sem automação de navegador, atingindo 85,4% de acurácia em 16 classes de desafios. O diferencial é que cada resposta do VLM vira automaticamente um rótulo de treino, permitindo que o detector absorva novas categorias de CAPTCHA após um ou dois encontros e se recupere sozinho quando os operadores tentam neutralizá-lo com perturbações adversariais. Isso derruba a premissa comum de defesa antifraude de que 'um bot que falha continua falhando'.
CAPTCHAs são um dos controles antifraude mais difundidos para conter criação em massa de contas falsas, credential stuffing e scraping automatizado, e sua eficácia historicamente dependeu do pressuposto de que resolver cada nova variante exige esforço específico do atacante — um bot treinado para um tipo de desafio falha diante de um desafio ligeiramente diferente, obrigando o operador do ataque a reconstruir a solução do zero. Este artigo desafia diretamente essa premissa ao demonstrar um solver híbrido que aprende continuamente: um detector rápido (YOLOv8) resolve a maioria dos casos em milissegundos, e quando encontra um tipo de desafio desconhecido, delega a um modelo de visão e linguagem mais lento porém mais generalista, cuja resposta correta é reaproveitada automaticamente como novo dado de treino para o detector rápido.
O resultado prático é um ciclo de autoaperfeiçoamento: operando inteiramente a partir de capturas de tela e eventos de teclado/mouse do sistema operacional (sem interagir com o DOM da página, o que dificulta sua detecção por scripts anti-bot que monitoram a automação do navegador), o sistema atinge 85,4% de acurácia geral em 16 categorias de CAPTCHA testadas, superando tanto o detector quanto o VLM isoladamente. Mais preocupante para quem projeta essas defesas é o experimento de 'corrida armamentista': quando os autores simulam um operador de CAPTCHA que introduz perturbações adversariais para derrubar a acurácia do detector público a zero, o VLM — por não ter sido especificamente atacado — continua funcionando e gera novos rótulos que permitem ao detector se recuperar rapidamente. Ao longo de uma simulação de um ano com reajustes mensais das defesas, o solver se recuperou em todas as rodadas.
A implicação central para times de antifraude é que soluções estáticas de CAPTCHA — mesmo quando periodicamente atualizadas contra ataques conhecidos — perdem eficácia diante de adversários que incorporam um modelo generalista (VLM) capaz de generalizar para variações nunca vistas, algo que solvers especializados tradicionais não conseguiam fazer. Isso não significa abandonar CAPTCHA, mas reforça que ele não deveria ser a única linha de defesa contra criação fraudulenta de contas, credential stuffing ou bots de compra: sinais complementares como device fingerprinting, análise comportamental (velocidade e padrão de digitação/movimento do mouse, que solvers baseados em captura de tela e eventos sintéticos podem imitar de forma imperfeita) e limitação de taxa por IP/dispositivo continuam sendo camadas necessárias, já que a suposição de que 'um bot que falhou hoje falhará amanhã' não é mais uma base sólida para dimensionar defesas.