去年冬天，破解我为了抢一张限量球鞋的验证发售资格，盯着屏幕上那六个扭曲的破解字母数字组合，刷新了四十七次。验证每次输错，破解页面就弹回来，验证像一扇故意夹你手的破解门。那时候我就想，验证这玩意儿到底是破解怎么拦住人的，又怎么被人绕过去。验证
验证码的破解本质是一道反向图灵测试。它假设人类能轻松辨认歪斜的验证“g”和“9”，而机器不行。破解早期确实管用。验证2003年路易斯·冯·安在卡内基梅隆捣鼓出ReCAPTCHA时，破解OCR识别率不到三成。但今天，卷积神经网络在MNIST数据集上的准确率是99.8%。换句话说，那道门早就松了。
我认识一个做爬虫的老周。他破解验证码的方式特别土——用Python的pytesseract库直接硬跑。成功率大概四成。他不在乎，因为他的目标网站只要连续输错五次才锁IP，四成的命中率意味着平均两次半就能过。他泡了杯茶跟我说：“你以为他们在防机器，其实是在防人。真人输错两次就烦了，机器不会。”
更聪明的做法是打标注平台的主意。印度和东南亚有大量廉价劳动力，你上传一张验证码图片，支付0.5美分，三秒内有人帮你填好。这个模式叫“人工辅助识别”，成本低到可以忽略。亚马逊的Mechanical Turk上至今挂着这类任务。你觉得自己在跟算法斗，其实背后还是人。
当然也有纯技术的路子。2017年，一个叫“验证码终结者”的GitHub项目用生成对抗网络（GAN）训练模型。他们先拿十万张标注好的验证码图片喂给生成器，让生成器造出假图片，判别器负责分辨真假。两个网络互相博弈，最后生成器造出的图片能骗过判别器，判别器也练就了火眼金睛。这套东西迁移到验证码识别上，对简单扭曲字符的准确率能到92%。但有个前提——你得先搞到足够多的样本。
我试过一种更取巧的办法。很多网站的验证码图片URL有规律，比如/captcha?sid=12345，你改一下sid就能拿到新图。写个脚本批量下载一万张，手动标个几百张，剩下的用半监督学习跑。花了一个周末，识别率爬到78%。够用了。我又不抢银行，只是抢鞋。
不过话说回来，现在主流网站早就不玩静态字符了。Google的reCAPTCHA v3连点选都不用，它盯着你的鼠标轨迹、滚动速度、甚至浏览器指纹。你还没输验证码，它已经打完分了。这种怎么破？老周的原话是：“别破了，养号吧。”意思是模拟真人行为，养一批高信誉的账号，让系统觉得你是良民。技术对抗到最后，拼的是谁更像人。
写这些不是教人干坏事。我自己那套脚本早删了。只是每次看到“请证明你不是机器人”那行字，就觉得好笑——我们花二十年教机器认字，又花二十年教机器装傻。而验证码就像一道篱笆，挡不住决心要翻的人，只挡住了懒得绕路的人。