JP5104108B2

JP5104108B2 - 動きおよび対話ベースのｃａｐｔｃｈａ

Info

Publication number: JP5104108B2
Application number: JP2007201795A
Authority: JP
Inventors: クヴァルフォルドペルニッラ; リーフェルエレノア; エム．ヒルバートデイビット
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2006-08-22
Filing date: 2007-08-02
Publication date: 2012-12-19
Anticipated expiration: 2027-08-02
Also published as: US20080127302A1; JP2008052727A; US8601538B2

Description

本発明はインターネットセキュリティの分野に関し、より詳細には、ウェブサイトにアクセスするユーザの検証、コンピュータと人間を区別するための自動化テスト方法に関する。

インターネット上のオンライン情報またはサービスのプロバイダーが、自身のウェブサイトで提供する情報またはサービスへのアクセスの規制を望んだりまたは規制が必要になったりすることがある。多くの場合、機械、例えば、ロボットまたはクローラーではなく人間のアクセスのみを許可することで、スパムや他の不正な目的のための悪用に対してある程度のセキュリティは提供される。アクセスしている当事者が人間であると保証するために今日使用している方法は、ＣＡＰＴＣＨＡ(Completely Automated Public Turing Test to Tell Computers and Humans Apart)（コンピュータと人間を区別する完全に自動化された公開チューリングテスト）またはＨＩＰ(Human Interactive Proofs)と呼ばれる。ＣＡＰＴＣＨＡの背景にある考え方は、コンピュータに比べて人間のほうが上手なタスクがある、というものである。人間が解くのは簡単であるがコンピュータには難しいテストを設けることで、サービスプロバイダーはユーザが人間であるという可能性を高めることができる。ただし、ＣＡＰＴＣＨＡを解くプログラムを作成するよりも人間にＣＡＰＴＣＨＡを解くように誘うほうがより経済的であろうという程度に難しいＣＡＰＴＣＨＡをＣＡＰＴＣＨＡの設計者は作成するだけでよいという点からすると、セキュリティに対する設計要求は極めて低い。

商業ベースで使用されているＣＡＰＴＣＨＡは、ランダムに作成され、光学式文字認識（ＯＣＲ）または他のパターン認識アルゴリズムが認識しづらいように変形された、文字と数字のストリングを使用することが多い。しかし、人間はどの程度まで文字をゆがめても認識できるか、という制約もある。よく引き合いに出される閾値の１つが、人間の成功率は９０％でコンピュータは０.０１％であるべきだ、というものである。人間の成功率が９０％でも、ユーザが１０回の試行のうち１回失敗すれば、それはサービスプロバイダーに対するフラストレーションを生じさせる。さらに、人間の知覚システムは個人のばらつきが大きいために、多くの人間にとっては歪んだ文字を読むのは難しいかもしれないし、このことによってユーザが排除されてしまうかもしれない。こういった理由から、できるだけ人間には解きやすく、しかしコンピュータが解くには依然として難しいかまたはより難しいＣＡＰＴＣＨＡを作成することが非常に望まれている。

論理的パズルまたは「どの形が合わないか」といったような幾つかのＣＡＰＴＣＨＡのデザインは、知能テストという感じがする。多くのサービスプロバイダーにとっては、できるだけ多くのユーザが欲しい場合は特に、ユーザの知能を問うことは望ましくない。そうではなくＣＡＰＴＣＨＡは、ほんの些細なものとして人間が解けるものであるべきである。

サービスプロバイダーのウェブページの全ての側面が、企業に対するユーザの印象に影響する。ＣＡＰＴＣＨＡは、企業のページ上で目につきやすいことが多い。このため、ＣＡＰＴＣＨＡの美的側面は重要である。現在ＣＡＰＴＣＨＡの美的側面は、セキュリティの側面に比べると見過ごされている。さらに、これまでの調査によると、ユーザの美に対する感覚が使いやすさに対する感覚に影響を及ぼすことが分かっている。大部分のＣＡＰＴＣＨＡは崩れた文字、画像または音声を使用しているが、これではＣＡＰＴＣＨＡを人間にとって易しくないものにするだけでなく、より魅力のないものにしてしまう。

したがって、従来技術には、人間にとっては簡単に解けるが機械にとっては解くのが非常に難しく、その上見た目が美しい、改良型のＣＡＰＴＣＨＡに対するニーズが存在する。

主に知覚タスクを成し、人間の視覚なら簡単に解けるが機械には難しい改良型のＣＡＰＴＣＨＡを提供する。

本発明の第１の態様によれば、コンピュータと人間を区別するための自動化テスト方法であって、少なくとも第１の層と第２の層からなるアニメーションをコンピュータスクリーンに表示するステップを含み、前記第１の層と前記第２の層の一方が認識可能な画像を含み、他方が前記認識可能な画像に対する部分的な遮蔽物を含み、前記アニメーションが前記第１の層と前記第２の層との相対的な動きからなる、自動化テスト方法が提供される。

本発明の第２の態様によれば、上記第１の態様において、前記認識可能な画像が不完全な形で提供されてもよい。

本発明の第３の態様によれば、上記第２の態様において、第３の層をさらに含み、該第３の層が、不完全な形で提供された前記認識可能な画像に対して少なくとも部分的に相補的である部分的な画像を含んでもよい。

本発明の第４の態様によれば、上記第１の態様において、前記認識可能な画像が印刷キャラクタを含んでもよい。

本発明の第５の態様によれば、上記第１の態様において、前記アニメーションが自動的に再生されてもよい。

前記アニメーションがユーザ入力に応じて再生される、請求項１記載の方法。

本発明の第７の態様によれば、上記第１の態様において、前記アニメーションの表示の際にユーザ入力装置の出力を監視するステップをさらに含んでもよい。

本発明の第８の態様によれば、上記第１の態様において、背景画像を含む第３の層をさらに含んでもよい。

本発明の第９の態様によれば、コンピュータと人間を区別するための自動化テスト方法であって、コンピュータスクリーンに画像を表示するステップと、コード化された解答を得るために前記画像に対して操作を実行するようにユーザに要求するステップとを含む自動化テスト方法が提供される。

本発明の第１０の態様によれば、上記第９の態様において、前記操作が、ユーザ入力装置を使用して前記画像の一部を移動するステップを含んでもよい。

本発明の第１１の態様によれば、上記第９の態様において、前記操作が、前記画像の一部と前記画像の別の一部とを突き合わせるステップを含んでもよい。

本発明の第１２の態様によれば、上記第９の態様において、前記操作が、第１のセットに表示された印刷キャラクタと第２のセットに表示された印刷キャラクタとを突き合わせるステップを含んでもよい。

本発明の第１３の態様によれば、上記第１２の態様において、前記第１のセットに表示されたキャラクタの属性が、前記第２のセットに表示された対応するキャラクタの属性とは異なってもよい。

本発明の第１４の態様によれば、上記第１３の態様において、前記属性が、大文字、小文字、サイズ、太字、フォント、色、シェーディング、イタリックの少なくとも１つを含んでもよい。

本発明の第１５の態様によれば、上記第１２の態様において、前記キャラクタのそれぞれが不完全な形で表示されてもよい。

本発明の第１６の態様によれば、上記第１２の態様において、前記突き合わせるステップが、ユーザ入力装置を使用して、前記第１のセットからの各キャラクタを前記第２のセットの対応するキャラクタに重なる位置へと移動するステップを含んでもよい。

本発明の第１７の態様によれば、上記第９の態様において、ユーザ入力装置の出力を監視するステップをさらに含んでもよい。

本発明の第１８の態様によれば、コンピュータと人間を区別するための自動化テスト方法であって、コンピュータスクリーンにビデオクリップを表示するステップと、前記ビデオクリップに表示された内容に対応する入力をするようにユーザに要求するステップとを含む自動化テスト方法が提供される。

本発明の第１９の態様によれば、上記第１８の態様において、前記要求ステップが、前記ビデオクリップに表示された前記内容が変わったときに入力をするように前記ユーザに要求するステップを含んでもよい。

本発明の第２０の態様によれば、上記第１８の態様において、前記要求ステップが、前記ビデオクリップに表示された印刷キャラクタに相当する印刷キャラクタのタイプを前記ユーザに要求するステップを含んでもよい。

本発明の第２１の態様によれば、上記第１８の態様において、前記要求ステップが、前記ビデオクリップに表示された前記内容が変わったと同時に、前記ビデオクリップに表示された印刷キャラクタに相当する印刷キャラクタのタイプを前記ユーザに要求するステップを含んでもよい。

本発明の第２２の態様によれば、上記第１８の態様において、前記要求ステップが、前記ビデオクリップの前記内容をタイプすることで第１のテストを解くように前記ユーザに要求するステップを含んでもよい。

本発明の第２３の態様によれば、上記第２２の態様において、前記ユーザに第２のビデオクリップを提供するステップと、前記第２のビデオクリップに対応する第２の内容をタイプすることで第２のテストを解くように前記ユーザに要求するステップと、前記ユーザが正しく前記第１のテストを解いた場合に、他のユーザの前記第２のテストに対する解答と比較するために前記ユーザの前記第２のテストに対する解答を保存するステップとを含んでもよい。

本発明の第２４の態様によれば、上記第２３の態様において、統計的に有意な数の前記第２のテストに対する解答を受け取ったときに、前記第２のテストが有効かどうかを判定するステップと、有効と判定した場合、前記第２のテストで最もよく入力された少なくとも１つの解答を正解として選択するステップとを含んでもよい。

本発明の第２５の態様によれば、上記第１８の態様において、ユーザ入力装置の出力を監視するステップをさらに含んでもよい。

本発明によれば、人間の動きに対する感覚を使って簡単に解ける種々のＣＡＰＴＣＨＡを作成することができる。

また、本発明によれば、見た目が美しいＣＡＰＴＣＨＡを作成することができる。こういったＣＡＰＴＣＨＡは、崩れた画像をベースにするのではなく、魅力的でありつつ人間には簡単に知覚できるが機械にはできないように画像を隠すことをベースにしている。

本発明を、図面に例示したその特定の実施形態を参照して本明細書中で説明する。しかしながら、図面に示した種々の実施形態は単なる例示に過ぎず、本発明を添付の特許請求の範囲に定めたとおりに制限しなくてよいことを理解されたい。さらに、本明細書中で説明するＣＡＰＴＣＨＡの種々の実施形態には動きが伴うため、静止図面ではこういったＣＡＰＴＣＨＡの全ての要素を完全に示すことはできないが、当業者なら、関連する開示物と併せて静止図面を見ることで、この静止図面から構成を完全に理解することができる。

本発明の種々の実施形態によって、解くために主に知覚タスクを要するＣＡＰＴＣＨＡの設計が可能になる。こういったＣＡＰＴＣＨＡには、人間に伴う知性がなくても実行でき、むしろ動きに対する人間の知覚と視覚の処理能力とを使用して実行するタスクが要求される。

人間の知覚や視覚処理は、動きを感知して理解するように調整されている。この一例が、古い発明のタキスコープ（tachyscope）である。タキスコープでは、静止画像を円筒形のボードに貼り付け、目はそのボードの特定の場所を見つめたままでそのボードを回転させることによって、静止画像が動き出す。同様に、ボードとボードの間に縦に穴の開いたフェンスを車で通り過ぎる場合、車が停止するまで、フェンスの向こう側の景色が遮られずに見える。心理学では、この効果をアノーソスコピック（anorthoscopic）知覚と呼ぶ。こういった例は、人間の視覚システムが、時間の経過と共に低解像度の画像または相反する画像をはっきりした高解像度で完全な画像に統合することにいかに優れているかを示す。本発明の種々の実施形態では、この現象を利用する。

自動化テスト方法はコンピュータを使用して実施されてもよい。サーバコンピュータが、ユーザからの応答等のデータを入力する入力部、プロセッサによる実行の際の作業領域を形成すると共にプログラムや処理対象としてのデータを格納する記憶部、アニメーションや画像等のデータを出力する出力部等を含んでおり、該プロセッサがプログラム（ソフトウェア）を読み出し実行することにより処理対象のデータ等に対し当該プログラムの手順に対応した処理をしてもよく、また、クライアントコンピュータが、アニメーションや画像等のデータやユーザの指示情報等を入力する入力部、プロセッサによる実行の際の作業領域を形成すると共にプログラムや処理対象としてのデータを格納する記憶部、アニメーションや画像等の処理内容や処理結果を表示画面上に表示する表示部（ディスプレイ）、及びユーザの応答等のデータを出力する出力部等を含んでおり、該プロセッサがプログラム（ソフトウェア）を読み出し実行することにより処理対象のデータ等に対し当該プログラムの手順に対応した処理をしてもよい。

図１は、従来技術のＣＡＰＴＣＨＡを示す。見て分かるように、このＣＡＰＴＣＨＡは基本的に、４つの文字「ＳＭＷＭ」を歪んだ形で示している。この歪みによって、ＯＣＲアルゴリズムが判読するのは難しくなっているが、人間にとってはとても簡単である。しかし、こういったＣＡＰＴＣＨＡの解読にある程度成功する種々のアルゴリズムが開発されてきた。その一方で、図２（Ａ）および図２（Ｂ）は本発明の１実施形態にしたがって作成されたアニメーションＣＡＰＴＣＨＡを示し、このＣＡＰＴＣＨＡでは前景層が解答を部分的に遮蔽している。図２（Ａ）および図２（Ｂ）の例におけるタスクも、表示されている文字、この例では「ＡＢＣＤ」を判読することである。しかしながらこの実施形態では、文字は歪んでいない。このＣＡＰＴＣＨＡはループアニメーションであり、前景が解答の一部を常に遮蔽している。即ち、文字、前景、またはその両方に動きが与えられる。図２（Ａ）および図２（Ｂ）に示す例では、文字は上方に移動し、その間前景は右から左に移動している。即ち、図２（Ａ）および図２（Ｂ）は、２つの異なる時点におけるＣＡＰＴＣＨＡアニメーションの「スナップショット」である。理解できるように、完全なアニメーションを連続した形でユーザに表示すれば、そのユーザは文字を簡単に判読できるであろう。なぜならば、それぞれの時点でユーザは解答の一部を見て、それぞれの部分を簡単に統合して全体を判読できるからである。その一方でＯＣＲアルゴリズムは、このＣＡＰＴＣＨＡを解読できないであろう。なぜならば、文字が決して完全な形で示されないからである。また、図２（Ａ）および図２（Ｂ）からも分かるように、こういったＣＡＰＴＣＨＡはほとんどゲームのように見えるため、見た目がより美しい。

理解できるように、図２（Ａ）および図２（Ｂ）の例は移動する泡を前景として示しているが、それぞれの時点で文字の一部だけを示し、他の部分は覆い隠されているならば、他の前景も使用できる。例えば、図３（Ａ）および図３（Ｂ）は、動きベースのＣＡＰＴＣＨＡの別の例を示す。この例では、文字「ＡＢＣＤ」は静止しているが、黒い縦線が右から左へ移動する。理解できるように、縦線の一部が各文字の一部を常に覆い隠している。したがって、どの文字も完全に露出して示されることがない。しかし、直線が移動すれば、人間はこの文字を簡単に知覚することができる。示した例では、文字と移動する前景は白黒で示されている。しかし、より楽しく体験するために、文字と前景をあらゆる所望の色で提供することができる。また、安定した最高の結果を得るためには、前景と文字は同じ色がよい。また、この例は文字について与えられているが、あらゆる印刷キャラクタ、例えば、数字、形、記号などを使用できる。したがって、本明細書中においては、「コード化された解答」という用語は、文字、数字などといった、ＣＡＰＴＣＨＡで使用可能なあらゆるキャラクタを含む。さらに、以下に説明するように、解答は必ずしも印刷キャラクタではなく、あらゆる認識可能な画像でよく、これも「コード化された解答」という用語の範疇に入る。

理解できるように、アニメーションＣＡＰＴＣＨＡと従来技術のＣＡＰＴＣＨＡは、両者ともキャラクタをコード化された解答として使用する点において、似ている。しかし従来技術のＣＡＰＴＣＨＡが単一フレームであるのに対して、本発明のアニメーションＣＡＰＴＣＨＡは複数のフレームを使用する。フレームを再生することで作られる動きによってメッセージが視覚的に飛び出してきて、人間にとって解読が簡単になる。しかしながら、本発明のアニメーションＣＡＰＴＣＨＡでは、問題を解くために機械処理可能なより多くのフレームが与えられるため、アニメーションＣＡＰＴＣＨＡを自動的に解読するのにより多くのデータが使用できてしまう。したがって、アニメーションＣＡＰＴＣＨＡを作成する際には、以下のガイドラインに従うことが望ましい。

・キャラクタのセットが文字よりも広いクラスであるのがよい。上述のように、他の記号も使用可能であるが、その記号がユーザのグループによく知られていなければならない。考えられる記号のクラスは、簡単に認識できる項目、例えば、動物、または果物や野菜からなる。システムに必要なセキュリティのレベルによっては、文字と数字でも十分に有効な選択である。バリエーションとして、アラビア数字、ローマ数字、形、＃、＆、＠などの印刷キャラクタが挙げられる。

・コード化された解答または背景いずれかのみの移動が可能であるが、最高の結果を出すためには、前景／背景とコード化された解答の両方が移動したほうがよい。さらに、注意をそらさせる要素は、コード化された解答と同じ方向に移動したほうがよい。これによって、フレームを平均化する時間が生じ、メッセージを追うのが難しくなる。また、前景と背景に関する例を挙げてきたが、複数の層も使用でき、その場合各層は移動または静止している。各層の動きは、あらゆる他の層の動きから独立している。さらに、動きは自動的、即ち連続ループでもよいし、またはユーザのコマンドに応答する手作業でもよい。手作業による動きとしては、例えば、ユーザによるマウスのクリックに応答してクリップが多数のフレームを再生すること、マウスまたは他の入力装置を使用して選択された層をユーザが「ドラッグ」することに応じてなされる動き、またはユーザの動作に依存した特定の動き、例えば、マウスの左クリックによって前景が左に移動し、マウスの右クリックによって右に移動すること等が挙げられる。

・コード化された解答の目に見える部分は、時間の経過と共に変化するのがよい。さらに、全てのフレームを合わせたものが、コード化された解答の完全な画像を与えないように設定される。知られているように、人間の知覚は、要素が欠けていても「完全な画像にする」ことが非常に得意である。このことが図３（Ｃ）に示す実施形態に例示されており、この実施形態は、大まかにいうと、図３（Ａ）および図３（Ｂ）の実施形態をキャラクタの一部がアニメーション全体を通して常に欠けているように変更したものである。つまり、すべてのフレームを一緒にしても一部は欠けたままである。この例では、２本の遮蔽用の直線３００を画像にわたって走らせることで一部を削除しているが、他の方法も使用できる。一般的にいうと、図３（Ｃ）の実施形態は、印刷キャラクタを不完全な形で表示することで作り出すことができる。即ち、各文字の一部が常に欠けている。

・メッセージや背景／前景の色は、記号が自明に検出できないように調和していたほうがよい。数色を使うならば、画像を白黒に変換したときに、その数色が同じグレーの濃淡を出すように選択するのがよい。それぞれが異なる色で幾つかの層を使用するならば、それらを重ねたときに解答と同じグレーの濃淡を出すように設定するのがよい。

本発明の別の態様によると、人間には簡単に解けるが機械には難しい対話型ＣＡＰＴＣＨＡが作成される。この対話型ＣＡＰＴＣＨＡは、隠れたメッセージを見たり構成したりするためにユーザが幾つかの動作を実行しなければならない。この動作は、マウス入力かキーボード（例えば、矢印キー）入力のいずれかによるものでよい。対話型ＣＡＰＴＣＨＡは、例えば、メッセージの違う部分が見えるように、背景／前景の移動をユーザに求める。この例が図４（Ａ）および図４（Ｂ）に示されている。図４（Ａ）は、対話型ＣＡＰＴＣＨＡの第１のフレームを示す。図からわかるように、前景はコード化された解答の一部しか露出させていない。残りのコード化された解答を見るためには、ユーザは、前景を矢印の方向に移動して図４（Ｂ）に示すようにメッセージの他の部分を露出させる、といった動作を行う必要がある。もちろん、前景を移動する代わりに、残りのコード化された解答が前景の開口から現れるようにコード化された解答自体を移動させることをユーザに求めてもよい。

理解できるように、図４（Ａ）および図４（Ｂ）の実施形態は、アニメーションＣＡＰＴＣＨＡを使用しても実施できる。即ち、図４（Ａ）および図４（Ｂ）の実施形態を、シーケンスの再生のためにユーザ入力が必要なアニメーションクリップとして実施できる。例えば、前景を矢印で示すように左から右へと移動させるようにこのアニメーションを作成できるが、このアニメーションは、ユーザがマウスをクリックするかまたはキーボードの「Ｅｎｔｅｒ」を押すなどの動作をするまで、動かない。この観点からすると、図２（Ａ）および図２（Ｂ）の実施形態は自動的なアニメーションＣＡＰＴＣＨＡとみなすことができ、その一方で図４（Ａ）および図４（Ｂ）の実施形態は手作業によるＣＡＰＴＣＨＡとみなすことができる。逆に、図２（Ａ）、図２（Ｂ）、図３（Ａ）〜３（Ｃ）の実施形態を対話型ＣＡＰＴＣＨＡとして作成できる。即ち、ユーザは、動きを起こすために何らかの動作を行わなければならない。例えば、クリップを動かすかまたはクリップの一部を再生するために、層をドラッグしたりクリックしたりしなければならない。

別の例は、ＣＡＰＴＣＨＡがマッチングタスクを実行するようにユーザに求めるものである。こういった例が図５に示されている。図５の対話型ＣＡＰＴＣＨＡの例では、上の欄にある文字と下の欄にある文字とを突き合わせるようにユーザに求める。このマッチングは、例えば、上の欄から文字を選択してドラッグし、下の欄にある、その文字に対応する文字の上に置くことで、またはこの逆の操作をすることで実行することができる。図５の例に示すように、このタスクは、文字の属性、例えば上の欄と下の欄の大文字と小文字を入れ替えるだけで、機械にとっては解くのがより困難になる。他の変更としては、異なるフォントや、サイズ、太字、イタリック、色、シェーディングなどといった異なる属性等を使用することが挙げられる。このように、マッチングは形についてだけではなく、アルファベットやそれの印刷可能なバリエーションや使用のバリエーションに関する知識も必要になる。図５にも示されているように、どの印刷キャラクタも完全な形で示されていない。各印刷キャラクタの一部が欠けている。このことは人間なら簡単に克服できるが、コンピュータが解くには難問となるであろう。

別の実施形態によると、ＣＡＰＴＣＨＡに対するユーザの解答に加えて、ユーザの動作（キーボードまたはマウス入力）を従来の手段を使用して追跡することができる。この情報に基づいて、ＣＡＰＴＣＨＡはその動作が自然な人間の行動であるのかまたはコンピュータによって生成されたものであるのかを判定することができる。

さらに別の実施形態によると、ビデオベースのＣＡＰＴＣＨＡが作成される。このビデオベースのＣＡＰＴＣＨＡは、ビデオクリップに何が表示されているかに基づいて応答するようにユーザに求める。考えられる質問には、例えば以下のようなものがある。
・ビデオクリップでどんな活動が実行されているか？セキュリティ強化のために、その活動は単一フレームまたは一対のフレームから推論できないものがよい。
・そのビデオクリップにおいて、人物はいつ活動を変えたか？
・これは現実のビデオクリップかそれともＳＦのビデオクリップか？
・この物体は前方に動いているのか、後方に動いているのか、それとも静止しているのか？この物体の動きには、カメラの動き、物体自体の動き、またはこれらの両方がある。
・セグメントは再生されているのか、巻き戻しされているのか、それとも早送りモードなのか？
・セグメントの人物はどんな感情を表しているか？

図６は、多層ＣＡＰＴＣＨＡの一例を示しており、そこでは解答が種々の層、この例では２つの層６０３と６０５に分割されて分散している。この例では、背景層６０１と遮蔽用の前景層６０７もある。こういった層のどれも、例えば、閉ループアニメーション、ユーザ対話型などといった上述の方法のいずれかによって移動可能である。この考え方は、前景層が部分的に解答を遮蔽していることに加えて、解答を判読するためには解答を含む層の位置合わせもしなければならない。この例では、層６０３と６０５が位置合わせされると、楕円形６０２と６０４に囲まれた部分的な解答が完全な解答「Ｅ」を形成し、楕円形６０６と６０８に囲まれた部分的な解答が完全な解答「Ａ」を形成する。即ち、各層は１つまたは複数の別の層に含まれる部分的な解答と相補的な関係にある部分的な解答を含む（即ち、解答を２つまたはそれより多くの層に分散できる）。

図７（Ａ）および図７（Ｂ）は、本発明の１実施形態によるビデオＣＡＰＴＣＨＡの一例を示す。図７（Ａ）に示すように、スクリーン７００の左側から右側へと走っている人物を示すビデオクリップ７１０が再生される。中に空白の矩形を有するバー形式のタイムライン７２０が表示され、この空白の矩形は時間が経過するにつれて、即ちビデオクリップの再生が進むにつれて左から右へと徐々に塗りつぶされていく。字幕７３０が、ビデオクリップで伝達される情報に応じたタスクの実行をユーザに求める。この例では、ユーザは、スクリーン上の活動が変化したときにタイムラインをクリックするように要求される。図７（Ｂ）に示すように、４番目の時間の矩形が塗りつぶされたときに、この人物は走るのを止め、椅子に座っているのが示されている。このときにユーザがタイムラインをクリックすると、それはＣＡＰＴＣＨＡに対する正解と解釈される。またその一方、ユーザがタイムラインバーの適切な位置、この例では４番目に塗りつぶされた時間の矩形をクリックする限り、ユーザはいつクリックしてもよいことにできる。これによって、ユーザは遅れて返答してもよいことになる。

さらに別の実施形態によると、時間と共に変化するメッセージ（または質問、物体など）のような要素がビデオに追加される。そしてユーザは、自身がビデオで特定の意味的特徴に気づいたときに表示されるそのメッセージのタイプ（または質問に対する返答、物体の識別）を求められる。主要な課題はビデオの意味的特徴を識別することなので、追加の要素を隠す必要はない。追加の要素の特徴を利用したビデオＣＡＰＴＣＨＡの一例が、図８（Ａ）および図８（Ｂ）に示されている。図８（Ａ）および図８（Ｂ）は１実施形態を示し、この実施形態ではスクリーンに示される要素は無作為であり、ユーザは、ビデオの内容が変わったときに示される要素をタイプするように求められる。図８（Ａ）および図８（Ｂ）の例では、ビデオクリップには走っている人物（例えば、図８（Ａ））が示されており、種々の無作為な単語、例えば図８（Ａ）では「ｃａｔ」がスクリーンにパッと現れる。ビデオの内容が変わると、例えば、図８（Ｂ）でビデオの人物が座ると、ユーザはその時に現れた無作為な単語、ここでは「ｄｏｇ」という単語をタイプするように求められる。

ＣＡＰＴＣＨＡ、特に画像、ビデオまたは対話をベースとしたものに関する問題の一つは、人間の妥当な応答を予測するのは難しいということである。一番実施されているＣＡＰＴＣＨＡが文字ベースであることの理由の一つは、正確な応答が一義的であるためである。各ＣＡＰＴＣＨＡの一義的なラベルに対する要望によってデザインスペースが厳しく制限され、そのＣＡＰＴＣＨＡが簡単に解読されてしまう可能性を残す。本発明の１実施形態によると、ユーザは、既に検査済みのＣＡＰＴＣＨＡのセットと新規のＣＡＰＴＣＨＡのセットの２つのセットからなる複数のＣＡＰＴＣＨＡを解くように要求される。ユーザはどちらが検査済みでどちらが新規のものか分からない状態で、両方のセットの全ての要素を試すように要求される。第１のセットの解答によってそのサイトにアクセスするエンティティが人間であるかどうか判定し、その情報は、リソースへのアクセスを許可するため、及びそのＣＡＰＴＣＨＡのエンティティのラベルを第２のセットで使用するかどうかを決定するための両方に使用する。第２のセットに対するユーザの応答は、そのＣＡＰＴＣＨＡに対する人間の妥当な答えを判定するために使用され、ＣＡＰＴＣＨＡが攻撃に対してどの程度脆弱かを評価する。第２のカテゴリーにあるＣＡＰＴＣＨＡが十分に検査されると、第１のカテゴリーに移される。ＣＡＰＴＣＨＡが第１のカテゴリーに移されると、解答または解答のセットがこのＣＡＰＴＣＨＡに関連付けられる。即ち、ＣＡＰＴＣＨＡの移動に対する判定は、統計的に有意な数の第２のテストに対する解答を受け取ってから行われる。そして、最高得点の解答を正解として選択するかまたは最もよく受信した解答のセットを正解として選択し、そのセットからの解答のいずれかを入力したユーザがアクセスを認められる。

本発明をその特定の実施形態を参照して説明してきたが、本発明はこれらの実施形態に限定されない。具体的には、当業者が、種々の変形例や変更を、添付の特許請求の範囲によって定められた本発明の趣旨や範囲から逸脱することなく実施することができる。例えば、説明した新しい種類のＣＡＰＴＣＨＡそれぞれを、より複雑なＣＡＰＴＣＨＡ、例えば、ユーザに、仲間外れ、正しい順番、同一のセットまたは異なるセット、セットのトピックなどを判定させるよう求めるようなものに種々の方法で組み込むことができる。同様に、アニメーション、対話型、ビデオＣＡＰＴＣＨＡの特徴を組み合わせたハイブリッドＣＡＰＴＣＨＡも可能である。さらに、上述の通り、複数の層を有するようにＣＡＰＴＣＨＡを作成できる。図９は、複数の層を有するＣＡＰＴＣＨＡの一例を示す。ある１つの層は、一般に、ダイヤモンド形のパターンを有する「壁紙」などの背景を含む。もう１つの層は、コード化された解答、例えば図９に示す「Ａ２Ｃ５」を含む。さらに別の層は、図９に示す「浮かぶ円盤」などの種々の遮蔽要素を含む。これらの層のいずれも、静止または可動に設定できる。また、上記の例のように、コード化された解答要素のどれも完全に露出されないように設定でき、または逆にコード化された解答の各要素が不完全な文字または数字などの不完全な要素であるようにも設定できる。

「背景」層と「前景」層の使用は、本発明の種々の実施形態を簡単に理解するためであることも理解されたい。ただし、種々の実施形態はこの層を使用することに必ずしも限定されない。層を定めないが、例示の実施形態と同じ機能や結果をもたらす他の方法も使用できる。

図１０は、複数の層を有する１実施形態の別の例を示す。ただし図１０では、コード化された解答は印刷キャラクタではなく画像である。ユーザは、この画像に相当する単語を入力するように要求される。上記のように、種々の層をアニメーションクリップのように自動的に、またはユーザ入力に応じて動かすことができる。ユーザは、任意の層またはある１つの可動層を「ピックアンドドラッグ」してコード化された解答を適切に露出させることもできる。

本発明は上述の実施形態に限られるものではない。

本発明の１態様によると、コンピュータと人間を区別するための自動化テスト方法が開示されており、該自動化テスト方法は、少なくとも第１の層と第２の層からなるアニメーションをコンピュータスクリーンに表示するステップを含む。第１の層と第２の層のうちの一方が複数の認識可能な画像を含み、他方が認識可能な画像の部分的な遮蔽物を含む。アニメーションは、第１の層と第２の層との相対的な動きからなる。このアニメーションは２つまたはそれより多くの層を含んでもよく、各層は静止していてもよいし、可動でもよい。各可動層の動きをアニメーションループのように自動的にしてもよいし、「グラブアンドドラッグ」などのユーザ入力に応じるようにしてもよい。

また、本発明の他の態様によると、コンピュータと人間を区別するための自動化テスト方法が開示されており、このテスト方法は、前景と背景からなるアニメーションをコンピュータスクリーンに表示するステップを含む。前景と背景の一方が複数の印刷キャラクタを含み、他方が印刷キャラクタの部分的な遮蔽物を含む。アニメーションは、背景と前景との相対的な動きからなる。印刷キャラクタは不完全な形で提供されてもよい。アニメーションは自動的に再生してもよいし、ユーザ入力に応じて再生してもよい。この方法はさらに、アニメーションの表示の際にキーボードまたは他のユーザ入力装置の動作を監視するステップを含んでもよい。

さらに、本発明のさらに他の態様によると、コンピュータと人間を区別するための自動化テスト方法が提供されており、このテスト方法は、コンピュータスクリーンに画像を表示するステップと、コード化された解答を求めるために画像に対して操作を行うようにユーザに要求するステップとを含む。この操作は、ユーザ入力装置を使用して画像の一部を移動するステップを含んでもよい。この操作は、画像の一部とその画像の別の一部とを突き合わせるステップかまたは画像の一部と別の画像の別の一部とを突き合わせるステップを含んでもよい。この操作は、第１のセットに表示された印刷キャラクタと第２のセットに表示された印刷キャラクタとを突き合わせるステップを含んでもよい。第１のセットに表示されたキャラクタの属性は、第２のセットに表示された対応するキャラクタの属性とは異ってもよい。この属性は、大文字、小文字、サイズ、太字、フォント、色、シェーディング、イタリックのうち少なくとも１つを含んでもよい。キャラクタはそれぞれ不完全な形で表示されてもよい。また、このマッチングは、ユーザ入力装置を使用して、第１のセットからの各キャラクタを第２のセットの対応するキャラクタに重なる位置に移動するステップを含んでもよい。

本発明のさらに別の態様によると、コンピュータと人間を区別するための自動化テストが提供されており、このテストは、コンピュータスクリーンにビデオクリップを表示するステップと、ビデオクリップに表示された内容に対応する入力をするようにユーザに要求するステップとを含む。このユーザに、ビデオクリップに表示された内容が変わったときに入力するように要求してもよい。ユーザに、ビデオクリップに表示された印刷キャラクタに相当する印刷キャラクタのタイプを要求してもよい。ユーザに、ビデオクリップの内容をタイプすることでテストを解くように要求してもよい。ユーザに第２のビデオクリップを提供し、第２のビデオクリップに対応する第２の内容をタイプすることで第２のテストを解くようにユーザに要求し、ユーザが正しくこのテストを解いた場合、他のユーザの第２のテストに対する解答と比較するためにこのユーザの第２のテストに対する解答を保存する。そして、統計的に有意な数の第２のテストに対する解答を受け取ったら、第２のテストが有効かどうかを判定し、有効であると判定したならば、第２のテストで最も多く入力された解答を正解として選択することで、この方法を進める。

本発明の他の態様や特徴は、本明細書中で説明され、添付の特許請求の範囲に記載されている本発明の範囲および趣旨内にある、種々の実施形態の記述から明らかになるであろう。

従来技術のＣＡＰＴＣＨＡを示す。本発明の１実施形態にしたがって作成したアニメーションＣＡＰＴＣＨＡを示す。本発明の１実施形態にしたがって作成したアニメーションＣＡＰＴＣＨＡを示す。動きベースのＣＡＰＴＣＨＡの別の例を示す。動きベースのＣＡＰＴＣＨＡの別の例を示す。図３（Ａ）および図３（Ｂ）の実施形態を、キャラクタの一部が完全なアニメーションを通してずっと欠けているように変更した実施形態を示す。本発明の１実施形態の対話型ＣＡＰＴＣＨＡを示す。本発明の１実施形態の対話型ＣＡＰＴＣＨＡを示す。本発明の１実施形態の別の対話型ＣＡＰＴＣＨＡを示す。本発明の１実施形態の多層ＣＡＰＴＣＨＡの一例を示す。本発明の１実施形態のビデオＣＡＰＴＣＨＡの一例を示す。本発明の１実施形態のビデオＣＡＰＴＣＨＡの一例を示す。無作為な要素の特徴を利用したビデオＣＡＰＴＣＨＡの一例を示す。無作為な要素の特徴を利用したビデオＣＡＰＴＣＨＡの一例を示す。多層の実施形態の一例を示す。複数の層を有する１実施形態の別の例を示す。

Claims

コンピュータと人間を区別するための自動化テスト方法であって、
少なくとも第１の層と第２の層からなるアニメーションをコンピュータスクリーンに表示するステップと、
前記アニメーションを表示している間にユーザ入力装置の出力を監視するステップと、
を含み、
前記第１の層と前記第２の層の一方が認識可能な静止画像を含み、他方が前記認識可能な静止画像に対する部分的な遮蔽物を含み、
前記アニメーションが、前記静止画像を含む前記一方の層に対して前記他方の層を相対的に動かすことからなる、
自動化テスト方法。
前記認識可能な静止画像が不完全な形で提供される、請求項１記載の方法。
第３の層をさらに含み、該第３の層が、不完全な形で提供された前記認識可能な静止画像に対して少なくとも部分的に相補的である部分的な画像を含む、請求項２記載の方法。
前記認識可能な静止画像が印刷キャラクタを含む、請求項１記載の方法。
前記アニメーションを自動的に再生して、前記コンピュータスクリーンに表示する、請求項１記載の方法。
前記アニメーションをユーザ入力に応じて再生して、前記コンピュータスクリーンに表示する、請求項１記載の方法。
背景画像を含む第３の層をさらに含む、請求項１記載の方法。