OpenAI Astra vượt qua 48 cấp độ của game CAPTCHA? Tại sao việc xác thực lại trở nên khó khăn hơn

OpenAI Astra vượt qua 48 cấp độ game CAPTCHA? Nhà phát triển Sharif Shameem đã chứng minh GPT-6 Astra của OpenAI hoàn thành tất cả 48 cấp độ trong trò chơi CAPTCHA trên trình duyệt của Neal Agarwal, cho thấy rằng các câu đố thử thách thị giác đơn thuần đang dần trở thành tín hiệu kém tin cậy để phân biệt người dùng thật với các tác nhân sử dụng máy tính tiên tiến. Khi các mô hình trí tuệ nhân tạo đa phương thức có khả năng phân tích màn hình máy tính và thực thi các thao tác giao diện người dùng (UI), các thử thách web truyền thống đang đối mặt với những giới hạn kỹ thuật ngày càng lớn. Trước đây, các hệ thống trực tuyến sử dụng câu đố thị giác, nhận diện hình ảnh và trò chơi logic tương tác làm rào cản chính để ngăn chặn các tập lệnh tự động. Ngày nay, các tác nhân tiên tiến có thể hiểu nội dung màn hình và thực thi các quy trình tương tác nhiều bước, thúc đẩy các đội ngũ bảo mật chuyển dịch sang mô hình chấm điểm rủi ro từ phía máy chủ (server-side risk scoring).

Tại sao bản demo CAPTCHA của Astra lại quan trọng?

Điểm nổi bật

• Nhà phát triển Sharif Shameem đã chứng minh GPT-6 Astra điều hướng và vượt qua tất cả 48 giai đoạn của trò chơi giải đố xác thực “I Am Not a Robot” của Neal Agarwal.
• Bản demo làm nổi bật những tiến bộ trong thị giác đa phương thức, khả năng sử dụng máy tính và thực thi tác vụ với ngữ cảnh dài.
• Các hệ thống quản lý bot hiện đại ngày càng kết hợp các tín hiệu từ trình duyệt và phía người dùng với việc xác thực ở phía máy chủ thay vì chỉ dựa vào các câu đố thị giác đơn thuần.

Các hệ thống xác thực trên Internet từ lâu đã dựa vào thử thách CAPTCHA (Phép kiểm tra Turing công cộng tự động để phân biệt máy tính và con người) làm rào cản phòng thủ ban đầu trước lưu lượng truy cập tự động. Các quản trị viên web triển khai những câu đố này để ngăn chặn các tập lệnh tự động thực hiện hành vi brute-force đăng nhập, quét nội dung độc quyền hoặc tạo tài khoản hàng loạt. Giả định cơ bản là việc giải mã văn bản méo, xác định đối tượng trong lưới hình ảnh hoặc thực hiện các chuyển động chuột vật lý chính xác đòi hỏi tư duy thị giác và vận động của con người.

Giả định đó đã được kiểm chứng khi nhà phát triển Sharif Shameem đánh giá GPT-6 Astra trên trò chơi trình duyệt “I Am Not a Robot” của Neal Agarwal. Trò chơi 48 giai đoạn này đưa ra các thử thách tương tác leo thang, từ các xác nhận hộp kiểm tiêu chuẩn đến lựa chọn hình ảnh phức tạp, giải đố theo thời gian và các câu hỏi ngược logic đòi hỏi người dùng phải trả lời sai để chứng minh danh tính con người. Astra đã hoàn thành tất cả 48 cấp độ bằng cách xử lý các khung hình từ trình duyệt, đánh giá quy tắc giai đoạn và gửi lệnh chuột cũng như bàn phím thông qua công cụ thực thi tác vụ trên máy tính của nó.

Bản demo này phản ánh những cải tiến hiệu suất trên diện rộng đối với các tiêu chuẩn đánh giá tác nhân. Theo tài liệu phát hành chính thức của OpenAI Astra, mô hình này đạt điểm 99,9% trên ARC-AGI-3 trong môi trường nghiên cứu, vượt qua các tiêu chuẩn cơ sở về hiệu suất hành động của con người trên 96% các cấp độ. Trên OSWorld 2.0, Astra hoàn thành các tác vụ máy tính nhanh hơn 47% so với GPT-5.6 Sol trong khi đạt số điểm 72,6%. Như được ghi nhận trong bài viết của Numerama, khả năng này cho thấy giải đố thị giác không còn là kỹ năng độc quyền của con người, ngay cả khi các nền tảng quản lý bot thương mại vẫn dựa vào các dữ liệu từ phía máy chủ bổ sung.

Phân tích kỹ thuật chuyên sâu về kịch bản OpenAI Astra vượt qua 48 CAPTCHA

Ở cấp độ giao thức, khả năng Astra điều hướng các phần tử web tương tác xuất phát từ thị giác đa phương thức, phân tích màn hình theo thời gian thực và các công cụ sử dụng máy tính. Thay vì xử lý các truy vấn nhận dạng hình ảnh hoặc văn bản biệt lập, mô hình này tiếp nhận ảnh chụp màn hình máy tính, thiết lập kế hoạch thực thi và truyền đạt các hành động thông qua một công cụ phần mềm bên ngoài để thực hiện các sự kiện UI vật lý.

Để hỗ trợ các quy trình làm việc nhiều bước phức tạp, API Astra giới thiệu khả năng gọi công cụ không đồng bộ (asynchronous tool calling), cho phép môi trường ứng dụng chạy các công cụ ở chế độ nền trong khi mô hình tiếp tục suy luận ở cấp độ cao hơn. Astra cũng hỗ trợ gọi công cụ không đồng bộ cho các quy trình tương thích, mặc dù bản demo CAPTCHA công khai không xác nhận rằng tính năng này là bắt buộc để hoàn thành trò chơi 48 cấp độ.

Quy trình kiến trúc: Vòng lặp thực thi tác vụ máy tính tiêu chuẩn

Khi một tác nhân AI tương tác với một ứng dụng web, nó tuân theo vòng lặp nhận thức-hành động lặp đi lặp lại thay vì khai thác các lỗ hổng cấp giao thức.

Sơ đồ dưới đây mô tả vòng lặp thực thi tác nhân sử dụng máy tính tiêu chuẩn:

[Vòng lặp tác nhân sử dụng máy tính tiêu chuẩn]
  Đầu vào ảnh chụp màn hình ──> Thị giác đa phương thức Astra ──> Quyết định hành động ──> Công cụ thực thi hành động UI ──> Trạng thái môi trường đã cập nhật

Ngoài các tác vụ trình duyệt tương tác, OpenAI đã đánh giá khả năng an ninh mạng của Astra thông qua một số tiêu chuẩn, như được trình bày chi tiết trong Trung tâm An toàn Triển khai OpenAI. Trên ExploitBench, mô hình đạt điểm 100%, và trên SRE-Bench, nó đã giải quyết được 88,0% các tác vụ kỹ thuật đảo ngược phần mềm ngay lần thử đầu tiên. Trong các đánh giá an toàn nội bộ, mô hình cũng xác định được hai lỗ hổng zero-day chưa từng được biết đến trước đó. Để quản lý các khả năng mở rộng này, OpenAI đã triển khai tính năng giám sát sai lệch (misalignment monitoring) ở chế độ nền nhằm đánh dấu hoặc tạm dừng các hành vi của tác nhân có khả năng gây ra sự cố hoặc không đúng hướng trong quá trình thực thi.

Mặc dù những khả năng kỹ thuật này cho thấy những tiến bộ ấn tượng về thị giác và thực thi, các nhà phân tích bảo mật lưu ý rằng việc giải một trò chơi CAPTCHA trên trình duyệt khác với việc vượt qua cơ sở hạ tầng chống bot thương mại. Như đã nêu trong tài liệu Google reCAPTCHA và tài liệu Cloudflare Turnstile, các hệ thống sản xuất đánh giá nhiều tín hiệu tiềm ẩn thay vì chỉ dựa vào các câu đố thị giác.

Kiến trúc bảo mật nhiều lớp từ phía máy chủ trong kỷ nguyên hậu giải đố

Việc các tác nhân tiên tiến có thể giải được các câu đố thị giác cho thấy các kiến trúc bảo mật phải coi thách thức thị giác chỉ là một trong nhiều tín hiệu, thay vì là cổng kiểm soát chính. Việc chỉ dựa vào các câu đố phía máy khách (client-side) tạo ra sự khó chịu cho người dùng thật trong khi khả năng phòng thủ trước các tác nhân có khả năng thị giác ngày càng giảm.

Các hệ thống quản lý bot sản xuất thường kết hợp nhiều tín hiệu. Ví dụ, Google reCAPTCHA sử dụng phân tích rủi ro thích ứng dựa trên các tín hiệu hành vi, thiết bị, IP và lịch sử, trong khi Cloudflare Turnstile đánh giá các tín hiệu trình duyệt và máy khách, đồng thời yêu cầu xác thực token từ phía máy chủ.

Chiến lược phòng thủ bot nhiều lớp

Các nhóm kỹ thuật bảo mật đang áp dụng các khuôn khổ phòng thủ chuyên sâu để bảo vệ các điểm cuối mà không làm tăng trải nghiệm phiền hà cho người dùng:

• Chấm điểm rủi ro từ phía máy chủ: Đánh giá các tiêu đề yêu cầu HTTP và các tín hiệu quản lý bot hoặc bảo mật mạng rộng hơn trước khi hiển thị bất kỳ thử thách phía máy khách nào.
• Phân tích dữ liệu hành vi (Behavioral Telemetry): Theo dõi các chỉ số tương tác không mang tính thị giác, chẳng hạn như nhịp độ yêu cầu, đường dẫn điều hướng phiên và các mô hình gọi API theo thời gian.
• Xác thực tài khoản mạnh: Đối với các quy trình đã xác thực, WebAuthn và passkeys có thể xác thực người dùng bằng thông tin xác thực khóa công khai thông qua các bộ xác thực tương thích với WebAuthn, như được quy định trong thông số kỹ thuật W3C WebAuthentication. Điều này bổ sung cho việc giảm thiểu bot nhưng không trực tiếp phân loại lưu lượng web là người dùng thật hay tự động.
• Giới hạn tốc độ và Điều tiết thích ứng: Thực thi các hạn mức yêu cầu động và nghiêm ngặt trên các điểm cuối nhạy cảm như đăng nhập, đăng ký và khôi phục mật khẩu.

Bản demo này không chứng minh rằng các hệ thống CAPTCHA hoặc nền tảng quản lý bot hiện đại đã lỗi thời; thay vào đó, nó nhấn mạnh lý do tại sao các đội ngũ bảo mật phải coi thách thức thị giác là một tín hiệu phụ trong một kiến trúc bảo mật dựa trên rủi ro đa lớp rộng lớn hơn.

Danh sách kiểm tra triển khai kỹ thuật để giảm thiểu bot

Để bảo vệ các điểm cuối web và cơ sở hạ tầng kỹ thuật số khi các tác nhân sử dụng máy tính trở nên phổ biến hơn, các đội ngũ kỹ thuật và bảo mật nên áp dụng các quy trình xác thực có cấu trúc.

Danh sách kiểm tra triển khai cho nhà phát triển

• Loại bỏ các câu đố thị giác làm cổng kiểm soát chính: Chuyển các quy trình đăng nhập và đăng ký ra khỏi các thách thức khớp hình ảnh độc lập, thay vào đó sử dụng phân tích rủi ro từ phía máy chủ.
• Triển khai giới hạn tốc độ tại API Gateway: Thực thi giới hạn tốc độ nghiêm ngặt và điều tiết lưu lượng đột biến trên các điểm cuối xác thực và gửi dữ liệu.
• Triển khai xác thực tài khoản mạnh: Xác thực người dùng bằng thông tin xác thực khóa công khai thông qua các bộ xác thực tương thích WebAuthn để truy cập tài khoản được bảo mật.
• Giám sát các bất thường của API: Theo dõi độ trễ phiên, tính nhất quán của tiêu đề và các mô hình yêu cầu bất thường qua bộ định tuyến biên.

Danh sách kiểm tra chiến lược Sản phẩm & Bảo mật

• Giảm sự phiền hà khi xác thực người dùng: Loại bỏ các câu đố thị giác phức tạp đối với lưu lượng truy cập ít rủi ro để cải thiện tỷ lệ chuyển đổi onboarding.
• Thiết lập cơ sở rủi ro đa tín hiệu: Kết hợp uy tín mạng, hành vi phiên, vận tốc yêu cầu và—khi thích hợp—các tín hiệu chứng thực cụ thể của nền tảng.
• Kiểm toán các điểm cuối rủi ro cao thường xuyên: Thực hiện red-teaming tự động và đánh giá bất thường trên các quy trình người dùng nhạy cảm.

Việc triển khai các thực tiễn kỹ thuật này cho phép các tổ chức duy trì vành đai kỹ thuật số an toàn đồng thời cung cấp trải nghiệm onboarding mượt mà cho người dùng thật.

Bài học quan trọng cho các đội ngũ bảo mật

Bản demo OpenAI Astra vượt qua 48 cấp độ game CAPTCHA minh họa cho sự tiến bộ nhanh chóng của các mô hình sử dụng máy tính đa phương thức. Khi các tác nhân phần mềm có khả năng hiểu các hiển thị thị giác và thực thi các thao tác trên máy tính, việc dựa vào các câu đố thị giác như một rào cản bảo mật chính không còn đủ. Các đội ngũ bảo mật áp dụng chấm điểm rủi ro phía máy chủ nhiều lớp, xác thực tài khoản mạnh và phân tích hành vi liên tục sẽ có vị thế tốt nhất để bảo vệ cơ sở hạ tầng kỹ thuật số khi các tác nhân sử dụng máy tính ngày càng trở nên mạnh mẽ hơn.

Tài liệu tham khảo

• OpenAI. Thẻ hệ thống và thông báo phát hành GPT-6 Astra. https://openai.com/index/gpt-6-astra/

• OpenAI. Cập nhật khuôn khổ chuẩn bị và tiêu chuẩn an toàn của chúng tôi. https://openai.com/index/path-to-astra/

• Numerama. GPT-6 Astra hoàn thành tất cả 48 cấp độ của trò chơi CAPTCHA. https://www.numerama.com/tech/2326999-je-ne-suis-pas-un-robot-gpt-6-astra-a-valide-les-48-niveaux-dun-jeu-de-captchas-concus-pour-sarracher-les-cheveux.html

• Google Cloud. Bảo mật website và bảo vệ chống gian lận reCAPTCHA. https://cloud.google.com/security/products/recaptcha

• Tài liệu Cloudflare. Tổng quan và kiến trúc Cloudflare Turnstile. https://developers.cloudflare.com/turnstile/

• W3C. Web Authentication: API để truy cập thông tin xác thực Khóa công khai - Cấp độ 3. https://www.w3.org/TR/webauthn-3/

• ARC Prize Foundation. Kết quả đánh giá tiêu chuẩn ARC-AGI-3. https://arcprize.org/