ChemCAPTCHA: A domain-specific challenge–response framework for controlling access to chemical data
ChemCAPTCHA 是一种特定领域的挑战-响应框架，它通过结合视觉扰动的分子提示、受限的手动绘制以及行为分析，在利用用户化学专业知识的同时破坏机器识别，从而保护化学数据免受自动化抓取。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
化学数据是现代科学与工业的生命线。从设计新药的药物研发实验室，到生产药物的制造商，专业人士都依赖于包含数百万种分子结构、性质和反应的海量数字库。这些数据库不仅仅是列表；它们是建立在多年精心策划与验证之上的战略资产。然而，使这些资源变得好用的开放性，也使其变得脆弱。自动化程序现在可以搜寻这些网站，在几秒钟内复制整个化学数据集，绕过单个用户访问信息的既定限制。这种大规模采集威胁到了服务器的稳定性以及数据本身的价值。为了阻止这种情况，科学家们长期以来一直使用一种被称为 CAPTCHA 的标准数字守门员。这些测试要求用户识别扭曲的字母或在网格中选择特定的图像，旨在证明坐在键盘前的是人类而非机器人。然而，对于化学数据库而言，这些通用的测试存在一个盲点：它们不需要任何化学知识。计算机程序学习解决图片谜题的方式与人类一样简单，而低成本的人力服务也能以极低的价格解决这些问题。挑战在于，如何创建一个只有具备实际化学训练的人才能通过的门槛，同时又不至于让过程过于困难，从而挫伤那些需要使用数据的合法科学家的积极性。
一个研究小组开发了一种名为 ChemCAPTCHA 的新系统来解决这一特定问题。该系统不再要求用户识别模糊的文本或挑选红绿灯，而是要求他们绘制一个化学分子。当用户请求访问受保护的化学数据库时，该过程便开始了。系统会立即生成一个简单的、有效的化学结构并将其以图像形式展示。为了防止计算机仅仅通过读取图像并将其转换回数字代码，研究人员对图像应用了一系列视觉扭曲。他们用波浪状图案扭曲图像，添加随机的线条和三角形，并模糊边缘。这些变化使得图像在计算机视觉程序看来显得杂乱无章，但其底层的化学结构对于人类化学家来说仍然清晰可见。在测试中，一个能够正确识别 96.4% 普通化学绘图的强大图像识别工具，在面对这些扭曲图像时完全失效，其准确率降至零。
随后，用户被要求使用专门的数字绘图工具手工重构该分子。该工具受到严格限制，以确保用户无法绕过预定的流程。允许计算机粘贴预制代码或拖放文件的功能都被屏蔽了。用户必须逐个点击、拖动并放置原子和键，就像在纸上画图一样。为了让自动化脚本更难应对，系统引入了一层不可预测性。可供点击的化学元素列表每次在用户进行操作时都会重新排序，因此计算机无法依赖固定的坐标。此外，如果用户尝试添加特定的原子，系统可能会随机将其替换为另一种原子，迫使用户立即注意到错误并进行纠正。在绘图过程中的随机时刻，会出现一个计时器，要求用户在五秒钟内点击特定的按钮。这种中断确保了用户正在进行实时操作，而不是运行一段预录制的动作序列。
在用户绘图时，系统会监控他们的一举一动。它记录鼠标移动的速度、纠正错误的频率以及点击之间的间隔时间。试图解决此问题的计算机程序可能会以完美的直线移动，或者以不可能的速度做出反应，而人类则会表现出自然的停顿和修正。系统将最终的绘图结果与这种行为历史相结合来进行决策。如果绘图正确且行为特征看起来像人类，则授予访问权限。如果绘图错误或行为暗示是机器，则拒绝请求。研究人员发现，这种方法成功阻挡了依赖脚本的自动化程序和低技能人力服务，同时对受过训练的化学家来说仍处于可控范围内。然而，作者指出，这并不是一个完美的盾牌。能够将图像识别与复杂界面控制相结合的高级攻击者可能仍能找到突破口。因此，ChemCAPTCHA 被设计为一层防御手段，与速率限制和用户身份验证等其他安全措施协同工作，而不是作为这些珍贵化学库的唯一保护措施。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。