为恶意AI创建Bot-tleneck:用于机器人检测的心理方法
Christopher Rodriguez1, Daniel M Oppenheimer2
1Department of Social and Decision Sciences, Carnegie Mellon University, 5000 Forbes Avenue, BP 208, Pittsburgh, PA, 15213, USA. crodrig3@andrew.cmu.edu.
Behavior research methods
|April 1, 2024
概括
基于心理学研究的新自动化机器人选问题,有效地识别了CAPTCHA错过的机器人. 这些新的方法优于传统的机器人检测,解决了手动分析和生成AI的局限性.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 心理学 心理学 心理学
背景情况:
- 传统的机器人检测方法,如CAPTCHA,对先进的人工智能越来越无效.
- 手动分析机器人的行为是劳动密集型和低效的.
- 生成型人工智能对当前的机器人选技术构成未来的威胁.
研究的目的:
- 开发和评估基于心理学研究的自动化机器人选问题.
- 创建一个主动屏幕对复杂的机器人.
- 评估与现有方法相比,新型机器人选器的有效性.
主要方法:
- 开发了自动化,有心理依据的机器人选问题.
- 招募了MTurkers进行Qualtrics调查.
- 在新型选器,手动分析和谷歌reCAPTCHA V3之间比较机器人识别率.
主要成果:
- 新的机器人选器发现18.9%的参与者是潜在的机器人,远高于reCAPTCHA V3的1.7%.
- 与CAPTCHA.As相比,开发的自动化问题显示出更高的性能.
- 分析显示了新型机器人选器类型的不同优缺点.
结论:
- 自动化,基于心理学的问题提供了一个比CAPTCHA更有效的机器人检测方法.
- 目前的机器人选方法需要显著改进,以应对先进的AI.
- 开发的机器人选器显示了积极主动和高效的机器人缓解的前景.
