该论文系统评估了 Google reCAPTCHA 视觉挑战在当前开源本地模型能力下的可破解程度，作者为 Suphannee Sivakorn 与 Samantha Gottlieb。研究背景是：reCAPTCHA 自 2007 年推出以来，是部署最广泛的视觉人机验证服务，被数十万网站用于抵御凭证填充、批量注册、自动化表单滥用等机器人攻击，长期被视为有效防线。此前已有工作证明商业云端视觉语言模型（VLM）可以求解视觉验证码，但每次尝试都存在可观的金钱成本，因而难以大规模滥用，客观上构成一道经济门槛。本文的核心问题是：这道门槛是否依然成立？作者对 reCAPTCHA 做了较全面的测量与梳理，提出挑战类型分类法：Type A 为多张相互独立的图像块（又分静态与动态子变体），Type B 为单张图被切成 4x4 网格的选图任务，两类任务需要不同的求解策略。基于此，作者设计了零样本、零成本的求解方案，完全建立在开源本地模型之上：Type A 使用 CLIP，单挑战准确率约 58%；Type B 使用 OWLv2，准确率约 43.5%，全程无需训练模型、无需调用任何 API。将上述单点能力编排为端到端自动化解算器后，在 500 次真实 reCAPTCHA 会话中取得 92.6% 的会话级成功率。论文进一步指出，非技术背景的攻击者仅用自然语言指令驱动一个普通商用 AI 助手即可完成同类任务，攻击者的实际技能门槛被压到接近零，这从根本上改变了基于挑战的验证码威胁模型。作者同时观察到，reCAPTCHA 正逐渐转向基于信誉的验证机制，但视觉挑战式回退路径仍然长期存在，并因此成为整条防御链中最薄弱的一环，提示基于视觉挑战的验证码可能已走到使用寿命的终点。论文适合安全研究者、风控与反自动化团队、以及负责账号安全与反机器人策略的工程师阅读。