Nessun risultato. Prova con un altro termine.
Guide
Notizie
Software
Tutorial

Come bypassare i CAPTCHA con headless browsing e AI

Come bypassare i CAPTCHA con l'intelligenza artificiale e l'headless browsing in un contesto etico, didattico e legale
Come bypassare i CAPTCHA con l'intelligenza artificiale e l'headless browsing in un contesto etico, didattico e legale
Link copiato negli appunti

I CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart) sono uno degli "ostacoli" più diffusi nel web. Servono a distinguere utenti reali dai bot e sono utilizzati da siti web per prevenire spam, abusi, scraping automatizzato e altri comportamenti indesiderati.

Ma cosa succede quando uno sviluppatore ha un bisogno legittimo di accedere a dati pubblici da un sito web che impone un CAPTCHA? O quando si lavora nel campo del testing automatico, dell'accessibilità, o della ricerca sull'intelligenza artificiale?

In questo articolo vedremo come funziona il bypass dei CAPTCHA attraverso headless browsing e tecniche di AI, in un contesto etico, didattico e legale. Il nostro obiettivo è informare, non incoraggiare l'abuso.

Cos'è un CAPTCHA?

I CAPTCHA sono test progettati per essere difficili da superare per le macchine ma semplici per gli esseri umani. I tipi più comuni includono:

  • testo distorto
  • reCAPTCHA di Google (v2: clic su "Non sono un robot", v3: punteggio invisibile)
  • Immagine (seleziona immagini con semafori, auto, ecc.)
  • Puzzle o slider CAPTCHA
  • hCaptcha, alternativa open source a reCAPTCHA
  • Il progresso dell'intelligenza artificiale ha reso questi sistemi sempre più sofisticati. Tuttavia, anche gli strumenti per automatizzare l'interazione con essi si sono evoluti.

    Headless Browsing: la base dell'automazione

    Un headless browser è un browser web privo di interfaccia grafica, controllabile via codice. Questo consente agli sviluppatori di automatizzare la navigazione come se fosse un utente reale. I più noti sono:

    Un esempio con Puppeteer:

    const puppeteer = require('puppeteer');
    
    (async () => {
      const browser = await puppeteer.launch({
        headless: true,
        args: ['--no-sandbox']
      });
      const page = await browser.newPage();
      await page.goto('https://example.com');
    
      // Simula comportamento umano
      await page.waitForTimeout(2000);
      await page.type('#email', 'example@example.com');
      await page.click('#submit');
      await browser.close();
    })();

    Questo codice non bypassa CAPTCHA ma mostra come simulare un utente.

    Tecniche per aggirare i CAPTCHA

    Non esistono soluzioni magiche, ma ci sono approcci differenti in base al tipo di "ostacolo" da superare. Una possibilità è quella di evitare il CAPTCHA (strategia soft), spesso infatti essi si attivano dopo troppe richieste rapide o da IP sospetti.

    Ma passiamo ai "trucchi legittimi":

    • Limitare la frequenza delle richieste (Rate Limiting).
    • Usare proxy residenziali affidabili.
    • Impostare User-Agent Accept-Language Referrer
    • Simulare i movimenti di mouse e tastiera
    • await page.mouse.move(100, 100);
      await page.keyboard.type('ciao');

      Se invece si vogliono utilizzare dei servizi di riconoscimento, esistono API che decifrano i CAPTCHA tramite AI o interventi manuali. Ecco alcuni esempi di servizi (a pagamento):

      • 2Captcha
      • AntiCaptcha
      • CapMonster
      • DeathByCaptcha
      • Integrazione con 2Captcha (un esempio con reCAPTCHA):

        const axios = require('axios');
        async function solveCaptcha(siteKey, pageUrl, apiKey) {
          const submitUrl = `http://2captcha.com/in.php?key=${apiKey}&method=userrecaptcha&googlekey=${siteKey}&pageurl=${pageUrl}`;
          const res = await axios.get(submitUrl);
          const requestId = res.data.split('|')[1];
          await new Promise(r => setTimeout(r, 20000)); // Attendi la risoluzione
          const resultUrl = `http://2captcha.com/res.php?key=${apiKey}&action=get&id=${requestId}`;
          const result = await axios.get(resultUrl);
          const token = result.data.split('|')[1];
          return token;
        }

        Nel browser headless userai successivamente il token per simulare il completamento del CAPTCHA.

        AI e OCR per CAPTCHA visivi

        CAPTCHA basati su testo distorto possono essere risolti tramite OCR (Optical Character Recognition). Alcuni degli strumenti più utili sono:

        Di seguito un esempio con tesseract.js:

        const Tesseract = require('tesseract.js');
        
        Tesseract.recognize(
          'captcha.png',
          'eng',
          { logger: m => console.log(m) }
        ).then(({ data: { text } }) => {
          console.log('Testo riconosciuto:', text);
        });

        Ovviamente, il successo dipende dalla qualità dell'immagine e dal tipo di distorsione.

        Etica e legalità

        Bypassare CAPTCHA può violare i "Termini di Servizio" di molti siti web. L'utilizzo di questi metodi deve essere limitato a contesti di test, ricerca o automazione lecita, come:

        • QA automatizzato per web app protette da CAPTCHA.
        • Accesso a dati pubblici quando il sito fornisce consenso (o API).
        • Test di accessibilità o usabilità.
        • Formazione e dimostrazioni tecniche.

        Mai usarli per scraping massivo, furto di dati, spam o frodi.

        Tecniche difensive: proteggersi dai bot

        Conoscere queste tecniche è utile anche per difendere i propri progetti. Ecco alcune contromisure:

        • Integrare CAPTCHA solo quando necessario.
        • Adottare reCAPTCHA v3 (invisibile, punteggio comportamentale).
        • Combinare CAPTCHA con altri sistemi (token CSRF, honeypot, fingerprinting).
        • Alternative ai CAPTCHA per una UX più performante

          Il problema dei CAPTCHA è che spesso penalizzano l'utente legittimo. Alcune alternative includono:

          • Honeypot fields: campi nascosti che solo i bot riempiono.
          • Token di sessione temporanei.
          • reCAPTCHA v3, invisibile e più fluido.
          • Protezione lato server (rate limiter, AI..).
          • Conclusione

            Bypassare i CAPTCHA con tecniche di headless browsing e AI è possibile ma richiede una comprensione profonda di come funzionano i meccanismi di protezione online. Saperlo fare è utile per chi lavora nel testing, nella sicurezza informatica, nell'accessibilità e nella ricerca AI. Va però sempre tenuto presente che il confine tra uso lecito e abuso è molto sottile.

            L'obiettivo di questo articolo è fornire consapevolezza e strumenti per interagire con questi sistemi in modo etico. Se sviluppi applicazioni web, imparare a proteggerti da questi meccanismi è fondamentale tanto quanto saperli usare in fase di test. Se invece lavori nell'automazione o nella data analysis, il tuo compito è sempre rispettare i dati, le fonti e le regole del gioco.

            La tecnologia è potente ma va usata con intelligenza e rispetto. Sapere come funziona un CAPTCHA, anche nei suoi aspetti più nascosti, fa parte della conoscenza di ogni sviluppatore.

            Se vuoi aggiornamenti su HTML.it inserisci la tua email nel box qui sotto:

            Compilando il presente form acconsento a ricevere le informazioni relative ai servizi di cui alla presente pagina ai sensi dell'informativa sulla privacy

            Acconsento al trattamento dei dati per attività di marketing.

Ti consigliamo anche