Jednoduchá CAPTCHA

1.2.2006 18:22 | Přečteno: 22960× | ostatní | poslední úprava: 10.11.2006 13:06

Internetem se poslední dobou šíří taková zlá, nemilá, ošklivá věc - spam v komentářích k článkům, záznamech v knihách hostů (jak říkáme my češi - guestboocích) a vůbec všem, co má nějaký formulář. Následující článek popisuje jednoduchou ochranu proti botům napsanou v PHP.

Systém je postaven na "tradičním" rozpoznávání obrázků, k jejihž generování je použita knihovna GD. Základem jsou tyto 4 jednoduché funkce:

function nahodny_text($delka) {
    for ($i=0; $i<$delka; $i++) {
        $rnd = rand(1,35);
        $rnd = ($rnd < 10) ? $rnd+48 : $rnd+55;
        if ($rnd == 79) $rnd++;
        $string .= chr($rnd);
    }

    return $string;
}


function obraz_textu($text, $cesta) {
    $im = imagecreate(strlen($text)*10, 15);

    imagecolorallocate($im, 255, 255, 255);
    $barva = imagecolorallocate($im, 0, 0, 0);
    imagestring($im, 5, 0, 0, $text, $barva);

    $soubor = $cesta.'/'.rand(0,255).'.png';
    imagepng($im, $soubor);

    return $soubor;
}


function pridej_kod($soubor, $kod) {
    $fp = fopen($soubor, 'a');
    ignore_user_abort(1);

    for($i=0; $i<3; $i++) {
        if (flock($fp, LOCK_EX)) {

            fwrite($fp, $kod."\n");

            flock($fp, LOCK_UN);
            break;
        }
        usleep(100);
    }

    fclose($fp);
    ignore_user_abort(0);
}


function pouzity_kod($soubor, $kod) {
    $fp = fopen($soubor, "r");

    while (!feof($fp)) {
        if ($kod == fgets($fp, strlen($kod)+1)) {
            fclose($fp);
            return true;
        }
    }

    fclose ($fp);
    return false;
}

První vytváří náhodný řetězec znaků (1-9,A-Z bez O) dané délky. Druhá z daného řetězce vytváří obrázek. Třetí a čtvrtá slouží k uložení respektivě zjištění již použitého kontrolního kódu.

Vlastní kontrola pak probíhá následovně: Při každém zobrazení formuláře pro odeslání dat je vygenerován "čerstvý" kontrolní kód:

while (true) {
    $kod = nahodny_text(delka_kodu);
    if (!pouzity_kod(codefile, $kod))
        break;
}
$obrazek = obraz_textu($kod, imgdir);

Ten je převeden na obrázek s náhodným jménem, který se umístí někam k formuláři pro odeslání. K formuláři jsou přidány 2 položky - textové pole pro vlastní kód a skryté pole s hashem kódu. Při vytváření hashe je kód potřeba doplnit o nějakou tajnou "sůl":

<img src="<?php echo $obrazek ?>" alt="Kontrolní kód"/>
<input type="text" name="kod"/>
<input type="hidden" name="hash" value="<?php echo md5($kod.salt) ?>"/>

Při odeslání formuláře je kód doplněn o sůl a spočítán hash. Pokud se vypočtený hash shoduje s tím z tajného pole formuláře a daný kontrolní kód nebyl dosud použit, je příspěvek přijat, v opačném případě je odmítnut.

if(md5($_POST['kod'].salt) == $_POST['hash']
  AND !pouzity_kod(codefile, $_POST['kod'])) {
    pridej_zaznam();
    pridej_kod(codefile, $_POST['kod']);
} else
    echo "Neplatný kontrolní kód!";

Mušky a mouchy řešení:

1. Kód na vygenerovaných obrázcích je velice dobře strojově čitelný pomocí OCR
2. Teoreticky mohou nastat situace, kdy uživatel zadá správný kód a přesto není příspěvek přijat. Toto se může stát v zásadě v těchto 2 případech:
   1. Mezi načtením stránky s formulářem a kontrolního obrázku je obrázek změněn jiným přístupem (s pravděpodobností 1:N, kde N je počet generovaných obrázků; v kódu výše je N=256)
   2. Zatímco uživatel píše příspěvek, je odeslán příspěvek se stejným kontrolním kódem (pravděpodobnost 1:34ⁿ, kde n je počet znaků kontrolního kódu
3. A na závěr to nejlepší: "algoritmus" je nedeterministický a teoreticky se může stát, že generování "volných" kódů nikdy neskončí (nicméně pravděpodobnost, že se nepodaří najít "volný" kód jde za předpokladu, že je méně příspěvků než možných kódů, s počtem pokusů jdoucích k nekonečnu k nule)

Tam, kde si můžete výše zmíněné problémy dovolit zanedbat (a to je většina reálných aplikací) nicméně bude ochrana fungovat dobře, navíc s minimálním "opruzem" pro uživatele.

Zdrojové kódy guestbooku s uvedenou ochranou si můžete stáhnout z mých stránek, jak to vypadá v praxi můžete vidět zde.

       

Komentáře

[helb | www.skatekralovice.com]

Díky. Muj web to zatim teda nepostihlo (možná to bude tim že používam vlastní kód a ne blueboard - na většině blueboard booků jsem spam viděl), ale nikdy nevíš....

[Marek Bernát]

Jednoduché a priamočiare, tiež som niečo podobné kedysi písal. Ale v jednoduchosti je krása

Čo sa týka tej pripomienky 2.1, tak nechápem prečo ten rand obmedzuješ. Je to zbytočné a môže to narobiť kopec problémov. Možno ti išlo o to, aby si tie súbory nemusel mazať, ale aj 255 png súborov je podľa mňa dosť. Pritom zmazať ich nie je problém. Názov súboru si zapamätám v session, alebo pošlem v input hidden a hneď pri overovaní ho zmažem. Pritom názov toho obrázku by mohol radšej byť nejaké 20 znakové slovo. Tým je prevdepodobnosť prepísania prakticky nulová.

[Martin Tůma]

Problém je ten, že ne každej (spíš jenom mizivý množství) vygenerovanej obrázek je taky "odeslanej zpět". Jistě, šlo by napsat nějakou funkci, která by procházela adresář a mazala soubory starší než T, ale automatický přepisování obrázků je prostě ještě jednodušší A ad velikost - 255 obrázlů zabírá přibližně 33kB...

[Marek Bernát]

Máš pravdu. Záleží od konkrétneho prípadu.

Inak tá veľkosť je naozaj malá. Som zabudol, aké sú png výkonné pre takéto generované obrázky. Holt, človek je zvyknutý na tie rádovo 100kB monštrá zo screenshotov

[Filda]

Já se komentářovýho spamu zbavil mnohem jednodušším způsobem. Jsem zvědavej jak dlouho to řešení bude fungovat. Jednoduše jsem přejmenoval skript guestbook.php na gstbk.php a od ty doby se tam neobjevil ani jeden.

[Marek Bernát]

Ale toto nie je len na spam. Dá sa to využiť napríklad ako jeden stupeň ochrany pri verejnom hlasovaní do nejakej súťaže (to je v skutočnosti to, čo som robil ja; ale program bol prakticky rovnaký). Vďaka tomuto efektívne zabránite 99% skriptom, aby mohli niečo na stránke robiť, nie nutne len spamovať.

[EHP]

Sice ne v php, ale zato podstatne vychytanejsi: http://jcaptcha.sourceforge.net/

[Marek Bernát]

Fakt vychytané. Na polovici obrázkov neviem rozoznať text. Tomu hovorím správny prístup.

[JiK]

nediv se, ma to odfiltrovat stroje. Zkratka uz myslis prilis moc jako skript.

[Martin Tůma]

Tak to je přesně to, čemu se chci vyhnout. Jak už tady zaznělo, půlka textů nejde přečíst. I tak jednoduchej obrázek, jako generuju v tom scriptu odfiltruje dneska všechny roboty i script-kiddies. Na projekty typu "ochrana SMS brány mobilního operátora", kde se už vyplatí se nějakým OCR zabývat se holt musí použít něco jinýho.

[Spike]

Bezva captcha je teďka na sms.vodafone.cz... zkuste to OCRkovat. :D

[mato]

je to velmi zle. preco to nerobis cez SESSION? neviem preco by som si mal zapratavat disk malymi obrazkami a povolovat 770 kvoly overeniu dakeho hlupeho kodu...

[Martin Tůma]

Přes SESSION? A jak si tím pomůžu?! Jinak 35kB obrázků mi opravdu nepřijde tak moc, abych si s tim v roce 2006 lámal hlavu a co se týče tý 770, tak to už nechápu vůbec. Pokuď to maj bejt unixová práva, tak nechápu, co tě nutí mít to nastavený takto, ta CAPTCHA to ale rozhodně neni...

[HonzaMac]

Výborné! Ještě by se mělo doplnit, že je třeba nadefinovat pár věcí...

define("salt", "w6er54we65r4");

define("imgdir", "../captcha");

define("codefile", imgdir."/codes.txt");

jinak to nebude fungovat bez prostudování kódu

[Hawwwran]

CAPTCHA je mrtvá. Při použití DIVTCHA jsme na stejné úrovni uživatelské přívětivosti, ale bezpečnostně mnohem výše. Obrázky odpadají také.

http://www.quicky.cz/novinky/antispamova-ochrana-divtcha-8.html

Ukázka:

http://www.quicky.cz/quicky/vyzkum/divtcha/