近日，来自西北大学(Northwest University)、北京大学(Peking University)和英国兰卡斯特大学(Lancaster University)的一组研究人员提出，可以用一种称为生成对抗网络(GAN)的验证码来代替文本验证码。

生成式对抗网络(GAN)是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。这是一种由两部分组成的神经网络，包括生成网络和判别网络。生成网络用来合成文本验证码，判别网络用来根据验证码评估输出。一个优秀的GAN应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。

在神经网络下，会形成一个良性循环，在这个循环中，第一个网络逐渐产生更好的模拟，而第二个网络在不断改进问题中变得更好。

当网络的第二部分不再能够检测到模拟验证码和真实验证码之间的差异时，这些验证码就被输入到一个“求解器”中，这个“求解器”将针对真实系统进一步改进这些模拟解决方案。

原本需要成千上万行代码实现的功能如今仅需几百行代码就可实现，神经网络可以把复杂的任务变得简单易行。它甚至还可以在一台普通的台式电脑和GPU上以0.05秒的速度完成验证码的工作。