我对 SO 上使用的 CAPTCHA 系统很着迷……我想更多地了解使 reCAPTCHA 起作用的“许多因素”。可以理解的是，考虑到滥用的可能性，开发人员对他们系统的确切内部运作保持沉默......但是这种行为有据可查，所以也许我的好奇心仍然可以满足：
如果我要设计一个 reCAPTCHA 的克隆，我该怎么做呢？
reCAPTCHA 允许：
- 打字错误
- 在人们做它们的地方。这表明我需要拥有有关错误的历史数据，然后基于此制定算法。
打字错误的检测需要大量使用数据库：一个用于数字化书籍中的单词，另一个用于已知单词。
技术已知细节
- 两个数据库：一个用于已知单词，另一个用于未知单词
- 用于组合词的后续数据库
未知的技术细节
- 如何快速分离单词，以便您看到来自不同数据库的单词组合？这是关于信号处理的。
- 如何将两个数据库中的数据提供给用户？
- 两个独立数据库中数据的初始形式是什么？PDF？
- 当来自两个数据库的数据合并时，随后的数据形式是什么？.pdf？
- 如何将数据从两个 pdf 文件合并为一个？
- 如何有效地旋转图像？
- 哪些算法用于将图像与书籍分开？
相关话题
- 信号处理
- 微积分：用于单词检测算法的系列，例如傅立叶和拉普拉斯。
- 概率论：有一个“计算机-人”系数，仅当它通过时才通过，例如，具有 95 置信区间
- 也许是数论：我们需要有效地存储和比较数据