Perpustakaan Digital ITB

Perkembangan kecerdasan buatan dan deep learning telah menyebabkan sebagian besar sistem CAPTCHA konvensional tidak lagi mampu membedakan manusia dari bot secara andal. Slider CAPTCHA, salah satu varian yang populer karena pengalaman pengguna yang lebih baik, terbukti rentan terhadap serangan berbasis notch detection menggunakan algoritma edge detection dan template matching dengan tingkat keberhasilan mendekati 100%. Penelitian ini mengusulkan dan mengimplementasikan sistem puzzle slider CAPTCHA berbasis persamaan acak yang memetakan nilai slider ke posisi dan rotasi puzzle piece melalui fungsi parametrik non-linear, sehingga akurasi deteksi visual tidak lagi berkorelasi langsung dengan kemampuan bot menembus verifikasi. Sistem dibangun dengan arsitektur tiga subsistem yang berkomunikasi melalui HTTP REST, terdiri dari backend Fastify/Node.js, frontend React 19, dan modul pengujian bot berbasis Python/OpenCV. Pengujian dilakukan sebanyak 1.000 percobaan per mode menggunakan bot yang menerapkan Canny edge detection dan template matching. Hasil pengujian menunjukkan bahwa mode konvensional menghasilkan bypass rate sebesar 83,7%, konsisten dengan temuan pada literatur terdahulu, sedangkan mode persamaan acak hanya menghasilkan bypass rate sebesar 0,4%. Meskipun algoritma visi komputer masih mampu mendeteksi posisi notch secara visual pada mode persamaan acak dengan recognizability rate sebesar 66,0% pada ambang batas 5 piksel, kemampuan deteksi visual tersebut tidak menghasilkan kemampuan bypass yang sebanding, karena server memverifikasi nilai slider sebagai domain verifikasi, bukan koordinat piksel. Penelitian ini menunjukkan bahwa ketahanan sistem CAPTCHA dapat ditingkatkan secara fundamental dengan memisahkan ruang nilai koordinat piksel dari ruang nilai input verifikasi melalui pemetaan parametrik non-linear.