Google reCAPTCHAはあなたの個人情報を収集している?知っておきたいプライバシーリスク

CAPTCHAはセキュリティ面では非常に有効ですが、プライバシーにとっては深刻な脅威となり得ます。

興味深い事実があります。実は、私たちが日常的に目にするのはオリジナルのCAPTCHAではなく、そのほとんどがreCAPTCHAに置き換わっています。reCAPTCHAとは、検索エンジン最大手・Googleが所有するシステムのこと。スパムボットを阻止するために大幅に進化を遂げましたが、その一方で、今やあなたのプライバシーを脅かす存在になりつつあるのです。

reCAPTCHAとは何か?

CAPTCHA(Completely Automated Public Turing Test to Tell Computers and Humans Apart)は、フォームへのボットによるスパム投稿を防ぐための有効なツールでした。従来のCAPTCHAは、悪意あるソフトウェアには判読できないよう文字を歪めて表示し、人間だけが読み取れるフィルターとして機能していました。

しかしスパムボットは賢くなり、CAPTCHAも進化を余儀なくされます。こうして誕生したのがreCAPTCHAです。開発したのは元のテストを作った同じチームで、2009年にGoogleがこのプロジェクトを買収しました。多くのユーザーがその意図を疑っていたため、一部では批判の声も上がりました。

それでもreCAPTCHAは大きな効果を発揮し、機械学習の発展にも貢献しました。ランダムな文字の代わりに、Googleのボットが判読できなかった単語を採用したことで、Google Booksサービスにおける古典文学の自動デジタル化が実現したのです。

やがてアルゴリズムが人間の能力を追い越し、従来型のreCAPTCHAは役目を終えました。そこでGoogleが導入したのが「NoCAPTCHA reCAPTCHA」です。

NoCAPTCHA reCAPTCHAとは?

「私はロボットではありません」というチェックボックスをクリックするだけで、追加入力なしに認証された経験はありませんか?それは、そのサイトがreCAPTCHA v2以降を使用しているためです。

第2版でGoogleは、別の指標に基づく認証を導入しました。つまり、ユーザーのサイト上での行動が人間らしいものかボットらしいものかを判定し、判断できない場合にのみCAPTCHAを表示します。

さらに登場したのがreCAPTCHA v3です。このアップデートではチェックボックス自体が廃止され、認証プロセスが合理化され、ユーザー体験は大幅に向上しました。

v3はv2と同じ基盤、つまりサイト全体での行動評価を用いていますが、さらに一歩進んで、オンライン上の動きをより深く分析します。

また、CAPTCHAファーマー(従来型CAPTCHAを解読することを業務とする人々)が突破するリスクも低減します。v3では、彼らの仕事は実質的に「通常のユーザーがサイトとどうやり取りするか」を模倣することになりますが、v3の広範なスコープにより、より包括的なオンラインプロファイルまで再現しなければなりません。

すでに450万のサイトがreCAPTCHAを導入しており(上位1万サイトの約4分の1を含む)、うち65万以上がreCAPTCHA v3を使用しています。

インターネット上で異なるバージョンのreCAPTCHAが混在しているのは、サイト管理者が古いプラグインを使い続けている場合があるためです。ちなみにreCAPTCHA v1(基本的なCAPTCHA)はサイトのセキュリティには劣りますが、プライバシー保護の観点ではむしろ有利です。

なぜreCAPTCHAはプライバシーに悪影響なのか

reCAPTCHA v3はどのように機能し、なぜプライバシーにとって問題視されるのでしょうか?

v3が有効性を確認する方法の一つは、ブラウザにGoogleのCookieが既に保存されているかどうかを調べることです。Cookieはサイトとのやり取りに関する保存データで、一般的にはページ要素の再読み込みを高速化するために使われます。Googleアカウントにログインしていれば、reCAPTCHAはあなたを好意的に評価します。

理屈としてはもっともです。Googleアカウントを持っている人は本物の人間である可能性が高く、ボットではないと判断できるからです。

さらに、サービスが典型的な行動パターンを正確に測定できるよう、サイト管理者には全ページへのreCAPTCHAコード埋め込みが推奨されています(暗号化キーの変更により保護)。ここで浮上するのが、収集されるデータの内容と、Googleがそれをどう扱うのかという疑問です。

これらの情報に基づき、reCAPTCHAは訪問者にスコアを割り当て、低リスクまたは高リスクとして分類します。1.0は「間違いなく人間」、0.0は「ほぼ確実にスパムボット」を意味します。一般に、低リスクと判定されたユーザーは追加認証を受けずに済みます。

一方で、VPN(Virtual Private Network)を使用している人は自動的に高リスクとしてフラグが立てられます。しかし、オンラインプライバシー強化のためにVPNの利用を推奨する専門家やメディアは少なくありません。VPNは地域制限や検閲を回避し、コスト削減にもつながり、サイバー犯罪者に対する防壁にもなります。

実際、VPNを使うべき理由は数多くあります。VPNユーザーを不利に扱うのはreCAPTCHAにとって大きな矛盾ですが、驚くには当たりません。Googleはユーザー情報に依存して収益を上げている企業だからです。

Googleは個人情報をどう使っているのか?

Googleは収集したデータをどのように活用しているのでしょうか?

このサービスは、IPアドレス、ブラウザプラグイン、使用中のデバイスなど、サイト訪問者に関するソフトウェア・ハードウェア情報を収集します。

Googleは、reCAPTCHA APIを通じて収集された情報はユーザーの興味・関心の特定には使われず、広告にも利用されないと保証しています。これは意外に感じるかもしれません。同社は次のように述べています。

「本サービスの利用に関連して収集される情報は、reCAPTCHAの改善および一般的なセキュリティ目的のために使用されます。Googleによるパーソナライズド広告には使用されません。」

もちろん、ユーザーをトラッキングしているのはGoogleだけではありません。FacebookやTwitterなどで記事を共有するためのソーシャルメディアプラグインを見てください。これらのウィジェットの中には訪問者情報を収集するものがあり、プロフィールを持っていなくても、Facebookはあなたを追跡できるのです。

さらに、Googleの利用規約にはreCAPTCHA v3に関する明確な記述がありません。reCAPTCHAがこれらのポリシーへリンクしているにもかかわらずです。結局のところ、私たちはGoogleの言葉を信じるしかないのです。

CAPTCHAの未来はどうなる?

プライバシー懸念以外の根本的な問題は、reCAPTCHA v3でさえ完全ではないという点です。ある研究チームによると、人工知能は依然として90%の成功率で認証を突破できるといいます。

潜在的なプライバシー侵害が広く認識されている現在、開発者にはさらなるプレッシャーがかかっています。

課題は、人間の多様性ゆえに万人に通用する解決策を見つけるのが困難なことです。画像ベースのCAPTCHAは通常、道路標識を選ばせますが、表情の識別でも機能するか試験されたところ、ご想像の通り失敗に終わりました。

ゲーム形式のテストは有望な選択肢に見えます。例えば、パズルのピースを正しい位置に移動させるようなもので、要素の回転操作が必要になります。指示がなければ、ボットはこうした関連付けを行うのに苦労するはずです。ただし、この方式は人間の論理に依存しており、必ずしも信頼できるとは言えません。

Amazonは2017年、一見欠陥がありそうながら興味深いアイデアの特許を取得しました。「人間のミスこそが鍵」という発想です。「失敗によるチューリングテスト」では、ほとんどの人が短時間で完了できないほど難しい課題を提示します。人間は間違えて認証され、ボットは常に正解を出してしまう――という理論です。

Googleの独占は強まるのか?

CAPTCHAの共同開発者の一人で、カーネギーメロン大学のチームで研究に携わったルイス・フォン・アン(Luis von Ahn)氏は、「多くの人がすでにGoogleがこのサービスを所有していると思い込んでいた」として、GoogleによるreCAPTCHA買収は妥当だったと主張しています。しかしバージョン3において、reCAPTCHAがGoogleユーザーを優遇していることは明白です。これは同社がインターネットへの支配力を強めるもう一つの手段なのでしょうか?

それとも、その意図は純粋なのでしょうか?

いずれにせよ、Googleに抵抗を感じるなら、よりプライバシー重視のブラウザへ切り替えるのも一つの選択肢です。とはいえ、主要ブラウザのセキュリティ比較では、なんとChromeがトップに輝いたのですが……。