MCA-Bench: Ein multimodaler Benchmark zur Bewertung der CAPTCHA-Robustheit gegenüber VLM-basierten Angriffen

MCA-Bench: A Multimodal Benchmark for Evaluating CAPTCHA Robustness Against VLM-based Attacks

June 6, 2025

Autoren: Zonglin Wu, Yule Xue, Xin Wei, Yiren Song

cs.AI

Zusammenfassung

Während sich automatisierte Angriffstechniken rasant weiterentwickeln, bleiben CAPTCHAs ein entscheidendes Abwehrmechanismus gegen bösartige Bots. Allerdings umfassen bestehende CAPTCHA-Schemata eine Vielzahl von Modalitäten – von statischem verzerrtem Text und verschleierten Bildern bis hin zu interaktiven Klicks, Schiebe-Puzzles und logikbasierten Fragen – doch der Community fehlt nach wie vor ein einheitlicher, groß angelegter, multimodaler Benchmark, um deren Sicherheitsrobustheit rigoros zu bewerten. Um diese Lücke zu schließen, stellen wir MCA-Bench vor, eine umfassende und reproduzierbare Benchmarking-Suite, die heterogene CAPTCHA-Typen in ein einheitliches Bewertungsprotokoll integriert. Mithilfe eines gemeinsamen Vision-Language-Modell-Backbones feintunen wir spezialisierte Cracking-Agenten für jede CAPTCHA-Kategorie, wodurch konsistente, cross-modale Bewertungen ermöglicht werden. Umfangreiche Experimente zeigen, dass MCA-Bench effektiv das Schwachstellenspektrum moderner CAPTCHA-Designs unter verschiedenen Angriffsszenarien abbildet und erstmals eine quantitative Analyse bietet, wie Herausforderungskomplexität, Interaktionstiefe und Modelllösbarkeit zusammenhängen. Basierend auf diesen Erkenntnissen schlagen wir drei umsetzbare Designprinzipien vor und identifizieren zentrale offene Herausforderungen, wodurch die Grundlage für systematische CAPTCHA-Härtung, faires Benchmarking und breitere Community-Zusammenarbeit gelegt wird. Datensätze und Code sind online verfügbar.

English

As automated attack techniques rapidly advance, CAPTCHAs remain a critical defense mechanism against malicious bots. However, existing CAPTCHA schemes encompass a diverse range of modalities -- from static distorted text and obfuscated images to interactive clicks, sliding puzzles, and logic-based questions -- yet the community still lacks a unified, large-scale, multimodal benchmark to rigorously evaluate their security robustness. To address this gap, we introduce MCA-Bench, a comprehensive and reproducible benchmarking suite that integrates heterogeneous CAPTCHA types into a single evaluation protocol. Leveraging a shared vision-language model backbone, we fine-tune specialized cracking agents for each CAPTCHA category, enabling consistent, cross-modal assessments. Extensive experiments reveal that MCA-Bench effectively maps the vulnerability spectrum of modern CAPTCHA designs under varied attack settings, and crucially offers the first quantitative analysis of how challenge complexity, interaction depth, and model solvability interrelate. Based on these findings, we propose three actionable design principles and identify key open challenges, laying the groundwork for systematic CAPTCHA hardening, fair benchmarking, and broader community collaboration. Datasets and code are available online.