MCA-Bench：用于评估VLM-based攻击下CAPTCHA鲁棒性的多模态基准

随着自动化攻击技术的快速发展，CAPTCHA仍是防止恶意机器人活动的关键防御机制。然而，现有的CAPTCHA方案涵盖多样化的模态——从静态扭曲文本和混淆图像到交互式点击、滑动拼图和逻辑问题——但社区仍缺乏一个统一、大规模的多模态基准来严格评估其安全鲁棒性。为此，我们引入MCA-Bench，一个综合且可重复的基准套件，将异构CAPTCHA类型整合到单一评估协议中。利用共享的视觉语言模型主干，我们微调针对每个CAPTCHA类别的专用破解代理，实现一致的跨模态评估。广泛实验表明，MCA-Bench有效描绘了现代CAPTCHA设计在不同攻击设置下的脆弱性，关键性地提供了挑战复杂度、交互深度和模型可解性之间相互关联的首次定量分析。基于这些发现，我们提出了三项可操作的设计原则，确定了关键开放挑战，为系统性CAPTCHA加固、公平基准测试以及更广泛的社区合作奠定了基础。数据集和代码已在线上提供。