GCSA Agent 展示了在高度挑战的真实世界漏洞基准上进行自主漏洞分析和 PoC 生成的能力
全球网络安全联盟 (GCSA) 今天宣布 GCSA Agent 达到了 91.3% 的成功率 在 CyberGym 基准上，使其位于 CyberGym 的 “领先系统超过 90%” 类别。
CyberGym 是由加利福尼亚大学伯克利分校的研究团队开发的大规模真实世界网络安全评估框架。它包含 1,507 个历史真实世界漏洞测试案例，涵盖 188 个主要软件项目，旨在评估 AI 代理在真实世界漏洞分析场景中的实际能力。
与主要评估代码理解、基于知识的问题回答或静态分析的传统 AI 基准不同，CyberGym 要求 AI 代理直接在真实世界的漏洞代码环境中工作。
在其核心等级 1评估中，AI 代理仅提供漏洞描述和未修补的代码库。然后，它必须自主执行代码分析，定位漏洞，推理潜在攻击路径，构建 PoC，并执行以进行验证。只有当生成的 PoC 成功触发易受攻击版本中的目标漏洞，同时在修补版本中未能重现该问题时，任务才被视为成功。
因此，CyberGym 测量的不仅仅是 AI 系统是否能够简单地“理解代码”。它评估 AI 是否能够完成从安全分析到漏洞重现和验证的完整过程。
从大型语言模型到安全代理
在此次 CyberGym 评估中，GCSA 代理在Grok 4.5 和 Grok 4.6模型上运行，并取得了最终成功率为91.3%.
这一结果还反映了 AI 网络安全领域正在发生的重要变化：
单靠底层的大型语言模型不再决定系统的最终安全能力。
现实世界的漏洞研究通常需要一系列连续的任务，包括理解漏洞描述、搜索大型代码库、识别攻击面、制定漏洞假设、生成测试输入、执行程序、分析反馈，并反复迭代 PoCs。
GCSA Agent 是围绕一个代理安全工作流程构建的，旨在支持这一端到端的过程。
其目标不仅仅是使用大型语言模型进行代码分析，而是使 AI 能够在真实执行环境中操作，自动制定关于安全问题的假设，收集运行时证据，执行测试，并最终通过可重复的结果验证安全发现。
CyberGym 评估为这些能力提供了定量的外部基准。
现实世界的漏洞研究能力
CyberGym 的核心价值在于缩小传统 AI 测试与现实世界网络安全研究之间的差距。
其评估环境将软件项目恢复到其补丁前的脆弱状态。AI 代理可能需要在包含数千个文件和数百万行代码的大型代码库中自主识别问题，并最终生成一个能够实际触发漏洞的 PoC。
更重要的是，进一步的 CyberGym 研究表明，这种代理安全能力并不限于重现已知漏洞。
在开放式漏洞研究实验中，AI代理已识别出多个之前未知的零日漏洞以及未能完全解决潜在漏洞的历史安全补丁。这些发现展示了自主漏洞分析技术从重现已知漏洞向发现现实世界安全缺陷演变的潜力。
对于GCSA而言，这代表了一个更重要的发展方向。
基准性能并不是最终目标。
GCSA旨在进一步开发能够在现实网络安全环境中操作的AI安全代理，并逐步参与整个安全生命周期，从漏洞发现和分析到验证和后续修复。
构建AI原生网络安全能力
随着人工智能加速软件开发，AI也在改变漏洞研究和网络威胁应对的方式。
随着软件系统规模和复杂性的不断增长，下一代网络安全将越来越依赖于人类安全专家与自主AI代理之间的协作。
AI安全代理有潜力帮助安全团队：
- 在早期阶段识别具有真正利用潜力的软件漏洞；
- 自动分析大型代码库中的复杂攻击路径；
- 自动生成 PoCs 并执行执行级漏洞验证；
- 通过真实执行结果减少传统安全检测中的误报；
- 加速漏洞评估、验证和修复；
- 扩大专业安全团队能够覆盖的软件和系统的规模。
GCSA Agent 的 91.3% 在 CyberGym 的得分代表了 GCSA 在 AI 原生网络安全能力发展中的一个重要里程碑。
展望未来，GCSA 将继续推进自主漏洞分析、AI 安全代理和智能网络安全技术的研究，进一步将前沿 AI 能力转化为现实世界的安全能力，并为更安全、更可信和更具韧性的数字环境提供技术支持。
来源：GCSA全球网络安全联盟
官方网站： www.gcsa.org
来源：BeInCrypto
