CyberBinGym 基准评测智能体二进制漏洞利用能力

事件综述根据 1 篇报道整理，11月11日更新

加州大学伯克利分校 RDI 等机构发布预印本基准 CyberBinGym，考察 AI 智能体在只有已打补丁与未打补丁二进制、没有源码和触发输入的情况下，能否从补丁差异中恢复漏洞并完成利用。该基准包含 100 个任务，取自 53 个开源项目中的真实漏洞。 作者称，主实验在关闭安全防护的可信访问程序上进行，目的是测量能力边界，结果仅对应所评测的配置，不代表常规有防护部署下的表现；实验使用历史漏洞和受控受害服务，不衡量生产环境被攻陷的比例，也不衡量利用新发布补丁所需的时间。作者还说明，其中一组后续实验只选取了此前成功的案例，不能据此估计全部 100 个任务的加固利用成功率。

综述由模型根据报道生成，细节以各篇原文为准。