跳到正文
arXiv cs.CL· Terry Yue Zhuo, Dingmin Wang, Hantian Ding, Varun Kumar, Zijian Wang·· 2 天前AI 评分45

Cyber-Zero:无需运行时环境训练网络安全智能体

Cyber-Zero: Training Cybersecurity Agents without Runtime

AI 导读

Cyber-Zero 是首个无需运行时环境的框架,利用公开 CTF writeups 和人格驱动 LLM 模拟逆向还原运行时行为,合成高质量智能体轨迹用于训练网络安全 LLM。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:大型语言模型(LLM)在使用可执行运行时环境训练时,在软件工程任务中取得了显著成功,尤其是在解决 GitHub 问题方面。然而,此类运行时环境在其他领域往往不可用,尤其是在网络安全领域,因为其中的挑战配置和执行上下文是短暂的或受限的。我们提出 Cyber-Zero,这是首个无需运行时即可合成高质量智能体轨迹以训练网络安全 LLM 的框架。Cyber-Zero 利用公开可用的 CTF writeup,并采用人格驱动的 LLM 模拟来逆向工程运行时行为,在没有实际环境的情况下生成逼真的长程交互序列。使用 Cyber-Zero 合成的轨迹,我们训练的基于 LLM 的智能体在三个知名 CTF 基准上相比基线模型取得了最高 11.4% 的绝对性能提升:InterCode-CTF、NYU CTF Bench 和 Cybench。我们最好的模型 Cyber-Zero-32B 在开放权重模型中确立了新的最先进性能,匹配了 DeepSeek-V3-0324 和 Claude-3.5-Sonnet 等专有系统的能力,同时具有更优的成本效益,并表明无需运行时的轨迹合成可以有效普及最先进网络安全智能体的开发。
评论: 公开链接:this https URL
主题: 密码学与安全(cs.CR);计算与语言(cs.CL);机器学习(cs.LG)
引用为: arXiv:2508.00910 [cs.CR]
  (或 arXiv:2508.00910v3 [cs.CR] 用于此版本)
  https://doi.org/10.48550/arXiv.2508.00910

arXiv 颁发的 DOI 通过 DataCite

提交历史

来自:Terry Yue Zhuo [查看电子邮件]
[v1] 2025年7月29日星期二 18:10:37 UTC(583 KB)
[v2] 2025年8月25日星期一 18:12:25 UTC(590 KB)
[v3] 2026年11月13日星期五 11:42:17 UTC(583 KB)

来源:arXiv cs.CL · arxiv.org