arXiv cs.AI· Kerri Prinos, Lilianne Brush·· 12 小时前AI 评分31
首个评估自主防御智能体配置商业 EDR 的框架，揭示仿真到现实的差距
Closing the Sim-to-Real Gap: An Evaluation Framework for Autonomous Cyber Defense Configuration of Commercial EDR
AI 导读
研究者提出首个评估自主防御智能体加固商业 EDR 的框架，在 GOAD 实验环境中以 Horizon3 的 NodeZero 作为自主渗透测试工具、Microsoft Defender XDR 为主要被测 EDR，并扩展至 CrowdStrike Falcon 和 SentinelOne Singularity 验证结论是否跨厂商成立。
正文 · AI 翻译
摘要：领先的商业端点检测与响应（EDR）产品已从操作员配置的规则集转向多组件系统，其中自主 AI 组件与操作员部署的策略并行运行，并日益取代后者。将商业 EDR 作为加固工具的自主防御代理不再是在调优一个被动工具，而是在调优一个能够做出厂商特定决策的黑盒自主系统。我们提出了首个用于评估自主防御代理加固商业 EDR 的框架。我们在 Game of Active Directory（GOAD）实验环境中实例化该框架，以 Horizon3 的 NodeZero 作为自主渗透测试器，以 Microsoft Defender XDR 作为被测的主要 EDR。我们将同一框架扩展到 CrowdStrike Falcon 和 SentinelOne Singularity，以检验我们对 Microsoft Defender XDR 的发现是否适用于其他厂商。我们使用两个大语言模型（LLM）骨干（Claude Sonnet 4.6 和 Cisco Foundation-Sec-8B）对防御代理运行了一个样本基准测试。我们报告了三条经验教训，这些是仿真或开源 EDR 评估都无法揭示的：(i) 商业 EDR 遥测是为安全运营中心（SOC）分析师的工作流程而设计的，而非用于衡量策略有效性；(ii) 逐策略归因对于将防御代理的行为与 EDR 的自主行为区分开来很重要；(iii) EDR 行为在多次运行之间会发生变化，主要原因是遏制措施会变化并累积。总之，这些发现凸显了企业防御的仿真到现实差距，并推动了在具有黑盒自主工具的环境中基准测试自主防御代理的评估方法论。
| 评论： | 17 页，包括参考文献和附录 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.08168 [cs.CR] |
| （或 arXiv:2606.08168v2 [cs.CR] 为此版本） | |
| https://doi.org/10.48550/arXiv.2606.08168 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Lilianne Brush [查看电子邮件]
[v1]
2026 年 6 月 6 日星期六 13:31:51 UTC（93 KB）
[v2]
2026 年 10 月 21 日星期三 17:02:07 UTC（102 KB）
来源：arXiv cs.AI · arxiv.org