AgentCyberRange：复旦团队发布真实网络靶场自主攻击能力基准

论文速读

问题

前沿 AI 已能做代码审计、漏洞检测与利用，但缺少开放、可复现的多主机 cyber range 基础设施，现有公开 benchmark 多把真实入侵的端到端结构（发现暴露服务、取得初始立足点、内部信息收集、跨主机扩展）抽象掉，难以在贴近真实的条件下及早观察其攻击能力。

方法

作者提出 AgentCyberRange：含 15 个真实 Web 应用、110 个漏洞（含 18 个 0-day、56 个 1-day、36 个合成漏洞）的 Web 利用任务，以及 8 个企业式 cyber range、156 台内部主机的后渗透任务，并分 Level-0/1/2 三档提示。配套 CAGE 工具链负责 agent 适配、任务编排、靶场部署、轨迹收集与基于运行时证据的自动验证。

实验与结果

在匹配提示与步数预算下评测六个前沿 AI 系统，GPT-5.5 + Codex 成功率最高，Web 利用 16.1%、后渗透 31.7%，给出更具体提示后升至 33.0% 和 46.3%。系统还发现基准外漏洞（如 ComfyUI 任意文件写 0-day）并变异 payload 绕过主机防御；但常漏掉隐藏攻击面、多次运行不稳定、多步后渗透链失败、触发蜜罐并留下告警。

局限与可以继续做的

只覆盖 Web 利用与后渗透两阶段，未涉及钓鱼、Windows 域攻击、云 IAM 滥用、供应链攻击或社会工程；结果依赖所评测系统、harness、提示、工具与预算，API 不稳定、安全拒答和执行失败会影响成绩；验证器依赖可观测运行时证据，可能低估部分进展或替代攻击路径，基准外漏洞需人工验证。

据 论文全文（AI 生成） 整理，供快速了解，以论文原文为准。