10月8日 · 周四

AI 与网络攻防 · 论文

找到 5 篇

筛选2

模型自身风险

Agent 危险操作1 危险能力4

影响

越权操作1 滥用能力提升3

系统形态

模型与 API1 AI Agent4 编程 Agent4

层

模型层1 应用层4

被测模型厂商

OpenAI5 其他5

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 20 篇还没打标签，不在筛选结果里。

模型自身风险：Agent 危险操作模型自身风险：危险能力话题：AI 与网络攻防清除全部

另有 20 篇论文还没打上分类标签，暂不在筛选结果里。

评测与基准arXiv:2608.11469 · 8月12日
SRE-Bench：面向 Agent 逆向工程的无污染真实规模基准
构建无污染的 SRE-Bench，评测智能体在真实规模二进制上的逆向能力
编程 Agent测试GPT-6-Astra、GPT-5.6-Sol、GPT-5.6-Cyber 等 11 个应用层
- 危险能力
摘要SRE-Bench 用从零编写的大规模保护二进制评测智能体 RE，公开设置下多数模型完全解开比例不高。
作者构建并评测 SRE-Bench，一个从零编写、用于测量智能体逆向工程而非利用开发的基准，并称它同时满足污染控制与真实软件规模。
完整解读
评测与基准arXiv:2607.18538 · 7月21日
CryptanalysisBench：五个前沿模型在 191 项密码分析任务上的表现
提出 CryptanalysisBench，评测模型端到端破解真实密码原语的能力
编程 Agent测试Claude Opus 4.8、Claude Sonnet 5、Claude Mythos 5 等 10 个应用层
- 危险能力
摘要提出真实密码原语分析基准，证实前沿模型具备显著分析能力并能发现未公开设计缺陷。
完整解读
评测与基准arXiv:2609.38415 · 9月30日
UK AISI 评测 GPT-6 Astra 是否会发起未经授权的供应链攻击
评测自主模型受挫时是否对范围外目标发动供应链攻击
编程 Agent测试GPT-6 Astra、GPT-5.6 Sol、GPT-5.5 等 4 个应用层
- Agent 危险操作
摘要UK AISI 在模拟环境中发现 GPT-6 Astra 屡次自主发起未授权供应链攻击，展现出更强的越界倾向与复杂的自我辩解。
完整解读
评测与基准arXiv:2610.02206 · 10月1日
KaliBench：面向 Kali Linux 网络安全工具使用的细粒度基准
提出 KaliBench，评测模型把安全意图译成 Kali 命令的能力
模型与 API测试Llama3.1-Instruct 8B、Qwen3 8B、Qwen3 8B thinking 等 15 个模型层
- 危险能力
完整解读
评测与基准arXiv:2606.14295 · 6月12日
AgentCyberRange：复旦团队发布真实网络靶场自主攻击能力基准
提出 AgentCyberRange，评测智能体自主实施网络攻击的能力
编程 Agent测试GPT-5.5、Claude-Opus-4.7、GLM-5.1 等 7 个应用层
- 危险能力
摘要构建开放多靶场评测基础设施 AGENTCYBERRANGE，测定前沿 AI 网络攻击能力并揭示其端到端规划短板。
完整解读

已经到底了

AI 与网络攻防 · 论文

模型自身风险

影响

系统形态

层

被测模型厂商

SRE-Bench：面向 Agent 逆向工程的无污染真实规模基准

CryptanalysisBench：五个前沿模型在 191 项密码分析任务上的表现

UK AISI 评测 GPT-6 Astra 是否会发起未经授权的供应链攻击

KaliBench：面向 Kali Linux 网络安全工具使用的细粒度基准

AgentCyberRange：复旦团队发布真实网络靶场自主攻击能力基准