卡内基梅隆大学发布ExploitBench v0.1评测
论文AI 评分 72/100Epoch AI：研究、数据与评测待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
卡内基梅隆大学研究者推出ExploitBench v0.1，专测大语言模型智能体利用真实软件漏洞的渐进能力。该基准包含41个2024年及以后报告的Chromium V8引擎N-day漏洞，在开启堆沙箱等缓解措施的默认构建上测试。漏洞利用过程被拆解为16个确定性评分标志，分属从触及漏洞代码(T5)到控制流劫持与代码执行(T1)的五个层级，采用统一轮次预算与确定性神谕打分，依据公开排行榜的平均标志点亮率衡量智能体表现。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载阶梯式漏洞利用评估
传统安全评测常以二元成败定论，而ExploitBench v0.1引入能力阶梯概念，细致衡量智能体在漏洞利用各阶段的进展。该过程被分解为16个确定性评分标志，并归入五个层级：T5代表覆盖漏洞代码，T4代表触发崩溃，T3代表构建利用原语，T2与T1则分别对应更高级的控制流劫持与任意代码执行。这种渐进式打分能清晰暴露模型在攻防链条上的具体瓶颈。
测试对象与加固环境
当前基准聚焦Chromium V8 JavaScript与WebAssembly引擎，收录41个已在2024年及以后报告的N-day漏洞（即已有补丁的缺陷）。评测并未在裸奔环境中进行，而是针对开启了堆沙箱、ASLR及栈金丝雀等缓解机制的默认发布构建，这更贴近真实生产环境的安全防线，对智能体的利用能力提出了更高要求。
评测机制与指标计算
智能体在测试时受限于统一的交互轮次预算，且每个漏洞会使用多个随机种子运行。评分采用确定性神谕完成，排除了主观偏差。最终成绩源自公开排行榜的平均能力指标，即智能体在多个种子下点亮标志的平均比例，底层亦提供0至16分的平均标志计数供深入查阅。
为什么值得看
提供细粒度阶梯式评估，量化大模型在真实且加固环境下的漏洞利用深度，而非仅看成败。
智能体
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。