DoGNAVY-Exploit 用并行开源模型智能体做分阶段漏洞利用

11月3日周二 10:30论文AI 评分 78/100arXiv cs.AI

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。

一篇 arXiv 论文提出 DoGNAVY-Exploit，用多个开源权重模型智能体协作完成漏洞利用。它把长链条利用过程拆成可配置的里程碑，每个阶段只向智能体提供与该阶段相关的安全知识；同时用分层编排把战略规划与并行执行分开，规划器提出多条攻击路线，执行器并发验证，控制器只在有运行时证据时确认进展，共享结构化记忆汇总已验证事实与失败路线。在受控基准中，搭配 GLM-5.2 在 Cybench 上 Pass@1 达 97.5%，在 CVE-Bench 上零日 97.5%、一日 100%；在 ExploitGym 上搭配 GLM-5.2 解出 79 个任务、GLM-5.3 解出 157 个，公开 Claude Code 基线分别为 39 和 130。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

方法：拆阶段加并行

DoGNAVY-Exploit 针对开源权重模型在长链条漏洞利用中容易中断、且难以在正确阶段调用对应安全知识的问题，把长周期利用过程重新组织为若干可配置的里程碑，每个里程碑对应一次短而可验证的能力跃迁。知识披露按阶段进行，智能体只拿到当前阶段所需的安全知识，避免无关信息干扰判断。在每个里程碑内部，分层架构把战略规划与执行分开：规划器负责提出多条不同的攻击路线，执行器并发测试这些路线，控制器则要求进展必须有运行时证据支撑才被接受。跨分支的共享结构化记忆会汇总已验证事实、产物、复现步骤和失败路线，使后续分支能基于集体进展继续推进，并把验证过的知识带入下一个里程碑。

基准成绩与对比

在受控基准环境中，DoGNAVY-Exploit 搭配 GLM-5.2 在 Cybench 上取得 97.5% 的 Pass@1；在 CVE-Bench 上零日场景 Pass@1 为 97.5%，一日场景为 100%。在 ExploitGym 上，搭配 GLM-5.2 解出 79 个任务，搭配 GLM-5.3 解出 157 个任务；对应的公开 Claude Code 基线分别解出 39 个和 130 个任务。论文还给出消融结果，说明分阶段编排、专家知识注入、并行探索和共享记忆这几项设计各自对最终表现有实质贡献。

适用边界

论文将这套框架定位为开源权重模型的可及替代方案，用于缓解前沿模型智能体成本高、访问受限的问题。实验均在受控基准环境中完成，覆盖 Cybench、CVE-Bench 与 ExploitGym 三类评测，并未涉及真实目标环境的表现。作者同时指出这类能力存在被恶意使用的可能，这也是前沿模型受限的原因之一。

为什么值得看

展示开源权重模型通过多智能体编排在漏洞利用基准上逼近甚至超过闭源方案，安全与 Agent 工程都值得看。

Claude智能体安全开源模型论文

信源1 家

[1]arXiv cs.AI一手信源DoGNAVY-Exploit: Harnessing Parallel Open-Weight Agents for Stage-Aware Vulnerability Exploitation

关键事实

论文提出 DoGNAVY-Exploit，采用分阶段分解与渐进式专家知识披露，以及分层编排与并行探索两项设计[1]
搭配 GLM-5.2 时，Cybench 上 Pass@1 为 97.5%，CVE-Bench 上零日 97.5%、一日 100%[1]
ExploitGym 上 GLM-5.2 解出 79 个任务、GLM-5.3 解出 157 个，公开 Claude Code 基线为 39 和 130[1]
消融实验显示分阶段编排、专家知识、并行探索与记忆设计均带来明显提升[1]

DoGNAVY-Exploit 用并行开源模型智能体做分阶段漏洞利用

全文梳理

方法：拆阶段加并行

基准成绩与对比

适用边界

为什么值得看

信源1 家

关键事实

相关 · 论文

Axiom Math 融资 16 亿美元，为 AI 数学构建可验证基础

BEAKER：面向自动驾驶化学实验室的具身智能基准发布

FrontierPhysics 基准发布：56 项任务考察智能体端到端物理研究

HALO 人形机器人系统：仿真训练实现零样本真机迁移，成功率 91%