11月10日,由美国加州大学伯克利分校去中心化与人工智能研究中心(RDI)维护的网络安全漏洞挖掘基准——CyberGym Leaderboard(Level 1)完成数据更新。在单轮独立运行(trials: 1)的严苛测试条件下,由上海谋乐网络科技有限公司(BUGBANK)Elliot 团队携手极客谷、人工智能安全产业联盟打造的“AI白帽黑客”系统 Elliot(参测代号 elliot-v1),得到了97.28%的综合高分,进入官方第一梯队,获“单一自研安全模型”与“测试时自进化记忆(test-time mem.)”两大维度的全球第一。
国际公认的实战攻防“度量衡”
在前沿 AI 安全评估领域,加州大学伯克利分校提出的 CyberGym 是衡量被测系统真实代码攻防水平的重要标尺,并被写入《2026 国际人工智能安全报告》,成为该报告重点追踪的全球四大 AI 安全基准之一。
该基准测试直接采用真实世界的工业级代码库,涵盖来自 ARVO 和 OSS-Fuzz 的 188 个主流大型开源项目与 1,507 个历史高危漏洞。测试过程中不提供任何解题线索,参评系统需完全依靠自主推理,在庞杂源码中精准锁定漏洞位置、合成攻击输入并完成崩溃验证。从细分得分看,elliot-v1 在两大漏洞集上均展现出稳健的工程复现能力,单轮总分领先于多家国际知名科技巨头的参评系统。
拆解 97.28% 背后的两条差异化技术路线
在总分位列全榜第 7 的背景下,深入剖析榜单公开的技术配置可以发现,搭载自研安全模型 elliot-rdt-v1 的 elliot-v1,走出了两条迥异于前排系统的工程路线:
在底层模型维度,确立“单一原生安全模型”最高分。 榜单前 6 名系统普遍采用了多模型协同调度,或直接基于公开通用大模型构建。在实战视角下,多模型并发调度意味着高昂的算力消耗,制约了企业级规模化部署;而通用大模型因受限于内置安全对齐策略,往往需要通过“越狱”或“破甲”等非正常技术手段才能被用于漏洞攻击测试,难以满足严肃商业场景的合规要求。elliot-v1 选择以单一自主可控的垂直安全模型独立应战,支持私有化自托管,拿下了同类专有单模型架构的最高成绩。
在智能体记忆维度,领跑“测试时自进化记忆”序列。 真实网络攻防往往属于长时序、跨项目的连续作战,而非彼此割裂的单题测试。大模型在应对长序列任务时,极易受上下文窗口与注意力机制制约,产生记忆膨胀、语义错位和检索漂移。CyberGym 设立的 test-time mem. 标识组,正是为了检验智能体能否在测试进程中实时提炼漏洞规律与构造范式,并跨任务迁移复用。elliot-v1 在该官方序列中位列第一,体现出更契合人类安全专家作业逻辑的持续进化能力。
业内技术专家表示,上述两项指标的突破切中了企业级 AI 漏洞挖掘落地的核心命门——即如何在保障技术合规与系统长周期运转稳定的同时,将算力投入产出比控制在合理区间。
中国网安力量探索 AI 攻防突围新路径
从早年开创国内漏洞众测平台模式,到如今在 UC Berkeley 权威基准上验证自研安全大模型与系统,上海谋乐科技(BUGBANK)联合极客谷、人工智能安全产业联盟的这一实践,勾勒出 AI 安全技术演进的新趋势。随着行业竞争重心从单纯比拼“模型参数规模与工具堆砌”,逐步转向比拼“合规落地能力与长序列任务实战效能”,依托深厚的一线实战经验构建可持续进化的垂类安全系统,正为中国本土安全企业在全球 AI 攻防赛道赢得独特身位。
【以上内容为推广信息,所涉及内容不代表本网观点,不构成投资建议、消费建议。】