Cyber-Zero：无运行时训练网络安全智能体
密码学与安全
2025-08-27 v2 计算与语言
机器学习
摘要
大型语言模型（LLM）在配合可执行运行环境训练后，在软件工程任务中取得了显著成功，尤其在解决 GitHub 问题方面表现突出。然而，这类运行环境在其他领域往往不可得，尤其是网络安全领域，因挑战配置和执行上下文往往暂时性或受限。我们提出 Cyber-Zero，这是第一个无运行时框架，用于合成高质量的智能体轨迹以训练网络安全 LLM。Cyber-Zero 利用公开的 CTF 解题报告，并借助基于角色的 LLM 模拟来逆向工程运行时行为，从而生成无需实际环境的真实、长期程度的交互序列。使用由 Cyber-Zero 合成的轨迹训练的 LLM 基于智能体，能够在三个突出 CTF 基准测试（InterCode-CTF、NYU CTF Bench 和 Cybench）上实现超过 13.1% 的绝对性能提升。我们最佳模型 Cyber-Zero-32B 在开源模型中树立了新纪录，匹配了专有系统如 DeepSeek-V3-0324 和 Claude-3.5-Sonnet 的能力，同时具备更优势的性价比，证明无运行时轨迹合成能够有效地民主化开发领先的网络安全智能体。
引用
@article{arxiv.2508.00910,
title = {Cyber-Zero: Training Cybersecurity Agents without Runtime},
author = {Terry Yue Zhuo and Dingmin Wang and Hantian Ding and Varun Kumar and Zijian Wang},
journal= {arXiv preprint arXiv:2508.00910},
year = {2025}
}
备注
Public Link: https://github.com/amazon-science/cyber-zero