PulseAugur
实时 08:16:15
English(EN) CyberForge: Verified Vulnerability Injection at Repository Level for Cybersecurity Agent Training

CyberForge框架生成合成数据以训练网络安全LLM代理

研究人员开发了CyberForge,一个旨在为大型语言模型(LLM)代理生成合成安全训练数据的新颖框架。该框架将经过验证的漏洞注入到真实的C/C++软件项目中,确保注入的代码是可编译的,并且漏洞可以被动态触发。由此产生的数据集包含80个项目中的1034个已验证漏洞,显著提高了LLM代理在SEC-bench和PatchEval等安全基准测试上的性能。 AI

影响 通过提供一种可扩展的方法来生成真实的漏洞数据,增强了LLM代理在网络安全方面的能力。

排序理由 该集群描述了一篇研究论文,其中详细介绍了一个用于为AI训练生成合成数据的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

CyberForge框架生成合成数据以训练网络安全LLM代理

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Amine Lbath, Manan Suri, Aurelien Delaitre, Vadim Okun, Massih-Reza Amini, Ram D. Sriram, Dinesh Manocha ·

    CyberForge:用于网络安全代理训练的可验证存储库级别漏洞注入

    arXiv:2608.06471v1 Announce Type: cross Abstract: Despite recent advances, frontier large language model (LLM) agents remain limited in discovering and patching complex vulnerabilities in real-world software. Generally available agents can already aid attackers, who only need to …