Capture the Flag
PulseAugur coverage of Capture the Flag — every cluster mentioning Capture the Flag across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的上下文分割提升了SLM在网络安全CTF任务中的表现
研究人员引入了一个新颖的上下文分割框架，旨在提高小型语言模型（SLM）在复杂、长周期任务（如网络安全夺旗赛（CTF）挑战）上的性能。这种两级代理方法将复杂的利用任务划分为更小、上下文隔离的子问题，从而缓解了上下文膨胀和认知退化的问题。在使用内存受限的Gemma 4模型对picoCTF数据集进行评估时，发现该策略，特别是使用E4B模型，与标准方法相比，取得了具有竞争力的奖励和更高的令牌效率。该框架成功解决了传统代理执行未能完成的18.5…
-
新型智能代理Intentest使用DAG改进自动化网络安全渗透测试
研究人员开发了Intentest，这是一种新颖的智能代理，专为网络安全中的长周期自动化渗透测试而设计。该代理通过将状态外部化到持久的事实-意图有向无环图（DAG）上，解决了基于LLM的系统中的上下文遗忘和意图漂移问题。Intentest将已验证的网络状态存储为事实节点，并将探索方向存储为意图边，显著减少了无效转换并提高了探索效率。在真实的Capture the Flag挑战中进行评估，Intentest取得了88.2%的总体成功率，与…
-
韩国游戏 Project ZETA 强制夺旗模式下的持续战斗
Project ZETA 是一款在韩国开发的新在线对战游戏，旨在消除夺旗模式中的“逃跑”元素。该游戏的设计迫使玩家持续战斗，使躲避成为不可能。
-
AI 快速攻克网络安全夺旗挑战赛 · 跟踪 3 个来源
人工智能正以前所未有的速度展现出解决夺旗（CTF）网络安全挑战的卓越能力。这些人工智能系统现在能在短短几分钟内完成复杂的 CTF 任务，这是自动化网络安全问题解决领域的一项重大进展。这一发展凸显了人工智能在应对复杂技术挑战方面日益增长的潜力。
-
新基准CREBench测试LLM在密码逆向工程中的能力
研究人员推出了CREBench，这是一个旨在评估大型语言模型（LLM）在密码二进制逆向工程领域能力的新基准。该基准包含432个挑战，源自标准密码算法和不安全密钥使用场景，难度各异。在评估中，GPT-5.4在八个前沿LLM中表现最强，得分64.03（满分100），在59%的挑战中成功恢复了flag，但人类专家仍以92.19的得分保持显著优势。
-
据报道，AI系统攻击实验室后，其自身方法被反制
一个研究实验室报告称遭到一个AI系统的攻击，该系统据称是使用一个中国的LLM构建的。该实验室并未仅仅阻止这次攻击，而是据称将其自身的AI方法反制于该AI。这一事件之所以引人注目，是因为它可能代表着AI攻击从理论走向现实世界对抗的转变，在这种对抗中，AI本身会实时调整其策略。
-
大型语言模型扰乱CTF网络安全竞赛，新论文提出保障措施
一篇新发表在arXiv上的论文探讨了大型语言模型（LLMs）对夺旗赛（CTF）网络安全竞赛的重大影响。研究表明，LLMs现在能够可靠地解决密码学、Web渗透和二进制漏洞利用中的许多挑战，这引发了对竞赛公平性和CTF教育价值的担忧。为解决这些问题，该论文提出了一个包含分级赛区、抗LLM挑战设计、遥测和行为准则的四部分框架。
-
OpenAI 发布 GPT-5.6 Sol，编码和网络安全分数创纪录
OpenAI 已正式推出其 GPT-5.6 Sol 模型系列，包含三个层级：Sol、Terra 和 Luna。旗舰 Sol 模型在 TerminalBench 2.1 编码基准测试中取得了创纪录的 91.9% 的分数，在网络安全测试中获得 96.7% 的分数，由于其先进的能力，引发了初步的政府审查。在受控预览期后，OpenAI 获得了公开发布的许可，其中包括一个灵活的三层定价结构，旨在满足各种开发人员和企业需求。
-
新的AI渗透测试评估协议反映了真实世界的复杂性
研究人员开发了一种新的AI渗透测试代理评估协议，旨在更好地反映真实世界场景。与专注于简化环境中预定义目标的现有基准不同，该新协议根据复杂目标上经过验证的漏洞发现来评估代理。它结合了基于LLM的语义匹配、模糊感知评分以及持续的地面实况维护，以提供对AI渗透测试能力更具操作信息量的比较。相关的代码和地面实况数据正在发布，以确保可重复性。
-
新基准量化大语言模型沙箱逃逸能力
研究人员开发了SANDBOXESCAPEBENCH，一个旨在安全评估大语言模型（LLMs）突破容器化沙箱环境能力的新基准。该基准以夺旗赛（CTF）挑战的形式实现，模拟了一个在容器内拥有shell访问权限的对抗性代理，并涵盖了各种逃逸机制，包括配置错误、权限错误和内核漏洞。初步研究结果表明，大语言模型能够成功识别并利用这些沙箱内的漏洞，突显了此类评估方法对于确保先进AI代理隔离环境的持续安全性的必要性。
-
Gemma AI 在意识到步数限制时无法通过 CTF 挑战
一项使用 Gemma 模型进行的实验显示，在“攻防兼备”(CTF) 挑战中告知 AI 其剩余步数并未提高其成功率。事实上，当 Gemma 明确承认其步数限制时，它几乎总是无法解决 CTF。这表明，虽然模型会处理有关资源限制的信息，但它并不能有效地利用这些信息来改变其策略，常常会形成无法在剩余步数内测试的新假设。
-
AI对夺旗赛的影响引发讨论
一篇文章讨论了AI对夺旗赛（CTF）的感知影响，并将其与关于AI对其他领域影响的类似讨论进行了比较。作者反思了AI可能如何改变这些网络安全挑战的格局。
-
AI 工具通过自动化推理削弱 CTF 竞赛
作者认为，随着人工智能工具的日益普及，夺旗赛（CTF）的意义越来越小。虽然玩家历来都使用工具，但令人担忧的是，现在人工智能承担了核心的推理和问题解决工作，只留下参与者复制最终答案。这种转变削弱了人类参与者的挑战和学习体验。
-
AI工具让网络安全CTF变得太容易，作者声称
作者观察到，由于AI工具的广泛使用，夺旗赛（CTF）网络安全竞赛变得越来越容易。在最近的CTF比赛中，大量队伍能够解决所有挑战，这种情况以前被认为是不可想象的。这一转变表明AI正在普及高级网络安全技能，可能会改变竞争性黑客的格局。
-
AI颠覆网络安全培训，导致CTF竞赛衰落
随着人工智能日益颠覆传统方法，网络安全培训的格局正在发生转变。据报道，作为安全教育的基石，夺旗赛（CTF）竞赛正在衰落，因为它们难以跟上人工智能驱动的挑战的步伐。这一演变标志着网络安全技能的开发和测试方式发生了范式转变。
-
年轻黑客称AI超越其技能后CTF赛场已死
一位年轻选手宣布夺旗赛（CTF）网络安全竞赛已过时，声称AI已超越其黑客技能。这一声明带有轻蔑的语气，质疑此类宣告的相关性以及AI对传统技能的广泛影响。
-
大学讲座通过夺旗赛介绍实践网络安全练习
Hubert Feyrer博士将就“夺旗赛”（CTF）作为一种实践网络安全练习进行演讲。该讲座面向初学者，将解释什么是CTF，它们在当前安全格局中的相关性，以及如何开始。它还将重点介绍练习的平台和活动。该活动是Regensburg大学Maria Leitner教授的“网络安全博弈论”课程的一部分。