双项全球第一!谋乐Elliot刷新CyberGym自托管模型全球最好成绩

admin 2026-11-18 01:43:38 网络安全文章 来源:ZONE.CI 全球网 0 阅读模式

双项全球第一!谋乐Elliot刷新CyberGym自托管模型全球最好成绩

原创

谋乐科技BUGBANK
谋乐科技BUGBANK

行长叠报

2026年11月17日 17:11
上海

去阅读

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CyberGym领军梯队。

在榜单93个参评系统中,elliot-v1在两个维度荣获全球榜首:

单一自研专有安全自托管模型(elliot-rdt-v1):按榜单披露的模型信息统计,在不采用多模型混合编排、不直接调用通用开源基座,而由谋乐科技单一自研的专有Elliot RDT 基于Prelude — Recurrent Core — Coda 三段式架构漏洞挖掘模型驱动且自托管部署的不联网隔离系统中,elliot-v1(97.28%)得分最高;

自进化记忆(Elliot Agent Test-Time-Mem):在官方标注test-time mem.(测试时更新知识库)的 9 个系统中,elliot-v1(97.28%)得分最高。

国际公认的实战攻防的奥运会

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。

“不从开源模型借力”

自托管模型在这场竞赛中更加硬核

面对 Google、Anthropic 与 OpenAI 等国际巨头同场竞争的背景下,答题总分虽然只位列全球全榜第 7,但深入榜单公开的技术配置可以发现,Elliot不依托Agent过拟合去 “赢取高分成绩”,而是通过搭载自研安全模型 elliot-rdt-v1 的 elliot-v1,走出了两条差异化的工程路线:

elliot-rdt-v1 技术的学术演进

2018年,Dehghani等人提出 Universal Transformer,首次将循环深度引入Transformer架构:用一组共享权重反复处理输入,使模型对不同复杂度的问题动态分配计算量,并在理论上具备图灵完备性。2025 年,Saunshi 等人在 ICLR 上发表了里程碑式论文 Reasonig with Latent Thoughts,从数学上严格证明了一个关键结论:k 层 Transformer 循环 L 次,在推理任务上近似等价于kL 层的非循环模型,但仅需 k 层的参数量。更重要的是,该研究证明循环模型可以隐式模拟链式思维(CoT)推理——每次循环迭代等价于显式 CoT 中的一个推理步骤,但在连续潜空间中完成,不输出任何中间 token。同期,Meta 研究团队提出的 COCONUT(Chain of Continuous Thought)进一步验证了潜空间推理的可行性:大语言模型可在连续向量空间而非离散 token 空间中进行推理,从而同时编码多条推理路径、消除词表瓶颈。

随着网络攻击手段日趋复杂化,传统大语言模型在安全分析中暴露出推理深度固定、算力分配僵化的结构性局限。Elliot RDT(Recurrent Depth Transformer)-v1 是谋乐网络科技面向网络安全场景研发的循环深度推理引擎,采用当前最前沿的循环深度 Transformer 架构,旨在通过推理架构层面的根本性创新突破上述瓶颈。

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“Jailbreak”或“破限”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、焦点转移和检索漂移。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,也在工程化能力上得到了赛事评委会的认可。

上述两项指标的突破切中了企业级 AI 漏洞挖掘落地的关键命门——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

从过去依赖“人类白帽高手”,到如今开源AI工具变为每一位白帽手上的工具,行业巨变下,隐藏的是技术革命和生产关系的根本改变。谋乐科技研发团队在今年3月份提出了重新定位白帽,到目前随着行业重心从单纯比拼“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。

BUGBANK平台官网:https://www.bugbank.cn/

联系电话:400-600-3887

服务邮箱:[email protected]

商务合作:[email protected]

**也许你还想看****

谋乐科技“智攻链”项目荣获2026年“数据要素×”大赛上海分赛二等奖

谋乐科技获评CNCERT上海分中心应急服务支撑单位,网安宣传周多场活动集中亮相

谋乐科技亮相2026长三角高技术成果交流大会 以AI重塑数字世界攻防范式

▼点击阅读原文 了解BUGBANK ↓

评论:0   参与:  0