7 月 29 日消息，深信服公布其 AI 安全智能体 Sangfor AI 在 AI 安全评测 CyberGym 中的最新成绩。

据了解，在基于国产大模型 GLM-5.2 的固定模型配置下，Sangfor AI 面对涵盖 ARVO 与 OSS-Fuzz 的 1507 项漏洞挑战任务，成功完成 1301 项，整体成功率达到86.3%，最终跻身全球前四、位列国内参评团队第一，Sangfor AI 以纯国产底座实现对OpenAI、Anthropic两大海外 AI 巨头的成绩超越。

CyberGym 是目前全球含金量较高的代码安全大模型实战靶场，区别于传统静态理论测试，整套评测体系完全贴合工业真实场景，以海量开源软件历史高危漏洞为考题，重点考核 AI 智能体自主源码分析、多阶段漏洞推演、漏洞复现与 PoC 验证全链路能力，评测标准严苛，结果具备较强行业参考价值。

本次测试中，Sangfor AI 细分场景表现均衡，ARVO 相关任务成功率 87.2%，OSS-Fuzz 任务成功率 77.7%，验证了国产大模型在复杂代码对抗场景下的稳定实战能力。

将模型能力转化为可验证的安全能力

深信服方面介绍，为解决漏洞挖掘过程中长链路推理、多假设探索和持续验证等问题，Sangfor AI 采用 "智能体群体（Agent Swarm）协同作战" 架构，并引入 " 证据管治 " 机制，整套技术框架分为四大核心运行逻辑，确保每一步漏洞调查步骤都清晰可信：

有界探索：围绕不同的安全假设分别开启独立、边界清晰的调查分支，让多个可能的解释可以并行推进，而不会互相污染、也不会让某个未经证实的假设悄悄变成集体共识；

证据持久化：各调查分支之间通过 " 证据 " 而非完整对话历史来协同——已被验证的观察和已被证伪的路径都会被保留下来，避免同一条错误路径被反复重新试错；

动态假设裁决：一个协调层持续基于不断演化的证据状态，判断哪些假设仍然成立、哪些问题尚待解决、哪里还值得继续投入，让每一轮探索都成为对搜索空间的有效收窄；

对抗式候选评审：当证据支持某个具体的触发方案时，系统才会构造候选输入并提交 " 对抗式评审 " ——评审会同时挑战 " 这次崩溃是否可复现 "，以及 " 这次崩溃是否真的对应目标漏洞 "，未通过评审的候选会被打回、用于修正下一步探索方向。只有真正经受住检验的候选，才会成为系统最终提交的安全结论。

深信服技术团队将这套机制总结为 "以假设拓展探索，以证据裁定结论"，以此保证 AI 能够大范围排查潜在风险的同时，更能通过多层校验，压低误判概率。

创新成果如何真正走进企业研发流程

深信服表示，相关技术已逐步应用于企业代码安全场景，推动传统静态应用安全测试（SAST）向具备自主推理和业务理解能力的安全 Agent 升级。

相比传统规则匹配方式，新一代安全 Agent 不仅能够识别 SQL 注入、命令执行等常见漏洞，还可分析复杂业务逻辑，发现越权访问、认证绕过等传统工具难以覆盖的安全风险。

据介绍，相关能力已开始赋能深信服产品体系，将为企业级用户带来切实的价值质变：

提升漏洞检出能力：有效攻克传统 SAST 盲区，全面识别业务逻辑漏洞、越权与认证绕过，大幅拓宽代码安全覆盖率。

降低人工审计成本：凭借 AI 自动化完成代码理解、跨文件关联分析、攻击路径推理与风险验证，大幅解放安全专家的繁重人工劳动力。

减少误报、提升效率：依靠多阶段推理与严苛的证据验证机制压降误报率，使研发人员能够聚焦真正亟需修复的风险，告别无效整改。

缩短研发交付周期：将安全检测前移至研发编写与 CI/CD 流水线中，实现 " 代码提交即自动审计 "，大幅降低后期返工成本，加速业务高效上线。

提升企业整体安全能力：帮助企业在更早阶段筑牢防线，遏制因数据泄露、业务中断带来的合规与经济风险。

对于广大企业用户而言，AI 安全 Agent 的核心价值远不止于 " 发现更多漏洞 "，更在于以极高准确率、极低人工成本与极快响应速度，实现研发效率与代码安全的同步跨越。

深信服方面表示，后续将持续深耕大模型安全技术创新，不断迭代安全 Agent 能力，把国际评测验证的前沿技术转化为企业可落地的安全能力，持续践行 " 让每个用户的数智化更简单、更安全 " 的承诺。

CyberGym 榜单地址：https://www.cybergym.io/cybergym/

* 本文系量子位获授权刊载，观点仅为原作者所有。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见