#cyber-range

共收录 9 条相关情报。

← 返回所有主题
学术论文2026-09-30 发布INFO

No One Architecture Fits All: A Cross-Environment Evaluation of Hierarchical Red Team Agents

该论文针对自主红队智能体(autonomous red team agents)研究中的一个方法论盲区展开:现有工作常把强化学习(RL)规划器与大型语言模型(LLM)规划器以混合分层的方式组合,用于对 AI 赋能的网络防御进行多阶段压力测试

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-09-15 发布INFO

The MAL Simulator: Cyber Operations Simulation based on Attack & Defense Graphs

该论文介绍了 MAL Simulator(MAL 模拟器),一个基于 Meta Attack Language(MAL)构建的网络攻防行动模拟器,定位为面向决策驱动的网络攻击与防御仿真平台,用于系统分析以及自动化智能体(agent)的训练与

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-09-15 发布INFO

A Cyber Range Evaluation of Autonomous Network Incident Response Agents

该论文关注一个在安全自动化和自主化趋势下日益重要的问题:自动化网络入侵响应智能体(agent)在真实感较强的环境中究竟表现如何,以及其效能受哪些因素影响。作者没有停留在仿真器或简化基准上,而是选择了一个原本用于人类操作员培训的网络靶场(cy

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-09-10 发布INFO

BlueSTAR: Tiered Agentic Architecture for Autonomous Cyber Defense

该论文针对当前网络攻防节奏失衡的现实问题展开研究:攻击行为日益自动化,人类分析师可用于检测、推理与响应的窗口被大幅压缩。大语言模型(LLM)因具备关联异构证据、对未见威胁进行推理的能力,被视为实现自主网络防御的潜在基础,但直接把 LLM 接

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-09-01 发布INFO

Using LLMs to Elicit Security Requirements for Service-Oriented Cyber Ranges

本文研究如何利用大型语言模型(LLM)辅助面向服务的网络靶场(SOR)的安全需求获取。网络靶场环境复杂,涉及多方利益相关者和不同安全关切,传统需求获取过程困难且耗时。作者基于SEBoK系统工程指南,首先识别安全使命目标与利益相关者需求,将其

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-08-10 发布INFO

RangeFactory: Scalable Construction of Multi-Hop Cyber Ranges

本文提出的 RangeFactory 是一个面向多跳网络靶场(cyber range)的自动化编排框架,核心目标是解决现有靶场构建无法自动将大量孤立漏洞环境组合为端到端验证的多跳攻击链的问题。现实中的网络攻击通常需要跨越多个主机和网段持续推

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-06-12 发布INFO

AgentCyberRange: Benchmarking Frontier AI Systems in Realistic Cyber Ranges

论文提出了AgentCyberRange,第一个开放、多靶场的基础设施,用于在逼真的网络靶场中衡量前沿AI系统的自主网络攻击能力。该基准整合了15个真实Web应用程序中的110个漏洞,以及8个包含156个内部主机的企业级网络靶场,并提供了C

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-05-12 发布INFO

ACTING: A Platform for Cyber Ranges Federation

本文介绍了ACTING平台,旨在解决网络防御训练中跨域、多域演习的互操作性问题。论文主要贡献有三:首先,提出了第一代演习描述语言(EDL-FG),这是一种结构化语言,用于形式化描述网络靶场的训练服务和演习场景。EDL-FG能够捕捉模拟ICT

历史摘要 · 未重新核验 · arXiv cs.CR

学术论文2026-04-27 发布INFO

Dynamic Cyber Ranges

本研究针对LLM驱动的智能体在网络安全领域的评估问题展开。当前基于Jeopardy CTF的基准测试已接近饱和,而静态设计的网络靶场在抵御LLM驱动的攻击者时效果递减。作者通过部署一个LLM驱动的APT智能体在三个不同真实度层级的基础设施(

历史摘要 · 未重新核验 · arXiv cs.CR