该论文聚焦于企业自主网络防御中的关键挑战：如何信任由智能体（Agentic AI）完成的安全态势感知、评估与决策。作者指出，当前企业安全环境是私有的、跨厂商且高度关联的，没有一个公开、可查询的共享环境能用于端到端评估此类智能体，这构成了“环境数据缺口”。为填补这一缺口，论文提出了开放安全基准（Open Security Benchmark, OSB）框架。OSB的核心思路是：提供一个经过整理的、冻结的企业安全状态快照（即一个不可变的整体视图），并基于此评估智能体的态势调查能力。评估包含两种模式：一是对关系型快照执行text-to-SQL查询，二是通过各厂商原生API访问同一环境的服务实例。通过冻结环境，将目标状态锚定为不可变快照，并以封闭式答案作为真值，从而支持可重复、可量化的评估。OSB由五个组件构成：数据层、任务与评测集层、多维评分层、最小可审计测试平台（harness）、以及“自带环境”路径——该路径既支持公开对比评测，也支持私有租户评估。论文用一个身份安全任务套件（identity-security packs）和一组多规模的合成组织环境数据集实例化了该框架，并展示了向更多态势子域、调查模式以及从评估到修复的后续防御阶段扩展的路径。该研究的主要贡献在于提出了一个系统化的评估框架，以解决自主防御智能体信任缺失问题，为安全社区提供了一个标准化的测试与比较基础。适合安全研究员、蓝队工程师以及企业安全架构师阅读，以理解如何评估和验证自主安全智能体的能力。