論文の概要: CyberPersistBench: Evaluating LLM-Based Cyber Attackers on Installation and Persistence
- arxiv url: http://arxiv.org/abs/2609.36573v1
- Date: Tue, 29 Sep 2026 02:52:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.136699
- Title: CyberPersistBench: Evaluating LLM-Based Cyber Attackers on Installation and Persistence
- Title（参考訳）: CyberPersistBench: インストールと永続化に関するLLMベースのサイバーアタッカーの評価
- Abstract要約: 私たちはCyberPersistBenchを紹介します。
ベンチマークには7つのカテゴリにわたる203のコアタスクが含まれており、マルチホストとアクティブディフェンス拡張によって強化されている。
- 参考スコア（独自算出の注目度）: 26.701982083101516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While LLM-based attackers exhibit growing proficiency in vulnerability exploitation, most existing cybersecurity benchmarks suffer from single-stage truncation, prematurely terminating evaluation upon initial access. In practice, initial footholds are exceptionally fragile across operational disruptions such as service restarts and host reboots. Whether LLM-based attackers can establish and maintain durable footholds beyond initial compromise remains a central blind spot in cybersecurity evaluation. To bridge this gap, we introduce CyberPersistBench, the first benchmark dedicated to post-compromise installation and persistence. Decoupled from upfront exploitation, CyberPersistBench frames persistence as an adversarial survival task in which agents use native host mechanisms to maintain footholds across staged system disruptions. Deterministic checks support a six-level scoring method (L1--L6) spanning installation and persistence. The benchmark comprises 203 core tasks across seven categories, augmented by multi-host and active defense extensions. Empirical evaluations across five frontier agents show that autonomous persistence remains limited (27.6%--44.8%) and drops further on defense-enabled tasks (5.5%--13.3%); nonetheless, these results reveal an emerging cyberattack risk, underscoring the necessity of benchmarking post-compromise persistence. CyberPersistBench thus establishes a foundational benchmark for post-compromise installation and persistence, delineating the operational boundaries of autonomous cyber agents.
- Abstract（参考訳）: LLMベースの攻撃者は、脆弱性のエクスプロイトの熟練度が向上する一方で、既存のサイバーセキュリティベンチマークのほとんどは、単一ステージの停止に悩まされており、初期アクセスによる早期に評価が終了する。
実際には、サービスの再起動やホストの再起動といった運用上の障害に対して、最初の足場は極めて脆弱である。
LLMベースの攻撃者が、最初の妥協を超えて耐久性のある足場を確立し維持できるかは、サイバーセキュリティ評価における中心的な盲点である。
このギャップを埋めるために、私たちはCyberPersistBenchを紹介します。
事前の搾取から切り離され、CyberPersistBenchは、エージェントがネイティブホストメカニズムを使用して、ステージ化されたシステム破壊を横切る足場を維持する、敵のサバイバルタスクとして永続性を規定する。
決定論的チェックは、インストールと永続性にまたがる6レベルスコアリングメソッド(L1-L6)をサポートする。
ベンチマークには7つのカテゴリにわたる203のコアタスクが含まれており、マルチホストとアクティブディフェンス拡張によって強化されている。
5つのフロンティアエージェントに対する実証的な評価では、自律的な永続性は(27.6%-44.8%)制限されたままであり、防衛可能なタスク(5.5%-13.3%)でさらに低下している。
これにより、CyberPersistBenchは、自動サイバーエージェントの運用境界を規定する、ポストコンパイルのインストールと永続化のための基礎的なベンチマークを確立する。
関連論文リスト
- CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild [49.44069582581181]
CyberFactoryは、CVEを含む公開脆弱性アーティファクトをワイルドから実行可能で検証可能なタスクインスタンスに変換する。
再利用可能な脆弱性分析スキルを使用して、ソースインスペクション、ドメイン前の問題解決、エビデンスベースのバリデーションを通じて教師を指導する。
CyberGymでは1時間の予算で52.4%のPass@1に達し、Qwen3.5ベースモデルを+22.8ポイント改善した。
論文 参考訳（メタデータ） (2026-08-24T12:30:10Z) - AgentCyberRange: Benchmarking Frontier AI Systems in Realistic Cyber Ranges [20.164879773235594]
我々はAgentCyberRangeを紹介した。AgentCyberRangeは、現実的なサイバー範囲で自律的なサイバー攻撃能力を測定するための、最初のオープンでマルチレンジのインフラである。
15の実際のWebアプリケーションと8つのエンタープライズライクなサイバーレンジに156の内部ホストを組み合わせた110の脆弱性に加えて、実行、オーケストレーション、結果収集、検証用のツールチェーンであるCageも備えている。
我々は、一致したプロンプトと予算の下で、6つのフロンティアAIシステムを評価します。GPT-5.5 with Codexは、Webエクスプロイトタスクの16.1%、探索後のタスクの31.7%を解決します。
論文 参考訳（メタデータ） (2026-06-12T09:29:58Z) - A New Framework for Cybersecurity Refusals in AI Agents [52.94784168139071]
攻撃的セキュリティの文脈において、拒絶境界を確立するための最初の枠組みを提示する。
本研究では,現在のLLMエージェントがWebベースの攻撃的セキュリティシナリオにおいて,適切な拒絶境界にどのように準拠しているかを評価するために,このフレームワークを適用した。
論文 参考訳（メタデータ） (2026-05-31T15:39:39Z) - TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。
我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。
我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
論文 参考訳（メタデータ） (2026-04-30T13:44:01Z) - Dynamic Cyber Ranges [0.3179229570536315]
動的サイバーレンジ: インフラを強化し、侵入を監視し、リアルタイムで応答するLLM駆動のデフェンダーエージェントで強化されたサイバーレンジ環境を提案する。
攻撃者とディフェンダーエージェントは同じモデル能力から引き出されるため、Dynamic Cyber Rangesはモデルの改善に伴って評価ヘッドルームを保存する。
特に、小さな専用オンプレミスモデル(エイリアス2-mini)は、同じ未修正プロンプトの下で複数のシナリオでフロンティアモデルの防御結果と一致し、複雑なエンタープライズシナリオで攻撃者を10倍早く検出した。
論文 参考訳（メタデータ） (2026-04-27T08:44:30Z) - CyberExplorer: Benchmarking LLM Offensive Security Capabilities in a Real-World Attacking Simulation Environment [19.76065689241692]
CyberExplorerは、現実世界のCTF課題から派生した40の脆弱なWebサービスをホストする仮想マシン上に構築された、オープンな環境ベンチマークである。
フラグのリカバリ,インタラクションダイナミクスのキャプチャ,コーディネーション動作,障害モード,脆弱性検出信号といった,詳細な評価が可能になる。
論文 参考訳（メタデータ） (2026-02-08T15:56:22Z) - Co-RedTeam: Orchestrated Security Discovery and Exploitation with LLM Agents [57.49020237126194]
大規模言語モデル(LLM)はサイバーセキュリティタスクを支援することを約束しているが、既存のアプローチでは自動脆弱性発見とエクスプロイトに苦労している。
Co-RedTeamは,現実世界のレッドチームのミラーリングを目的とした,セキュリティを意識したマルチエージェントフレームワークである。
Co-RedTeamは、脆弱性分析をコーディネートされた発見およびエクスプロイトステージに分解し、エージェントがアクションを計画、実行、検証、洗練できるようにする。
論文 参考訳（メタデータ） (2026-02-02T14:38:45Z) - STAC: When Innocent Tools Form Dangerous Chains to Jailbreak LLM Agents [38.755035623707656]
本稿では,エージェントツールの利用を生かした新しいマルチターンアタックフレームワークSTACについて紹介する。
我々は,483のSTACケースを自動生成し,評価するために,1,352セットのユーザエージェント環境相互作用を特徴とするフレームワークを適用した。
GPT-4.1を含む最先端のLSMエージェントはSTACに対して極めて脆弱であり,攻撃成功率(ASR)は90%以上である。
論文 参考訳（メタデータ） (2025-09-30T00:31:44Z) - OpenAgentSafety: A Comprehensive Framework for Evaluating Real-World AI Agent Safety [58.201189860217724]
OpenAgentSafetyは,8つの危機リスクカテゴリにまたがるエージェントの動作を評価する包括的なフレームワークである。
従来の作業とは異なり、我々のフレームワークは、Webブラウザ、コード実行環境、ファイルシステム、bashシェル、メッセージングプラットフォームなど、実際のツールと対話するエージェントを評価します。
ルールベースの分析とLSM-as-judgeアセスメントを組み合わせることで、過度な行動と微妙な不安全行動の両方を検出する。
論文 参考訳（メタデータ） (2025-07-08T16:18:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。