[论文阅读] AgentCyberRange(2606.14295v2)：一种开放的多靶场网络靶场评估基础设施

本节由 AI 阅读论文 PDF 后生成（2026-09-18），未经人工核验；引用结论前请对照原文。

1. Web 利用赛道（WebExploitBench）：6 名安全专家在 15 个真实 Web 应用上收集 110 个真实漏洞（18 个 0-day、56 个 1-day）并植入 36 个藏在应用工作流深处的合成漏洞，只保留黑盒可利用项，要求 agent 自行发现隐藏端点、推断参数并验证影响（人为定义）
2. 后渗透赛道（PostExploitBench）：8 个企业级靶场、156 台内部主机，覆盖隧道、横向移动、凭据复用、持久化（主机定期重启）等 12 类技术，并部署诱饵主机、杀软/EDR 式防御与 agent 扮演的监控防守者（人为定义）
3. 分级提示：沿用 CyberGym 设计，按信息量分 Level-0/1/2——Web 从仅目标 URL → 加漏洞 URL → 加漏洞类型；后渗透从仅入口 IP → 加内网拓扑 → 加具体 CVE/凭据线索（人为定义）
4. CAGE 评估流水线：agent adapter 以统一接口拉起不同 harness，agent manager 为每个 trial 建隔离容器并记录轨迹，benchmark manager 部署并在运行间重置靶场，verifier 依运行时证据判定——Web 验证 PoC 安全效果（如 SQLi 须读出金丝雀字符串）且端点须匹配基准参考，后渗透按 /tmp、/root 标记文件计量失陷进度与权限层级（推理规则）
5. 评测：六系统在匹配提示与步数预算（Web 150 步、后渗透 500 步）下对比，以 Pass@1 / Pass@3（Avg./Max）报告；GPT-5.5 最强（Web 16.1%、后渗透 31.7%，Level-2 升至 33.0%/46.3%），分级结果与失败分析定位主要瓶颈为攻击面探索与多步链式规划（判断指标）