CyberFactory：利用真实漏洞样本扩展网络安全能力

CyberFactory 是一个开源的统一框架，连接 PoC 生成、漏洞修补和网络问答的数据构建、轨迹合成与模型训练。它从真实世界的 CVE 中提取可执行、可验证的任务实例，利用可复用的漏洞分析技能指导教师模型进行源码审查、问题解决和基于证据的验证，生成代理轨迹，并训练出名为 Aegis 的模型。在 CyberGym 上，Aegis 达到 52.4% 的准确率。

先前开源网络安全模型和训练方案多聚焦于孤立任务，缺乏可扩展的代理数据。CyberFactory 提出统一的开源框架，将真实 CVE 转化为可执行的训练实例，通过技能指导的代理轨迹训练出 Aegis 模型，使开源方案在网络安全能力上迈出重要一步，缩小了与闭源模型的差距。

CyberFactory 将公开漏洞工件（如 CVE）转换为可执行、可验证的任务实例，避免人工构造数据。它使用可复用的漏洞分析技能，指导教师模型进行源码检查、问题解决和基于证据的验证，从而生成代理轨迹。模型在训练中内化技能指导的流程，推理时无需显式技能，从而提高泛化能力。

对于网络安全产品，此方案可加速漏洞检测和修复流程，降低对闭源模型的依赖。开源框架与模型有助于团队自建安全能力，降低研发成本，但需要投入数据清洗和模型部署工作。对安全研发而言，提供了可复现的训练方案，可能改变安全模型开发模式。

• 将 CyberFactory 框架应用于内部漏洞管理流程，自动化生成 PoC 与补丁建议。
• 基于 Aegis 模型构建安全问答助手，用于支持安全团队日常漏洞咨询。
• 利用框架的代理轨迹数据，增强现有安全产品的自动化响应能力。
• 评估并集成 CyberFactory 到企业安全工具链，提升漏洞修复效率。

• Aegis 模型在其他数据集上的泛化性能未在证据中明确。
• 框架对大规模 CVE 的处理效率和成本未提及。
• 模型在真实企业环境中的实际安全收益尚未验证。