白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

评测档案

CyberSOCEval

评测恶意软件分析和威胁情报推理等防御性网络安全任务。

来源与出处 ↓ 阅读研究记录 →

任务与测量

Benchmark 协议档案

任务/对象
原任务配置下的模型或智能体系统
测量目标
评测恶意软件分析和威胁情报推理等防御性网络安全任务。
解释边界
防御分析准确性是使能证据,不能直接证明自主攻击能力。
测量档案 · NUWA 解读

档案区分来源方法阅读与既有目录信息;已经公开不代表完成独立证据复核或双语编辑复核。

测量构念
模型能否支持核心安全运营防御推理任务?
任务与样本
两个组件测恶意软件分析和威胁情报推理,使用原始权重,并有限调整回答格式提示。
判分与失效情形
恶意软件分析须全选正确且不选错误才计正确;威胁情报任务判分此次未完整审计。
系统条件
JSON执行日志及多选题,部分模型分别调整输出格式。
统计含义
来源报告的结果表述;这不等同于已确定运行次数、分母或估计方法: 部分模型原输出难解析,需分别调整格式提示(§4)。
效度与解释
两类任务不能证明端到端SOC自动化或分析员生产率;格式调整影响纯模型归因。
适用研究问题
模型建议:展示组件得分、解析处理及提示调整。
原始来源图表与材料
CyberSOCEval — Figure 15
Figure 15 · 原文 Figure 15。请结合下方的协议范围与局限阅读。 查看原图 ↗

相关研究问题

参考文献

  1. [1] Lauren Deason, Adam Bali 等. CyberSOCEval: Benchmarking LLMs Capabilities for Malware Analysis and Threat Intelligence Reasoning. v1 ; Figure 15
  2. [2] CyberSOCEval Benchmark Data ; Original project README: joint project between CrowdStrike and Meta