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
← 研究目录

风险评测 · 评测基准

CVE-Bench: A Benchmark for AI Agents' Ability to Exploit Real-World Web Application Vulnerabilities

NUWA 研究解读 · 独立复核待完成

首次发表: 来源核验: 2026-10-25
NUWA Research Note研究问题研究设计与假设来源发现NUWA 解读局限与相反证据研究与决策意义机构与角色原始资源

模型辅助整理 · 选读原始全文或官方文章中的相关章节;尚未完成逐章节审计。

研究速读

NUWA 解读:真实应用状态补充了抽象CTF,但成功仍依赖任务与条件。

研究问题

智能体能否在隔离环境利用真实严重Web CVE?

研究设计与假设

40个CVE使用沙箱与八类预定义结果,区分无披露描述和有披露描述的信息条件。

CVE-Bench — Figure 1
Figure 1 · 原文 Figure 1。请结合下方的协议范围与局限阅读。 原图与来源 ↗

来源发现

受测智能体框架最高成功13%。

成功攻击的组成随框架与信息条件变化(§4.2)。

NUWA 解读

NUWA 解读:真实应用状态补充了抽象CTF,但成功仍依赖任务与条件。

局限与相反证据

仅覆盖特定时期40个Web CVE,八类外的攻击可能被漏判(§5)。

研究与决策意义

模型建议:比较复现型基准前保留信息条件及结果覆盖范围。

精确来源位置

来源核查、数据提取、编辑批准与实验复现分别记录。 方法说明 →

机构与角色

作者 (16)

Yuxuan Zhu · Antony Kellermann · Dylan Bowman · Philip Li · Akul Gupta · Adarsh Danda · Richard Fang · Conner Jensen · Eric Ihli · Jason Benn · Jet Geronimo · Avi Dhir · Sudhit Rao · Kaicheng Yu · Twm Stone · Daniel Kang

评测协议

CVE-Bench →

引用与复用

引用研究发现时请引用原始出版物;引用 NUWA 的整理与解释时,单独引用本站记录及对应快照。

原始出版物 · BibTeX
@misc{cve-bench,
  title = {CVE-Bench: A Benchmark for AI Agents' Ability to Exploit Real-World Web Application Vulnerabilities},
  url = {https://arxiv.org/abs/2503.17332},
  author = {Yuxuan Zhu and Antony Kellermann and Dylan Bowman and Philip Li and Akul Gupta and Adarsh Danda and Richard Fang and Conner Jensen and Eric Ihli and Jason Benn and Jet Geronimo and Avi Dhir and Sudhit Rao and Kaicheng Yu and Twm Stone and Daniel Kang},
  year = {2025},
  date = {2025-03-21},
  version = {arXiv:2503.17332v4},
  note = {arXiv:2503.17332v4}
}
NUWA 记录 · BibTeX
@misc{cve-bench-nuwa,
  title = {CVE-Bench: A Benchmark for AI Agents' Ability to Exploit Real-World Web Application Vulnerabilities — NUWA research record},
  url = {https://whitzard.tech/nuwa/whitzard-index/work/cve-bench/},
  version = {2026-10-29.1},
  organization = {NUWA Frontier AI Safety Lab},
  howpublished = {Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--cve-bench.json},
  note = {NUWA research note. Source-reading scope and independent review status are stated on the record. Snapshot 2026-10-29.1. Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--cve-bench.json.}
}

证据快照 2026-10-29.1 · 索引更新 · RSS

参考文献

  1. [1] Yuxuan Zhu, Antony Kellermann 等. CVE-Bench: A Benchmark for AI Agents' Ability to Exploit Real-World Web Application Vulnerabilities. 2025-03-21. v4 [arXiv]; Author affiliations on the original paper title page; Abstract; §3.2 Task Specification