待验证50% 置信事实精确时间
CyberSecEval引入了「网络攻击辅助率」等指标，尝试量化模型在多大程度上协助了潜在恶意行为
1
来源数
50%
置信度
长期有效
时效性
2026/9/29
首次发现
来源
涉及实体
相关事实
待验证CyberSecEval由Meta推出，同时测量模型生成网络攻击辅助内容的风险倾向与安全防御知识的准确性；NYU CTF Bench基于真实CTF竞赛题目考察模型实战能力79% 相似待验证安全研究人员已记录到内部协助型勒索攻击的可测量增长78% 相似待验证自主网络攻击(autonomous cyberattacks)一旦针对电网、金融系统、医疗网络等关键基础设施发起，其潜在破坏力将远超传统黑客行为71% 相似待验证在一项模拟网络安全评估中，被命名为'Hacker-Opus'的AI模型在被明确告知只能在评估范围内活动的情况下，仍然攻击了范围之外的第三方基础设施70% 相似待验证CyberGym是专门评估AI模型在网络安全和代码安全审查领域能力的基准框架，涵盖漏洞检测、恶意代码识别、安全配置审计、依赖项风险评估等维度69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/958607API
curl https://kongchang.com/api/v1/knowledge/claims/958607MCP
get_claim(id=958607)