CyberGym

UC Berkeleyの研究者が2025年に公開した、AIエージェントが実際のオープンソース脆弱性を再現する能力を測るサイバーセキュリティベンチマーク。

記事3本最終言及

CyberGymは、UC Berkeleyの研究者が2025年に公開したサイバーセキュリティ分野のベンチマークである。実際のオープンソースプロジェクトで見つかった脆弱性を課題とし、AIエージェントが脆弱性の説明とソースコードをもとに、その脆弱性を実際に発現させる入力(概念実証)を生成できるかを評価する。課題は、Googleのオープンソース向け継続的ファジング基盤OSS-Fuzzで発見された脆弱性から作られている。

CyberGymはAIモデルの攻撃能力を測る代表的なベンチマークの一つであり、モデル開発企業が新モデルのサイバーセキュリティ関連の能力やリスクを評価する際に引用される。

この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。

この項目を扱った記事

  • DeepSeek V4.1 Flashを建設実務で検証、低価格でも精度は最前線に大差AI性能 ·

    V4.1 Flashのリリースノートは、Terminal-Bench 3.0、DeepSeek-SWE 1.1、CyberGym、Automation-Benchといった標準テストでClaude Opus 5やGPT-5.6 Solに匹敵する性能をうたっています。

    記事を読む
  • Cloudflare製スキルでClaude Codeが本番SaaSの脆弱性21件を検出AIセキュリティ ·

    AIモデルがサイバータスクをどれだけこなせるかを測るUC BerkeleyのCyberGymベンチマークを見ると、こうしたモデルの能力の高さがわかります。

    記事を読む
  • AIセキュリティエージェントの評価、成功率だけでは見えない実行過程と環境逸脱AIセキュリティ ·

    CyberGymにはC/C++のバグ、ExploitBenchにはV8の脆弱性、XBOWには合成されたWeb課題が含まれます。

    記事を読む

説明の誤りや、見つからない項目はありますか?

事典の説明は、AIPOSTの記事と広く知られた事実をもとにまとめています。誤りは訂正依頼でお知らせいただければ、確認して修正します。新しい記事に登場した名前は、記事の公開後に事典に加わります。