KEX-bench：编码智能体内核漏洞利用评测
原文标题：Evaluating Coding Agents on Kernel Exploit Generation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 KEX-bench，用于评估编码智能体对真实操作系统内核生成漏洞利用原语的能力，涵盖 40 个 Linux 与 Windows CVE 的 45 个任务。在无参考 PoC 时最强配置仅解决 5% 的 Windows 任务和 56% 的 Linux 任务，有参考 PoC 时提升至 68.9%。结果显示智能体能触发内核崩溃，却难以将内核状态塑造成可利用原语。
- 问题
- 现有漏洞发现评测只衡量能否找到漏洞，不衡量智能体能否构造可利用原语。
- 方法
- 构建KEX-bench，覆盖40个Linux与Windows CVE的45个任务，在隔离虚拟机中提供受控工具并用确定性验证器检查地址泄漏、指令指针控制、堆读写等原语是否成功。
- 结果
- 无参考PoC时最强配置仅解决5.0%的Windows任务和56.0%的Linux任务，有参考PoC时提升至68.9%。
- 影响
- 揭示智能体能让内核崩溃却难以把内核状态塑造成可利用原语的差距，为AI辅助漏洞利用研究提供可复现的评测基准。
深读 · 结论先行AI 生成展开看要点与影响 ↓
KEX-bench显示编码智能体无参考PoC时仅解5% Windows内核利用任务
- •基准含40个Linux/Windows CVE的45个任务，覆盖地址泄漏、指令指针控制等原语
- •无参考PoC时最强配置解1/20 Windows任务（5.0%）、14/25 Linux任务（56.0%）
- •提供参考PoC后最强配置解31/45任务（68.9%）
- •每任务在隔离虚拟机运行，用确定性验证器检查原语级成功
- •关键差距：智能体能触发内核崩溃，却难以将内核状态塑造成可利用原语
为什么重要：漏洞发现能力不等于利用能力，该基准量化了两者差距，对评估AI安全风险与智能体能力边界的研究者与安全团队有参考意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。