近日，浙江大学区块链与数据安全全国重点实验室与兰州大学N05ec安全团队联合组建的BladeSec团队，在CyberGym Level 1评估中取得重要进展。在团队前期漏洞挖掘与利用研究积累基础上，BladeSec以国产大模型GLM-5.3为技术底座，在完整评测中通过1411个任务的差分验证，成功率达93.63%，为全球公开成绩中成功率最高的高校团队，刷新高校在该榜单的纪录。

区块链与数据安全全重联合团队BladeSec登顶CyberGym

01 评测背景：漏洞复现是AI网络攻防的硬标尺

漏洞复现能力，是衡量AI网络攻防水平最硬的标尺。美国加州大学伯克利分校发布的CyberGym基准，收录188个开源项目的1507个真实漏洞。在Level 1评测中，智能体仅能基于高层级漏洞简述与补丁前源码片段，在隔离环境中自主分析并构造出能够确定性触发目标程序异常崩溃的可执行概念验证载荷。OpenAI、Anthropic、微软等全球头部科技企业均在此公布成绩、同场竞技，是当前全球覆盖最广、认可度最高的AI安全实战测评体系之一。

02 主要结果：成功率、覆盖率与效率指标同步领先

BladeSec团队集源代码分析、概念验证构建和动态漏洞验证为一体，其技术体系主要由AI原生漏洞挖掘平台和AI驱动的自动化安全测试平台两部分构成。在完整CyberGym Level 1评估中，BladeSec取得如下结果：

◆ 通过1411个任务的差分验证，成功率为93.63%；

◆ 为全球公开成绩中成功率最高的高校团队，刷新高校在该榜单的纪录；

◆ 共有1459个任务成功触发漏洞版本容器崩溃，覆盖基准测试的96.81%；

◆ 单任务平均耗时约38.1分钟，平均仅需113次LLM请求与564万Tokens。

在智能体时代，token就是AI世界的“电力”：每一次推理、每一步决策都以它计价，能效高低直接决定一套系统能否走向规模化实战。微软在发布其安全专用模型MAI-Cyber-1-Flash时指出，“面对海量的攻击涌入，token成本已成为防守方真正的约束”。在这一由巨头定义的赛道上，BladeSec交出了领先答卷：在全球同类系统公开数据对比中，单任务平均token消耗564万为最低水平，仅为可比均值（约2800万）的五分之一；单位算力成功率（通过率/单任务token消耗）达到每百万token 16.6个百分点，约为可比系统均值的3倍，双双位列第一。

03 技术体系一：AI原生漏洞挖掘平台，让AI成为“有组织、有纪律”的漏洞挖掘军团

大模型为漏洞挖掘打开了想象空间，但直接让通用模型通读代码的路线很快触顶：覆盖受制于上下文极限，结论缺乏事实约束，幻觉与误报泛滥。即便海外顶尖闭源大模型，以此方式分析大型代码，也只能给出零散难复核的碎片结论。为解决此类问题，全重联合团队研发了AI原生漏洞挖掘平台——将资深安全专家的审计方法论完整拆解、工程化重构，将依赖个人经验的探索式工作固化为十余个专职Agent分工协作的自动化流水线。每步分析都有章可循、有据可查。

为保证评测严谨性，运行环境严格执行官方防泄漏与隔离规范：所有容器在启动前均严格清除/src//.git记录与/tmp/poc等残留文件，每个任务全程断网运行、时间限制2.5小时（9000秒）；求解过程仅限访问漏洞容器，严禁任何来自修复容器的补丁反馈，并严格执行单次最终提交与差分验证标准。

平台主要特点包括：

◆ 全链路程序事实还原：区别于单纯依赖大模型概率生成，平台通过自研SFG程序事实图与证据切片缓存机制，让智能体的每一步分析都建立在真实的调用图与数据流切片之上。任何可疑点均可一键调取完整的跨文件证据链，从根源上保证分析过程有据可查。

◆ 深层跨模块逻辑洞察：针对传统自动化工具难以处理的复杂逻辑漏洞，平台能够从源码中自动提取守卫条件、资源绑定等不变量事实，并通过跨文件桥接链与逻辑链追踪风险路径，使深层跨模块隐患能够被系统性地识别。

◆ 高可靠低幻觉：平台内不同分析单元各司其职，分别负责梳理攻击入口、追踪关联链路与事实核验等关键方向。系统针对每条可疑链路设定严格的六类证明义务，未通过核验的分析结果会被直接重审，经多轮收敛与确定性投票聚合后才输出最终结论，从而有效抑制大模型的虚假幻觉。

04 技术体系二：AI驱动的自动化安全测试，动静管线无缝咬合

发现疑似缺陷，只是漏洞研究的起点。从“看到问题”到“证明问题”，隔着一道难以跨越的鸿沟：一条可疑代码路径，必须被转化为真实可执行、能稳定触发漏洞的输入，漏洞的价值才算真正成立。纯动态路线缺乏语义理解，输入构造沦为低效搜索；静态级联动态的路线，则让一处误判牵引后续环节耗尽算力。如何让代码层面的深刻理解无损转化为动态验证的精准动作，正是自动化安全测试平台要回答的核心命题。

在BladeSec统一调度下，漏洞挖掘平台与安全测试平台以一张共享任务图为接口无缝衔接：证据是图上的事实节点，任务是指向目标的决策节点。推理单元读全图、产出可独立执行的验证任务，执行单元领取任务并在隔离环境中动手。静态洞察不再是需要被转述的文字，而是一组带出处、可执行、可淘汰的结构化先手情报。

◆ 精准线索锁定与靶向加速：安全测试平台承接的不是待办清单，而是带出处的证据链。所有验证任务必须以证据编号为输入来源，无据方向在机制上被直接拒绝；任务粒度被约束为立即目标，多阶段计划一律拆解；未被领取的任务可随时改写方向或淘汰——收敛手段不止“继续做”，更包括“及时止损”。

◆ 双通道智能调度：面对各类具备严密校验机制的复杂目标时，平台通过高维策略自适应调度，在不同求解模式间无缝切换。任务按优先级与创建顺序出队，探索宽度与推理深度解耦配置。无论是针对结构化样本的秒级突破，还是针对深层状态逻辑与复杂运算的多轮迭代优化，系统均能精准匹配最优算力路径，将无效资源消耗压降至极限。

◆ 动态反馈快速纠偏：依托强大的自主闭环验证机制，平台在运行过程中能够对所有路径假设进行实时纠偏与淘汰，彻底免疫各类干扰误导。在漏洞报告偏移情况下，仍能根据真实目标反馈进行纠偏修正。一切结论以运行事实为准——真实执行成功、证据逐项核验、按原始命令复现。最终通过对比测试输入在漏洞版本与修复版本上的运行表现，按照“漏洞版本稳定崩溃、修复版本正常运行”的严苛标准完成最终确认。

支撑这套效率的，是一条贯穿全程的证据记账纪律：同证据集与同动作直接返回既有任务而不重复探索；上下文预算触发压缩，压缩前的完整记忆与任务初心无损落盘、随时可检索；长任务的每一轮推理都建立在完整事实上，精度不因上下文极限而退化为摘要转述。先手情报、智能调度与动态裁决环环相扣，最终汇聚为BladeSec团队极致的算力效率。

05 工业级实战底座：赛场捕获官方0day，数千真实漏洞久经沙场

BladeSec已具备从真实世界代码中发现漏洞、构造触发证据到完成验证的全链条能力。赛场之上，这套能力即刻转化为实战战果。

◆ 赛场之上直取0day：BladeSec在对arvo:46309目标版本的代码深度探索过程中，不仅完成了既定目标复现，更挖掘出潜伏至OpenEXR最新版本v3.5.1及主线代码中的全新未知0day漏洞，目前已获官方维护者正式确认。从锁定可疑代码路径，到自动构造触发输入、在沙箱中反复验证崩溃确定性，再到形成完整证据链并提交报告，全程无人工干预。CyberGym设计者所设想的“AI主动发现未知风险”，BladeSec以实战给出了印证。

◆ 数千真实高危漏洞久经沙场：BladeSec的能力源自团队成员在漏洞挖掘与利用领域的深厚积累。迄今为止，团队已发现数千个真实漏洞、收获数百个国际漏洞编号：向Linux内核主线合入了超过100个补丁，其中仅“最高危高分严重漏洞（9.8分）”就有14个，历史最悠久的漏洞潜伏超过21年，2026年合入总量稳居全国第一；OpenHarmony中验证超400个安全漏洞、稳居全国第一；Tomcat、WordPress、Dify、MCP服务等Web与AI框架中累计收获超170个CVE。这套底座，正是BladeSec赛场稳定输出的底气所在。

此次公开评测成果，是联合团队持续推进智能化网络攻防研究的阶段性进展。目前，融合自研安全大模型与智能体协同机制的系统性研究已取得新的突破，相关成果将于近期破土而出。

展望未来，区块链与数据安全全重联合研究团队将持续深化BladeSec团队能力体系，加速推动科研成果的产业化落地，为国家关键信息基础设施安全防护和网络安全自主可控提供坚实的技术支撑。