中国DoGNAVY在全球AI安全基准测试中排名第三，为智能体安全铺平道路

CyberGym是加州大学伯克利分校提出的一个基准测试，用于评估AI智能体在188个开源项目中的1507个真实世界已修复漏洞中自主发现、验证和利用漏洞的能力。由中国顶尖AI研究机构和暗网安全团队开发的DoGNAVY，通过率达到90.8%（1369个任务），全球排名第三，仅次于微软的MDASH（92.0%）和Wiz与谷歌深度思维合作的Atlas（90.9%），领先于OpenAI的GPT-5.5-Cyber（85.6%）和Anthropic的Claude Mythos（83.1%）。排名前两位的系统依赖于将任务路由给性能最佳的闭源模型，这对中国团队来说存在可用性和成本方面的挑战。相比之下，DoGNAVY仅使用一个开源模型，即智谱的GLM-5.2，可从此前免费下载的Hugging Face上获取。DoGNAVY通过结构化工作流程、漏洞可达性分析、静态与动态反馈循环以及平台无关的安全研究经验知识库，模拟了顶级安全研究员的工作方式。该系统的架构包括开源安全框架AgentDoG，该框架能够诊断智能体行为、识别风险来源并解释决策动机。AgentDoG的训练采用智能选择机制挑选关键样本并进行数据净化，从而在复杂风险识别任务上达到了78.4%的准确率，与顶尖模型相当。这一成就表明，借助开源模型和真实世界的安全专业知识，中国可以应对最具挑战性的安全任务，使先进的AI安全能力更加普及。