深信服｜Sangfor AI登CyberGym全球前四、国内第一

挖漏洞这件事，AI也开始组团作战——深信服把成绩单摊在了国际靶场上。

深信服是国内网络安全与云计算领域的头部厂商之一，近年持续把大模型能力嵌入安全产品线。Sangfor AI是其AI安全智能体：不是只做规则匹配的扫描器，而是能自主读代码、推演漏洞、复现并验证的Agent。对本轮企业客户来说，真正贵的不是「再发现几个常见注入」，而是能不能降低误报、看懂业务逻辑、把安全前移到研发提交的那一刻。

深信服公布Sangfor AI在代码安全评测CyberGym中的成绩。在基于国产大模型GLM-5.2的固定模型配置下，面对涵盖ARVO与OSS-Fuzz的1507项漏洞挑战任务，成功完成1301项，整体成功率约86.3%，最终跻身全球前四、位列国内参评团队第一，并在该榜单口径下实现对部分采用OpenAI、Anthropic底座方案的成绩超越。

细分与机制：

1. 场景表现：ARVO相关任务成功率约87.2%，OSS-Fuzz任务成功率约77.7%。
2. 评测定位：CyberGym以开源软件历史高危漏洞为考题，考核自主源码分析、多阶段漏洞推演、漏洞复现与PoC验证全链路。
3. 架构：采用「智能体群体（Agent Swarm）协同」与「证据管治」机制。
4. 四条运行逻辑：有界探索、证据持久化、动态假设裁决、对抗式候选评审。

所谓PoC（Proof of Concept，概念验证），白话就是「不只说可能有洞，还要拿出能触发问题的证据」。传统静态应用安全测试（SAST）擅长按规则找SQL注入、命令执行等模式；业务逻辑里的越权、认证绕过往往更难。深信服将机制总结为「以假设拓展探索，以证据裁定结论」——先并行试多种解释，再用可验证证据收窄，而不是让某个未证实假设悄悄变成集体共识。

对企业落地的含义：

1. 拓宽检出：覆盖更多业务逻辑类风险。
2. 降低人工：跨文件关联、攻击路径推理与验证交给自动化。
3. 压降误报：多阶段推理与对抗评审减少无效整改。
4. 前移安全：嵌入编写与CI/CD，实现「代码提交即自动审计」。

安全Agent赛道里，评测榜只是分诊入口；能不能进流水线、敢不敢信结论，才决定采购。深信服选择用国产底座跑国际靶场，信号很直接：关键基础设施客户既要成绩，也要供应链可控。下一步观察点：榜单成绩能否转化为可计量的误报率与修复周期，以及安全Agent会不会成为政企研发工具链的默认插件。