CyberFactory: 野外インスタンスによるサイバーセキュリティ能力の拡張

コード能力の向上が続く中、大規模言語モデル（LLM）がサイバーセキュリティ分野でも大きな可能性を秘めていることが注目されています。クローズドソースの LLM（例：Mythos）はすでに高度なセキュリティ機能を提供していますが、既存のオープンソース取り組みには依然として限界があります。

まず、最先端のオープンウェイトモデルでは再現可能なサイバーセキュリティのトレーニングソリューションが提供されていません。また、既存のオープンソースによるトレーニング手法は単一のタスクに限定されており、スケーラブルなエージェント用データが不足しています。さらに、エージェントロールアウトを拡張するには強力なドメイン事前知識が必要です。

本研究では、PoC（概念実証）生成、脆弱性パッチ適用、サイバーセキュリティ質問応答（CyberQA）の各領域にまたがるデータ構築、軌道合成、モデル学習を統合するオープンソースフレームワーク「CyberFactory」を発表します。CyberFactory は、野外から収集された CVE などの公開脆弱性情報を、実行可能かつ検証可能なタスクインスタンスへと変換します。

さらに、再利用可能な脆弱性分析スキルを活用し、教師モデルがソースコードの検査を行い、ドメイン事前知識を用いて問題を解決し、証拠に基づく検証を行うプロセスを支援します。その結果得られる監督信号は「エージェント型」であり、モデルはツールや対象環境と相互作用しながら、実行フィードバックに基づいて自らの解決策を修正していきます。

これらの軌跡データを用いて、私たちはモデルを訓練し公開しました。ギリシャ神話において「アイギス」はゼウスとアテナの守護の盾を指す言葉ですが、この名前はモデルが防御的かつセキュリティ指向の目的を持っていることを象徴しています。

本モデルは、推論時にスキルを必要とせずに、スキルのガイド付き手順を内部に組み込みます。CyberGym における評価では、1 時間の予算制限下で Pass@1 が 52.4% に達しました。これは Qwen~3.5 ベースモデルと比較して +22.8 ポイントの向上であり、同じスキャフォールド（骨格構造）の下で評価された汎用バックボーンモデル群よりも優れた性能を示しています。