Agent赋能安全攻防演练

课题背景： 传统的网络安全攻防演练和漏洞挖掘高度依赖安全专家的个人经验，面临着效率瓶颈、覆盖面受限以及人力成本高昂等痛点。大模型（LLM）与智能体（Agent）技术的成熟，其强大的任务规划、执行和工具调用能力为自动化攻防带来了全新可能。利用Agent赋能安全团队，已成为提升企业自动化安全防御水位的重要趋势。 课题挑战：构建具备红蓝对抗演练与漏洞挖掘能力的自主Agent面临多重技术壁垒：需解决复杂长链路渗透场景下的稳定性问题；实现安全工具的高效集成与动态调度，使Agent能根据实时反馈调整策略；此外，还需克服行业内缺乏贴合真实业务场景的高质量攻防Benchmark的难题，以指导模型迭代。 具体工作：研究结合 AI Agent 提升企业安全蓝军演习与漏洞发现的效率，对标行业SOTA产品建立可高效验证与迭代的Benchmark与工作流。

1. 人工智能、网络空间安全与计算机相关专业的博士同学
2. 有大模型与Agent赋能自动化漏洞挖掘与攻防演练相关研究经验，参加过知名CTF比赛并获得较好成绩或有开源安全工具项目，熟悉常见Agent框架与Benchmark构建，能基于AI Coding快速进行产品迭代。