CyberForge: Framework per la Generazione di Dati di Addestramento per la Sicurezza a Livello di Repository

È stato lanciato un nuovo framework chiamato CyberForge per affrontare la carenza di dati di addestramento per la sicurezza degli agenti basati su grandi modelli linguistici (LLM). Questo framework crea dati di addestramento per la sicurezza a livello di repository, eseguibili, incorporando vulnerabilità in progetti C/C++ reali. Ogni istanza viene sottoposta a validazione dinamica: la build modificata deve superare con successo i test unitari del progetto, e una prova di vulnerabilità (PoV) generata deve attivarsi sulla build modificata ma rimanere inattiva sulla versione non modificata. Questo metodo non è limitato dal numero di vulnerabilità divulgate, offrendo un mezzo scalabile per addestrare agenti difensivi. I dettagli sono descritti in un articolo su arXiv (arXiv:2608.06471), classificato come 'cross'. L'articolo discute le difficoltà incontrate dagli agenti LLM all'avanguardia nell'identificare e correggere vulnerabilità complesse in software reale, sottolineando che mentre gli agenti prontamente disponibili possono assistere gli attaccanti, i difensori devono individuare e correggere persistentemente tutte le vulnerabilità all'interno di codebase in rapida espansione. CyberForge cerca di migliorare gli agenti difensivi fornendo dati di addestramento di alta qualità insieme ad ambienti di build ed esecuzione riproducibili.