在代码安全领域，一场激烈的全球性较量有了新成果。深信服旗下的AI安全智能体Sangfor AI，在AI安全评测CyberGym中交出了一份亮眼答卷。此次评测中，Sangfor AI凭借出色表现，成功跻身全球前四，同时在国内参评团队中位列榜首，甚至超越了OpenAI、Anthropic这两大海外AI巨头。
CyberGym堪称全球代码安全大模型实战的“黄金考场”。与传统静态理论测试不同，它完全模拟工业真实场景，以海量开源软件历史高危漏洞作为考题。该评测体系着重考核AI智能体在自主源码分析、多阶段漏洞推演、漏洞复现与PoC验证全链路的能力，评测标准极为严苛，其结果在行业内具有很高的参考价值。
在基于国产大模型GLM - 5.2的固定模型配置下，Sangfor AI面临涵盖ARVO与OSS - Fuzz的1507项漏洞挑战任务。它成功完成了1301项，整体成功率高达86.3%。在细分场景中，Sangfor AI同样表现均衡，ARVO相关任务成功率达到87.2%，OSS - Fuzz任务成功率为77.7%，充分验证了国产大模型在复杂代码对抗场景下具备稳定的实战能力。
深信服为解决漏洞挖掘过程中长链路推理、多假设探索和持续验证等难题，为Sangfor AI打造了独特的技术架构。它采用“智能体群体（Agent Swarm）协同作战”架构，并引入“证据管治”机制，整套技术框架包含四大核心运行逻辑。
有界探索是其中一大特色。围绕不同的安全假设，系统会分别开启独立且边界清晰的调查分支。这样，多个可能的解释能够并行推进，既不会互相干扰，也不会让未经证实的假设悄然成为集体共识。
证据持久化机制确保各调查分支通过“证据”而非完整对话历史来协同工作。已被验证的观察和已被证伪的路径都会被保留下来，避免同一条错误路径被反复重新试错，提高探索效率。
动态假设裁决环节，一个协调层会持续依据不断演化的证据状态，判断哪些假设仍然成立、哪些问题尚待解决、哪里还值得继续投入。这使得每一轮探索都能有效收窄搜索空间，让探索更具针对性。
对抗式候选评审则是在证据支持某个具体的触发方案时，系统才会构造候选输入并提交“对抗式评审”。评审会同时挑战“这次崩溃是否可复现”以及“这次崩溃是否真的对应目标漏洞”。未通过评审的候选会被打回，用于修正下一步探索方向，只有真正经受住检验的候选，才会成为系统最终提交的安全结论。深信服技术团队将这套机制总结为“以假设拓展探索，以证据裁定结论”，既能大范围排查潜在风险，又能通过多层校验压低误判概率。
深信服并未将创新成果停留在理论层面，而是积极推动其走进企业研发流程。目前，相关技术已逐步应用于企业代码安全场景，推动传统静态应用安全测试（SAST）向具备自主推理和业务理解能力的安全Agent升级。
这些能力已经开始赋能深信服产品体系，为企业级用户带来诸多实实在在的价值。在降低人工审计成本方面，AI能够自动化完成代码理解、跨文件关联分析、攻击路径推理与风险验证等工作，大大减轻了安全专家的繁重人工劳动。在减少误报、提升效率上，依靠多阶段推理与严苛的证据验证机制，有效压降了误报率，让研发人员能够聚焦真正需要修复的风险，避免无效整改。在缩短研发交付周期方面，安全检测前移至研发编写与CI/CD流水线中，实现“代码提交即自动审计”，大幅降低了后期返工成本，加速业务高效上线。还能帮助企业在更早阶段筑牢防线，遏制因数据泄露、业务中断带来的合规与经济风险。
对于广大企业用户来说，AI安全Agent的核心价值不仅在于发现更多漏洞，更在于它能以极高的准确率、极低的人工成本和极快的响应速度，实现研发效率与代码安全的同步提升。
