[논문리뷰] CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild

링크: 논문 PDF로 바로 열기

메타데이터

저자: Jian Yang, Haau-Sing Li, Shawn Guo, Zixi Zhao, Yibo Tan, Jiajun Wu, Aishan Liu, Xianglong Liu, Tianyu Zheng, Bryan Dai, Chengran Yang

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• CyberGym: 실제 소프트웨어 취약점(vulnerability)에 대해 Proof-of-Concept(PoC)를 재현하고 검증하는 환경을 제공하는 벤치마크 프레임워크입니다.
• Differential Oracle: 입력값 $x$가 취약점이 존재하는 pre-patch 빌드에서는 crash를 유발하고, 패치된 post-patch 빌드에서는 그렇지 않음을 확인하여 취약점 재현 성공 여부를 판단하는 객관적인 검증 도구입니다.
• Agentic Data: 단순 텍스트 생성이 아닌, 모델이 환경과 상호작용하고 도구(tool)를 사용하며 실행 피드백을 통해 솔루션을 수정하는 과정을 포함하는 학습 데이터입니다.
• Vulnerability-Analysis Skill: 소스 코드 검사, 도메인 사전 지식 기반의 문제 해결, 증거 기반 검증 등 취약점 분석을 위한 범용적이고 재사용 가능한 워크플로우를 의미합니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 오픈소스 진영에서 대규모 사이버 보안 모델 학습을 위한 재현 가능한 에이전트 데이터 파이프라인의 부재라는 핵심 문제를 해결하고자 합니다. 기존의 오픈소스 솔루션들은 파편화된 개별 작업에 집중되어 있어 확장 가능한 에이전트 학습 데이터가 부족하며, 단순한 프롬프트 기반의 학습으로는 실제 보안 실무에서 요구되는 고도화된 도메인 지식을 반영하기 어렵습니다. 저자들은 실제 CVE(Common Vulnerabilities and Exposures) 데이터를 실행 가능한 형태로 변환하고, 이를 모델이 학습할 수 있는 일관된 에이전트 워크플로우로 통합하는 프레임워크인 CyberFactory를 제안합니다 [Figure 1].

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 논문은 취약점 탐지, 패치 생성, 그리고 CyberQA를 통합하는 재현 가능한 오픈소스 프레임워크인 CyberFactory를 제안하며, 이를 통해 학습된 모델인 OpenAegis를 소개합니다 [Figure 2]. 저자들은 Vulnerability-Analysis Skill을 활용하여 모델이 환경 상호작용, 소스 분석, 증거 기반 검증을 반복하는 에이전트 Trajectory를 합성하고, 모델이 이 과정을 내재화하도록 Supervised Fine-tuning(SFT)을 수행합니다. 실험 결과, OpenAegis는 CyberGym 벤치마크에서 1시간의 시간 예산 내에 58.1%의 Pass@1을 기록하였습니다. 이는 베이스 모델인 Qwen 3.5 대비 28.5% 포인트 성능 향상을 달성한 수치이며, 더 큰 파라미터를 가진 GLM 5.2나 Kimi K2.7을 능가하는 우수한 성능입니다 [Table 1]. 또한 Trajectory 분석을 통해 OpenAegis가 학습 데이터 생성 시 사용된 에이전트 워크플로우를 추론 시 별도의 기술 지원 없이도 내재화하여 수행함을 입증하였습니다 [Figure 3].

4. Conclusion & Impact (결론 및 시사점)

본 연구는 실제 사이버 보안 아티팩트를 실행 가능한 에이전트 학습 데이터로 변환하는 체계적인 파이프라인을 구축함으로써 보안 AI 분야의 재현성과 성능을 동시에 확보하였습니다. 특히 모델이 추론 시 추가적인 기술 지원 없이도 복잡한 보안 분석 절차를 수행할 수 있게 함으로써 효율적인 보안 에이전트 개발의 새로운 표준을 제시했습니다. 이 연구는 산업계 및 학계에서 보안 전문 모델을 구축하는 데 필요한 투명하고 재현 가능한 레시피를 제공하며, 향후 더 넓은 범위의 취약점 분석 및 적응형 보안 에이전트 연구를 위한 토대가 될 것으로 기대됩니다.

---

Part 2: 중요 Figure 정보

Figure 1 — CyberFactory 워크플로우 개요

Figure 2 — 데이터 생성 및 학습 파이프라인

Figure 3 — 스킬 내재화 분석 결과

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.