【免费下载链接】cybergymCyberGym is a large-scale, high-quality cybersecurity evaluation framework designed to rigorously assess the capabilities of AI agents on real-world vulnerability analysis tasks.项目地址https://gitcode.com/gh_mirrors/cy/cybergym点击查看免费下载CyberGym 是一个面向 AI Agent 的大规模网络安全评测框架用于评估智能体在真实漏洞分析任务上的能力。要跑起来 CyberGym最关键的一步就是下载评测数据。本文带你一次搞定 CyberGym 数据下载从 240GB 全量基准数据到 130GB 二进制模式再到 10 个任务的轻量子集3 种方案按需求任选还附磁盘空间估算与选型建议。 先了解CyberGym 的数据分几部分CyberGym 的数据可以分为两大块理解了这个结构选下载方案就不会迷路数据部分内容说明基准任务数据漏洞仓库源码repo-vul.tar.gz等任务文件通过 Git LFS 从数据集仓库拉取全量约240GB服务器运行数据PoC 提交验证用的 Docker 镜像含编译环境全量约10TB也可用二进制模式省到约130GB简单说任务数据让 Agent「有题可做」服务器数据让验证服务「能判对错」。两者可以分开下载这正是 3 种方案的由来。 下载前的环境准备在开始下载前先安装好 CyberGym 依赖。项目要求 Python ≥ 3.12见 pyproject.toml并需要 Docker 环境服务器数据均为 Docker 镜像。pip3 install -e .[dev,server]安装脚本会自动带入docker、fastapi、uvicorn等依赖。下载脚本本身位于 scripts/server_data/ 目录下后续方案都会用到。 方案一下载 240GB 全量基准任务数据如果你要完整复现基准测试需要拿到全部任务的源码数据。数据以 Git LFS 形式存放两步搞定git lfs install git clone https://huggingface.co/datasets/sunblaze-ucb/cybergym cybergym_data⏳ 全量约 240GB请确认磁盘空间与网络带宽充足LFS 大文件建议开启断点续传或低速长挂下载。克隆完成后任务清单在cybergym_data/tasks.json后续启动服务器验证服务时会用到它。 方案二130GB 二进制模式只需静态分析时选它如果你只做静态分析、不需要给 Agent 提供动态编译运行环境可以走「binary only」模式跳过庞大的编译环境镜像只下载可执行二进制总量约130GB。# 1. 拉取二进制分析所需的 4 个基础 runner 镜像 python scripts/server_data/download_binary_only_runners.py # 2. 下载二进制数据包并解压 wget https://huggingface.co/datasets/sunblaze-ucb/cybergym-server-binary/resolve/main/cybergym-server-data.7z 7z x cybergym-server-data.7z下载脚本 download_binary_only_runners.py 只会拉取cybergym/oss-fuzz-base-runner的 4 个历史 taglatest、20200102、20190802、20220102体量可控。之后启动提交服务器时加上--binary_dir参数即可例如CYBERGYM_SERVER_DATA_DIR./cybergym-server-data python3 -m cybergym.server \ --host 0.0.0.0 --port $PORT --mask_map_path mask_map.json \ --log_dir $POC_SAVE_DIR --db_path $POC_SAVE_DIR/poc.db \ --binary_dir $CYBERGYM_SERVER_DATA_DIR 方案三10 任务轻量子集快速上手首选完整服务器数据约 10TB对大多数个人研究者过于沉重。官方提供了一个精心挑选的10 任务子集5 个 Agent 能够成功产出 PoC 的任务 5 个难度较高的任务兼顾「跑得通」和「有挑战」arvo:47101 arvo:3938 arvo:24993 arvo:1065 arvo:10400 arvo:368 oss-fuzz:42535201 oss-fuzz:42535468 oss-fuzz:370689421 oss-fuzz:385167047一条命令拉取子集所需的全部镜像1 个基础镜像 10 个任务的-vul/-fix镜像对python scripts/server_data/download_subset.py任务列表硬编码在 download_subset.py 中并支持--max-workers参数并发拉取例如python scripts/server_data/download_subset.py -w 4。想先冒烟测试的话可以生成一个任务试试python3 -m cybergym.task.gen_task \ --task-id arvo:10400 \ --out-dir ./cybergym_tmp \ --data-dir ./cybergym_data/data \ --server http://$SERVER_IP:8666 \ --mask-map mask_map.json \ --difficulty level1 三种方案对比一张表帮你做选择对比项方案一全量任务数据方案二二进制模式方案三10任务子集数据量~240GB~130GB最小数十GB级镜像适用场景完整基准评测仅静态分析、无需编译环境快速上手、调试、论文复现前验证依赖Git LFSDocker 7zDocker入口脚本git cloneLFSdownload_binary_only_runners.pydownload_subset.py难度需要较大磁盘中等⭐ 新手友好选型建议刚接触 CyberGym→ 先走方案三用 10 个任务跑通「生成任务 → 提交 PoC → 验证」全流程做静态代码/二进制分析研究→ 方案二130GB 更划算正式提交榜单或完整评测→ 方案一全量数据注意完整服务器数据约 10TB一般配合机构级存储使用。❓ 常见问题Q1镜像下载失败或中断怎么办下载脚本基于 Docker API 拉取镜像见 download.py失败会打印Failed to pull ...并继续执行其余任务重新运行脚本即可续拉已成功部分之外的镜像。Q2一定要 Docker 吗需要。服务器验证服务依赖 Docker 镜像运行目标程序环境准备Python ≥ 3.12 Docker是硬性要求。Q3Agent 运行时需要网络访问吗不需要且不建议开启。官方 FAQ 明确提示开放网络可能导致 Agent 通过搜索 patch 来「作弊」reward hacking。如需限制出站流量可用内置的域名白名单代理python3 -m cybergym.firewall start更多细节见 FAQ.md 与 SUBMISSION.md。Q4子集之外还能自选任务吗可以。download.py 通过--tasks-file参数读取任务列表JSON按任务 ID 拆分出arvo与oss-fuzz两类镜像 tag 并支持-w并发拉取你可以裁剪出自己的任务子集。✅ 小结CyberGym 数据下载核心分两类240GB 全量任务数据Git LFS 克隆 服务器验证数据Docker 镜像只需静态分析 → 选 130GB二进制模式快速体验 → 选10 任务轻量子集完整评测 →全量下载全部下载入口集中在 scripts/server_data/配合 README.md 的 Evaluation 一节即可完整跑起评测服务。按上面的步骤操作你就能根据自己的硬件条件以最合适的成本把 CyberGym 评测环境搭起来。Happy hacking赞分享【免费下载链接】cybergymCyberGym is a large-scale, high-quality cybersecurity evaluation framework designed to rigorously assess the capabilities of AI agents on real-world vulnerability analysis tasks.项目地址https://gitcode.com/gh_mirrors/cy/cybergym点击查看免费下载相关推荐PT助手Plus批量下载终极指南3步搞定海量种子任务PT助手Plus批量下载终极指南3步搞定海量种子任务 还在为逐个点击下载PT站种子而烦恼吗想象一下这样的场景你发现一个资源丰富的合集页面包含了几十个优质前端Transmission批量种子导出备份下载任务的方法Transmission批量种子导出备份下载任务的方法 你是否遇到过重装系统后所有下载任务丢失的情况或者想在多台设备间同步Transmission的种子列表网络桌面应用CLI后端SOAR 安装指南二进制下载与源码编译两种方式的完整实践SOAR 安装指南二进制下载与源码编译两种方式的完整实践 SOARSQL Optimizer And Rewriter是小米数据库团队开发的一款 SQL后端数据库开发工具上一篇【亲测免费】 探索数学推理新高度PRM800K 过程监督数据集下一篇EvalPlus提升LLM4Code评估的严格性与准确性创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
