SecRespond：评估AI智能体在真实入侵后事件响应中的表现

阿里巴巴发布SecRespond，这是首个评估LLM智能体在入侵后事件响应表现的基准。它利用10个云主机攻防环境、21个ATT&CK技术、5种操作系统，评估23个前沿模型。结果显示，当前智能体虽能识别警报暴露的问题，但无法主动发现磁盘中的无声入侵，也无法制定全面且已验证的修复计划，没有模型能完成全部检测与修复。基准已开源。

此前网络安全基准侧重于入侵前场景，智能体在干净理想环境下测试。SecRespond首次聚焦入侵后场景，提供真实云主机取证快照和警报，要求智能体产出取证报告和修复计划，更贴近实际安全运维，为提升智能体安全能力提供了重要测试平台。

SecRespond通过模拟真实入侵后果，让智能体基于取证快照和产品警报执行响应任务。由于当前模型依赖显式警报，缺乏主动磁盘调查能力，导致无法发现无声入侵并生成完整修复计划，这反映了推理与工具使用上的局限。基准从多个维度衡量，暴露了系统性瓶颈。

此基准可被安全产品厂商用于评估和优化其AI助手或智能体，明确能力差距，指导研发投入。企业安全团队可选择更可靠的智能体方案，但需注意当前水平限制，不能依赖其完全自主响应。产品规划中应强化主动调查和验证能力。

• 构建智能体主动磁盘调查能力，结合威胁狩猎规则，定期自查隐蔽入侵指标。
• 开发自动验证修复计划的引擎，模拟执行环境，确保方案无遗漏且可落地。
• 基于SecRespond设计内部评估集，持续跟踪模型在三类任务上的表现。
• 将入侵后响应能力作为差异化卖点，在营销中突出主动发现能力。

• SecRespond是否支持多语言或中文场景？
• 23个模型中表现最好的具体是哪几款？
• 该基准是否被业界广泛采纳，是否形成通用标准？