MobileCybench: Evaluating Agent Vulnerability Discovery via Executable Probes

arXiv cs.CR · 22 sept, 06:00

Un nuevo benchmark llamado MobileCybench evalúa la capacidad de agentes de IA para descubrir vulnerabilidades en aplicaciones Android mediante probes (pruebas ejecutables de propiedades de seguridad). El estudio encontró que el agente OpenCode con GPT-5.6-Sol puede disparar probes en el 53,8% de aplicaciones en configuraciones locales y el 16,7% en ataques remotos, descubriendo 23 vulnerabilidades previamente no reportadas. Este trabajo ilustra la creciente capacidad de sistemas de IA para tareas ofensivas de seguridad y el desafío que esto plantea a los mantenedores de software.