CAI 引用与致谢指南如何规范引用这个开源网络安全 AI 框架【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/caiCAICybersecurity AI是一个面向攻防自动化的开源安全 AI 框架。本文以仓库中的 docs/cai_citation_and_acknowledgments.md 为骨架完整给出官方推荐的 BibTeX 引用条目并结合 README.md、CITATION.cff 与源码实现讲解 CAI 的项目出处、欧盟资助背景、上游技术渊源OpenAI swarm、LiteLLM、Phoenix以及规范的致谢写法。读者读完后将能在论文、技术报告或研究项目中正确引用 CAI并准确描述其开放许可与学术合作渠道。一、官方推荐的引用条目BibTeXCAI 官方在 docs/cai_citation_and_acknowledgments.md 中提供了标准的 BibTeX 条目可直接复制到论文参考文献中misc{mayoralvilches2025caiopenbugbountyready, title{CAI: An Open, Bug Bounty-Ready Cybersecurity AI}, author{Víctor Mayoral-Vilches and Luis Javier Navarrete-Lozano and María Sanz-Gómez and Lidia Salas Espejo and Martiño Crespo-Álvarez and Francisco Oca-Gonzalez and Francesco Balassone and Alfonso Glera-Picón and Unai Ayucar-Carbajo and Jon Ander Ruiz-Alcalde and Stefan Rass and Martin Pinzger and Endika Gil-Uriarte}, year{2025}, eprint{2504.06017}, archivePrefix{arXiv}, primaryClass{cs.CR}, url{https://arxiv.org/abs/2504.06017}, }1. 条目字段逐项解读字段值含义misc—预印本类型条目arXiv 预印本尚未以正式期刊形式发表titleCAI: An Open, Bug Bounty-Ready Cybersecurity AI论文标题点明 CAI 面向漏洞赏金Bug Bounty场景的定位author14 位作者首作者 Víctor Mayoral-Vilches完整作者列表可直接在参考文献中展开year2025发表年份eprint2504.06017arXiv 论文编号archivePrefixarXiv归档前缀配合eprint可自动生成 arXiv 链接primaryClasscs.CR计算机科学分类——Cryptography and Security密码学与安全urlarXiv 摘要页链接可点击的论文入口该条目与仓库根目录下的 CITATION.cff 完全一致后者采用机器可读的 CITATION.cff 规范格式。两条记录相互印证说明这是项目方认可并推荐的权威引用方式——自动化工具如 GitHub 的 Citation 面板可以直接解析 CITATION.cff人工写作则直接使用上述 BibTeX。2. 扩展引用列表按发表日期排序除上述核心条目外README.md 的 Citation 章节还按发表日期提供了系列论文的 BibTeX 引用覆盖 CAI 研究的不同侧面可按主题选用引用键标题要点arXiv 编号mayoral2025caiCAI 框架总览即核心条目对应的期刊变体2504.06017mayoral2025automation自动化与自主性之间的危险鸿沟2506.23592mayoral2025fluencyCAI Fluency网络安全 AI 熟练度框架2508.13588mayoral2025hacking通过提示注入攻击 AI 黑客2508.21669mayoral2025humanoid人形机器人作为攻击向量2509.14139balassone2025evaluation在攻防 CTF 中评估智能体网络安全能力2510.17521mayoral2025caibenchCAIBench评估网络安全 AI 智能体的元基准2510.24317这些论文对应的评测实现可以在 benchmarks 目录中找到落地载体例如 CyberMetric、SecEval、cyberPII-bench 等基准数据集与评测脚本。引用时只需把对应的 BibTeX 块直接放入参考文献文件即可无需手工改写。二、致谢项目出处与资金来源CAI was initially developed by Alias Robotics and co-funded by the European EIC accelerator project RIS (GA 101161136) - HORIZON-EIC-2023-ACCELERATOR-01 call.致谢部分明确了 CAI 的两个关键出处初始开发方Alias Robotics。这家西班牙机器人网络安全公司长期深耕机器人/物联网安全研究其背景直接影响了 CAI 面向新兴攻击面机器人、嵌入式、网络对抗的设计取向共同资助方欧盟 EICEuropean Innovation Council加速器项目 RIS。资助协议号 GA 101161136属于 HORIZON-EIC-2023-ACCELERATOR-01 征集。在论文的基金致谢Funding段落中可参考如下表述This work was partially funded by the European Innovation Council (EIC) accelerator project RIS under Grant Agreement No. 101161136 (HORIZON-EIC-2023-ACCELERATOR-01 call).三、技术渊源从 OpenAI swarm 到 CAI 的智能体模式文档明确指出CAI 最初的智能体原则agentic principles源自 OpenAI 的开源库 swarm。swarm 的核心思想是多智能体通过 handoff交接机制协作CAI 将其吸收并演进为更丰富的模式体系。这一渊源在仓库源码中有直接印证。查看 src/cai/agents/patterns/init.pyPATTERNS [hierarchical, swarm, chain_of_thought, auction_based, recursive]该模块同时导出swarm_pattern、parallel_pattern、hierarchical_pattern等模式并提供了get_swarm_patterns()、is_swarm_pattern()等辅助函数用于自动识别和加载基于 handoff 协作的 swarm 模式# 自动识别并加载 swarm 与 parallel 模式 def discover_patterns() - Dict[str, Pattern]: # 遍历 patterns 目录将 swarm 模式包装进对应的 Pattern 类 ...也就是说OpenAI swarm 所代表的交接式多智能体协作原则已在 CAI 中被落地为可配置、可发现的模式组件。进一步的使用方式可参阅 docs/agents.md智能体架构、docs/handoffs.md交接机制以及可直接运行的示例 examples/cai/agent_patterns/handoffs.py 与 examples/cai/agent_patterns/handoffs_and_tools.py。四、上游开源组件LiteLLM 与 Phoenix文档列举了两个关键的上游开源构建模块二者在源码与文档中均有实际落地证据。1. LiteLLM——统一多模型接入层LiteLLM 为 CAI 提供了统一的多模型接入能力README.md 明确写道Multi-Model Support: more than 300 supported and empowered by LiteLLM.在源码层面LiteLLM 已深度集成到 CAI 的日常运行链路中src/cai/cli.pyCLI 启动时会调用fix_litellm_transcription_annotations()对 LiteLLM 的__annotations__兼容性问题打补丁保证框架稳定启动src/cai/repl/commands/model.py/model命令会拉取 LiteLLM 的模型清单与内置模型、Ollama 模型合并后供用户动态切换src/cai/repl/commands/completer.py命令补全器同样从 LiteLLM 的模型列表获取候选模型名实现模型名自动补全。在编程接入层面examples/model_providers/litellm.py 给出了将 CAI Agent 指向 LiteLLM 网关的完整可运行示例external_client AsyncOpenAI( base_url os.getenv(LITELLM_BASE_URL, http://localhost:4000), api_keyos.getenv(LITELLM_API_KEY, key)) set_default_openai_client(external_client) set_tracing_disabled(True) agent Agent( nameAssistant, instructionsYou are a helpful assistant, modelOpenAIChatCompletionsModel( modelllm_model, openai_clientexternal_client, ) )其原理是通过标准 OpenAI 兼容接口连接到本地或远程 LiteLLM 代理默认http://localhost:4000从而在 CAI 中使用任意被 LiteLLM 支持的模型示例中为qwen2.5:14b。对于希望通过 LiteLLM 网关接入更多模型如 DeepSeek、Ollama 等本地模型的用户可直接参考该示例改造自己的客户端。2. Phoenix——基于 OpenTelemetry 的 AI 可观测性PhoenixArize AI 出品为 CAI 提供了基于 OpenTelemetry 标准的追踪与日志能力。README.md 说明CAI implements AI observability by adopting the OpenTelemetry standard and to do so, it leverages Phoenix ... allowing you to monitor and analyze your security operations in real-time.借助 Phoenix用户可以实时观测智能体交互、工具调用与攻击向量追踪便于调试复杂的利用链、跟踪漏洞发现过程并据此优化安全评估中智能体的表现。CAI 的完整追踪体系Trace、Span、Processor、Scope 等的文档位于 docs/tracing.md 与 docs/ref/tracing/index.md底层实现位于 src/cai/sdk/agents/tracing 目录其中 processors.py 定义了追踪数据处理器接口spans.py 定义了跨度Span数据结构。对应的测试用例见 tests/tracing 目录。五、引用与致谢的规范使用建议在正式出版物或研究项目中引用 CAI 时建议遵循以下步骤引用主论文优先使用 docs/cai_citation_and_acknowledgments.md 给出的 BibTeX 条目若希望提供机器可读的引用元数据可同时参考 CITATION.cff按主题补充引用若你的工作涉及 CTF 评测、提示注入、机器人安全、自动化与自主性差距、Agent 基准评测等特定方向可补充引用 README.md 中对应的 arXiv 条目致谢资金来源受欧盟资助或与 Alias Robotics 合作的成果需在致谢中注明 EIC RIS 项目资助协议号 GA 101161136 与 HORIZON-EIC-2023-ACCELERATOR-01 征集尊重上游依赖CAI 依赖 LiteLLM、Phoenix 等开源组件衍生工作或对比研究中引用这些上游项目同样是对开源生态的基本尊重研究合作渠道CAI 面向研究社区开放学术合作支持博士研究项目、学术基准研究、安全教育计划与来自研究实验室的开源贡献等方向相关说明见 README.md 的 Academic Collaborations 小节。结语引用与致谢是开源项目良性循环的起点。通过本文给出的 BibTeX 条目、资助声明写法与技术渊源说明你可以准确、合规地在论文与报告中引用 CAI让这项由欧盟 EIC 共同资助、基于 OpenAI swarm 智能体原则并深度集成 LiteLLM 与 Phoenix 的网络安全 AI 框架获得应有的学术承认也帮助后来者沿着这些线索进一步研究与复用。【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/cai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/15 19:38:10 · 阅读 1.2k CAI 引用与致谢指南：如何规范引用这个开源网络安全 AI 框架
CAI 引用与致谢指南如何规范引用这个开源网络安全 AI 框架【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/caiCAICybersecurity AI是一个面向攻防自动化的开源安全 AI 框架。本文以仓库中的 docs/cai_citation_and_acknowledgments.md 为骨架完整给出官方推荐的 BibTeX 引用条目并结合 README.md、CITATION.cff 与源码实现讲解 CAI 的项目出处、欧盟资助背景、上游技术渊源OpenAI swarm、LiteLLM、Phoenix以及规范的致谢写法。读者读完后将能在论文、技术报告或研究项目中正确引用 CAI并准确描述其开放许可与学术合作渠道。一、官方推荐的引用条目BibTeXCAI 官方在 docs/cai_citation_and_acknowledgments.md 中提供了标准的 BibTeX 条目可直接复制到论文参考文献中misc{mayoralvilches2025caiopenbugbountyready, title{CAI: An Open, Bug Bounty-Ready Cybersecurity AI}, author{Víctor Mayoral-Vilches and Luis Javier Navarrete-Lozano and María Sanz-Gómez and Lidia Salas Espejo and Martiño Crespo-Álvarez and Francisco Oca-Gonzalez and Francesco Balassone and Alfonso Glera-Picón and Unai Ayucar-Carbajo and Jon Ander Ruiz-Alcalde and Stefan Rass and Martin Pinzger and Endika Gil-Uriarte}, year{2025}, eprint{2504.06017}, archivePrefix{arXiv}, primaryClass{cs.CR}, url{https://arxiv.org/abs/2504.06017}, }1. 条目字段逐项解读字段值含义misc—预印本类型条目arXiv 预印本尚未以正式期刊形式发表titleCAI: An Open, Bug Bounty-Ready Cybersecurity AI论文标题点明 CAI 面向漏洞赏金Bug Bounty场景的定位author14 位作者首作者 Víctor Mayoral-Vilches完整作者列表可直接在参考文献中展开year2025发表年份eprint2504.06017arXiv 论文编号archivePrefixarXiv归档前缀配合eprint可自动生成 arXiv 链接primaryClasscs.CR计算机科学分类——Cryptography and Security密码学与安全urlarXiv 摘要页链接可点击的论文入口该条目与仓库根目录下的 CITATION.cff 完全一致后者采用机器可读的 CITATION.cff 规范格式。两条记录相互印证说明这是项目方认可并推荐的权威引用方式——自动化工具如 GitHub 的 Citation 面板可以直接解析 CITATION.cff人工写作则直接使用上述 BibTeX。2. 扩展引用列表按发表日期排序除上述核心条目外README.md 的 Citation 章节还按发表日期提供了系列论文的 BibTeX 引用覆盖 CAI 研究的不同侧面可按主题选用引用键标题要点arXiv 编号mayoral2025caiCAI 框架总览即核心条目对应的期刊变体2504.06017mayoral2025automation自动化与自主性之间的危险鸿沟2506.23592mayoral2025fluencyCAI Fluency网络安全 AI 熟练度框架2508.13588mayoral2025hacking通过提示注入攻击 AI 黑客2508.21669mayoral2025humanoid人形机器人作为攻击向量2509.14139balassone2025evaluation在攻防 CTF 中评估智能体网络安全能力2510.17521mayoral2025caibenchCAIBench评估网络安全 AI 智能体的元基准2510.24317这些论文对应的评测实现可以在 benchmarks 目录中找到落地载体例如 CyberMetric、SecEval、cyberPII-bench 等基准数据集与评测脚本。引用时只需把对应的 BibTeX 块直接放入参考文献文件即可无需手工改写。二、致谢项目出处与资金来源CAI was initially developed by Alias Robotics and co-funded by the European EIC accelerator project RIS (GA 101161136) - HORIZON-EIC-2023-ACCELERATOR-01 call.致谢部分明确了 CAI 的两个关键出处初始开发方Alias Robotics。这家西班牙机器人网络安全公司长期深耕机器人/物联网安全研究其背景直接影响了 CAI 面向新兴攻击面机器人、嵌入式、网络对抗的设计取向共同资助方欧盟 EICEuropean Innovation Council加速器项目 RIS。资助协议号 GA 101161136属于 HORIZON-EIC-2023-ACCELERATOR-01 征集。在论文的基金致谢Funding段落中可参考如下表述This work was partially funded by the European Innovation Council (EIC) accelerator project RIS under Grant Agreement No. 101161136 (HORIZON-EIC-2023-ACCELERATOR-01 call).三、技术渊源从 OpenAI swarm 到 CAI 的智能体模式文档明确指出CAI 最初的智能体原则agentic principles源自 OpenAI 的开源库 swarm。swarm 的核心思想是多智能体通过 handoff交接机制协作CAI 将其吸收并演进为更丰富的模式体系。这一渊源在仓库源码中有直接印证。查看 src/cai/agents/patterns/init.pyPATTERNS [hierarchical, swarm, chain_of_thought, auction_based, recursive]该模块同时导出swarm_pattern、parallel_pattern、hierarchical_pattern等模式并提供了get_swarm_patterns()、is_swarm_pattern()等辅助函数用于自动识别和加载基于 handoff 协作的 swarm 模式# 自动识别并加载 swarm 与 parallel 模式 def discover_patterns() - Dict[str, Pattern]: # 遍历 patterns 目录将 swarm 模式包装进对应的 Pattern 类 ...也就是说OpenAI swarm 所代表的交接式多智能体协作原则已在 CAI 中被落地为可配置、可发现的模式组件。进一步的使用方式可参阅 docs/agents.md智能体架构、docs/handoffs.md交接机制以及可直接运行的示例 examples/cai/agent_patterns/handoffs.py 与 examples/cai/agent_patterns/handoffs_and_tools.py。四、上游开源组件LiteLLM 与 Phoenix文档列举了两个关键的上游开源构建模块二者在源码与文档中均有实际落地证据。1. LiteLLM——统一多模型接入层LiteLLM 为 CAI 提供了统一的多模型接入能力README.md 明确写道Multi-Model Support: more than 300 supported and empowered by LiteLLM.在源码层面LiteLLM 已深度集成到 CAI 的日常运行链路中src/cai/cli.pyCLI 启动时会调用fix_litellm_transcription_annotations()对 LiteLLM 的__annotations__兼容性问题打补丁保证框架稳定启动src/cai/repl/commands/model.py/model命令会拉取 LiteLLM 的模型清单与内置模型、Ollama 模型合并后供用户动态切换src/cai/repl/commands/completer.py命令补全器同样从 LiteLLM 的模型列表获取候选模型名实现模型名自动补全。在编程接入层面examples/model_providers/litellm.py 给出了将 CAI Agent 指向 LiteLLM 网关的完整可运行示例external_client AsyncOpenAI( base_url os.getenv(LITELLM_BASE_URL, http://localhost:4000), api_keyos.getenv(LITELLM_API_KEY, key)) set_default_openai_client(external_client) set_tracing_disabled(True) agent Agent( nameAssistant, instructionsYou are a helpful assistant, modelOpenAIChatCompletionsModel( modelllm_model, openai_clientexternal_client, ) )其原理是通过标准 OpenAI 兼容接口连接到本地或远程 LiteLLM 代理默认http://localhost:4000从而在 CAI 中使用任意被 LiteLLM 支持的模型示例中为qwen2.5:14b。对于希望通过 LiteLLM 网关接入更多模型如 DeepSeek、Ollama 等本地模型的用户可直接参考该示例改造自己的客户端。2. Phoenix——基于 OpenTelemetry 的 AI 可观测性PhoenixArize AI 出品为 CAI 提供了基于 OpenTelemetry 标准的追踪与日志能力。README.md 说明CAI implements AI observability by adopting the OpenTelemetry standard and to do so, it leverages Phoenix ... allowing you to monitor and analyze your security operations in real-time.借助 Phoenix用户可以实时观测智能体交互、工具调用与攻击向量追踪便于调试复杂的利用链、跟踪漏洞发现过程并据此优化安全评估中智能体的表现。CAI 的完整追踪体系Trace、Span、Processor、Scope 等的文档位于 docs/tracing.md 与 docs/ref/tracing/index.md底层实现位于 src/cai/sdk/agents/tracing 目录其中 processors.py 定义了追踪数据处理器接口spans.py 定义了跨度Span数据结构。对应的测试用例见 tests/tracing 目录。五、引用与致谢的规范使用建议在正式出版物或研究项目中引用 CAI 时建议遵循以下步骤引用主论文优先使用 docs/cai_citation_and_acknowledgments.md 给出的 BibTeX 条目若希望提供机器可读的引用元数据可同时参考 CITATION.cff按主题补充引用若你的工作涉及 CTF 评测、提示注入、机器人安全、自动化与自主性差距、Agent 基准评测等特定方向可补充引用 README.md 中对应的 arXiv 条目致谢资金来源受欧盟资助或与 Alias Robotics 合作的成果需在致谢中注明 EIC RIS 项目资助协议号 GA 101161136 与 HORIZON-EIC-2023-ACCELERATOR-01 征集尊重上游依赖CAI 依赖 LiteLLM、Phoenix 等开源组件衍生工作或对比研究中引用这些上游项目同样是对开源生态的基本尊重研究合作渠道CAI 面向研究社区开放学术合作支持博士研究项目、学术基准研究、安全教育计划与来自研究实验室的开源贡献等方向相关说明见 README.md 的 Academic Collaborations 小节。结语引用与致谢是开源项目良性循环的起点。通过本文给出的 BibTeX 条目、资助声明写法与技术渊源说明你可以准确、合规地在论文与报告中引用 CAI让这项由欧盟 EIC 共同资助、基于 OpenAI swarm 智能体原则并深度集成 LiteLLM 与 Phoenix 的网络安全 AI 框架获得应有的学术承认也帮助后来者沿着这些线索进一步研究与复用。【免费下载链接】caiCybersecurity AI (CAI), the framework for AI Security项目地址: https://gitcode.com/GitHub_Trending/cai3/cai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考