evilsocket/pwnagotchi

解决的问题

Pwnagotchi 旨在自动化收集周围 WiFi 自有网络中的可破解 WPA 密钥材料（如 PMKID 和完整或半次 WPA 握手）。它消除了在不同环境中手动调整攻击参数以优化这些握手捕获的需要。

工作原理

该项目使用基于优势演员-评论家（A2C）的强化学习代理，其策略网络采用 LSTM 和 MLP 特征提取器。通过利用 bettercap，该代理能够随着时间（以周期为单位）从其 WiFi 环境中学习，通过调整自身参数来最大化捕获的密钥材料数量。它还可以通过在 dot11 标准之上的自定义寄生协议与其他 Pwnagotchi 单元通信，使多个单元能够自行划分信道，协同工作以实现最佳捕获效率。

适用人群

适用于希望获得自主、基于学习的工具来捕获 WPA 握手的安全研究人员和 WiFi 自有网络渗透测试人员。

主要亮点

• 基于 A2C 的强化学习，实现自主参数调优。
• 以 PCAP 文件形式捕获 PMKID 和完整/半次 WPA 握手。
• 协作行为：多个单元可自行协调信道划分。
• 策略网络采用 LSTM 与 MLP 特征提取器。