0ca/BoxPwnr

解決的問題

BoxPwnr 是一個實驗性框架，旨在測試大型語言模型（LLMs）和 AI 代理在自主解決 Capture The Flag（CTF）挑戰與安全實驗室方面的能力。它提供了一種標準化的方法，用於在多個網路安全平台之間，對不同代理架構進行基準測試。

工作原理

系統透過一個迭代執行循環運作：

1. 環境：命令通常在隔離的 Kali Linux Docker 容器中執行，必要時會自動設定 VPN。
2. 代理循環：LLM（或 Claude Code、Grok 等 CLI 代理）接收系統提示並提出命令。這些命令在環境中執行，輸出結果會回饋給 LLM 進行分析。
3. 自動化：代理被指示提供完全自動化的命令，以避免手動干預。
4. 追蹤：系統記錄完整的對話日誌（追蹤），追蹤 token 使用量與成本，並在成功時產生摘要。

適用對象

適合對 AI 安全、代理工作流程，以及在複雜真實安全情境中評估 LLM 推理與問題解決能力的研究人員與開發者。

主要亮點

• 廣泛的平台支援：整合 16 個不同平台，包括 HackTheBox、PortSwigger、picoCTF、TryHackMe 和 XBOW。
• 彈性的求解器選擇：支援多種求解器，包括 single_loop、hacksynth（規劃-執行-總結架構）以及 Cursor 和 Claude Code 等外部 CLI 工具。
• 廣泛的模型相容性：透過 OpenRouter、NVIDIA NIM 和本地提供者（如 Ollama）支援多種模型。
• 追蹤分析：提供 Web 查看器，可逐步重播求解過程，分析 LLM 的推理邏輯。