हैकदबॉक्स, ट्राईहैकमी, पोर्टस्विगर लैब्स, साइबेंच, पिकोसीटीएफ और अधिक पर सुरक्षा चुनौतियों पर एलएलएम और एजेंटिक रणनीतियों के बेंचमार्किंग के लिए एक मॉड्यूलर फ्रेमवर्क।
एक मज़ेदार प्रयोग यह देखने के लिए कि Large Language Models (LLMs) CTF चुनौतियों और सुरक्षा लैब्स को स्वयं हल करने में कितनी दूर तक जा सकते हैं। इसकी शुरुआत HackTheBox से हुई और अब यह कई प्लेटफ़ॉर्म और agentic solvers को कवर करता है।
BoxPwnr एक plug and play सिस्टम प्रदान करता है जिसका उपयोग विभिन्न agentic architectures के प्रदर्शन को परखने के लिए किया जा सकता है: --solver [claude_code, codex, cursor-cli, grok, kiro_cli, external, single_loop_xmltag, single_loop, single_loop_compactation, hacksynth]।
समर्थित प्लेटफ़ॉर्म: --platform [htb, htb_ctf, htb_challenges, portswigger, ctfd, local, xbow, hackbench, cybench, cybergym, exploitbench, picoctf, tryhackme, levelupctf, argus]
प्रत्येक समर्थित प्लेटफ़ॉर्म के विस्तृत दस्तावेज़ीकरण के लिए Platform Implementations देखें।
सभी solving traces BoxPwnr Traces & Benchmarks में उपलब्ध हैं। प्रत्येक trace में पूर्ण conversation logs शामिल हैं जो LLM reasoning, निष्पादित किए गए commands, और प्राप्त outputs दर्शाते हैं। आप किसी भी trace को एक interactive web viewer में replay कर सकते हैं ताकि देख सकें कि मशीन को चरण-दर-चरण कैसे हल किया गया।
| प्लेटफ़ॉर्म | हल किए गए | पूर्णता | ट्रेस |
|---|---|---|---|
| HTB Starting Point | 25/25 | 770 | |
| HTB Labs | 268/526 | 783 | |
| HTB Challenges | 324/818 | 732 | |
| PortSwigger Labs | 163/270 | 377 | |
| XBOW | 102/104 | 525 | |
| Cybench | 40/40 | 2165 | |
| CyberGym | 476/1507 | 977 | |
| picoCTF | 502/503 | 1215 | |
| TryHackMe | 213/477 | 905 | |
| HackBench | 11/16 | 27 | |
| ExploitBench | 2/42 | 58 | |
| LevelUpCTF | 50/254 | 146 | |
| Argus | 47/60 | 1026 | |
| BSidesSF CTF 2026 | 43/51 | 76 | |
| Cloud Village CTF 2026 | 12/20 | 30 | |
| Neurogrid CTF: The ultimate AI security showdown | 17/36 | 197 |
BoxPwnr CTF / लैब लक्ष्यों को एक पुनरावृत्तीय प्रक्रिया के माध्यम से स्वायत्त रूप से हल करने के लिए LLMs (या Claude Code, Codex, Grok, या Cursor जैसे CLI एजेंट) का उपयोग करता है:
--executor docker)single_loop_* सॉल्वर):claude_code, codex, grok, cursor-cli, kiro_cli) अपना स्वयं का एजेंट लूप चलाते हैं और परिणाम BoxPwnr को स्ट्रीम करते हैं git clone --recurse-submodules https://github.com/0ca/BoxPwnr
cd BoxPwnr
# Install uv if you haven't already
curl -LsSf https://astral.sh/uv/install.sh | sh
# Sync dependencies (creates .venv)
uv sync
uv run boxpwnr --platform htb --target meow [options]
पहली बार चलाने पर, आपसे किसी भी आवश्यक API key के लिए संकेत दिया जाएगा। Keys भविष्य के उपयोग के लिए .env में सहेजी जाती हैं। CLI solvers (Claude Code, Codex, Grok, Cursor, Kiro) API keys के बजाय (या उनके अतिरिक्त) अपने स्वयं के subscription auth का उपयोग करते हैं।
हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।
अभी तक कोई लोकप्रियता डेटा नहीं है।