jawh3/striatum-ctfMCP-आधारित LLM एजेंट के लिए शोध आर्टिफ़ैक्ट्स जो स्वायत्त रूप से CTF चुनौतियों को हल करता है, जिसमें ablation डेटा, विश्लेषण स्क्रिप्ट्स, और छह-सर्वर MCP स्टैक शामिल हैं।
"STRIATUM-CTF: A Protocol-Driven Agentic Framework for Autonomous CTF Solving" (IEEE CARS 2026), Hugglestone, Chacko, Stoller, Schmidt, और Liu, फ्लोरिडा स्टेट यूनिवर्सिटी के लिए आर्टिफैक्ट्स।
बेस्ट पेपर अवार्ड (प्रथम स्थान), IEEE CARS 2026। प्रीप्रिंट: arXiv:2603.22577।
यह रिपॉज़िटरी प्रोटोकॉल और विश्लेषण के प्रतिकृति (replication) का समर्थन करती है। यह एक टर्नकी एक्सप्लॉइट किट नहीं है: पेपर के नैतिकता कथन के अनुसार, कोई भी एक्सप्लॉइट पेलोड या आक्रमण-टेम्पलेट कॉर्पस जारी नहीं किया गया है। इसका ठोस अर्थ नीचे Scope and exclusions में स्पष्ट किया गया है।
| निर्देशिका | सामग्री |
|---|---|
data/ | 180-रन परिणाम तालिका (ablation_results.csv + स्रोत .xlsx), प्रति-चुनौती मैट्रिक्स (तालिका III), लाइव-CTF सॉल्व प्रगति (चित्र 2), रेंडर किए गए चित्र, और एक codebook.md। |
analysis/ | वे स्क्रिप्ट्स जो data/ से पेपर के प्रत्येक आँकड़े को पुनः उत्पन्न करती हैं। |
code/ | छह-सर्वर MCP स्टैक: दो इन-हाउस सर्वर, एक इंस्टॉलर जो तीन तृतीय-पक्ष सर्वर को उनके अध्ययन कमिट्स पर पिन करता है, और होस्ट कॉन्फ़िग। |
challenges/ | सत्यापन हैश के साथ प्रोवेनेंस मैनिफ़ेस्ट, पुनर्वितरण योग्य चुनौतियों के लिए एक फ़ेच स्क्रिप्ट, प्रति-चुनौती स्पेक कार्ड, और वे दो चुनौती स्रोत जिन्हें हम पुनर्वितरित कर सकते हैं। |
documentation_conditions/ | चार एब्लेशन शर्तें: पूर्ण रूप में Minimal कॉर्पस, प्रति-शर्त फ़ाइल/पंक्ति/टोकन मैनिफ़ेस्ट (जो तालिका II को पुनः उत्पन्न करते हैं), और एक केवल-शीर्षक टेम्पलेट इंडेक्स। |
cd analysis
pip install -r requirements.txt
python3 day1_analysis.py # Tables II & III, Wilson CIs, chi-square, subset analysis, durations
python3 day1_drill.py # provenance drill-down (public vs non-public)
python3 duration_and_gee.py # Kruskal-Wallis (p=0.77) and the GEE model (Wald chi2(3)=3.77, p=0.29)
python3 count_tokens.py # Table II line counts (exact) and token counts
तालिका II और III के सभी भाग, 95% विल्सन अंतराल, ऑम्निबस परीक्षण, गैर-संतृप्त उपसमुच्चय विश्लेषण, GEE मॉडल, और अवधि के आंकड़े data/ से बिल्कुल सटीक रूप से पुनरुत्पादित होते हैं। तालिका II की पंक्ति गणनाएँ बिल्कुल सटीक रूप से पुनरुत्पादित होती हैं; टोकन गणनाएँ टोकनाइज़र-निर्भर हैं और पेपर का सटीक टोकनाइज़र दर्ज नहीं किया गया था (analysis/count_tokens.py और प्रति-शर्त मैनिफ़ेस्ट देखें)।
दो स्वतंत्र कारण सीमित करते हैं कि क्या जारी किया जाता है। इनमें से कोई भी चूक नहीं है।
नैतिकता (पेपर §"Ethical Considerations"): कोई एक्सप्लॉइट पेलोड या आक्रमण-टेम्पलेट कॉर्पोरा नहीं। इसलिए रोका गया:
workspaces/ ट्री के अंतर्गत लगभग 1,800 फ़ाइलें (कार्यशील एक्सप्लॉइट, सॉल्वर स्क्रिप्ट, और समाधान लेख) — इसके बजाय प्रति-रन परिणाम data/ablation_results.csv के रूप में जारी किए गए हैं;AUTONOMOUS_SOLVER_README.md, TEMPLATE_COVERAGE.md), जो वे आक्रमण टेम्पलेट हैं जिनका नाम नैतिकता वक्तव्य में लिया गया है। इन्हें चित्रित किया गया है — फ़ाइल सूचियाँ, पंक्ति और टोकन गणनाएँ, और documentation_conditions/ में एक केवल-शीर्षक सूचकांक — ताकि एब्लेशन का स्वतंत्र चर प्रलेखित हो, लेकिन पेलोड प्रकाशित नहीं किए गए हैं;challenges/manifest.csv में SHA-256 मानों के विरुद्ध प्राप्त आर्टिफ़ैक्ट्स को सत्यापित करें)।परिणाम, स्पष्ट रूप से कहा गया: चूँकि Templates/Baseline कॉर्पोरा 180-रन अध्ययन में हेरफेर हैं, वह एब्लेशन इस रिपॉज़िटरी से पूर्णतः पुनरुत्पादनीय नहीं है — केवल प्रोटोकॉल है। पूर्ण सॉल्वर प्रोटोकॉल शोधकर्ताओं के लिए संबंधित लेखक से अनुरोध पर रक्षात्मक उपयोग हेतु उपलब्ध है।
लाइसेंसिंग: चैलेंज बाइनरीज़ को उन जगहों पर मिरर नहीं किया गया है जहाँ हमारे पास उन्हें पुनर्वितरित करने का अधिकार नहीं है — picoCTF चैलेंज (CMU, सर्वाधिकार सुरक्षित) और angr_ctf ट्यूटोरियल (GPL-3.0) challenges/fetch_challenges.sh द्वारा अपस्ट्रीम से प्राप्त किए जाते हैं; सिस्टम लाइब्रेरीज़ (libc, ld-linux) कभी भी शिप नहीं की जातीं। THIRD_PARTY_LICENSES.md देखें।
CITATION.cff देखें। पेपर: IEEE Cyber Awareness and Research Symposium (CARS) 2026.
लेखकों का स्वयं का कोड और प्रलेखन: MIT (LICENSE)। तृतीय-पक्ष घटक अपने स्वयं के लाइसेंस बनाए रखते हैं; NOTICE और THIRD_PARTY_LICENSES.md देखें।