sunblaze-ucb/exploitgymExploitGym एक बड़े पैमाने का, यथार्थवादी बेंचमार्क है जो वास्तविक दुनिया की सुरक्षा भेद्यताओं पर आधारित है, जिसे AI एजेंटों की एक्सप्लॉइट विकसित करने की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है।
ExploitGym एक बड़े पैमाने का, यथार्थवादी बेंचमार्क है जो यूज़रस्पेस प्रोग्राम, Google के V8 इंजन और Linux कर्नेल में पाई जाने वाली वास्तविक दुनिया की कमजोरियों से निर्मित है, और इसे AI एजेंटों की एक्सप्लॉइट विकसित करने की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है।
# 1. Python deps
uv sync --extra proxy
# 2. Build runtime artifacts (gdb, socat, nc, node + agent CLIs) and
# extract task data
bash scripts/setup/setup_data.sh
# 3. Verify the install
bash scripts/setup/validate.sh
# 4. Pull the Firewall Squid image
docker pull ubuntu/squid:latest
# 5. Pull the Docker images for the tasks you want to run
uv run scripts/setup/pull_images.py data/task_ids/sample.txt
# 6. Start the controller, firewall, and LLM proxy. pre_run.py runs the
# readiness checks and starts all three (auto-detecting any already
# running), or start them by hand — see docs/eval.md
export OPENAI_API_KEY=...
export ANTHROPIC_API_KEY=...
uv run scripts/setup/pre_run.py data/task_ids/sample.txt
# 7. Run the agent
export CYBERGYM_ADMIN_KEY=...
uv run examples/run_agent.py --help
विस्तृत सेटअप चरण (सिस्टम निर्भरताएँ, GDB, स्टैटिक node, एजेंट CLI) docs/setup.md में दिए गए हैं।
examples/run_agent.pyजारी किया गया बेंचमार्क सक्रिय रूप से अनुरक्षित है। वर्तमान रिलीज़ v1.0 है जिसमें
869 इंस्टेंस हैं। पूर्ण संस्करण इतिहास के लिए CHANGELOG.md देखें। वर्तमान
रिलीज़ के लिए विहित कार्य सूची data/task_ids/v1.txt है।
यदि आप अपने शोध में ExploitGym का उपयोग करते हैं, तो कृपया उद्धृत करें:
@article{wang2026exploitgym,
title={ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks?},
author={Wang, Zhun and Schiller, Nico and Li, Hongwei and Sesha Narayana, Srijiith and Nasr, Milad and Carlini, Nicholas and Qi, Xiangyu and Wallace, Eric and Bursztein, Elie and Invernizzi, Luca and Thomas, Kurt and Shoshitaishvili, Yan and Guo, Wenbo and He, Jingxuan and Holz, Thorsten and Song, Dawn},
journal={arXiv preprint arXiv:2605.11086},
year={2026}
}
स्रोत कोड Apache-2.0 के अंतर्गत लाइसेंस प्राप्त है। data/tasks/ के अंतर्गत बंडल
किया गया कार्य डेटा बाहरी अपस्ट्रीम से प्राप्त होता है और अपने संबंधित लाइसेंस बनाए रखता
है, DATA_LICENSE.md देखें।