evilsocket/pwnagotchi

(⌐■_■) - Deep Reinforcement Learning instrumenting bettercap for WiFi pwning.

Pwnagotchi 是一个将强化学习与 WiFi 安全审计巧妙结合的开源项目。它本质上是一个基于 A2C（优势演员-评论家）算法的“AI”，运行在像 Raspberry Pi Zero W 这样的低成本硬件上，核心任务是利用 bettercap 框架，通过被动监听或主动发起认证与关联攻击，最大化捕获可被破解的 WPA 密钥材料。这些材料以 PCAP 文件形式保存，包含 hashcat 支持的各种握手包，如 PMKID、完整或半 WPA 握手。与传统强化学习模型在模拟器中玩游戏不同，Pwnagotchi 在真实世界中学习。它使用 LSTM 与 MLP 特征提取器作为策略网络，通过不断调整自身参数来适应周围的 WiFi 环境。时间对 Pwnagotchi 而言以“纪元”为单位，每个纪元持续数秒到数分钟，取决于可见的接入点和客户端数量。初期它的表现可能不佳，但随着在特定环境中探索参数组合，它会逐渐变得高效。该项目解决了在移动或固定场景下，自动化、智能化收集 WiFi 握手数据的问题，非常适合安全研究人员、渗透测试人员以及 WiFi 爱好者用于审计自身网络或进行教育学习。一个独特的功能是，多个 Pwnagotchi 设备在物理距离接近时，能通过基于 dot11 标准的寄生协议广播自定义信息元素进行“对话”，并学会协作，自动划分信道以实现最优的捕获效率。项目拥有活跃的社区，提供详细的文档、论坛和 Discord 服务器支持。