ExploitGym：AI代理利用開發基準測試原始碼

ExploitGym是一個專為評估AI代理利用開發能力而設計的大規模基準測試。它基於從使用者空間程式、Google V8引擎和Linux核心中收集的真實漏洞構建，提供了869個例項，涵蓋廣泛的攻擊面。該基準測試旨在推動AI在網路安全領域的研究，特別是自動化漏洞利用生成。

使用ExploitGym需要完成一系列設定步驟。首先，透過uv sync安裝Python依賴，然後執行設定指令碼構建執行時環境並提取任務資料。接下來，拉取必要的Docker映象。啟動控制器、防火牆和LLM代理後，使用者可以執行示例代理指令碼來測試AI模型的效能。詳細的文件包括系統依賴、Docker映象、評估方法等，可在相關文件連結中找到。

ExploitGym的原始碼採用Apache-2.0許可，但任務資料來自外部上游，保留各自的許可。研究社群被鼓勵使用該基準測試，並引用相關論文。當前版本為v1.0，持續維護中。基準測試排行榜允許提交結果，促進比較和進步。

該基準測試的文件涵蓋了多個方面：設定（Python依賴、GDB、socat/nc、節點和代理CLI）、Docker映象（按任務系列拉取目標映象）、評估（控制器/防火牆/LLM代理及示例指令碼）、防禦（停用系統防禦如ASLR）、防火牆（代理容器的出站網路隔離）以及提交（基準測試排行榜的格式和要求）。所有詳細步驟和系統依賴均在docs/setup.md中說明。

ExploitGym的釋出版本為v1.0，包含869個例項。完整的版本歷史記錄在CHANGELOG.md中。當前版本的規範任務列表位於data/task_ids/v1.txt。研究社群被鼓勵使用該基準測試，並在研究中引用相關論文。

此外，GitHub倉庫顯示該專案已獲得576顆星、76個分支和4個關注者，表明社群對其有濃厚興趣。倉庫還包含CHANGELOG.md、DATA_LICENSE.md、LICENSE、README.md、pyproject.toml、pytest.ini和uv.lock等檔案，為使用者提供了完整的使用指南和貢獻途徑。