SwarmAttacker vs hackingBuddyGPT

hackingBuddyGPT to framework w Pythonie na licencji MIT z IPA-Lab na TU Wien, kierowany przez Andreasa Happe i Jürgena Cito, którego deklarowanym celem jest pomaganie etycznym hakerom w korzystaniu z LLM w pięćdziesięciu liniach kodu lub mniej. Zamiast gotowego skanera dostarcza infrastrukturę wewnętrzną: łączność z LLM przez LiteLLM z OpenRouter jako domyślnym, możliwości SSH, powłoki i HTTP, limity przebiegu na rundy, tokeny, dolary i czas rzeczywisty oraz ustrukturyzowane ślady, aby badacze mogli pisać własne agenty, które projekt nazywa use-case'ami.

Dostarczone use-case'y obejmują eskalację uprawnień w Linuksie i Windowsie z weryfikacją roota względem prawdy podstawowej i launcher benchmarku na flocie Dockera, trzy agenty testowania webu, w tym jeden delegujący do ograniczonych podagentów, tester REST API sterowany OpenAPI oraz agenta Active Directory w scenariuszu założonego naruszenia, zbudowanego na projekcie planner i executor. Baza kodu jest w pełni asynchroniczna i wymaga Pythona 3.13 lub nowszego.

Jej baza dowodowa jest akademicka: artykuł z FSE z 2023 roku, artykuł „LLMs as Hackers” z Empirical Software Engineering z 2026 roku z benchmarkiem eskalacji uprawnień na dwunastu maszynach, na którym GPT-4-Turbo osiągnął od 33 do 83 procent wobec ludzkiej wartości bazowej 75, oraz praca dyplomowa z grudnia 2025 roku, w której dziewięć modeli przepuszczono przez agenty webowe na dwóch własnych aplikacjach OWASP Top 10, gdzie Claude Sonnet 4.5 i GPT-5.1 znalazły od 77 do 81 procent flag. Agenty webowe polują na konfigurowalne znaczniki capture-the-flag, a dokumentacja opisuje testowanie webu jako eksploracyjne; filtry bezpieczeństwa chmury są odnotowane, ale nieobsługiwane.

Rozwój pozostaje aktywny, z commitami z końca sierpnia 2026 roku i około 1200 gwiazdkami, choć ostatnie oznaczone wydanie pochodzi z sierpnia 2024 roku. Docelowi użytkownicy to badacze bezpieczeństwa i studenci budujący lub benchmarkujący agenty.