Pwnagotchi 2.9.5版本发布:Wi-Fi安全测试工具的重大更新
Pwnagotchi是一个开源的Wi-Fi安全测试工具,它基于Raspberry Pi硬件平台,结合AI技术自动探测和收集Wi-Fi网络信息。该项目通过模拟"宠物"的行为模式,使安全测试过程更加智能化和自动化。最新发布的2.9.5版本带来了多项重要改进和新功能。
核心功能升级
Bettercap框架更新至2.40.1
Pwnagotchi 2.9.5版本将内置的Bettercap网络安全框架升级到了2.40.1版本。Bettercap是Pwnagotchi的核心组件,负责网络探测和数据包捕获等关键功能。这次更新最显著的改进是新增了对6GHz Wi-Fi频段的支持,这使得Pwnagotchi能够覆盖最新的Wi-Fi 6E标准网络,大大扩展了其应用范围。
自动调优功能增强
开发团队对auto-tune功能进行了优化,增加了extra_channels参数值。这一改进使得Pwnagotchi能够更好地探测到周围的其他Pwnagotchi设备,提高了在复杂无线环境中的协同工作能力。对于安全研究人员来说,这意味着在多设备协同测试场景下可以获得更全面的网络覆盖和数据收集。
插件系统改进
全新的ohcapi插件
2.9.5版本移除了旧的onlinehashcrack插件,取而代之的是全新的ohcapi插件。这一变更不仅仅是名称上的改变,新插件在功能实现和稳定性方面都有显著提升。ohcapi插件能够更可靠地将捕获的握手包上传到在线分析服务,提高了整个工作流程的效率。
WPA-SEC上传功能修复
针对之前版本中wpa-sec插件上传功能不稳定的问题,开发团队进行了修复。现在,由于配置向导不再添加空的whitelist条目,wpa-sec插件能够正确地上传捕获的数据。这一改进确保了安全研究人员能够可靠地将收集到的信息提交到wpa-sec服务进行分析。
系统配置优化
蓝牙网络共享功能增强
bt-tether插件在启用时现在会自动添加DNS地址,这一改进使得通过蓝牙共享网络连接时能够获得更完整的网络功能。用户在使用蓝牙连接上网时,不再需要手动配置DNS设置,大大简化了操作流程。
配置向导改进
配置向导(wizard)现在更加智能,它不会再添加空的whitelist条目。这一改进不仅解决了之前版本中可能导致某些插件工作不正常的问题,还使得配置文件更加整洁,减少了人为错误的可能性。
系统镜像选择
Pwnagotchi 2.9.5版本继续提供32位和64位两种系统镜像。64位镜像体积更小(约1195973KB),适合较新的硬件平台;32位镜像(约1253363KB)则保持了对旧硬件的兼容性。用户可以根据自己的硬件配置选择合适的版本。
总结
Pwnagotchi 2.9.5版本通过核心组件升级和多项功能改进,进一步提升了这款Wi-Fi安全测试工具的实用性和可靠性。特别是对6GHz Wi-Fi的支持,使其能够适应最新的网络环境。对于安全研究人员和无线网络爱好者来说,这次更新提供了更强大的功能和更稳定的使用体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112