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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00