Oracle-CTF AI Agent

Автономный ИИ-агент, который решает CTF-задачи администрирования Oracle Database и фиксирует траектории в стандарте OpenInference.

Русский · English

---

🇷🇺 Русский

Дообученная локальная LLM (Qwen2.5-Coder-7B, QLoRA) в обёртке-агенте: получает задание на русском, генерирует SQL для Oracle, выполняет его в реальной СУБД, при ошибке исправляется и доводит задачу до получения флага. Каждый прогон пишется траекторией в стандарте OpenInference (видно в Arize Phoenix).

⚠️ FLAG{0r4cl3_pr1v_3sc_m4st3r} в коде — синтетический демо-флаг локального стенда, не из реального CTF.

✨ Возможности

• 🧠 Дообученная модель — QLoRA-адаптер поверх 4-битной Qwen2.5-Coder, запуск на Apple Silicon через MLX.
• 🔧 Агентный цикл (ReAct) — генерация SQL → выполнение в Oracle → наблюдение → коррекция по ORA-ошибкам.
• 🗄️ Реальная СУБД — Oracle Database Free 23ai в Docker, не мок.
• 📊 Фиксация траекторий — OpenInference/OpenTelemetry, экспорт в Phoenix.
• 🔐 Эскалация привилегий — старт под низкопривилегированным аккаунтом → чтение credentials → переподключение.
• 🛟 Надёжность — детерминированный прогон + резервный повтор со сэмплингом (стресс-тест 42/42).

🏗️ Архитектура

задание → [ Agent ] → SQL → [ OracleTool ] → Oracle 23ai
              │  ▲                                  │
              │  └──── наблюдение / ORA-ошибка ◄────┘
              ▼
        [ tracing ] → OpenInference spans → ep_*.json + Arize Phoenix
              │
         [ LLM: Qwen2.5-Coder-7B + QLoRA (MLX) ]

🚀 Быстрый старт

python3.13 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

# 1) поднять СУБД
docker compose -f docker/docker-compose.yml up -d

# 2) решить задачу и достать флаг (живой прогон + траектория)
python scripts/demo.py --variant 1

Универсальный запуск из образа любого формата:

bash flag_extractor/solve_image.sh <образ.tar | docker:REF | running> --task task.txt

📈 Результаты

Метрика	Значение
Стресс-тест (эталон/случайн/novel/edge)	42/42 (100%)
Эталонные варианты	3/3 — флаг получен
Собрано траекторий	1510 (вкл. неудачные)
Абляция: база lean → дообуч полный	2% → 100%
Юнит/интеграционные тесты	16 — все проходят

🗂️ Структура

agent/          код агента (config, llm, oracle_tool, tracing, agent, react_agent)
scripts/        генерация данных, сбор траекторий, eval, demo
flag_extractor/ универсальный извлекатель флага из образа + инструкция
docker/         Oracle 23ai compose + seed CTF-сцены
data/           обучающий датасет (jsonl)
adapters/       дообученный QLoRA-адаптер
trajectories/   примеры траекторий OpenInference
tests/          16 тестов
docs/           ARCHITECTURE / PLAN / REPORT и др.

---

🇬🇧 English

A fine-tuned local LLM (Qwen2.5-Coder-7B, QLoRA) wrapped as an agent: it reads a task in Russian, generates Oracle SQL, runs it against a real database, self-corrects on errors, and drives the task to capturing the flag. Every run is recorded as an OpenInference trajectory (viewable in Arize Phoenix).

⚠️ FLAG{0r4cl3_pr1v_3sc_m4st3r} in the code is a synthetic demo flag for the local stand, not from a real CTF.

✨ Features

• 🧠 Fine-tuned model — QLoRA adapter over 4-bit Qwen2.5-Coder, runs on Apple Silicon via MLX.
• 🔧 Agentic loop (ReAct) — generate SQL → execute in Oracle → observe → correct on ORA errors.
• 🗄️ Real DBMS — Oracle Database Free 23ai in Docker, not a mock.
• 📊 Trajectory tracing — OpenInference/OpenTelemetry, exported to Phoenix.
• 🔐 Privilege escalation — start as a low-priv account → read credentials → reconnect.
• 🛟 Robustness — deterministic run + sampling fallback (stress test 42/42).

🏗️ Architecture

task → [ Agent ] → SQL → [ OracleTool ] → Oracle 23ai
          │  ▲                                  │
          │  └──── observation / ORA error ◄────┘
          ▼
    [ tracing ] → OpenInference spans → ep_*.json + Arize Phoenix
          │
     [ LLM: Qwen2.5-Coder-7B + QLoRA (MLX) ]

🚀 Quick start

python3.13 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

# 1) start the DBMS
docker compose -f docker/docker-compose.yml up -d

# 2) solve a task and capture the flag (live run + trajectory)
python scripts/demo.py --variant 1

Universal launch from any image format:

bash flag_extractor/solve_image.sh <image.tar | docker:REF | running> --task task.txt

📈 Results

Metric	Value
Stress test (official/random/novel/edge)	42/42 (100%)
Official variants	3/3 — flag captured
Trajectories collected	1510 (incl. failures)
Ablation: base lean → tuned full	2% → 100%
Unit/integration tests	16 — all pass

🗂️ Layout

agent/          agent code (config, llm, oracle_tool, tracing, agent, react_agent)
scripts/        data generation, trajectory collection, eval, demo
flag_extractor/ universal image→flag launcher + instructions
docker/         Oracle 23ai compose + CTF seed
data/           training dataset (jsonl)
adapters/       fine-tuned QLoRA adapter
trajectories/   OpenInference trajectory samples
tests/          16 tests
docs/           ARCHITECTURE / PLAN / REPORT etc.

---

_{Built with Qwen2.5-Coder · MLX · Oracle 23ai · OpenInference · Arize Phoenix · MIT License}