Ir al contenido

🧠 PROJECTE OMEGA: MÒDUL "SPECIALIST AI" (Centre d'Intel·ligència Tàctica)

La interfície es situa estratègicament entre "Eines" i "Documentació". Ens dividirem en tres panells d'alta densitat d'informació.

0lectures

Visió Estratègica: Implementarem una Intel·ligència Artificial Híbrida (Local/Núvol) integrada profundament a la plataforma. No és un simple chatbot; és un Analista de Ciberseguretat Sintètic amb accés de lectura en temps real a la infraestructura (Base de Dades) i accés doctrinal a la biblioteca de coneixement (PDFs).

La interfície es situa estratègicament entre “Eines” i “Documentació”. Ens dividirem en tres panells d'alta densitat d'informació.

🟢 PANEL IZQUIERDO: MEMORIA OPERATIVA (History & Retention)

Sección titulada «🟢 PANEL IZQUIERDO: MEMORIA OPERATIVA (History & Retention)»

En aquest panell gestionarem el coneixement passat.

  • Llistat de Sessions: Targetes compactes amb Títol, Data i Model utilitzat.
  • Sistema de Classificació Tàctica:
    • ⭐ Favorits (Priority Intel): Botó d'estrella. Fixarem la conversa a la part superior. Útil per a investigacions actives.
    • 🔒 Persistència (Permanent Lock): Un Toggle Switch (Interruptor) a cada xat.
      • Estat ON: El xat es blindarà. Ignorarem les regles de borratge automàtic.
      • Estat OFF: El xat serà efímer.
  • Configuració de Retenció (Data Lifecycle):
    • Slider o Input numèric: “Autodestruir xats no blindats després de: [ 7 ] dies”.
    • Botó “Purgar ara”: Neteja manual de la memòria cau.

⚫ PANELL CENTRAL: SALA DE GUERRA (The Chat Interface)

Sección titulada «⚫ PANEL CENTRAL: SALA DE GUERRA (The Chat Interface)»

L'àrea d'interacció principal. Estil “Terminal moderna” (Colors foscos, fonts monoespaciades per al codi).

  • Output Area (Stream):
    • Renderitzat Markdown complet (Taules, Llistes, Blocs de codi amb botó de còpia).
    • Cites de Fonts: Quan la IA usa un document, apareixerà una petita etiqueta clicable: [Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4].
    • Evidència de Dades: Quan consultem la BBDD, mostrarem la query SQL generada en un desplegable col·lapsat: [▶ Ver Query SQL].
  • Input Area (Command Line):
    • Prompt de text multilínia.
    • Botó “Adjuntar context actual” (Subirem l'estat actual de l'escaner actiu).
  • Selector de Motor (Bottom-Right):
    • Un menú desplegable discret però vital a la cantonada inferior dreta.
    • Opcions:
      • 🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral) -> Sense cost, privacitat total, lent.
      • ☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH -> Velocitat extrema, raonament mitjà.
      • 🧠 ONLINE: GOOGLE GEMINI 1.5 PRO -> Raonament complex, major latència.

🔵 PANELL DRET: CONFIGURACIÓ DE L'AGENT (Mission Profile)

Sección titulada «🔵 PANEL DERECHO: CONFIGURACIÓN DEL AGENTE (Mission Profile)»

Aquí definirem QUI ens està responent.

  • Selector d'Agent (Persona):
    • Per defect: “Generalista Red Team”.
    • Personalitzat 1: “Dr. SQL Injection” (Prompt enfocat 100% en els nostres manuals de SQLi).
    • Personalitzat 2: “Analista d'Infraestructura” (Enfocat en Nmap i Serveis).
  • Indicadors de Connexió (Status):
    • 📚 Docs Indexados: 14 PDFs (Estat del Vector Store).
    • 🗄️ DB Connection: ACTIVE (Estat del Text-to-SQL).

Perquè la IA sigui útil, hem de “connectar els punts” entre la teoria (PDFs) i la realitat (BBDD).

La IA no "llegeix" els PDF cada vegada. Utilitzarem una base de dades vectorial (ChromaDB).

  1. Ingesta: En pujar un PDF a /docs, dividirem el sistema en "chunks" (fragments) de 500 caràcters.
  2. Embedding: Convertirem el text en vectors numèrics.
  3. Recuperació: Quan preguntem "Com fem un atac OOB?", el sistema buscarà vectors matemàticament similars en els manuals i els passarà a la IA com a context ocult.

La IA té permís de lectura sobre nmap_intel.db.

  1. Schema Awareness: La IA sap que existeix una taula hosts amb les columnes ip, os, i services.
  2. Traducció:
    • Usuari: "Digues-me quines màquines tenen Windows i el port 445 obert".
    • IA (Intern): SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
  3. Resposta: La IA rep el JSON de la BBDD i ens respon en llenguatge natural.

Un petit classificador previ decidirà què subsistema activar:

  • ¿Preguntem sobre teoria? -> Activarem RAG (PDFs).
  • ¿Preguntem sobre objectius/estat actual? -> Activarem SQL (DB).
  • ¿Preguntem mixta? -> Activarem ambdós.

Permetrem crear “Perfils de Sistema” guardats en JSON.

Exemple: Perfil “Inquisidor SQLi”

{
"name": "SQL Injection Specialist",
"model_preference": "cloud_gemini_pro",
"temperature": 0.2,
"system_prompt": "Eres un experto en explotación de bases de datos. Tu conocimiento se basa ESTRICTAMENTE en los manuales RED_TEAM_OPS proporcionados. Ignora cualquier vulnerabilidad que no sea SQLi. Si el usuario pregunta por XSS, responde brevemente y redirige a SQLi. Prioriza técnicas de evasión de WAF.",
"access_scope": ["docs_folder_sqli", "db_table_vulnerabilities"]
}

Necessitem expandir la nostra base de dades SQLite (nmap_intel.db) per suportar aquesta lògica avançada.

-- Tabla para gestionar las sesiones de chat
CREATE TABLE ai_conversations (
id TEXT PRIMARY KEY, -- UUID
title TEXT, -- Generado por la IA o manual
agent_profile TEXT, -- 'general', 'sqli_expert', etc.
model_used TEXT, -- 'local_llama3', 'cloud_gemini'
is_favorite BOOLEAN DEFAULT 0, -- ⭐ La Estrellita
is_permanent BOOLEAN DEFAULT 0, -- 🔒 El Candado (Toggle)
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
last_updated DATETIME
);
-- Tabla para los mensajes individuales
CREATE TABLE ai_messages (
id INTEGER PRIMARY KEY AUTOINCREMENT,
conversation_id TEXT,
role TEXT, -- 'user', 'assistant', 'system'
content TEXT, -- El texto del mensaje
context_sources TEXT, -- JSON: Qué PDFs o Tablas se usaron para esta respuesta
FOREIGN KEY(conversation_id) REFERENCES ai_conversations(id) ON DELETE CASCADE
);
-- Tabla para configuración global
CREATE TABLE ai_config (
key TEXT PRIMARY KEY,
value TEXT
-- Ej: 'retention_days' = '30'
);
  1. L'Operador (Nosaltres): Entrarem a “Specialist AI”. Seleccionarem l'agent “Recon Master”. Activarem el model “Gemini Flash”.
  2. La Pregunta: Escriurem: “Analitzem els objectius actuals. Veiem algun patró que suggereixi un servidor de desenvolupament antic? Basarem la nostra resposta en el Manual d'OPSEC.”
  3. El Procés (Backend):
    • El Router detectarà la necessitat de DB (per veure els objectius) i DOCS (per al manual OPSEC).
    • Executarem SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'.
    • Buscarem vectors a PROTOCOLO_OMEGA_OPSEC.md.
    • Enviarem tot a Gemini Flash.
  4. La Resposta:
    • “Hem detectat el host 192.168.1.55 executant ‘Apache Tomcat 7.0-beta’. Segons el ‘Protocol Omega Opsec’ (Pàg 3), els servidors beta acostumen a tenir credencials per defecte i logging verbós. Recomanem un atac de força bruta immediat.”
  5. Gestió: Ens agradarà la resposta. Li donarem a la Estrelleta ⭐ i activarem el Cadenat 🔒 perquè aquesta troballa no s'esborri mai.