🧠 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.
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).
1. ARQUITECTURA VISUAL (EL COCKPIT)
Sección titulada «1. ARQUITECTURA VISUAL (EL COCKPIT)»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).
2. ARQUITECTURA COGNITIVA (EL CEREBRE RAG)
Sección titulada «2. ARQUITECTURA COGNITIVA (EL CEREBRO RAG)»Perquè la IA sigui útil, hem de “connectar els punts” entre la teoria (PDFs) i la realitat (BBDD).
A. Subsistema Documental (RAG Vectorial)
Sección titulada «A. Subsistema Documental (RAG Vectorial)»La IA no "llegeix" els PDF cada vegada. Utilitzarem una base de dades vectorial (ChromaDB).
- Ingesta: En pujar un PDF a
/docs, dividirem el sistema en "chunks" (fragments) de 500 caràcters. - Embedding: Convertirem el text en vectors numèrics.
- 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.
B. Subsistema d'Infraestructura (Text-to-SQL)
Sección titulada «B. Subsistema de Infraestructura (Text-to-SQL)»La IA té permís de lectura sobre nmap_intel.db.
- Schema Awareness: La IA sap que existeix una taula
hostsamb les columnesip,os, iservices. - 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;
- Resposta: La IA rep el JSON de la BBDD i ens respon en llenguatge natural.
C. El "Router" d'Intencions
Sección titulada «C. El “Router” de Intenciones»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.
3. AGENTS PERSONALITZATS (ELS ESPECIALISTES)
Sección titulada «3. AGENTES PERSONALIZADOS (LOS ESPECIALISTAS)»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"]}4. PERSISTÈNCIA DE DADES (NOVES TABLES)
Sección titulada «4. PERSISTENCIA DE DATOS (NUEVAS TABLAS)»Necessitem expandir la nostra base de dades SQLite (nmap_intel.db) per suportar aquesta lògica avançada.
-- Tabla para gestionar las sesiones de chatCREATE 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 individualesCREATE 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 globalCREATE TABLE ai_config ( key TEXT PRIMARY KEY, value TEXT -- Ej: 'retention_days' = '30');5. FLUX DE TREBALL (EXEMPLE D'ÚS)
Sección titulada «5. FLUJO DE TRABAJO (EJEMPLO DE USO)»- L'Operador (Nosaltres): Entrarem a “Specialist AI”. Seleccionarem l'agent “Recon Master”. Activarem el model “Gemini Flash”.
- 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.”
- 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.
- 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.”
- Gestió: Ens agradarà la resposta. Li donarem a la Estrelleta ⭐ i activarem el Cadenat 🔒 perquè aquesta troballa no s'esborri mai.

