🧠 PROJET OMEGA : MODULE "SPECIALIST AI" (Centre d'Intelligence Tactique)
L'interface est située stratégiquement entre "Outils" et "Documentation". Nous nous diviserons en trois panneaux à haute densité d'information.
Vision Stratégique : Nous implémenterons une Intelligence Artificielle Hybride (Locale/Cloud) profondément intégrée à la plateforme. Ce n'est pas un simple chatbot ; c'est un Analyste en Cybersécurité Synthétique avec un accès en lecture en temps réel à l'infrastructure (Base de données) et un accès doctrinal à la bibliothèque de connaissances (PDF).
1. ARCHITECTURE VISUELLE (LE COCKPIT)
Sección titulada «1. ARQUITECTURA VISUAL (EL COCKPIT)»L'interface se situe stratégiquement entre « Outils » et « Documentation ». Elle se divise en trois panneaux à haute densité d'informations.
🟢 PANNEAU GAUCHE : MÉMOIRE OPÉRATIVE (Historique & Conservation)
Sección titulada «🟢 PANEL IZQUIERDO: MEMORIA OPERATIVA (History & Retention)»Ce panneau permet de gérer les connaissances passées.
- Liste des Sessions : Cartes compactes avec Titre, Date et Modèle utilisé.
- Système de classification tactique :
- ⭐ Favoris (Priority Intel) : Bouton étoile. Nous épinglerons la conversation en haut. Utile pour les recherches actives.
- 🔒 Persistance (Verrou permanent) : Un Toggle Switch (interrupteur) dans chaque chat.
- État ON : Le chat sera blindé. Nous ignorerons les règles de suppression automatique.
- État OFF : Le chat sera éphémère.
- Configuration de rétention (cycle de vie des données) :
- Curseur ou saisie numérique : “Autodestruction des chats non blindés après : [ 7 ] jours”.
- Bouton “Purger Maintenant” : Nettoyage manuel du cache.
⚫ PANNEAU CENTRAL : SALLE DE GUERRE (The Chat Interface)
Sección titulada «⚫ PANEL CENTRAL: SALA DE GUERRA (The Chat Interface)»La zone d'interaction principale. Style “Terminal Moderne” (Couleurs sombres, polices monoespacées pour le code).
- Zone de sortie (flux) :
- Rendu Markdown complet (tableaux, listes, blocs de code avec bouton de copie).
- Citations de sources : Lorsqu'une IA utilise un document, une petite étiquette cliquable apparaîtra :
[Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4]. - Preuves de données : Lorsque nous interrogeons la BDD, nous afficherons la requête SQL générée dans un menu déroulant repliable :
[▶ Ver Query SQL].
- Zone d'entrée (ligne de commande) :
- Invite de texte multiligne.
- Bouton « Joindre le contexte actuel » (Nous téléchargerons l'état actuel du scan actif).
- Sélecteur de moteur (coin inférieur droit) :
- Un menu déroulant discret mais essentiel dans le coin inférieur droit.
- Options :
🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral)-> Gratuit, confidentialité totale, lent.☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH-> Vitesse extrême, raisonnement moyen.🧠 ONLINE: GOOGLE GEMINI 1.5 PRO-> Raisonnement complexe, latence accrue.
🔵 PANNEAU DROIT : CONFIGURATION DE L'AGENT (Mission Profile)
Sección titulada «🔵 PANEL DERECHO: CONFIGURACIÓN DEL AGENTE (Mission Profile)»Ici, nous définirons QUI nous répond.
- Sélecteur d'agent (personne) :
- Par défaut : “Généraliste Red Team”.
- Personnalisé 1 : “Dr. SQL Injection” (Prompt axé à 100 % sur nos manuels de SQLi).
- Personnalisé 2 : “Analyste d'Infrastructure” (Axé sur Nmap et les services).
- Indicateurs de connexion (statut) :
📚 Docs Indexados: 14 PDFs(État du Vector Store).🗄️ DB Connection: ACTIVE(État du Text-to-SQL).
2. ARCHITECTURE COGNITIVE (LE CERVEAU RAG)
Sección titulada «2. ARQUITECTURA COGNITIVA (EL CEREBRO RAG)»Pour que l'IA soit utile, nous devons « relier les points » entre la théorie (PDF) et la réalité (BBDD).
A. Sous-système documentaire (RAG vectoriel)
Sección titulada «A. Subsistema Documental (RAG Vectorial)»L'IA ne « lit » pas les PDF à chaque fois. Nous utiliserons une base de données vectorielle (ChromaDB).
- Ingestion : Lors de l'importation d'un PDF vers
/docs, nous diviserons le système en « chunks » (fragments) de 500 caractères. - Embedding : Nous convertirons le texte en vecteurs numériques.
- Récupération : Lorsque nous demandons « Comment réaliser une attaque OOB ? », le système recherchera des vecteurs mathématiquement similaires dans les manuels et les transmettra à l'IA en tant que contexte caché.
B. Sous-système d'infrastructure (Text-to-SQL)
Sección titulada «B. Subsistema de Infraestructura (Text-to-SQL)»L'IA a une autorisation de lecture sur nmap_intel.db.
- Conscience du schéma : L'IA sait qu'il existe une table
hostsavec les colonnesip,os, etservices. - Traduction :
- Utilisateur : « Dis-moi quelles machines ont Windows et le port 445 ouvert ».
- IA (Interne) :
SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
- Réponse : L'IA reçoit le JSON de la BDD et nous répond en langage naturel.
C. Le « Routeur » d'intentions
Sección titulada «C. El “Router” de Intenciones»Un petit classificateur préalable décidera quel sous-système activer :
- Question sur la théorie ? -> Activation du RAG (PDFs).
- Question sur les objectifs/état actuel ? -> Activation du SQL (DB).
- Question mixte ? -> Activation des deux.
3. AGENTS PERSONNALISÉS (LES SPÉCIALISTES)
Sección titulada «3. AGENTES PERSONALIZADOS (LOS ESPECIALISTAS)»Nous permettrons de créer des « Profils Système » sauvegardés en JSON.
Exemple : Profil « Inquisiteur 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. PERSISTANCE DES DONNÉES (NOUVELLES TABLES)
Sección titulada «4. PERSISTENCIA DE DATOS (NUEVAS TABLAS)»Nous devons étendre notre base de données SQLite (nmap_intel.db) pour supporter cette logique avancée.
-- 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 TRAVAIL (EXEMPLE D'UTILISATION)
Sección titulada «5. FLUJO DE TRABAJO (EJEMPLO DE USO)»- L'Opérateur (Nous) : Nous entrerons dans « Specialist AI ». Nous sélectionnerons l'agent « Recon Master ». Nous activerons le modèle « Gemini Flash ».
- La Question : Nous écrirons : « Nous analysons les objectifs actuels. Voyons-nous un motif suggérant un ancien serveur de développement ? Nous baserons notre réponse sur le manuel OPSEC. »
- Le processus (backend) :
- Le Routeur détectera le besoin de DB (pour voir les objectifs) et de DOCS (pour le manuel OPSEC).
- Nous exécuterons
SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'. - Nous chercherons des vecteurs dans
PROTOCOLO_OMEGA_OPSEC.md. - Nous enverrons tout à Gemini Flash.
- La réponse :
- “Nous avons détecté l'hôte 192.168.1.55 exécutant 'Apache Tomcat 7.0-beta'. Selon le 'Protocole Omega Opsec' (page 3), les serveurs bêta ont généralement des informations d'identification par défaut et une journalisation verbeuse. Nous recommandons une attaque par force brute immédiate.”
- Gestion : Nous aimerons la réponse. Nous donnerons l' Étoile ⭐ et activerons le Cadenas 🔒 pour que cette découverte ne soit jamais effacée.

