🧠 오메가 프로젝트: 모듈 "SPECIALIST AI" (전술 지능 센터)
인터페이스는 "도구"와 "문서" 사이에 전략적으로 위치하며, 3개의 고밀도 정보 패널로 구분됩니다.
0조회
전략적 시야: 플랫폼에 깊이 통합된 하이브리드 인공지능(로컬/클라우드)을 구현할 것입니다. 단순한 챗봇이 아니라, 실시간으로 인프라(데이터베이스)에 접근할 수 있는 시뮬레이션 사이버 보안 분석가이며, 문서 지식 라이브러리(파일)에 이론적 접근이 가능합니다.
1. 시각적 아키텍처 (코크피트)
Sección titulada «1. ARQUITECTURA VISUAL (EL COCKPIT)»인터페이스는 '도구'와 '문서' 사이에 전략적으로 위치합니다. 우리는 세 개의 고밀도 정보 패널로 나뉩니다.
🟢 왼쪽 패널: 작업 메모리 (이력 및 보존)
Sección titulada «🟢 PANEL IZQUIERDO: MEMORIA OPERATIVA (History & Retention)»이 패널에서는 과거 지식을 관리합니다.
- 세션 목록: 제목, 날짜 및 사용된 모델이 포함된 컴팩트 카드.
- 전술 분류 시스템:
- ⭐ 즐겨찾기 (우선순위 인텔): 별 버튼. 대화를 상단에 고정합니다. 활동 조사에 유용합니다.
- 🔒 지속성(Permanent Lock): 각 채팅에 Toggle Switch(스위치)가 있습니다.
- ON 상태: 대화가 보호됩니다. 자동 삭제 규칙을 무시합니다.
- OFF 상태: 대화는 일시적입니다.
- 보존 설정(Data Lifecycle):
- 슬라이더 또는 숫자 입력: “보호되지 않은 채팅을 [ 7 ]일 후 자동 삭제합니다.”.
- 버튼 “지금 정화”: 캐시의 수동 청소.
⚫ 중앙 패널: 전쟁실 (채팅 인터페이스)
Sección titulada «⚫ PANEL CENTRAL: SALA DE GUERRA (The Chat Interface)»주요 상호작용 영역. "현대적 터미널" 스타일 (어두운 색상, 코드용 단일 폰트).
- 출력 영역(Stream):
- 완전한 마크다운 렌더링 (테이블, 목록, 복사 버튼이 있는 코드 블록).
- 출처 인용: AI가 문서를 사용할 때, 클릭 가능한 작은 라벨이 나타납니다:
[Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4]. - 데이터 증거: BBDD를 조회할 때, 생성된 SQL 쿼리를 축소 가능한 드롭다운에 표시합니다:
[▶ Ver Query SQL].
- 입력 영역(Command Line):
- 다중 줄 텍스트 프롬프트.
- 버튼 “현재 컨텍스트 첨부” (활성 스캔의 현재 상태를 업로드합니다).
- 엔진 선택기(우측 하단):
- 작지만 중요한 드롭다운 메뉴가 하단 오른쪽 모서리에 있습니다.
- 옵션:
🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral)-> 비용 없음, 완전한 프라이버시, 느림.☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH-> 극한 속도, 중간 추론.🧠 ONLINE: GOOGLE GEMINI 1.5 PRO-> 복잡한 추론, 더 높은 지연.
🔵 오른쪽 패널: 엔진 설정 (미션 프로필)
Sección titulada «🔵 PANEL DERECHO: CONFIGURACIÓN DEL AGENTE (Mission Profile)»여기서 누가 우리에게 답하는지 정의할 것입니다.
- 에이전트 선택기(페르소나):
- 기본 설정: “레드 팀 전문가”.
- 사용자 정의 1: “드. SQL 인젝션” (SQLi 매뉴얼에 완전히 집중된 프롬프트).
- 사용자 정의 2: “인프라 분석가” (Nmap 및 서비스에 집중).
- 연결 표시기(Status):
📚 Docs Indexados: 14 PDFs(벡터 스토어 상태).🗄️ DB Connection: ACTIVE(텍스트-SQL 상태).
2. 인지 아키텍처 (RAG 뇌)
Sección titulada «2. ARQUITECTURA COGNITIVA (EL CEREBRO RAG)»AI가 유용하려면 PDF(이론)과 BBDD(현실) 사이의 '포인트 연결'이 필요합니다.
A. 문서 하위 시스템 (벡터 RAG)
Sección titulada «A. Subsistema Documental (RAG Vectorial)»AI는 매번 PDF를 '읽지' 않습니다. 벡터 데이터베이스(ChromaDB)를 사용할 것입니다.
- 수집:
/docs에 PDF를 업로드하면 500자 단위의 'chunks'(조각)로 시스템을 나눕니다. - 임베딩: 텍스트를 숫자 벡터로 변환합니다.
- 회수: 'OOB 공격은 어떻게 수행하나요?'라고 묻는 경우, 시스템은 매뉴얼에서 수학적으로 유사한 벡터를 검색하여 IA에게 숨겨진 맥락으로 전달합니다.
B. 인프라 하위 시스템 (텍스트-SQL)
Sección titulada «B. Subsistema de Infraestructura (Text-to-SQL)»AI는 nmap_intel.db에 대한 읽기 권한이 있습니다.
- Schema Awareness: AI는
hosts이라는 이름의 테이블이ip,os,services열을 가지고 있음을 알고 있습니다. - 번역:
- 사용자: “어떤 컴퓨터가 Windows를 사용하고 포트 445가 열려 있는지 알려줘.”
- AI (내부):
SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
- 답변: AI는 데이터베이스의 JSON을 받아 자연어로 응답합니다.
사전 분류기 하나가 어떤 하위 시스템을 활성화할지 결정할 것입니다:
- 이론에 대해 물어보는가? -> RAG (PDF)을 활성화할 것입니다.
- 목표/현재 상태에 대해 물어보는가? -> SQL (DB)을 활성화할 것입니다.
- 혼합 질문인가? -> 둘 다 활성화할 것입니다.
3. 맞춤형 에이전트 (전문가들)
Sección titulada «3. AGENTES PERSONALIZADOS (LOS ESPECIALISTAS)»JSON에 저장된 '시스템 프로필'을 생성할 수 있습니다.
예: 'SQLi 탐지자' 프로필
{ "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. 데이터 영구 저장 (새로운 테이블)
Sección titulada «4. PERSISTENCIA DE DATOS (NUEVAS TABLAS)»이 고급 로직을 지원하기 위해 SQLite 데이터베이스를 확장해야 합니다 (nmap_intel.db)
-- 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. 작업 흐름 (사용 예제)
Sección titulada «5. FLUJO DE TRABAJO (EJEMPLO DE USO)»- 운영자 (우리): 'Specialist AI'에 로그인합니다. 에이전트 "Recon Master"를 선택합니다. "Gemini Flash" 모델을 활성화합니다.
- 질문: 다음을 입력합니다: "현재 목표를 분석합니다. 오래된 개발 서버를 시사하는 패턴을 보이나요? 답변은 OPSEC 매뉴얼에 기반합니다."
- 프로세스(Backend):
- 라우터는 DB (목표 보기)와 DOCS (OPSEC 매뉴얼)가 필요함을 감지합니다.
SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'을 실행합니다.PROTOCOLO_OMEGA_OPSEC.md에서 벡터를 탐색합니다.- 모든 내용을 Gemini Flash에 전송합니다.
- 응답:
- "192.168.1.55 호스트에서 'Apache Tomcat 7.0-beta'를 실행 중인 것을 감지했습니다. 'Omega Opsec 프로토콜' (3페이지)에 따르면 베타 서버는 일반적으로 기본 자격 증명과 자세한 로깅을 가지고 있습니다. 즉시 강제 공격을 권장합니다."
- 관리: 답변이 마음에 듭니다. 별표 ⭐를 클릭하고, 이 발견을 영구히 보호하기 위해 자물쇠 🔒를 활성화합니다.

