🧠 PROJEKT OMEGA: MODUŁ „SPECIALIST AI” (Centrum Inteligencji Taktycznej)
Interfejs jest strategicznie umieszczony między "Narzędziami" a "Dokumentacją". Podzielimy się na trzy panele o wysokiej gęstości informacji.
Wizja Strategiczna: Wdrożymy hybrydową sztuczną inteligencję (lokalną/chmurową) głęboko zintegrowaną z platformą. To nie jest zwykły chatbot; to syntetyczny analityk cyberbezpieczeństwa z dostępem w czasie rzeczywistym w trybie tylko do odczytu do infrastruktury (bazy danych) oraz dostępem doktrynalnym do biblioteki wiedzy (PDF).
1. ARCHITEKTURA WIZUALNA (KOKPIT)
Sección titulada «1. ARQUITECTURA VISUAL (EL COCKPIT)»Interfejs znajduje się strategicznie między „Narzędziami” a „Dokumentacją”. Zostanie podzielony na trzy panele o wysokiej gęstości informacji.
🟢 PANEL LEWY: PAMIĘĆ OPERACYJNA (Historia & Zachowanie)
Sección titulada «🟢 PANEL IZQUIERDO: MEMORIA OPERATIVA (History & Retention)»W tym panelu będziemy zarządzać przeszłą wiedzą.
- Lista sesji: Kompaktowe karty z tytułem, datą i użytym modelem.
- System klasyfikacji taktycznej:
- ⭐ Ulubione (Priorytetowy Wywiad): Przycisk gwiazdki. Przypniemy rozmowę na górze. Przydatne do aktywnych dochodzeń.
- 🔒 Utrzymanie (Trwałe blokowanie): Przełącznik (interruptor) w każdym czacie.
- Stan ON: Czat zostanie zabezpieczony. Zignorujemy reguły automatycznego usuwania.
- Stan OFF: Czat będzie efemeryczny.
- Konfiguracja retencji (cykl życia danych):
- Suwak lub pole liczbowe: „Autodestrukcja niezabezpieczonych czatów po: [ 7 ] dniach”.
- Przycisk „Wyczyść teraz”: Ręczne czyszczenie pamięci podręcznej.
⚫ PANEL CENTRALNY: SALA OPERACYJNA (The Chat Interface)
Sección titulada «⚫ PANEL CENTRAL: SALA DE GUERRA (The Chat Interface)»Główny obszar interakcji. Styl „Nowoczesnego Terminala” (Ciemne kolory, czcionki monospaced dla kodu).
- Obszar wyjściowy (strumień):
- Pełne renderowanie Markdown (tabele, listy, bloki kodu z przyciskiem kopiowania).
- Cytowanie źródeł: Gdy AI korzysta z dokumentu, pojawi się mała klikalna etykieta:
[Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4]. - Dowody danych: Podczas zapytań do bazy danych, wygenerowane zapytanie SQL zostanie wyświetlone w zwijanym menu:
[▶ Ver Query SQL].
- Obszar wejściowy (linia poleceń):
- Wielowierszowy prompt tekstowy.
- Przycisk „Dołącz bieżący kontekst” (Prześlemy aktualny stan aktywnego skanowania).
- Selekter silnika (dolny prawy):
- Dyskretne, ale kluczowe menu rozwijane w prawym dolnym rogu.
- Opcje:
🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral)-> Bez kosztów, pełna prywatność, wolno.☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH-> Ekstremalna prędkość, średnie rozumowanie.🧠 ONLINE: GOOGLE GEMINI 1.5 PRO-> Złożone rozumowanie, większe opóźnienie.
🔵 PRAWY PANEL: KONFIGURACJA AGENTA (Mission Profile)
Sección titulada «🔵 PANEL DERECHO: CONFIGURACIÓN DEL AGENTE (Mission Profile)»Tutaj zdefiniujemy, KTO nam odpowiada.
- Selekter agenta (osoby):
- Domyślny: „Generalista Red Team”.
- Personalizowany 1: „Dr. SQL Injection” (Prompt skupiony w 100% na naszych podręcznikach SQLi).
- Personalizowany 2: „Analityk Infrastruktury” (Skupiony na Nmap i usługach).
- Wskaźniki połączenia (status):
📚 Docs Indexados: 14 PDFs(Stan Vector Store).🗄️ DB Connection: ACTIVE(Stan Text-to-SQL).
2. ARCHITEKTURA KOGNITYWNA (MÓZG RAG)
Sección titulada «2. ARQUITECTURA COGNITIVA (EL CEREBRO RAG)»Aby AI była użyteczna, musimy „połączyć kropki” między teorią (PDF) a rzeczywistością (bazy danych).
A. Podsystem dokumentacyjny (Wektorowy RAG)
Sección titulada «A. Subsistema Documental (RAG Vectorial)»AI nie „czyta” plików PDF za każdym razem. Skorzystamy z wektorowej bazy danych (ChromaDB).
- Ingestia: Po przesłaniu pliku PDF do
/docs, podzielimy system na „chunks” (fragmenty) po 500 znaków. - Embedding: Przekształcimy tekst na wektory numeryczne.
- Wyszukiwanie: Gdy pytamy „Jak przeprowadzić atak OOB?”, system wyszuka matematycznie podobne wektory w instrukcjach i przekaże je do AI jako ukryty kontekst.
B. Podsystem infrastruktury (Text-to-SQL)
Sección titulada «B. Subsistema de Infraestructura (Text-to-SQL)»AI ma uprawnienia do odczytu nmap_intel.db.
- Świadomość schematu: AI wie, że istnieje tabela
hostsz kolumnamiip,osiservices. - Tłumaczenie:
- Użytkownik: „Powiedz mi, które maszyny mają system Windows i otwarty port 445”.
- AI (Wewnętrzne):
SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
- Odpowiedź: AI otrzymuje JSON z bazy danych i odpowiada nam w języku naturalnym.
C. „Router” intencji
Sección titulada «C. El “Router” de Intenciones»Mały, wstępny klasyfikator zdecyduje, który podsystem aktywować:
- Pytamy o teorię? -> Aktywujemy RAG (PDF).
- Pytamy o cele/stan obecny? -> Aktywujemy SQL (DB).
- Pytamy o kwestie mieszane? -> Aktywujemy oba.
3. PERSONALIZOWANI AGENCI (SPECJALIŚCI)
Sección titulada «3. AGENTES PERSONALIZADOS (LOS ESPECIALISTAS)»Pozwolimy na tworzenie „Profili Systemowych” zapisanych w formacie JSON.
Przykład: Profil „Inkwizytor 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. TRWAŁOŚĆ DANYCH (NOWE TABELE)
Sección titulada «4. PERSISTENCIA DE DATOS (NUEVAS TABLAS)»Musimy rozszerzyć naszą bazę danych SQLite (nmap_intel.db), aby obsłużyć tę zaawansowaną logikę.
-- 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. PRZEBIEG PRACY (PRZYKŁAD UŻYCIA)
Sección titulada «5. FLUJO DE TRABAJO (EJEMPLO DE USO)»- Operator (My): Wejdziemy do „Specialist AI”. Wybierzemy agenta „Recon Master”. Aktywujemy model „Gemini Flash”.
- Pytanie: Napiszemy: „Analizujemy obecne cele. Czy widzimy jakiś wzorzec sugerujący stary serwer deweloperski? Naszą odpowiedź oprzemy na podręczniku OPSEC.”
- Proces (zaplecza):
- Router wykryje potrzebę DB (aby zobaczyć cele) i DOCS (aby uzyskać dostęp do podręcznika OPSEC).
- Uruchomimy
SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'. - Będziemy szukać wektorów w
PROTOCOLO_OMEGA_OPSEC.md. - Wyślemy wszystko do Gemini Flash.
- Odpoveď:
- “Wykryto host 192.168.1.55 uruchamiający ‘Apache Tomcat 7.0-beta’. Zgodnie z ‘Protokołem Omega Opsec’ (str. 3), serwery beta często posiadają domyślne poświadczenia i szczegółowe logowanie. Zalecamy natychmiastowy atak brute force.”
- Zarządzanie: Polubimy tę odpowiedź. Dammy Gwiazdkę ⭐ i aktywujemy Kłódkę 🔒, aby to odkrycie nigdy nie zostało usunięte.

