Ir al contenido

🧠 PROJETO OMEGA: MÓDULO "SPECIALIST AI" (Centro de Inteligência Tática)

A interface se situa estrategicamente entre "Ferramentas" e "Documentação". Nos dividiremos em três painéis de alta densidade de informação.

0lecturas

Visão Estratégica: Implementaremos uma Inteligência Artificial Híbrida (Local/Nuvem) profundamente integrada na plataforma. Não é um simples chatbot; é um Analista de Cibersegurança Sintético com acesso de leitura em tempo real à infraestrutura (Base de Dados) e acesso doutrinário à biblioteca de conhecimento (PDFs).

A interface situa-se estrategicamente entre “Ferramentas” e “Documentação”. Dividir-nos-emos em três painéis de alta densidade de informação.

🟢 PAINEL ESQUERDO: MEMÓRIA OPERATIVA (Histórico & Retenção)

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

Neste painel, gerenciaremos o conhecimento passado.

  • Lista de Sessões: Cartões compactos com Título, Data e Modelo usado.
  • Sistema de Classificação Tática:
    • ⭐ Favoritos (Priority Intel): Botão de estrela. Fixaremos a conversa no topo. Útil para investigações ativas.
    • 🔒 Persistência (Bloqueio Permanente): Um Toggle Switch (Interruptor) em cada chat.
      • Estado ON: O chat será blindado. Ignoraremos as regras de exclusão automática.
      • Estado OFF: O chat será efêmero.
  • Configuração de Retenção (Ciclo de Vida dos Dados):
    • Slider ou Input numérico: “Autodestruir chats não blindados após: [ 7 ] dias”.
    • Botão “Purgar Agora”: Limpeza manual de cache.

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

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

A área de interação principal. Estilo “Terminal Moderna” (Cores escuras, fontes monoespaçadas para código).

  • Área de Saída (Stream):
    • Renderização Markdown completa (Tabelas, Listas, Blocos de Código com botão de cópia).
    • Citações de Fontes: Quando a IA usa um documento, aparecerá uma pequena etiqueta clicável: [Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4].
    • Evidência de Dados: Quando consultarmos o BD, mostraremos a query SQL gerada em um menu expansível colapsado: [▶ Ver Query SQL].
  • Área de Entrada (Linha de Comando):
    • Prompt de texto multilinhas.
    • Botão “Anexar Contexto Atual” (Enviaremos o estado atual do scan ativo).
  • Seletor de Motor (Inferior-Direito):
    • Um menu suspenso discreto, mas vital, no canto inferior direito.
    • Opções:
      • 🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral) -> Sem custo, privacidade total, lento.
      • ☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH -> Velocidade extrema, raciocínio médio.
      • 🧠 ONLINE: GOOGLE GEMINI 1.5 PRO -> Raciocínio complexo, maior latência.

🔵 PAINEL DIREITO: CONFIGURAÇÃO DO AGENTE (Mission Profile)

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

Aqui definiremos QUEM nos está respondendo.

  • Seletor de Agente (Pessoa):
    • Padrão: “Generalista Red Team”.
    • Personalizado 1: “Dr. SQL Injection” (Prompt focado 100% nos nossos manuais de SQLi).
    • Personalizado 2: “Analista de Infraestrutura” (Focado em Nmap e Serviços).
  • Indicadores de Conexão (Status):
    • 📚 Docs Indexados: 14 PDFs (Estado do Vector Store).
    • 🗄️ DB Connection: ACTIVE (Estado do Text-to-SQL).

Para que a IA seja útil, devemos “conectar os pontos” entre a teoria (PDFs) e a realidade (Base de Dados).

A IA não “lê” os PDFs cada vez. Utilizaremos uma base de dados vetorial (ChromaDB).

  1. Ingestão: Ao fazer upload de um PDF para /docs, dividiremos o sistema em “chunks” (fragmentos) de 500 caracteres.
  2. Embedding: Converteremos texto em vetores numéricos.
  3. Recuperação: Quando perguntarmos “Como fazemos um ataque OOB?”, o sistema buscará vetores matematicamente similares nos manuais e os passará para a IA como contexto oculto.

A IA tem permissão de leitura sobre nmap_intel.db.

  1. Schema Awareness: A IA sabe que existe uma tabela hosts com as colunas ip, os e services.
  2. Tradução:
    • Usuário: “Diga-me quais máquinas têm Windows e a porta 445 aberta”.
    • IA (Interno): SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
  3. Resposta: A IA recebe o JSON do BD e nos responde em linguagem natural.

Um pequeno classificador prévio decidirá qual subsistema ativar:

  • Perguntamos sobre teoria? -> Ativaremos RAG (PDFs).
  • Perguntamos sobre objetivos/estado atual? -> Ativaremos SQL (DB).
  • Perguntamos mista? -> Ativaremos Ambos.

Permitiremos criar “Perfis de Sistema” salvos em JSON.

Exemplo: 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"]
}

Precisamos expandir nossa base de dados SQLite (nmap_intel.db) para suportar esta lógica 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. O Operador (Nós): Entraremos no “Specialist AI”. Selecionaremos o agente “Recon Master”. Ativaremos o modelo “Gemini Flash”.
  2. A Pergunta: Escreveremos: “Analisamos os objetivos atuais. Vemos algum padrão que sugira um servidor de desenvolvimento antigo? Basearemos nossa resposta no Manual de OPSEC.”
  3. O Processo (Backend):
    • O Router detectará a necessidade de DB (para ver os objetivos) e DOCS (para o manual OPSEC).
    • Executaremos SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'.
    • Buscaremos vetores em PROTOCOLO_OMEGA_OPSEC.md.
    • Enviaremos tudo para o Gemini Flash.
  4. A Resposta:
    • “Detectamos o host 192.168.1.55 executando ‘Apache Tomcat 7.0-beta’. Segundo o ‘Protocolo Omega Opsec’ (Pág 3), os servidores beta costumam ter credenciais padrão e logging verboso. Recomendamos um ataque de força bruta imediato.”
  5. Gestão: Gostaremos da resposta. Daremos a Estrelinha ⭐ e ativaremos o Cadeado 🔒 para que esta descoberta nunca seja apagada.