🧠 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.
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).
1. ARQUITETURA VISUAL (O COCKPIT)
Sección titulada «1. ARQUITECTURA VISUAL (EL COCKPIT)»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).
2. ARQUITETURA COGNITIVA (O CÉREBRO RAG)
Sección titulada «2. ARQUITECTURA COGNITIVA (EL CEREBRO RAG)»Para que a IA seja útil, devemos “conectar os pontos” entre a teoria (PDFs) e a realidade (Base de Dados).
A. Subsistema Documental (RAG Vetorial)
Sección titulada «A. Subsistema Documental (RAG Vectorial)»A IA não “lê” os PDFs cada vez. Utilizaremos uma base de dados vetorial (ChromaDB).
- Ingestão: Ao fazer upload de um PDF para
/docs, dividiremos o sistema em “chunks” (fragmentos) de 500 caracteres. - Embedding: Converteremos texto em vetores numéricos.
- 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.
B. Subsistema de Infraestrutura (Text-to-SQL)
Sección titulada «B. Subsistema de Infraestructura (Text-to-SQL)»A IA tem permissão de leitura sobre nmap_intel.db.
- Schema Awareness: A IA sabe que existe uma tabela
hostscom as colunasip,oseservices. - 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;
- Resposta: A IA recebe o JSON do BD e nos responde em linguagem natural.
C. O “Router” de Intenções
Sección titulada «C. El “Router” de Intenciones»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.
3. AGENTES PERSONALIZADOS (OS ESPECIALISTAS)
Sección titulada «3. AGENTES PERSONALIZADOS (LOS ESPECIALISTAS)»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"]}4. PERSISTÊNCIA DE DADOS (NOVAS TABELAS)
Sección titulada «4. PERSISTENCIA DE DATOS (NUEVAS TABLAS)»Precisamos expandir nossa base de dados SQLite (nmap_intel.db) para suportar esta lógica 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. FLUXO DE TRABALHO (EXEMPLO DE USO)
Sección titulada «5. FLUJO DE TRABAJO (EJEMPLO DE USO)»- O Operador (Nós): Entraremos no “Specialist AI”. Selecionaremos o agente “Recon Master”. Ativaremos o modelo “Gemini Flash”.
- A Pergunta: Escreveremos: “Analisamos os objetivos atuais. Vemos algum padrão que sugira um servidor de desenvolvimento antigo? Basearemos nossa resposta no Manual de OPSEC.”
- 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.
- 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.”
- Gestão: Gostaremos da resposta. Daremos a Estrelinha ⭐ e ativaremos o Cadeado 🔒 para que esta descoberta nunca seja apagada.

