Ir al contenido

🧠 项目 OMEGA:模块 "SPECIALIST AI"(战术情报中心)

该界面战略性地位于“工具”和“文档”之间。我们将分为三个高信息密度面板。

0阅读

战略愿景:我们将实施一种深度集成到平台中的混合人工智能(本地/云端)。它不仅仅是一个聊天机器人;而是一个合成网络安全分析师,能够实时只读访问基础设施(数据库)并按规范访问知识库(PDF)。

该界面战略性地位于“工具”和“文档”之间。我们将分为三个高密度信息面板。

🟢 左侧面板:工作记忆(History & Retention)

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

此面板将管理过去的知识。

  • 会话列表: 带有标题、日期和使用模型的紧凑卡片。
  • 战术分类系统:
    • ⭐ 书签(优先情报): 星星按钮。我们将对话固定在顶部。适用于主动调查。
    • 🔒 持久化(永久锁定):每个聊天中的一个Toggle Switch(开关)。
      • 开启状态: 聊天将被加固。我们将忽略自动删除规则。
      • 关闭状态: 聊天将短暂存在。
  • 保留配置(数据生命周期):
    • 滑块或数字输入: “在 [ 7 ] 天后自动销毁未加固的聊天”。
    • “立即清理”按钮:手动清除缓存。

⚫ 中央面板:战争室(The Chat Interface)

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

主要交互区域。现代终端风格(深色背景,等宽字体用于代码)

  • 输出区域(流式):
    • 完整 Markdown 渲染(表格、列表、带复制按钮的代码块)
    • 来源引用:当 AI 使用某个文档时,会出现一个小型可点击标签:[Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4]。
    • 数据证据:当我们查询数据库时,将在折叠式下拉框中显示生成的 SQL 查询:[▶ Ver Query SQL]。
  • 输入区域(命令行):
    • 多行文本提示
    • “附加当前上下文”按钮(上传当前扫描状态)
  • 引擎选择器(右下角):
    • 右下角一个低调但关键的下拉菜单。
    • 选项:
      • 🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral) -> 无成本,完全隐私,速度较慢。
      • ☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH -> 极速,中等推理能力。
      • 🧠 ONLINE: GOOGLE GEMINI 1.5 PRO -> 复杂推理,更高延迟。

这里我们将定义谁在回答我们。

  • 代理选择器(角色):
    • 默认: “红队通用专家”。
    • 自定义1: “SQL注入博士”(专注于我们的SQLi手册的提示)
    • 自定义2: “基础设施分析师”(专注于Nmap和服务)
  • 连接指示器(状态):
    • 📚 Docs Indexados: 14 PDFs(向量存储状态)。
    • 🗄️ DB Connection: ACTIVE(Text-to-SQL 状态)。

为了让AI有用,我们必须在理论(PDF)和现实(数据库)之间“建立联系”

AI不会每次都“阅读”PDF。我们将使用向量数据库(ChromaDB)

  1. 摄取:将 PDF 上传到 /docs 后,我们会将系统拆分为 500 字符的“块”(片段)。
  2. 嵌入: 将文本转换为数值向量
  3. 检索: 当我们询问“如何进行OOB攻击?”时,系统将在手册中搜索数学上相似的向量,并将它们作为隐藏上下文传递给AI

AI 对 nmap_intel.db 拥有读取权限。

  1. 模式感知:AI 知道存在表 hosts,其列为 ip、os 和 services。
  2. 翻译:
    • 用户: “告诉我哪些机器运行Windows且端口445开放”
    • AI(内部): SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
  3. 响应: AI接收数据库的JSON并用自然语言回答

一个小型预分类器将决定激活哪个子系统:

  • 我们询问理论吗? -> 激活RAG(PDF)。
  • 我们询问目标/当前状态吗? -> 激活SQL(DB)。
  • 我们询问混合问题吗? -> 激活两者。

我们将允许创建“系统配置文件”并保存为JSON

示例:SQLi调查员配置文件

{
"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"]
}

我们需要扩展 SQLite 数据库(nmap_intel.db)以支持这种高级逻辑。

-- 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. 操作员(我们): 进入“专家AI”。选择代理“侦察大师”。激活模型“Gemini Flash”
  2. 问题: 我们输入:“分析当前目标。我们是否看到可能表明旧开发服务器的模式?我们的回答将基于OPSEC手册。”
  3. 处理流程(后端):
    • 路由器将检测到需要DB(查看目标)和DOCS(OPSEC手册)
    • 我们将执行 SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'。
    • 我们将在 PROTOCOLO_OMEGA_OPSEC.md 中搜索向量。
    • 将所有内容发送到Gemini Flash
  4. 回复:
    • “我们检测到主机192.168.1.55正在运行‘Apache Tomcat 7.0-beta’。根据‘Omega Opsec协议’(第3页),测试版服务器通常具有默认凭证和详细日志。建议立即进行暴力破解攻击。”
  5. 管理: 我们会喜欢这个答案。点击星星⭐并激活锁🔒以确保此发现永远不会被删除。