ottoyrocky/phantom-brainشبكة محمولة للاستطلاع الذكي تعمل بالذكاء الاصطناعي دون اتصال بالإنترنت
أداة تحليل اختراق تعمل بالذكاء الاصطناعي دون اتصال بالإنترنت مع تكامل أجهزة حقيقية
تحليل LLM محلي (عبر Ollama) لالتقاطات WiFi وSub-GHz وNFC/RFID وWPA2 — دون الحاجة إلى الإنترنت، بدون واجهات برمجة تطبيقات سحابية، 100% بدون اتصال. يعمل LLM الرئيسي على جهاز كمبيوتر يعمل بنظام Windows. يعمل Raspberry Pi كعقدة ثانوية خفيفة (التقاط مباشر + phi3:mini فقط).
الأجهزة المدعومة: Flipper Zero · WiFi Pineapple MK7 · Proxmark3 · Raspberry Pi 4 (Kali Linux) · Atheros AR9271
النماذج: mistral:7b-instruct · deepseek-r1:7b · phi3:mini
الترخيص: GPL-3.0 | المؤلف: Otto | المجتمع: AI Tinkerers
⚠️ مشروع تجريبي — غير مخصص للاستخدام الإنتاجي. يساعد تحليل الذكاء الاصطناعي الباحثين البشريين؛ ولا يحل محل المراجعة اليدوية. تحقق دائمًا من النتائج بشكل مستقل.
| ✅ ما هو | ❌ ما ليس هو |
|---|---|
| محلل آلي ينظم نتائج الالتقاط | بديل عن Wireshark أو bettercap أو aircrack-ng |
| مولد تقارير يعمل بالذكاء الاصطناعي (دون اتصال، LLM محلي) | مخترق مستقل |
| منسق بين أدوات الأجهزة (Flipper, Pineapple, Proxmark) | أداة أمان جاهزة للإنتاج |
| منصة بحث وتعلم | بديل عن المراجعة اليدوية |
| 100% دون اتصال — لا تسرب بيانات | معتمد على السحابة أو واجهات برمجة تطبيقات |
💡 يجب التعامل مع كل تقرير يولده الذكاء الاصطناعي كنقطة بداية، وليس حكمًا نهائيًا. يمكن لنماذج LLM أن تتخيل ثغرات. مخرجات المحلل المهيكلة (بدون ذكاء اصطناعي) تكون دائمًا أكثر موثوقية.
الميدان (متحرك):
┌──────────────────┐
│ Flipper Zero │ ──► Sub-GHz (.sub), NFC (.nfc), مسح WiFi
└──────────────────┘
┌──────────────────┐
│ WiFi Pineapple │ ──► مصافحة WPA2 (.pcap), deauth, PMKID
└──────────────────┘
┌──────────────────┐
│ Proxmark3 │ ──► RFID/NFC متقدم (EM410x, MIFARE, EMV)
└──────────────────┘
القاعدة — العقدة الأساسية (مطلوبة للوظائف الكاملة):
┌──────────────────────────────────────────────────────┐
│ كمبيوتر Windows (أو سطح مكتب Linux) │
│ Python 3.11+ · Ollama · Flask API │
│ يشغل: mistral:7b-instruct, deepseek-r1:7b │
│ ► واجهة سطر الأوامر PHANTOM BRAIN، تحليل كامل، تقارير │
└──────────────────────────────────────────────────────┘
القاعدة — العقدة الثانوية (اختيارية، خفيفة):
┌──────────────────────────────────────────────────────┐
│ Raspberry Pi 4 (Kali Linux) │
│ Ollama · Atheros AR9271 │
│ يشغل: phi3:mini فقط (mistral:7b ثقيل جدًا على Pi) │
│ ► التقاط WiFi مباشر · استدلال محلي خفيف │
│ ملاحظة: يتصل بـ Ollama على الكمبيوتر للنماذج الثقيلة │
└──────────────────────────────────────────────────────┘
⚠️ ملاحظة بنائية: لا يقوم Raspberry Pi بتشغيل مجموعة Phantom Brain الكاملة بشكل مستقل. لإجراء تحليل كامل باستخدام
mistral:7b-instructأوdeepseek-r1:7b، يلزم وجود كمبيوتر شخصي مع Ollama. يعمل Pi كعقدة التقاط ويمكنه تشغيلphi3:miniللاستدلال الخفيف دون اتصال فقط.
``` input → classifier → tool.run() → ToolResult(risk, findings) → Ollama ```
يمر كل نوع من أنواع الالتقاط عبر أداته المحددة قبل الوصول إلى LLM. تقوم الأداة بهيكلة المخرجات بمستوى خطر ونتائج رئيسية، مما يثري السياق المرسل إلى Ollama.
.sub (sub_ghz_parser.py)sub_ghz_analyzer.py).nfc (nfc_parser.py)nfc_analyzer.py)proxmark_parser.py)pcap_parser_v2.py)hcxpcapngtool → hashcat -m 22000tools/base_tool.py — عقد موحد BaseTool + ToolResultToolResult مع risk (CRITICO/ALTO/MEDIO/BAJO) و findings مهيكلةtools/registry.py — سجل مركزي، يوزع الأداة الصحيحة حسب النوعtools/classifier.py — كشف تلقائي حسب الامتداد والمحتوىpytest tests/test_tools.py)db_manager.py)flask_api.py يعمل على المنفذ 5000GET /status — يتحقق من Ollama والنماذج المتاحةPOST /upload — يستقبل ملفات .pcap, .nfc, .subPOST /analyze — يحلل مع Ollama ويحفظ في SQLiteGET /analysis/<id> — يستعلم عن تحليل محفوظ بالمعرف| النموذج | الحد الأدنى للذاكرة | السعة التخزينية | السرعة (وحدة المعالجة المركزية) | الأفضل لـ | العقدة |
|---|---|---|---|---|---|
phi3:mini | 4 جيجابايت | ~2.3 جيجابايت | ~5 دقائق | الفرز السريع، الاستدلال الخفيف، يعمل على Pi — عمق استدلال محدود | Raspberry Pi 4 / كمبيوتر |
mistral:7b-instruct | 8 جيجابايت | ~4.1 جيجابايت | ~30 ثانية (كمبيوتر) | الافتراضي الموصى به. تحليل كامل، أوامر دقيقة قابلة للتنفيذ، أفضل نسبة دقة/سرعة | كمبيوتر فقط |
deepseek-r1:7b | 8 جيجابايت | ~4.5 جيجابايت | ~45 ثانية (كمبيوتر) | تحليل متعمق، خطوات تخفيف مفصلة، استدلال سلسلة الأفكار | كمبيوتر فقط |
ملاحظة: تم قياس معايير السرعة على كمبيوتر مع 32 جيجابايت من ذاكرة الوصول العشوائي (وحدة معالجة مركزية فقط، بدون GPU). سيؤدي تسريع GPU عبر CUDA/ROCm إلى تقليل وقت الاستدلال بشكل كبير. يمكن لـ Pi تشغيل
phi3:miniبشكل موثوق فقط —mistral:7bيسبب اختناقًا حراريًا ونفاد ذاكرة على Pi 4B 8GB.
تعمل جميع النماذج بنسبة 100% دون اتصال عبر Ollama — لا حاجة لاتصال بالإنترنت.
phantom-brain/
├── phantom_brain.py # واجهة سطر الأوامر الرئيسية - نقطة الدخول
├── flask_api.py # واجهة برمجة تطبيقات REST Flask
├── db_manager.py # SQLite - سجل التقارير
├── pcap_parser_v2.py # محلل WPA2/PCAP
├── proxmark_parser.py # محلل مخرجات Proxmark3
├── nfc_parser.py # محلل ملفات Flipper .nfc
├── nfc_analyzer.py # محلل ثغرات NFC
├── sub_ghz_parser.py # محلل ملفات Flipper .sub
├── sub_ghz_analyzer.py # محلل أنماط Sub-GHz
├── exploit_guide.py # أدلة الاستغلال بدون ذكاء اصطناعي
├── proxmark_launch.bat # سكريبت تشغيل Proxmark3 (Windows)
├── config.yaml.example # قالب التكوين
├── requirements.txt # تبعيات Python
├── tools/ # نظام الأدوات المعياري (v0.9)
│ ├── base_tool.py # BaseTool + ToolResult مع خطر/نتائج
│ ├── classifier.py # كشف تلقائي لنوع الالتقاط
│ ├── registry.py # سجل الأدوات المركزي
│ ├── proxmark_tool.py # أداة Proxmark3
│ ├── nfc_tool.py # أداة NFC
│ ├── wpa2_tool.py # أداة WPA2/PCAP
│ └── subghz_tool.py # أداة Sub-GHz
├── tests/ # اختبارات آلية (14/14 ناجحة)
│ └── test_tools.py
├── prompts/ # مطالبات النظام مفصولة حسب النوع
│ └── system_prompts.py
├── benchmarks/ # مجموعة المعايير
│ ├── dataset/ # التقطاعات مع النتائج المتوقعة
│ ├── results/ # تقارير JSON و markdown
│ ├── benchmark_runner.py
│ └── run_benchmark.py
├── reportes/ # التقارير المولدة (متجاهلة في git)
├── pcap/ # التقطاعات WPA2 (متجاهلة في git)
└── archive/ # الإصدارات السابقة
```bash git clone https://github.com/OttoyRocky/phantom-brain.git cd phantom-brain pip install -r requirements.txt cp config.yaml.example config.yaml ollama pull mistral:7b-instruct ```