PHANTOM BRAIN v0.9

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 PHANTOM BRAIN وما ليس هو

💡 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.

بنية النظام

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-instruct أو deepseek-r1:7b، يلزم وجود كمبيوتر شخصي مع Ollama. يعمل Pi كعقدة التقاط ويمكنه تشغيل phi3:mini للاستدلال الخفيف دون اتصال فقط.

خط أنابيب التحليل (v0.9)

``` 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.

الميزات

WiFi / Marauder

• محلل سجلات Marauder
• كشف شبكات WPS الضعيفة
• تحديد الشبكات المخفية
• إحصائيات الأمان

Sub-GHz / Flipper Zero

• محلل ملفات .sub (sub_ghz_parser.py)
• استخراج: البروتوكول، التردد، المفاتيح، الحزم
• يدعم: Security+ 2.0, Rolling Code, Fixed Code
• محلل الأنماط عبر الالتقاطات (sub_ghz_analyzer.py)

NFC / Flipper Zero + Proxmark3

• محلل ملفات .nfc (nfc_parser.py)
• يدعم: MIFARE Classic 1K/4K, MIFARE Plus, NTAG, FeliCa, EMV
• محلل الثغرات (nfc_analyzer.py)
• كشف: Darkside, Hardnested, Reader Auth Bypass
• تحليل خاص لـ SUBE (النقل العام)
• محلل مخرجات Proxmark3 (proxmark_parser.py)

WPA2 / WiFi Pineapple

• محلل PCAP باستخدام Scapy (pcap_parser_v2.py)
• استخراج: BSSID, SSID, إطارات EAPOL, PMKID
• التحقق من المصافحات الكاملة
• خط أنابيب كامل: hcxpcapngtool → hashcat -m 22000

نظام الأدوات (v0.9)

• tools/base_tool.py — عقد موحد BaseTool + ToolResult
• ToolResult مع risk (CRITICO/ALTO/MEDIO/BAJO) و findings مهيكلة
• tools/registry.py — سجل مركزي، يوزع الأداة الصحيحة حسب النوع
• tools/classifier.py — كشف تلقائي حسب الامتداد والمحتوى
• 14/14 اختبار ناجحة مع نماذج حقيقية (pytest tests/test_tools.py)

قاعدة البيانات والتقارير

• SQLite لسجل التحليل (db_manager.py)
• تقارير نصية عادية مع طابع زمني
• بحث بواسطة UID/BSSID، تصفية حسب مستوى الخطر
• إحصائيات التحليل

واجهة برمجة تطبيقات REST Flask

• flask_api.py يعمل على المنفذ 5000
• GET /status — يتحقق من Ollama والنماذج المتاحة
• POST /upload — يستقبل ملفات .pcap, .nfc, .sub
• POST /analyze — يحلل مع Ollama ويحفظ في SQLite
• GET /analysis/<id> — يستعلم عن تحليل محفوظ بالمعرف

نماذج الذكاء الاصطناعي المدعومة

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:mini بشكل موثوق فقط — mistral:7b يسبب اختناقًا حراريًا ونفاد ذاكرة على Pi 4B 8GB.

تعمل جميع النماذج بنسبة 100% دون اتصال عبر Ollama — لا حاجة لاتصال بالإنترنت.

هيكل الملفات

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

التثبيت

```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 ```

Raspberry Pi (Kali Linux)

```bash echo 'export OLLAMA_MODELS=/media/kali/discoexterno/ollama' >> ~/.zshrc source ~/.zshrc ollama pull phi3:mini

sudo fallocate -l 2G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

cd /media/kali/discoexterno git clone https://github.com/OttoyRocky/phantom-brain.git ```

الاستخدام

```bash python phantom_brain.py python flask_api.py curl http://127.0.0.1:5000/status python -m pytest tests/test_tools.py -v ```

القائمة الرئيسية

```

1. لصق النص يدويًا
2. قراءة ملف عام (scan.txt, nmap, إلخ.)
3. قراءة سجل Flipper Zero / Marauder (.log)
4. تحليل التقطاعات Sub-GHz (.sub)
5. تحليل التقطاعات NFC (.nfc)
6. تحليل التقطاعات مصافحة WPA2 (.pcap)
7. تحليل التقاط Proxmark3 (لصق المخرجات مباشرة)
8. عرض سجل التقارير
9. أدلة الاستغلال (بدون تحليل ذكاء اصطناعي)
10. التقاط WiFi المباشر - Atheros AR9271 (Raspberry Pi فقط)
11. توليد قائمة كلمات ذكية بالذكاء الاصطناعي (بناءً على SSID) ```

توليد قائمة كلمات ذكية بالذكاء الاصطناعي

• يولد قواميس مخصصة باستخدام الذكاء الاصطناعي المحلي (Ollama) من SSID الهدف.
• الإدخال: SSID + سياق اختياري (دولة، مزود خدمة إنترنت، سنة، إلخ).
• المخرجات: wordlist_<SSID>_<timestamp>.txt في مجلد العمل الحالي.
• الأنماط: متغيرات SSID، السنوات 2020-2025، سياق أرجنتيني (كرة قدم، تواريخ، مزودو خدمة إنترنت)، رموز مثل !@#.
• يطبع أمرًا جاهزًا للاستخدام: hashcat -m 22000 captura.hc22000 wordlist_<SSID>_<timestamp>.txt

خريطة الطريق

المتطلبات

كمبيوتر Windows (العقدة الأساسية — مطلوبة للوظائف الكاملة):

• Python 3.11+
• Ollama مع mistral:7b-instruct (موصى به) أو deepseek-r1:7b
• 8 جيجابايت ذاكرة وصول عشوائي كحد أدنى · 16 جيجابايت+ موصى به
• pip install -r requirements.txt

Raspberry Pi 4 (العقدة الثانوية — اختيارية):

• Kali Linux
• Python 3.11+
• Ollama مع phi3:mini فقط (النماذج الأثقل غير مدعومة)
• يوصى بنموذج 8 جيجابايت ذاكرة وصول عشوائي · مطلوب مساحة تبديل 2 جيجابايت
• محول Atheros AR9271 للالتقاط المباشر (الخيار 10)

إخلاء المسؤولية

هذا المشروع مخصص لبيئات المختبرات المصرح بها فقط. استخدام هذه الأدوات ضد الشبكات أو الأجهزة دون إذن كتابي صريح هو أمر غير قانوني وغير أخلاقي.

التحليل المولد بالذكاء الاصطناعي ليس بديلاً عن التقييم الأمني المهني. يجب التحقق من جميع النتائج يدويًا.

المؤلف: Otto | المجتمع: AI Tinkerers | المستودع: https://github.com/OttoyRocky/phantom-brain

للنسخة الإسبانية، انظر README.es.md