OIHK-pentesting

OIHK in Aktion — Live-Demo

OIHK-pentesting ist eine autonome Multi-Agenten-Engine für autorisierte Sicherheitsbewertungen. Ein Root-Planer delegiert an Recon-, Discovery-, Attack- (Privesc), Validation- und Reporting-Agenten — und die Engine selbst erzwingt Scope-, Egress-, Evidenz- und Ressourcenrichtlinien, unabhängig davon, welches Modell sie antreibt. Findings erfordern echte Ausführungsnachweise plus unabhängige Validierung; eine überzeugende Geschichte beweist nichts.

Sie bewertet gegen ihren eigenen Benchmark für verwundbare Szenarien — der deterministische Mock-Solver hält 24/24 bei 100/100 — und läuft vollständig offline gegen jedes OpenAI-kompatible lokale Modell.

Frühe Beta, in aktiver Entwicklung. Das Verhalten kann sich ohne Vorankündigung ändern; einige Fähigkeiten sind teilweise oder bewusst ausgelassen. Verifiziere, bevor du dich darauf verlässt — siehe die Status-Matrix.

Warum OIHK

Die meisten Offensive-Tools vertrauen auf das Wohlverhalten des Modells. OIHK nicht: Die Sicherheitsgrenze liegt in der Engine und hält unabhängig davon, was das Modell zu sagen bereit ist.

Evidenzgestützte Findings. Ein Finding benötigt eine echte, eigene, erfolgreiche gesteuerte Tool-Ausführung plus einen separaten Validierungsdatensatz — und nur ein Validation-Agent kann einen erstellen.
Exakter Scope, keine Drift. Die Deklaration von example.com autorisiert nicht dessen Subdomains; deklarierte Hosts werden für den gesamten Lauf per DNS gepinnt.
Egress schlägt fehl, geschlossen. Der Scope kompiliert zu einer Netfilter-Allowlist innerhalb des eigenen Netzwerk-Namespace der Sandbox; wo das nicht garantiert werden kann, bricht der Start ab, statt Isolation vorzutäuschen.
Eine gesteuerte Tool-Oberfläche. Der Passive-Modus legt eine reduzierte Oberfläche offen und lehnt aktive Ausführung ab — einschließlich Versuchen, die über die generische Shell geleitet werden.
Ein modellagnostischer Kern. Jeder OpenAI-kompatible Endpunkt, Routing pro Rolle, nichts fest an einen Anbieter gebunden — dieselbe Testumgebung bewertet jedes Modell.

Anforderungen


OS	Windows 10/11 und Linux (Kali getestet). macOS ist ungetestet.
Python	3.12+ mit uv
Docker	Erforderlich für Scan-Sandboxing. Barons passives OSINT funktioniert ohne.
RAM	8 GB Minimum, 16 GB empfohlen
GPU	Von OIHK nicht erforderlich. Ein lokales Modell läuft auf CPU oder GPU — seine eigenen Anforderungen sind die des Modells.
Modell	Jeder OpenAI-kompatible Endpunkt (standardmäßig LM Studio) oder ein Cloud-Schlüssel über `/apimodel`/`/models`: Claude, ChatGPT, Gemini, Grok, DeepSeek, NVIDIA NIM

Schnellstart

git clone https://github.com/Broskigx/Oihk-pentesting.git
cd Oihk-pentesting
uv sync
uv run oihk --help
uv run oihk run -t https://example.test --mode passive --scan-mode standard

Unter Kali Linux stelle zuerst sicher, dass Docker läuft (sudo systemctl start docker).

Oder öffne Baron, den interaktiven Copiloten — du sprichst, er steuert die gesteuerte Engine (standardmäßig passiv, es sei denn, du autorisierst eine tiefgehende Bewertung):

uv run oihk start

Baron, der interaktive Copilot

Baron führt echte Bewertungen durch, antwortet mit exakten Tool-Rezepten aus einem RAG-Korpus mit 164 Tools, pivotiert durch OSINT (page_osint, username_osint, domain_osint, breach_osint, phone_osint) und merkt sich jede Sitzung in Redis. Er bekommt nie eine rohe Shell — nur die gesteuerte Engine — und alles ist menügesteuert: /models, /apimodel, /adaptador und /instancia öffnen interaktive Textual-Auswahlen. /power <0-100> legt das Parallelitätsbudget fest — wie viele zusätzliche Sandbox-Container gleichzeitig existieren dürfen — damit Docker und der Rechner des Operators nie automatisch überlastet werden; 0 hält eine einzelne On-Demand-Instanz.

Die TUI zeichnet sofort (der schwere Modell-Stack lädt hinter der ersten „pensando…"-Zeile) und ist vollständig tastaturgesteuert: Maus-Reporting ist bewusst aus — manche Terminals lassen rohe Maus-Bytes in die Eingabe lecken — also stoppt Ctrl+G die Generierung, PageUp/PageDown blättern durch die Historie, Ctrl+L leert das Log und Ctrl+/ öffnet das Befehlsmenü.

Es gibt keine Angriffs-Shortcuts zum Auswendiglernen: Tippe einfach ein Ziel ein — eine Web-App, einen Host, eine IP — und Baron erkennt es, plant die Bewertung und delegiert die Angriffsschritte an die unten stehende Subagenten-Flotte. Er verbessert sich außerdem selbst aus seinen eigenen Fehlern: Jeder Fehlschlag wird zu einer gewichteten, abklingenden Lektion in AdapterOne (Ledger unter oihk_runs/adapterone/), die automatisch in seine zukünftigen Prompts injiziert wird, mit adapterone_review / adapterone_confirm, um die Regeln mitten im Lauf zu konsultieren und zu verstärken.

Beliebteste

Oihk-pentesting