METATRON

KI-gestützter Penetrationstest-Assistent mit lokalem LLM unter Linux (Parrot OS)

🔱 METATRON

KI-gestützter Penetrationstest-Assistent

---

📌 Was ist Metatron?

Metatron ist ein CLI-basierter KI-Penetrationstest-Assistent, der komplett auf Ihrem lokalen Rechner läuft – keine Cloud, keine API-Schlüssel, keine Abonnements.

Sie geben eine Ziel-IP oder Domain ein. Er führt echte Aufklärungstools aus (nmap, whois, whatweb, curl, dig, nikto), übergibt alle Ergebnisse an ein lokal laufendes KI-Modell, und die KI analysiert das Ziel, identifiziert Schwachstellen, schlägt Exploits vor und empfiehlt Behebungen. Alles wird in einer MariaDB-Datenbank mit vollständigem Scan-Verlauf gespeichert.

---

✨ Funktionen

• 🤖 Lokale KI-Analyse — betrieben durch metatron-qwen über Ollama, läuft 100% offline
• 🔍 Automatisierte Aufklärung — nmap, whois, whatweb, curl-Header, dig DNS, nikto
• 🌐 Websuche — DuckDuckGo-Suche + CVE-Suche (kein API-Schlüssel nötig)
• 🗄️ MariaDB-Backend — vollständiger Scan-Verlauf mit 5 verknüpften Tabellen
• ✏️ Bearbeiten / Löschen — jedes gespeicherte Ergebnis direkt über die CLI ändern
• 🔁 Agenten-Schleife — die KI kann während der Analyse weitere Tool-Durchläufe anfordern
• 🚫 Keine API-Schlüssel — alles ist kostenlos und lokal
• 📤 Berichte exportieren

Metatron ermöglicht es Ihnen, Scan-Ergebnisse in saubere, teilbare Berichtsformate zu exportieren, indem Sie '2. Verlauf anzeigen' → entsprechende laufende Nummer auswählen und exportieren.

📄 PDF — professionelle Schwachstellenberichte 🌐 HTML — im Browser anzeigbare Berichte

🖥️ Screenshots

Hauptmenü

Aufklärungstools werden auf dem Ziel ausgeführt

metatron-qwen analysiert Scanergebnisse

Schwachstellen in der Datenbank gespeichert

Scanergebnisse als PDF und/oder HTML exportieren

---

🧱 Technologie-Stack

Komponente	Technologie
Sprache	Python 3
KI-Modell	metatron-qwen (feinabgestimmter Qwen 3.5)
Basis-Modell	huihui_ai/qwen3.5-abliterated:9b
LLM-Ausführer	Ollama
Datenbank	MariaDB
Betriebssystem	Parrot OS (Debian-basiert)
Suche	DuckDuckGo (kostenlos, kein Schlüssel)

---

⚙️ Installation

1. Repository klonen

git clone https://github.com/sooryathejas/METATRON.git
cd METATRON

2. Virtuelle Umgebung erstellen und aktivieren

python3 -m venv venv
source venv/bin/activate

3. Python-Abhängigkeiten installieren

pip install -r requirements.txt

4. Systemtools installieren

sudo apt install nmap whois whatweb curl dnsutils nikto

---

🤖 KI-Modell-Setup

Schritt 1 — Ollama installieren

curl -fsSL https://ollama.com/install.sh | sh

Schritt 2 — Das Basismodell herunterladen

ollama pull huihui_ai/qwen3.5-abliterated:9b

⚠️ Dieses Modell benötigt mindestens 8,4 GB RAM. Wenn Ihr System weniger hat, verwenden Sie die 4b-Variante:

ollama pull huihui_ai/qwen3.5-abliterated:4b

Bearbeiten Sie dann die Modelfile und ändern Sie die FROM-Zeile auf das 4b-Modell.

Schritt 3 — Das benutzerdefinierte metatron-qwen-Modell erstellen

Das Repository enthält eine Modelfile, die das Basismodell mit pentest-spezifischen Parametern feinabstimmt:

ollama create metatron-qwen -f Modelfile

Dies erstellt Ihr lokales metatron-qwen-Modell mit:

• 16.384 Token-Kontextfenster
• Temperatur: 0.7
• Top-k: 10
• Top-p: 0.9

Schritt 4 — Überprüfen, ob das Modell existiert

ollama list

Sie sollten metatron-qwen in der Liste sehen.

---

🗄️ Datenbank-Setup

Schritt 1 — Stellen Sie sicher, dass MariaDB läuft

sudo systemctl start mariadb
sudo systemctl enable mariadb

Schritt 2 — Datenbank und Benutzer erstellen

mysql -u root

CREATE DATABASE metatron;
CREATE USER 'metatron'@'localhost' IDENTIFIED BY '123';
GRANT ALL PRIVILEGES ON metatron.* TO 'metatron'@'localhost';
FLUSH PRIVILEGES;
EXIT;

Schritt 3 — Tabellen erstellen

mysql -u metatron -p123 metatron

CREATE TABLE history (
  sl_no     INT AUTO_INCREMENT PRIMARY KEY,
  target    VARCHAR(255) NOT NULL,
                      scan_date DATETIME NOT NULL,
                      status    VARCHAR(50) DEFAULT 'active'
);

CREATE TABLE vulnerabilities (
  id          INT AUTO_INCREMENT PRIMARY KEY,
  sl_no       INT,
  vuln_name   TEXT,
  severity    VARCHAR(50),
                              port        VARCHAR(20),
                              service     VARCHAR(100),
                              description TEXT,
                              FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);

CREATE TABLE fixes (
  id       INT AUTO_INCREMENT PRIMARY KEY,
  sl_no    INT,
  vuln_id  INT,
  fix_text TEXT,
  source   VARCHAR(50),
                    FOREIGN KEY (sl_no) REFERENCES history(sl_no),
                    FOREIGN KEY (vuln_id) REFERENCES vulnerabilities(id)
);

CREATE TABLE exploits_attempted (
  id           INT AUTO_INCREMENT PRIMARY KEY,
  sl_no        INT,
  exploit_name TEXT,
  tool_used    TEXT,
  payload      LONGTEXT,
  result       TEXT,
  notes        TEXT,
  FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);

CREATE TABLE summary (
  id           INT AUTO_INCREMENT PRIMARY KEY,
  sl_no        INT,
  raw_scan     LONGTEXT,
  ai_analysis  LONGTEXT,
  risk_level   VARCHAR(50),
                      generated_at DATETIME,
                      FOREIGN KEY (sl_no) REFERENCES history(sl_no)
);

---

🚀 Verwendung

Metatron benötigt zwei Terminal-Registerkarten zum Ausführen.

Terminal 1 — KI-Modell laden

ollama run metatron-qwen

Warten Sie, bis die >>>-Eingabeaufforderung erscheint. Das bedeutet, dass das Modell in den Speicher geladen und bereit ist. Sie können dieses Terminal im Hintergrund laufen lassen.

Terminal 2 — Metatron starten

cd ~/METATRON
source venv/bin/activate
python metatron.py

---

Ablauf