Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
rag-seguridad — CyberRAG — 100 % lokales RAG (Ollama) auf Cybersecurity-Notizen und -Büchern: hybride Suche, Antworten mit Zitaten, Pentest-Assistent nach Phasen und Reindex-Monitor. Ohne schwere Frameworks. | Kitploit
Tools/GitLabGitLab/rdelasierra-uy/rag-seguridad
SchwachstellenanalyseInformationsbeschaffungCTFPenetrationstestsPrivatsphäreMaschinelles LernenLernen & BildungKuratierte RessourcenKI-SicherheitLabs & Praxis
GitLabrdelasierra-uy/rag-seguridad
92vor 12 TagenNoch nicht geprüft

rag-seguridad

CyberRAG — 100 % lokales RAG (Ollama) auf Cybersecurity-Notizen und -Büchern: hybride Suche, Antworten mit Zitaten, Pentest-Assistent nach Phasen und Reindex-Monitor. Ohne schwere Frameworks.

Repository anzeigen
Teilen

CyberRAG local — RAG über dein Wissen, 100 % Ollama

RAG-System (Retrieval-Augmented Generation), um deine Cybersicherheits-Notizen (Obsidian-Vault, HTB-Writeups, Notizen) in natürlicher Sprache abzufragen. Alles läuft auf deiner Maschine: Embeddings und Generierung nutzen lokales Ollama, keine Daten verlassen dein Netzwerk. Und ohne langchain: jedes Teil ist eigener, verständlicher Code.

Vollständige technische Dokumentation → docs/ARQUITECTURA.md Deckt die Hintergrundkonzepte ab (RAG, Embeddings, hybride Suche, faire Verteilung, Rerank), die geschichtete Architektur, die Formatextraktion, den inkrementellen Index, die Wissensräume und die Rechenkapazität.

Pentest-Assistent nach Phasen → docs/ASISTENTE-PENTEST.md HTB-Mentor nach Phase (Recon / Enumeration / Exploitation / Privesc / Post / Report) und Vektor (Web, SMB, AD, Linux, Windows…), mit Hilfestufe (empuja / explica / directo), um manuell zu verstehen statt auf Autopilot, und einem Feld für den Maschinenstatus, um deine Ports/Dienste einzufügen. Gedacht für autorisierte offensive Arbeit + ISO-27001-Reporting.

Architekturbericht (für L2/Lernende) → docs/INFORME-ARQUITECTURA.md Überblick in einem einzigen Durchgang: was es ist, wie es intern aufgebaut ist und wie man es nutzt, plus ein Plan, um es in 20 Minuten zu vermitteln.

Server-Runbook → docs/RUNBOOK-SERVIDOR.md Betrieb des Hosts: nicht verhandelbare Regeln, Netzwerk/Firewall, xRDP/faillock und Wiederherstellung der GPU (Xid 31).

Reindex-Monitor → web/monitor.py (Dashboard im Browser: Fortschritt, Tempo, ETA, GPU und Modelle live, ohne die GPU zu belasten).

Warum

  • Deine Pädagogik: du verstehst jedes Teil (Vektoren, Kosinus, Chunking) — keine Blackbox.
  • Privatsphäre: deine Writeups und Notizen berühren nie die Cloud (kein Gemini/OpenAI).
  • Keine schweren Abhängigkeiten: nur numpy + die HTTP-API von Ollama.

Architektur

Tus documentos (.md/.txt/.log)
        │
        ▼
  ┌────────────┐   chunking con solape   ┌──────────────────┐
  │  Chunks    │ ─────────────────────▶  │  Embeddings      │
  │ (pedazos)  │                         │  nomic-embed-text│
  └────────────┘                         └────────┬─────────┘
                                                  ▼
                                           ┌──────────────┐
                                           │  Índice .npz │  (output/indice.npz)
                                           └──────┬───────┘
                          ┌───────────────────────┘
                          ▼
   Pregunta ───▶ vector ──▶ similitud coseno ──▶ top-k chunks
                                                      │
                                                      ▼
   Respuesta ◀── generación con contexto ◀───────────┘
                (qwen2.5-coder / mistral, local)

Las 3 piezas del RAG:

  1. Indexar — partís cada documento en chunks con solape: 512 caracteres (solape 50) para apuntes y 3000 (solape 600) para libros. Cada chunk se vectoriza con un prefijo de rol (search_document: ) que aumenta la calidad del embedding en la búsqueda.
  2. Recuperar — cada chunk se guarda como vector de 768 números (embedding de nomic-embed-text, local). Ante una pregunta (vectorizada como search_query: ), buscás los chunks con mayor similitud coseno combinada con coincidencia léxica de palabras (búsqueda híbrida). El coseno solo no alcanza para preguntas de comparación; el componente léxico rescata el chunk exacto donde están los términos.
  3. Generar — le mandás los top-k chunks como contexto al modelo de chat local, que responde ÚNICAMENTE con eso (y dice "no tengo información" si no está).

Requisitos

  • Python 3.10+
  • Ollama corriendo en 127.0.0.1:11434
  • Modelo nomic-embed-text (setup.sh lo descarga automáticamente)
  • Modelo de chat local: por defecto qwen2.5-coder:7b. Es el que responde la teoría (citando ISO/libros) Y los temas ofensivos de laboratorios (HTB) sin negarse. Cambiable sin tocar código con la env var RAG_CHAT_MODEL (p. ej. RAG_CHAT_MODEL=llama3.1:8b rag web para prosa teórica fina — aunque con contenido ofensivo se autorrestringe; mistral:latest cita bien pero a veces pega contexto crudo).
  • pdftotext (poppler-utils) si querés indexar PDFs

Instalación

./setup.sh

Verwendung

# Indexar los documentos de ejemplo en document[o]s/
python3 rag_ollama.py index

# Indexar otra carpeta (ej.: tu vault de Obsidian) — en vivo, sin copiar
python3 rag_ollama.py --docs-dir ~/vault index

# Preguntar (usá SIEMPRE el mismo --docs-dir que el index)
python3 rag_ollama.py --docs-dir ~/vault ask "¿Qué flag de hashcat crackea un hash ASREProast?"

# Chat continuo contra tu base — sin repetir el comando
python3 rag_ollama.py --docs-dir ~/vault interactive

# Estadísticas del índice
python3 rag_ollama.py stats

Auf diesem Rechner gibt es außerdem den Alias rag, der zwei Wissensbereiche verwaltet: deine Notizen (vault) und die kuratierte Buchbibliothek (libros).

rag "pregunta sobre tus apuntes"     # espacio vault (default)
rag libros "pregunta sobre libros"   # espacio libros (PDFs curados)
rag --rerank "pregunta"              # con reranker local (reordena fuentes)
rag chat                             # modo interactivo (vault)
rag chat libros                      # modo interactivo (libros)
rag index                            # reindexar VAULT (incremental: rápido)
rag index libros                     # reindexar libros (tarda minutos)
rag stats                            # estado del índice del vault
rag analizar                         # dupes + solapamiento + temas (vault)
rag fuentes "término"                # en qué documentos aparece el término

Die beiden Bereiche werden in output/indices/indice_<espacio>.npz gespeichert und überschreiben sich nicht gegenseitig.

Weboberfläche (für Benutzer ohne Shell)

rag web        # → http://localhost:8787  (alias local en /etc/hosts)
               #   o: RAG_HOST=0.0.0.0 rag web  para exponerlo a la LAN (con UFW)

Die UI (reiner Python-stdlib-Server, null Abhängigkeiten) bietet:

Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

Noch keine Beliebtheitsdaten.

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →