Kimi: Motor de Descubrimiento de Superficie de Ataque

Desarrollado con 💜 por @alechilczenko

Contexto del Proyecto: Este proyecto sirve como una pieza de portafolio que demuestra conceptos de seguridad ofensiva, concurrencia y arquitectura distribuida.

1. Presentando a Kimi: La Historia de Origen

¿Qué era Kimi?

Durante mis primeros días adentrándome en el mundo de la seguridad ofensiva, siempre me fascinó cómo los principales motores de búsqueda como Shodan indexaban información de millones de dispositivos. Este concepto no dejaba de dar vueltas en mi cabeza; necesitaba entender la ingeniería detrás de él simulándolo yo mismo.

Kimi es el resultado de esa curiosidad. Es un escáner de reconocimiento continuo diseñado para priorizar el análisis de la exposición de la superficie de ataque externa. Realiza escaneos a gran escala orientados a puertos para recopilar información de servicios conectados a Internet.

Mi objetivo era crear una arquitectura eficiente: la implementación de hilos y colas fue diseñada para maximizar el rendimiento por ciclo de escaneo, reduciendo significativamente el tiempo de ejecución para rangos IP masivos.

---

2. Aspectos Clave

Kimi sirve como una prueba de concepto en áreas críticas:

• Concurrencia: Uso de Hilos y Colas en Python para orquestar hasta ≈500 operaciones simultáneas de E/S de red.

• Arquitectura Desacoplada: Diseño de un sistema distribuido (Motor → API → DB), separando la ejecución del escaneo de la persistencia de datos.

• Redes: Programación de sockets de bajo nivel para handshakes TCP/UDP y gestión precisa de timeouts.

• Bases de Datos NoSQL: Implementación de MongoDB para almacenar resultados de escaneo, que son inherentemente variables y no estructurados.

---

3. La Curva de Aprendizaje

Revisitar Kimi hoy me permite aplicar una perspectiva moderna de ingeniería y ética a mi trabajo inicial:

• Evolución Técnica: El mayor desafío fue dominar threading en Python. Hoy reconozco que la solución más escalable sería migrar el Motor a programación asíncrona (asyncio) para evitar la sobrecarga del GIL y escalar aún más la concurrencia.

• Madurez Ética: La lección más importante ha sido la responsabilidad profesional. El proyecto evolucionó de un experimento impulsado por la curiosidad a una herramienta de demostración. Kimi está estrictamente limitado a pruebas éticas en redes controladas, destacando mi compromiso con prácticas de seguridad legales y responsables.

4. Arquitectura y Flujo de Trabajo

El sistema se divide en el Motor (Escáner) y la API (Persistencia).

Arquitectura de Datos

MongoDB actúa como el almacén de ingesta principal. La arquitectura está diseñada para ser compatible con la integración de Elasticsearch / Kibana (ELK), permitiendo capacidades de búsqueda de texto completo y visualizaciones analíticas de los datos recopilados.

Ejemplos de Concurrencia (CLI)

5. Contacto y Legal

• Despliegue: El proyecto está completamente containerizado con Docker.

• Licencia: Apache 2.0.

• Contacto: [email protected]

• Aviso Legal: Kimi se presenta únicamente con fines educativos y de demostración técnica. El uso fuera de entornos controlados es responsabilidad exclusiva del usuario.