Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
Herramientas/GitHubGitHub/everythingscomputer/shunyanet-sentinel
OSINT (Inteligencia de Fuentes Abiertas)Recopilación de InformaciónUtilidades y FrameworksInteligencia de AmenazasAprendizaje y Educación
GitHubeverythingscomputer/shunyanet-sentinel

ShunyaNet-Sentinel

ShunyaNet Sentinel es un programa ligero que monitorea fuentes RSS, las envía a un LLM para su análisis y entrega resúmenes o alertas directamente a la GUI y a Slack.

Compartir
Ver Repositorio
40433hace 25 díasRevisado por Kitploit
ShunyaNetSentinelAppGraphicV1

ShunyaNet Sentinel (v3.3) - ACTUALIZACIÓN IMPORTANTE (ACTUALIZADO: 22/10/2026)

ShunyaNet Sentinel es un programa ligero con temática cyberpunk que ingiere feeds RSS (noticias de última hora, redes sociales, alertas gubernamentales), los envía a un LLM para su análisis y entrega alertas e informes resumidos a la GUI y a tus canales de notificación a intervalos regulares.

El proyecto utiliza un LLM alojado localmente en la misma máquina o red (por ejemplo, con Tailscale) mediante LM Studio, Ollama o llama.cpp, o la API de OpenAI. Las alertas funcionan a través de Slack, Discord, Telegram, ntfy, cualquier webhook genérico y ventanas emergentes de escritorio (usa tantos a la vez como quieras).

Compatible con las versiones actuales de Linux, macOS y Windows.

La calidad de los informes depende de tu prompt, el tamaño del contexto, los feeds RSS y el LLM. Es posible que tengas que desactivar las funciones de "pensamiento" si tu modelo las tiene. Yo uso esto sobre todo con Qwen3.8 27B y Qwen3.8 Flash Next. Los modelos Gemma también deberían funcionar bastante bien.


Flujo de trabajo de alto nivel

  1. Introduce los temas de interés (el Asistente de configuración te guía en el primer inicio)
  2. Proporciona una lista de feeds RSS (se incluyen listas predefinidas, una URL por línea)
  3. Sentinel obtiene los feeds en el intervalo que configures
  4. El contenido de los feeds se envía a tu servidor LLM
  5. El LLM filtra las alertas y, periódicamente, redacta informes de tendencias
  6. Las alertas/resúmenes llegan a la GUI y a cada canal de notificación que hayas configurado (notificaciones push al móvil mediante Slack/Discord/Telegram/ntfy)
  7. Cada informe también se guarda como archivo de texto plano, incluido un índice agent_handoff.json para que los scripts y agentes de IA puedan consumir la salida de Sentinel sin tocar la GUI

Capacidades principales

Monitorización de feeds RSS

  • Sondeo periódico, obtenido en paralelo pero serializado por host (respetuoso con los limitadores de tasa como Reddit)
  • Deduplicación por GUID de entrada; registro de fallos por fuente
  • Maneja feeds lentos o mal formados sin bloquear la interfaz

Análisis basado en LLM

  • Funciona con cualquier endpoint /v1/chat/completions compatible con OpenAI: LM Studio, Ollama, llama.cpp, OpenAI
  • Un único archivo de prompt controla ambos modos mediante las secciones #> ALERT / #> SUMMARY / #> MEMORY
  • División automática en fragmentos cuando las extracciones superan tu presupuesto de tokens

Alertas

  • Webhook entrante de Slack
  • Webhook de canal de Discord
  • Bot de Telegram (token + ID de chat)
  • URL de tema de ntfy (push al móvil gratuito y sin cuenta; autoalojable)
  • Webhook genérico (envía JSON por POST: Home Assistant, scripts, lo que sea)
  • Ventanas emergentes de escritorio mediante la bandeja del sistema
  • Botón Probar por canal en Ajustes → Notificaciones usando los valores que acabas de introducir, antes de guardar
  • Alternar si los resúmenes periódicos también se envían, o solo las alertas instantáneas

Local y autoalojado

Aparte de sondear los feeds RSS y enviar tus notificaciones (ambas opcionales), toda la información permanece en hardware que tú controlas.

Integración con agentes / scripts

Sentinel escribe artefactos estables y legibles por máquina junto a cada informe: Report_Output/agent_handoff.json apunta al archivo de alerta/resumen más reciente además de los archivos de memoria. Cualquier agente local puede sondear ese único archivo JSON para seguir lo que Sentinel está viendo. Consulta docs/AGENT-INTEGRATION.md para el contrato completo, y Ayuda → Integración con agentes / scripts dentro de la aplicación.


Requisitos

  • Python 3.10+
  • Dependencias (ver requirements.txt): PySide6, feedparser, requests

LLM alojado mediante:

  • LM Studio (recomendado)
  • Ollama
  • Servidor llama.cpp
  • Clave de API de OpenAI

Instalación

1. Clona (o descarga el ZIP) y entra en la carpeta

git clone https://github.com/EverythingsComputer/ShunyaNet-Sentinel.git
cd ShunyaNet-Sentinel

2. (Muy recomendado) Crea un entorno virtual

macOS / Linux:

python3 -m venv venv
source venv/bin/activate

Windows (PowerShell):

python -m venv venv
venv\Scripts\Activate.ps1

3. Instalar los requisitos

pip install -r requirements.txt

4. Ejecutar

macOS / Linux: python3 ShunyaNet_Sentinel.py Windows: python ShunyaNet_Sentinel.py


Inicio rápido

En el primer arranque, Sentinel te guía por la configuración con un Asistente de configuración guiado (vuelve a abrirlo en cualquier momento con Ctrl+W o Ayuda → Asistente de configuración):

  1. Temas – tu tema general y tus señales (una por línea). Se guarda automáticamente mientras escribes.
  2. Conexión del modelo – elige tu proveedor (LM Studio y otros servidores locales están en "Compatible con OpenAI"; entre los alojados están OpenAI, Claude, Gemini, OpenRouter, Groq, Mistral, DeepSeek, Together, Grok); el asistente muestra exactamente qué introducir, con un botón Probar conexión para que sepas que funciona antes de depender de ella.
  3. Fuentes – con un clic se carga una lista incluida: Inicio rápido (corta), Noticias mundiales (larga) o una lista temática (IA y tecnología, Ciberseguridad, Finanzas y mercados, Clima y desastres, Salud y brotes, Geopolítica y conflictos).
  4. Confirmar – revisa y lanza tu primera consulta (el botón realmente consulta).

Configuración manual (omitiendo el asistente):

  1. Introduce los temas en el panel de Segmentación.
  2. Elige un punto de partida: Perfiles → elige un perfil temático incluido, y Archivo → Listas de fuentes incluidas → elige la lista de fuentes correspondiente (o carga tu propio .txt, una URL de RSS por línea — tu lista cargada se recuerda entre reinicios).
  3. Ejecutar → Ajustes (Ctrl+,) → pestaña Conexión: elige el proveedor, establece la URL del servidor (ejemplo de LM Studio: http://localhost:1234/v1), pulsa Probar conexión, Guardar y aplicar.
  4. Carga un modelo en LM Studio y activa "Servir en la red local" en los ajustes del servidor. Consejos:
    • En la ventana Cargar modelo, activa "Elegir manualmente los parámetros de carga del modelo"
    • Establece Predicciones concurrentes máximas en 1 (por ahora)
    • Desactiva o minimiza el razonamiento, si está disponible
    • Una opción moderada y sólida: gpt-oss-20b, razonamiento "bajo"
  5. ¡Haz clic en el gato! (...o pulsa Consultar / Enviar con Ctrl+Enter, o espera la cuenta atrás de consulta automática en la barra de estado)

Para enviar alertas a tu teléfono: Ajustes → Notificaciones → rellena un canal (Slack/Discord/Telegram/ntfy), pulsa Enviar notificación de prueba, Guardar y aplicar. Las indicaciones de configuración para cada servicio están en la información emergente de esa pestaña.

Cada ajuste tiene una información emergente al pasar el cursor; Ayuda (F2) lista los atajos de teclado. Salvapantallas de lluvia de Matrix: F1.


Instrucciones completas y configuración

Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 El kit de herramientas OSINT definitivo: grafo de investigación, puntuación de confianza, familias de alias, mapa, línea de tiempo e informes. 49 módulos, más de 400 sitios, sin necesidad de claves API.

    524
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicación de Ejecución con un Solo Toque GhostLock (CVE-2026-43499)

    478
  • 3

    ARTEX

    baarai/artex

    Plataforma de pruebas de penetración autónoma multiagente basada en LLM con agentes planificadores/trabajadores, grafos de activos y de exploración, registro de tráfico MITM y reevaluación de vulnerabilidades.

    357
  • 4

    redforge

    cybersecurity91/redforge

    Kit de herramientas de red team del lado del navegador con 102 herramientas offline para reconocimiento, generación de payloads, ataques de credenciales, criptografía, codificación y elaboración de informes de compromiso.

    317
  • 5

    estorides

    grisuno/estorides

    Agrega más de 99 fuentes OSINT gratuitas en paralelo, resuelve entidades en un grafo de conocimiento y exporta STIX 2.1, MISP o GraphML con análisis asistido por LLM.

    305
  • 6

    opencti

    opencti-platform/opencti

    Plataforma abierta de inteligencia de amenazas cibernéticas

    275

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →