OIHK-pentesting

OIHK-pentesting अधिकृत सुरक्षा आकलनों के लिए एक स्वायत्त मल्टी-एजेंट इंजन है। एक रूट प्लानर recon, discovery, attack (Privesc), validation, और reporting एजेंट्स को कार्य सौंपता है — और इंजन स्वयं scope, egress, evidence, और resource policy को लागू करता है, चाहे कोई भी मॉडल इसे चलाए। Findings के लिए वास्तविक निष्पादन साक्ष्य के साथ-साथ स्वतंत्र सत्यापन आवश्यक है; एक विश्वसनीय कहानी कुछ भी सिद्ध नहीं करती।

यह अपने ही vulnerable-scenario benchmark के विरुद्ध स्कोर करता है — deterministic mock solver 24/24 पर 100/100 बनाए रखता है — और किसी भी OpenAI-compatible local model के विरुद्ध पूरी तरह ऑफ़लाइन चलता है।

प्रारंभिक बीटा, सक्रिय विकास में। व्यवहार बिना सूचना के बदल सकता है; कुछ क्षमताएँ आंशिक हैं या जानबूझकर छोड़ी गई हैं। इस पर भरोसा करने से पहले सत्यापित करें — status matrix देखें।

विषय-सूची

• OIHK क्यों
• आवश्यकताएँ
• त्वरित शुरुआत
• Baron, इंटरैक्टिव कोपायलट
• bashai, ऑपरेटर टर्मिनल
• लोकल इन्फरेंस
• आर्किटेक्चर
• AI एजेंट मूल्यांकन
• रिपॉज़िटरी लेआउट
• अपना मॉडल फाइन-ट्यून करना
• दस्तावेज़ीकरण
• योगदान
• कानूनी
• लाइसेंस

OIHK क्यों

अधिकांश offensive टूलिंग मॉडल के अच्छे व्यवहार पर भरोसा करती है। OIHK नहीं करता: सुरक्षा सीमा इंजन में रहती है और इससे कोई फर्क नहीं पड़ता कि मॉडल क्या कहने को तैयार है।

• साक्ष्य-आधारित findings। एक finding के लिए एक वास्तविक, स्वामित्व वाला, सफल शासित टूल निष्पादन और एक अलग validation रिकॉर्ड आवश्यक है — और केवल एक validation एजेंट ही इसे बना सकता है।
• सटीक scope, कोई विचलन नहीं। example.com घोषित करना उसके subdomains को अधिकृत नहीं करता; घोषित hosts पूरे रन के लिए DNS-pinned होते हैं।
• Egress fail closed। Scope sandbox के अपने network namespace के अंदर एक netfilter allowlist में संकलित होता है; जहाँ इसकी गारंटी नहीं दी जा सकती, वहाँ startup अलगाव का दिखावा करने के बजाय रद्द हो जाता है।
• एक शासित टूल सतह। Passive mode एक कम सतह उजागर करता है और active execution को अस्वीकार करता है — जिसमें generic shell के माध्यम से किए गए प्रयास भी शामिल हैं।
• एक मॉडल-अज्ञेयवादी कोर। कोई भी OpenAI-compatible endpoint, per-role routing, किसी provider के लिए कुछ भी hardcoded नहीं — वही harness किसी भी मॉडल को स्कोर करता है।

आवश्यकताएँ

OS	Windows 10/11 और Linux (Kali परीक्षित)। macOS अपरीक्षित है।
Python	3.12+ के साथ uv
Docker	Scan sandboxing के लिए आवश्यक। Baron का passive OSINT इसके बिना काम करता है।
RAM	न्यूनतम 8 GB, अनुशंसित 16 GB
GPU	OIHK द्वारा आवश्यक नहीं। एक local model CPU या GPU पर चलता है — इसकी अपनी आवश्यकताएँ मॉडल की हैं।
Model	कोई भी OpenAI-compatible endpoint (डिफ़ॉल्ट रूप से LM Studio), या /apimodel//models के माध्यम से एक cloud key: Claude, ChatGPT, Gemini, Grok, DeepSeek, NVIDIA NIM

त्वरित शुरुआत

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

Kali Linux पर, पहले सुनिश्चित करें कि Docker चल रहा है (sudo systemctl start docker)।

या Baron खोलें, इंटरैक्टिव कोपायलट — आप बात करते हैं, यह शासित इंजन को चलाता है (जब तक आप गहरा आकलन अधिकृत नहीं करते, डिफ़ॉल्ट रूप से passive):

uv run oihk start

Baron, इंटरैक्टिव कोपायलट

Baron वास्तविक आकलन चलाता है, 164-टूल RAG corpus से सटीक टूल रेसिपी के साथ उत्तर देता है, OSINT (page_osint, username_osint, domain_osint, breach_osint, phone_osint) के माध्यम से pivot करता है, और Redis में हर सत्र को याद रखता है। इसे कभी raw shell नहीं मिलता — केवल शासित इंजन — और सब कुछ menu-driven है: /models, /apimodel, /adaptador, और /instancia इंटरैक्टिव Textual pickers खोलते हैं। /power <0-100> parallelism budget सेट करता है — एक साथ कितने अतिरिक्त sandbox containers रह सकते हैं — ताकि Docker और ऑपरेटर की मशीन स्वचालित रूप से कभी न घुटें; 0 एक single on-demand instance रखता है।

TUI तुरंत paint होता है (भारी model stack पहली "pensando…" पंक्ति के पीछे लोड होता है) और पूरी तरह keyboard-driven है: mouse reporting जानबूझकर बंद है — कुछ terminals input में raw mouse bytes लीक करते हैं — इसलिए Ctrl+G generation रोकता है, PageUp/PageDown history को page करते हैं, Ctrl+L log साफ़ करता है और Ctrl+/ command menu खोलता है।

याद रखने के लिए कोई attack shortcuts नहीं हैं: बस एक target टाइप करें — एक web app, एक host, एक IP — और Baron इसे detect करता है, आकलन की योजना बनाता है, और attack steps को नीचे दिए गए subagent fleet को सौंपता है। वह अपनी ही विफलताओं से स्वयं सुधार भी करता है: हर चूक AdapterOne में एक weighted, decaying lesson बन जाती है (oihk_runs/adapterone/ के अंतर्गत ledger), जो स्वचालित रूप से उसके भविष्य के prompts में inject होती है, साथ में adapterone_review / adapterone_confirm से mid-run नियमों से परामर्श और सुदृढ़ीकरण होता है।

bashai, ऑपरेटर टर्मिनल

जब oihk start चलता है, तो आप अपनी शर्तों पर Baron को वास्तविक shells सौंप सकते हैं। प्रोजेक्ट के किसी भी terminal में, uv run oihk bashai Baron का LAN beacon ढूँढता है, handshake secret को पुनः सत्यापित करता है, एक स्पष्ट full-control चेतावनी दिखाता है और केवल आपकी स्वीकृति पर जुड़ता है (queue numbers bashai-1, bashai-2, …; कोई persistent identity नहीं, केवल position)। Baron उन terminals को commands भेजता है — समानांतर में — और हर command और परिणाम एक persistent audit log (oihk_runs/bashai/audit.jsonl) में दर्ज होता है जो evidence gate को feed करता है। OIHK_CONFIRM_COMMANDS=1 (या TUI में /confirmar on) के साथ, प्रत्येक command निष्पादन से पहले उस terminal में आपकी स्पष्ट पुष्टि की प्रतीक्षा करता है; डिफ़ॉल्ट audit log में दर्ज एक सुदृढ़ चेतावनी के साथ direct execution है। Client लगातार heartbeat करता है और यदि Baron जवाब देना बंद कर दे तो तुरंत बंद हो जाता है।

Baron द्वारा चलाया गया प्रत्येक command Kali sandbox container के अंदर निष्पादित होता है, और live terminal block वह वास्तविक output दिखाता है जैसे वह होता है — जिसमें host-side read-only run_terminal probes (docker ps, netstat, ipconfig, ss, arp, git status, redis-cli…) शामिल हैं, जिनका stdout पंक्ति-दर-पंक्ति chat में stream होता है।