PHANTOM BRAIN v0.9

वास्तविक हार्डवेयर एकीकरण के साथ ऑफ़लाइन AI-संचालित पैनटेस्टिंग विश्लेषण उपकरण

WiFi, Sub-GHz, NFC/RFID और WPA2 कैप्चर के लिए स्थानीय LLM विश्लेषण (Ollama के माध्यम से) — कोई इंटरनेट आवश्यक नहीं, कोई क्लाउड API नहीं, 100% ऑफ़लाइन। मुख्य LLM Windows PC पर चलता है। Raspberry Pi एक हल्के द्वितीयक नोड के रूप में कार्य करता है (लाइव कैप्चर + केवल phi3:mini)।

समर्थित हार्डवेयर: Flipper Zero · WiFi Pineapple MK7 · Proxmark3 · Raspberry Pi 4 (Kali Linux) · Atheros AR9271

मॉडल: mistral:7b-instruct · deepseek-r1:7b · phi3:mini

लाइसेंस: GPL-3.0 | लेखक: Otto | समुदाय: AI Tinkerers

⚠️ प्रायोगिक परियोजना — उत्पादन उपयोग के लिए नहीं। AI विश्लेषण मानव शोधकर्ताओं की सहायता करता है; यह मैन्युअल ऑडिटिंग का स्थान नहीं लेता। हमेशा स्वतंत्र रूप से निष्कर्षों को सत्यापित करें।

Phantom Brain क्या है और क्या नहीं है

💡 प्रत्येक AI-जनित रिपोर्ट को शुरुआती बिंदु माना जाना चाहिए, अंतिम निर्णय नहीं। LLMs भेद्यताओं को भ्रमित कर सकते हैं। संरचित पार्सर आउटपुट (AI के बिना) हमेशा अधिक विश्वसनीय होता है।

सिस्टम आर्किटेक्चर

FIELD (Mobile):
┌──────────────────┐
│  Flipper Zero    │ ──► Sub-GHz (.sub), NFC (.nfc), WiFi scanning
└──────────────────┘
┌──────────────────┐
│  WiFi Pineapple  │ ──► WPA2 Handshakes (.pcap), deauth, PMKID
└──────────────────┘
┌──────────────────┐
│  Proxmark3       │ ──► Advanced RFID/NFC (EM410x, MIFARE, EMV)
└──────────────────┘

BASE — PRIMARY NODE (required for full functionality):
┌──────────────────────────────────────────────────────┐
│  Windows PC (or Linux desktop)                       │
│  Python 3.11+ · Ollama · Flask API                  │
│  Runs: mistral:7b-instruct, deepseek-r1:7b           │
│  ► PHANTOM BRAIN CLI, full analysis, reports         │
└──────────────────────────────────────────────────────┘

BASE — SECONDARY NODE (optional, lightweight):
┌──────────────────────────────────────────────────────┐
│  Raspberry Pi 4 (Kali Linux)                         │
│  Ollama · Atheros AR9271                             │
│  Runs: phi3:mini only (mistral:7b too heavy for Pi)  │
│  ► Live WiFi capture · lightweight local inference   │
│  NOTE: connects to the PC's Ollama for heavy models  │
└──────────────────────────────────────────────────────┘

⚠️ आर्किटेक्चर नोट: Raspberry Pi स्वायत्त रूप से पूर्ण Phantom Brain स्टैक नहीं चलाता है। mistral:7b-instruct या deepseek-r1:7b के साथ पूर्ण विश्लेषण के लिए, Ollama वाले PC की आवश्यकता है। Pi एक कैप्चर नोड के रूप में कार्य करता है और केवल हल्के ऑफ़लाइन अनुमान के लिए phi3:mini चला सकता है।

विश्लेषण पाइपलाइन (v0.9)

input → classifier → tool.run() → ToolResult(risk, findings) → Ollama

प्रत्येक कैप्चर प्रकार LLM तक पहुँचने से पहले अपने विशिष्ट उपकरण से गुज़रता है। उपकरण आउटपुट को जोखिम स्तर और प्रमुख निष्कर्षों के साथ संरचित करता है, जो Ollama को भेजे गए संदर्भ को समृद्ध करता है।

सुविधाएँ

WiFi / Marauder

• Marauder लॉग पार्सर
• असुरक्षित WPS नेटवर्क का पता लगाना
• छिपे हुए नेटवर्क की पहचान
• सुरक्षा आँकड़े

Sub-GHz / Flipper Zero

• .sub फ़ाइल पार्सर (sub_ghz_parser.py)
• निष्कर्षण: प्रोटोकॉल, आवृत्ति, कुंजियाँ, पैकेट
• समर्थन: Security+ 2.0, Rolling Code, Fixed Code
• कैप्चर में पैटर्न विश्लेषक (sub_ghz_analyzer.py)

NFC / Flipper Zero + Proxmark3

• .nfc फ़ाइल पार्सर (nfc_parser.py)
• समर्थन: MIFARE Classic 1K/4K, MIFARE Plus, NTAG, FeliCa, EMV
• भेद्यता विश्लेषक (nfc_analyzer.py)
• पता लगाना: Darkside, Hardnested, Reader Auth Bypass
• SUBE (सार्वजनिक परिवहन) के लिए विशेष विश्लेषण
• Proxmark3 आउटपुट पार्सर (proxmark_parser.py)

WPA2 / WiFi Pineapple

• Scapy के साथ PCAP पार्सर (pcap_parser_v2.py)
• निष्कर्षण: BSSID, SSID, EAPOL फ्रेम्स, PMKID
• पूर्ण हैंडशेक का सत्यापन
• पूर्ण पाइपलाइन: hcxpcapngtool → hashcat -m 22000

उपकरण प्रणाली (v0.9)

• tools/base_tool.py — एकीकृत BaseTool + ToolResult अनुबंध
• ToolResult जिसमें risk (CRITICO/ALTO/MEDIO/BAJO) और संरचित findings
• tools/registry.py — केंद्रीय रजिस्ट्री, प्रकार के अनुसार सही उपकरण भेजता है
• tools/classifier.py — एक्सटेंशन और सामग्री द्वारा स्वचालित पहचान
• 14/14 परीक्षण वास्तविक फिक्स्चर के साथ पास (pytest tests/test_tools.py)

डेटाबेस और रिपोर्ट्स

• विश्लेषण इतिहास के लिए SQLite (db_manager.py)
• टाइमस्टैम्प के साथ सादा-पाठ रिपोर्ट
• UID/BSSID द्वारा खोज, जोखिम स्तर द्वारा फ़िल्टर
• विश्लेषण आँकड़े

Flask API REST

• flask_api.py पोर्ट 5000 पर चल रहा है
• GET /status — Ollama और उपलब्ध मॉडलों की जाँच करता है
• POST /upload — .pcap, .nfc, .sub फ़ाइलें प्राप्त करता है
• POST /analyze — Ollama के साथ विश्लेषण करता है और SQLite में सहेजता है
• GET /analysis/<id> — ID द्वारा सहेजे गए विश्लेषण को क्वेरी करता है

समर्थित AI मॉडल

नोट: गति बेंचमार्क 32 GB RAM वाले PC पर मापे गए (केवल CPU, कोई GPU नहीं)। CUDA/ROCm के माध्यम से GPU त्वरण अनुमान समय को काफी कम कर देगा। Pi केवल phi3:mini को विश्वसनीय रूप से चला सकता है — mistral:7b Pi 4B 8GB पर थर्मल थ्रॉटलिंग और OOM का कारण बनता है।

सभी मॉडल Ollama के माध्यम से 100% ऑफ़लाइन चलते हैं — कोई इंटरनेट कनेक्शन आवश्यक नहीं।

फ़ाइल संरचना

phantom-brain/
├── phantom_brain.py          # Main CLI - entry point
├── flask_api.py              # API REST Flask
├── db_manager.py             # SQLite - report history
├── pcap_parser_v2.py         # Parser WPA2/PCAP
├── proxmark_parser.py        # Parser output Proxmark3
├── nfc_parser.py             # Flipper .nfc file parser
├── nfc_analyzer.py           # NFC vulnerability analyzer
├── sub_ghz_parser.py         # Flipper .sub file parser
├── sub_ghz_analyzer.py       # Sub-GHz pattern analyzer
├── exploit_guide.py          # Exploitation guides without AI
├── proxmark_launch.bat       # Proxmark3 launcher script (Windows)
├── config.yaml.example       # Configuration template
├── requirements.txt          # Python dependencies
├── tools/                    # Modular tools system (v0.9)
│   ├── base_tool.py          # BaseTool + ToolResult with risk/findings
│   ├── classifier.py         # Capture type auto-detection
│   ├── registry.py           # Central tools registry
│   ├── proxmark_tool.py      # Tool Proxmark3
│   ├── nfc_tool.py           # Tool NFC
│   ├── wpa2_tool.py          # Tool WPA2/PCAP
│   └── subghz_tool.py        # Tool Sub-GHz
├── tests/                    # Automated tests (14/14 passing)
│   └── test_tools.py
├── prompts/                  # System prompts separated by type
│   └── system_prompts.py
├── benchmarks/               # Benchmark suite
│   ├── dataset/              # Captures with expected results
│   ├── results/              # JSON and markdown reports
│   ├── benchmark_runner.py
│   └── run_benchmark.py
├── reportes/                 # Generated reports (ignored in git)
├── pcap/                     # WPA2 captures (ignored in git)
└── archive/                  # Previous versions

स्थापना

git clone https://github.com/OttoyRocky/phantom-brain.git
cd phantom-brain
pip install -r requirements.txt
cp config.yaml.example config.yaml
ollama pull mistral:7b-instruct

Raspberry Pi (Kali Linux)

echo 'export OLLAMA_MODELS=/media/kali/discoexterno/ollama' >> ~/.zshrc
source ~/.zshrc
ollama pull phi3:mini

sudo fallocate -l 2G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

cd /media/kali/discoexterno
git clone https://github.com/OttoyRocky/phantom-brain.git

उपयोग

python phantom_brain.py
python flask_api.py
curl http://127.0.0.1:5000/status
python -m pytest tests/test_tools.py -v

मुख्य मेनू

1.  Paste text manually
2.  Read generic file (scan.txt, nmap, etc)
3.  Read Flipper Zero / Marauder log (.log)
4.  Analyze Sub-GHz captures (.sub)
5.  Analyze NFC captures (.nfc)
6.  Analyze WPA2 Handshake captures (.pcap)
7.  Analyze Proxmark3 capture (paste output directly)
8.  View report history
9.  Exploitation guides (without AI analysis)
10. Live WiFi capture - Atheros AR9271 (Raspberry Pi only)
11. Generate smart wordlist with AI (SSID-based)

AI के साथ स्मार्ट वर्डलिस्ट जनरेशन

• लक्ष्य SSID से स्थानीय AI (Ollama) का उपयोग करके वैयक्तिकृत शब्दकोश उत्पन्न करता है।
• इनपुट: SSID + वैकल्पिक संदर्भ (देश, ISP, वर्ष, आदि)।
• आउटपुट: वर्तमान कार्यशील निर्देशिका में wordlist_<SSID>_<timestamp>.txt।
• पैटर्न: SSID विविधताएँ, वर्ष 2020-2025, अर्जेंटीनी संदर्भ (फुटबॉल, तिथियाँ, ISP), !@# जैसे प्रतीक।
• उपयोग के लिए तैयार कमांड प्रिंट करता है: hashcat -m 22000 captura.hc22000 wordlist_<SSID>_<timestamp>.txt

रोडमैप

आवश्यकताएँ

Windows PC (प्राथमिक नोड — पूर्ण कार्यक्षमता के लिए आवश्यक):

• Python 3.11+
• Ollama mistral:7b-instruct (अनुशंसित) या deepseek-r1:7b के साथ
• न्यूनतम 8 GB RAM · 16 GB+ अनुशंसित
• pip install -r requirements.txt

Raspberry Pi 4 (द्वितीयक नोड — वैकल्पिक):

• Kali Linux
• Python 3.11+
• Ollama केवल phi3:mini के साथ (भारी मॉडल समर्थित नहीं)
• 8 GB RAM मॉडल अनुशंसित · 2 GB स्वैप आवश्यक
• लाइव कैप्चर के लिए Atheros AR9271 एडेप्टर (विकल्प 10)

अस्वीकरण

यह परियोजना केवल अधिकृत प्रयोगशाला वातावरण के लिए है। स्पष्ट लिखित प्राधिकरण के बिना नेटवर्क या उपकरणों के विरुद्ध इन उपकरणों का उपयोग अवैध और अनैतिक है।

AI-जनित विश्लेषण पेशेवर सुरक्षा मूल्यांकन का विकल्प नहीं है। सभी निष्कर्षों को मैन्युअल रूप से सत्यापित किया जाना चाहिए।

लेखक: Otto | समुदाय: AI Tinkerers | रेपो: https://github.com/OttoyRocky/phantom-brain

स्पेनिश संस्करण के लिए, README.es.md देखें