ottoyrocky/phantom-brainऑफलाइन एआई के साथ पोर्टेबल इंटेलिजेंट पहचान नेटवर्क
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।
| ✅ यह क्या है | ❌ यह क्या नहीं है |
|---|---|
| स्वचालित विश्लेषक जो कैप्चर निष्कर्षों को संरचित करता है | Wireshark, bettercap, या aircrack-ng का प्रतिस्थापन |
| AI-संचालित रिपोर्ट जनरेटर (ऑफ़लाइन, स्थानीय LLM) | एक स्वायत्त पैनटेस्टर |
| हार्डवेयर उपकरणों (Flipper, Pineapple, Proxmark) के बीच ऑर्केस्ट्रेटर | एक उत्पादन-तैयार सुरक्षा उपकरण |
| अनुसंधान और सीखने का मंच | मैन्युअल ऑडिटिंग का विकल्प |
| 100% ऑफ़लाइन — कोई डेटा एक्सफ़िल्ट्रेशन नहीं | क्लाउड-निर्भर या API-आश्रित |
💡 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।
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-instructयाdeepseek-r1:7bके 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 लिएphi3:miniचला सकता है।
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।
.sub फ़ाइल पार्सर (sub_ghz_parser.py)sub_ghz_analyzer.py).nfc फ़ाइल पार्सर (nfc_parser.py)nfc_analyzer.py)proxmark_parser.py)pcap_parser_v2.py)hcxpcapngtool → hashcat -m 22000tools/base_tool.py — एकीकृत BaseTool + ToolResult अनुबंधToolResult जिसमें risk (CRITICO/ALTO/MEDIO/BAJO) और संरचित findingstools/registry.py — केंद्रीय रजिस्ट्री, प्रकार के अनुसार सही उपकरण भेजता हैtools/classifier.py — एक्सटेंशन और सामग्री द्वारा स्वचालित पहचानpytest tests/test_tools.py)db_manager.py)flask_api.py पोर्ट 5000 पर चल रहा हैGET /status — Ollama और उपलब्ध मॉडलों की जाँच करता हैPOST /upload — .pcap, .nfc, .sub फ़ाइलें प्राप्त करता हैPOST /analyze — Ollama के साथ विश्लेषण करता है और SQLite में सहेजता हैGET /analysis/<id> — ID द्वारा सहेजे गए विश्लेषण को क्वेरी करता है| मॉडल | न्यूनतम RAM | भंडारण | गति (CPU) | सबसे उपयुक्त | नोड |
|---|---|---|---|---|---|
phi3:mini | 4 GB | ~2.3 GB | ~5 min | त्वरित ट्राइएज, हल्का अनुमान, Pi पर काम करता है — सीमित तर्क गहराई | Raspberry Pi 4 / PC |
mistral:7b-instruct | 8 GB | ~4.1 GB | ~30 s (PC) | अनुशंसित डिफ़ॉल्ट। पूर्ण विश्लेषण, सटीक कार्रवाई योग्य कमांड, सर्वोत्तम सटीकता/गति अनुपात | PC only |
deepseek-r1:7b | 8 GB | ~4.5 GB | ~45 s (PC) | गहन विश्लेषण, विस्तृत शमन कदम, श्रृंखला-सोच तर्क | PC only |
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:miniको विश्वसनीय रूप से चला सकता है —mistral:7bPi 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।
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