एयर-गैप्ड पेंटेस्टिंग के लिए ऑफ़लाइन AI सुरक्षा सहायक
पेनिट्रेशन टेस्टिंग के लिए ऑफ़लाइन AI सहायक। अपने टूल का आउटपुट पेस्ट करें, सादे अंग्रेज़ी में सवाल पूछें, अपने वास्तविक डेटा पर आधारित उत्तर प्राप्त करें। कोई इंटरनेट कनेक्शन नहीं, कोई API कुंजी नहीं, कुछ भी मशीन से बाहर नहीं जाता।
पूरी तरह से CPU पर चलता है। मानक लैपटॉप हार्डवेयर पर परीक्षण किया गया।
परीक्षण किया गया: AMD Ryzen AI 9 365, 24GB RAM पर। उस हार्डवेयर पर क्वेरी समय 2-5 सेकंड। 16GB पर यह काम करेगा लेकिन पहले बाकी सब बंद करें।
git clone https://github.com/Sydsec/syd
cd syd
python setup.py
python syd.py
सेटअप स्वचालित रूप से मॉडल (~9.7GB) और एम्बेडिंग मॉडल (~90MB) डाउनलोड करता है। किसी HuggingFace खाते की आवश्यकता नहीं। आपके कनेक्शन के आधार पर 20-30 मिनट लगते हैं। एक बार हो जाने के बाद सब कुछ पूरी तरह ऑफ़लाइन चलता है।
यदि आपको llama-cpp-python इंस्टॉल पर त्रुटियाँ मिलती हैं, तो setup.py से पहले यह मैन्युअल रूप से चलाएँ:
pip install llama-cpp-python==0.3.16 --force-reinstall --no-cache-dir --config-settings="cmake.args=-DGGML_AVX2=OFF;-DGGML_AVX=OFF;-DGGML_F16C=OFF;-DGGML_FMA=OFF"
यह कुछ Windows सेटअप पर एक ज्ञात संगतता समस्या है। cmake फ़्लैग्स AVX2 को अक्षम करते हैं जो कुछ CPUs पर क्रैश का कारण बनता है।
तीन चरण। पहले, आपकी स्कैन फ़ाइल नियतात्मक रूप से पार्स की जाती है — कोई AI नहीं, शुद्ध regex और संरचित पार्सिंग, इसलिए डेटा निष्कर्षण हमेशा सटीक होता है। दूसरे, यह स्थानीय FAISS इंडेक्स से प्रासंगिक तकनीक दस्तावेज़ खींचता है। तीसरे, Qwen 2.5 14B केवल उन सत्यापित तथ्यों का उपयोग करके उत्तर उत्पन्न करता है।
उत्तर को फिर जाँचा जाता है कि वास्तव में आपकी स्कैन में क्या था। यदि मॉडल किसी IP, प्रक्रिया, या होस्टनाम का उल्लेख करता है जो आपके डेटा में नहीं था, तो उत्तर को ब्लॉक कर दिया जाता है और पुनः उत्पन्न किया जाता है। यही इसे भ्रमित करने (hallucinate) से बचाता है।
प्रासंगिक टैब में कोई फ़ाइल लोड करें या आउटपुट पेस्ट करें। Analyse पर क्लिक करें। विश्लेषण पूरा होने के बाद, Ask Syd बॉक्स में सवाल टाइप करें।
अच्छी तरह से काम करने वाले उदाहरण:
Nmap: "किन होस्टों पर SMB साइनिंग अक्षम है?" / "मुझे गैर-मानक पोर्ट पर सभी सेवाएँ दिखाएँ" / "10.0.0.15 पर आक्रमण सतह क्या है?"
BloodHound: "डोमेन एडमिन तक का सबसे छोटा रास्ता क्या है?" / "कौन से उपयोगकर्ता Kerberoastable हैं?" / "मुझे असीमित प्रत्यायोजन (unconstrained delegation) वाले सभी कंप्यूटर दिखाएँ"
Volatility: "सबसे संदिग्ध प्रक्रिया कौन सी है?" / "क्या कोई इंजेक्टेड प्रक्रियाएँ हैं?" / "सभी बाहरी नेटवर्क कनेक्शन सूचीबद्ध करें"
"मॉडल नहीं मिला" — setup.py पूरा नहीं हुआ। जाँचें कि मॉडल rag_engine/models/qwen2.5-14b-instruct-q5_k_m.gguf पर मौजूद है और लगभग 9.7GB है। यदि यह छोटा है तो डाउनलोड बाधित हुआ, इसे हटाएँ और setup.py फिर से चलाएँ।
मेमोरी कम — अपना ब्राउज़र और RAM खाने वाली कोई अन्य चीज़ बंद करें। 16GB तंग है, 24GB आरामदायक है।
पहली शुरुआत धीमी — अपेक्षित। मॉडल लोड होने में 10-20 सेकंड लगते हैं। उसके बाद क्वेरी 2-5 सेकंड।
FAISS त्रुटियाँ — इंडेक्स रिपॉजिटरी के साथ आते हैं। यदि वे गायब या दूषित हैं तो python build_all_databases.py चलाएँ।
एंटरप्राइज़ इस रिपॉजिटरी की सभी चीज़ों के ऊपर Metasploit और Sliver C2 विश्लेषण जोड़ता है।
यदि आप रेड टीम एंगेजमेंट चला रहे हैं तो आप समस्या जानते हैं — NDA और क्लाइंट डेटा के कारण आप ChatGPT में सत्र आउटपुट पेस्ट नहीं कर सकते। एंटरप्राइज़ आपको आपके MSF सत्रों और Sliver बीकन के लिए पूरी तरह ऑफ़लाइन वही AI विश्लेषण देता है। पूछें क्या हुआ, आगे कहाँ पिवट करना है, क्रेडेंशियल्स संदर्भ में क्या मायने रखते हैं।
संपर्क करें: [email protected] या https://sydsec.co.uk
YouTube पर ट्यूटोरियल और वॉकथ्रू: https://www.youtube.com/@paularmstrong8306
गोता लगाने से पहले देखने लायक — वास्तविक पेंटेस्ट डेटा पर वास्तविक कार्यप्रवाह दिखाता है।
Qwen 2.5 14B Instruct, Q5_K_M क्वांटाइज़ेशन। उत्तरों को सटीक रखने के लिए तापमान 0.05-0.1। पुनरावृत्ति दंड 2.8-3.2। संदर्भ विंडो 8192 टोकन।
एम्बेडिंग्स: all-MiniLM-L6-v2। वेक्टर स्टोर: FAISS (IndexFlatIP, कोसाइन समानता)।
Paul Armstrong — https://sydsec.co.uk — YouTube: https://www.youtube.com/@paularmstrong8306