Nightcrawler

Un agente autonomo di penetration testing che gira interamente su uno smartphone. Lascia il telefono su una rete, allontanati, e lui scopre host, mappa servizi, trova vulnerabilità e genera un report di pentest — tutto senza connettività cloud.

 ░█▄░█ █ █▀▀ █░█ ▀█▀ █▀▀ █▀█ ▄▀█ █░█░█ █░░ █▀▀ █▀█
 ░█░▀█ █ █▄█ █▀█ ░█░ █▄▄ █▀▄ █▀█ ▀▄▀▄▀ █▄▄ ██▄ █▀▄  v0.1.0

 AUTONOMOUS MOBILE PENTEST AGENT
 OnePlus 8 · NetHunter · LFM2.5-1.2B · OpenCL GPU

Cos'è?

Il penetration testing (pentest) è la pratica di testare la sicurezza di una rete informatica simulando un attacco — con il permesso esplicito del proprietario della rete. I pentester professionisti vengono assunti per trovare vulnerabilità prima che lo facciano i veri attaccanti.

Nightcrawler automatizza questo processo su un telefono. Usa un piccolo modello di IA (LFM2.5-1.2B-Instruct-Heretic, 1,2 miliardi di parametri) eseguito localmente sulla GPU del telefono per decidere cosa fare dopo — quale host sondare, quale strumento usare, cosa cercare. Nessuna connessione internet o API cloud richiesta.

Demo

▶️ Guarda Nightcrawler in azione su Instagram

Come funziona

WiFi Breach (opzionale) — Se lasciato senza WiFi, può craccare autonomamente reti WPA2 usando un adattatore WiFi USB esterno
Ricognizione — Scopre i dispositivi sulla rete usando scan stealth
Enumerazione — Sonda i servizi scoperti (server web, condivisioni file, SSH, DNS, ecc.)
Exploitation — Testa vulnerabilità note e credenziali di default
Reporting — Genera un report di pentest strutturato con risultati e consigli di remediation

L'agente opera come un pentester umano paziente — ruota tra gli host, fa una piccola azione per turno e costruisce conoscenza gradualmente nel corso delle ore. Questo lo rende molto più difficile da rilevare rispetto ai tradizionali scanner di vulnerabilità che bombardano tutti gli host contemporaneamente.

Concetti chiave

Termine	Cosa significa
Drop box	Un dispositivo lasciato su una rete target per eseguire test in autonomia
Scope	L'insieme di reti/host che sei autorizzato a testare
Rules of Engagement (ROE)	Un documento legale che specifica cosa ti è permesso fare
Stealth	Tecniche per evitare il rilevamento da parte del monitoraggio di rete (IDS/IPS)
MCP	Model Context Protocol — un'interfaccia standard per l'uso di strumenti IA
C2	Command and Control — la dashboard web per monitorare e guidare l'agente

Architettura

┌──────────────────────────────────────────────────────────┐
│                   PHONE (OnePlus 8)                       │
│                                                           │
│  ┌─────────────┐     ┌──────────────────┐                │
│  │  LFM2.5     │     │  Agent Loop      │                │
│  │  1.2B model │◄───►│  (main.py)       │                │
│  │  on GPU     │     │  Decides what     │                │
│  │  (:8080)    │     │  to do next       │                │
│  └─────────────┘     └────────┬─────────┘                │
│                               │                           │
│                      ┌────────▼─────────┐                │
│                      │  Scope Proxy     │  ← Safety layer │
│                      │  Validates every │    Blocks out-  │
│                      │  command before  │    of-scope     │
│                      │  execution       │    actions      │
│                      └────────┬─────────┘                │
│                               │                           │
│                      ┌────────▼─────────┐                │
│                      │  Kali MCP Server │  ← Runs the    │
│                      │  nmap, curl,     │    actual       │
│                      │  smbclient, ...  │    commands     │
│                      └──────────────────┘                │
│                                                           │
│  ┌──────────────────┐  ┌──────────────────┐              │
│  │  Web Dashboard   │  │  SQLite DB       │              │
│  │  (:8888)         │  │  Hosts, vulns,   │              │
│  │  Monitor & steer │  │  creds, commands │              │
│  └──────────────────┘  └──────────────────┘              │
└──────────────────────────────────────────────────────────┘

Per il design completo del sistema, vedi docs/ARCHITECTURE.md.

Funzionalità

Completamente autonomo — nessun umano nel loop durante l'operazione
Inferenza 100% locale — l'IA gira sulla GPU del telefono, nessun cloud necessario
Scope enforced — difesa a due livelli che previene azioni fuori scope
Stealth-first — velocità di scan lente, rotazione degli host, cover traffic, solo nmap -T2
27 playbook di exploit — catene di attacco multi-step che si eseguono automaticamente
Database CVE con 24.956 voci — corrispondenza delle vulnerabilità basata sulla versione
Dashboard web — monitoraggio in tempo reale, gestione host, controlli C2
Modalità WiFi breach — cracking WPA2 autonomo con adattatore USB (ispirato a Pwnagotchi)
Scoperta passiva — cattura in background di broadcast mDNS/NBNS/DHCP/ARP
Multi-rete — dati isolati per rete, sopravvive ai cambi DHCP tramite host con chiave MAC
Self-healing — rilevamento garbage, reset del contesto, watchdog, rilevamento blocco
Cattura per training — registra interazioni riuscite per il futuro fine-tuning del modello
Generazione report — report di pentest scaricabile con vulnerabilità, catene di exploit, remediation

Vedi docs/FEATURES.md per il riferimento completo delle funzionalità.

Hardware

Richiesto

Telefono Android con Kali NetHunter (testato su OnePlus 8, Snapdragon 865)
Accesso root tramite Magisk
12GB+ di RAM (il modello usa ~1,3GB, Android ~4GB, il resto per gli strumenti)

Opzionale

Adattatore WiFi USB per la modalità WiFi breach offline (consigliato Ralink RT3572)
Kernel personalizzato con MAC80211 per la modalità monitor (guida alla build)
NVIDIA AGX per scaricare su un modello più grande tramite Tailscale

Prestazioni GPU

Tutta l'inferenza tramite OpenCL su GPU Adreno 650:

Modello	Quantizzazione	Velocità Prompt	Velocità Generazione
LFM2.5-1.2B-Instruct-Heretic (produzione)	Q8_0	115 tok/s	13 tok/s
Qwen3.5-0.8B	Q8_0	30,5 tok/s	6,3 tok/s
Qwen3.5-4B	Q4_0	10,1 tok/s	2,0 tok/s

Nota: Android limita la GPU quando si è a batteria (rallentamento di 6x). Nightcrawler include un demone del governor GPU che forza le massime prestazioni e auto-limita a ≤15% di batteria.

Avvio Rapido

# 1. Installazione (dentro il chroot di Kali NetHunter)
bash INSTALL.sh

# 2. Attendi l'avvio di llama-server (~5 min dopo il boot)
curl -s http://127.0.0.1:8080/health  # Dovrebbe restituire {"status":"ok"}

# 3. Avvia tutti i servizi
bash scripts/run-36h.sh

# 4. Apri la dashboard web (da qualsiasi dispositivo sulla tua rete Tailscale)
# https://<il-tuo-hostname-tailscale>:8888

Dry Run (nessun comando reale eseguito)

NC_DRY_RUN=1 python3 main.py

Questo usa un server Kali mock così puoi testare il loop dell'agente senza eseguire comandi di rete reali.

Avvio Manuale (se non usi il launcher tmux)

kali-server-mcp --port 5000 &
python3 scope_proxy.py --config config.yaml --port 8800 --upstream http://127.0.0.1:5000 &
bash scripts/webui-daemon.sh start
python3 main.py &

Configurazione

Modifica config.yaml prima del deployment:

mission:
  id: "CLIENT-YYYY-XXX"           # Il tuo ID di engagement
  scope:
    networks: ["auto"]             # "auto" = rileva da wlan0 all'avvio
    excluded_hosts: ["auto"]       # "auto" = gateway + IP proprio
    excluded_ports: [502, 503]     # Porte SCADA/ICS da non toccare mai
  authorization: "ROE-YYYY-XXX.pdf"
  max_runtime_hours: 0             # 0 = nessun limite

model:
  local:
    ctx_size: 8192
    port: 8080

Rilevamento dinamico dello scope significa zero modifiche di configurazione quando ti sposti tra reti — l'agente legge la subnet corrente da wlan0 all'avvio.

Struttura del Progetto

nightcrawler/
├── main.py                  # Punto di ingresso
├── config.yaml              # Config missione scope + modello
├── scope_proxy.py           # Proxy di enforcement dello scope
├── INSTALL.sh               # Installer
│
├── agent/                   # Logica core dell'agente
│   ├── loop.py              # Loop decisionale + recupero errori
│   ├── planner.py           # Macchina a stati di fase (recon → exploit)
│   ├── llm_client.py        # Client API LLM (llama.cpp / remoto)
│   ├── db.py                # Backend SQLite (host, vuln, creds)
│   ├── host_memory.py       # Osservazioni per-host + auto-tagging
│   ├── cve_db.py            # Database CVE con 24.956 voci
│   ├── attack_planner.py    # Direttive strategiche per la fase exploit
│   ├── output_parser.py     # Estrae dati strutturati dall'output degli strumenti
│   ├── offline_manager.py   # Macchina a stati del pipeline WiFi breach
│   ├── net_detect.py        # Auto-rilevamento rete da wlan0
│   ├── cover_traffic.py     # Blending stealth con traffico web realistico
│   ├── passive_capture.py   # tcpdump in background per traffico broadcast
│   └── ...
│
├── proxy/                   # Componenti di enforcement dello scope
│   ├── scope.py             # Validazione IP/porta/host
│   ├── rate_limiter.py      # Rate limiting comandi + jitter
│   └── command_filter.py    # Blocklist comandi distruttivi
│
├── webui/                   # Dashboard web (Flask)
│   ├── server.py            # API + middleware stealth
│   └── templates/index.html # UI dashboard
│
├── data/                    # File dati statici
│   ├── cve_exploits.json    # Mappature CVE→comandi exploit
│   └── playbooks.json       # 27 playbook di attacco multi-step
│
├── prompts/                 # Template prompt LLM (hot-reloadable)
├── scripts/                 # Script operativi (start, stop, watchdog)
├── tests/                   # Suite di test (API, UI, modalità offline)
├── kernels/                 # Moduli driver WiFi + documentazione kernel
├── simulation/              # Server mock per dry-run
├── docs/                    # Architettura, setup GPU, funzionalità
├── logs/                    # Dati runtime (gitignored)
└── models/                  # File modello (gitignored)

Come Pensa l'Agente

L'agente usa un loop semplice ma efficace:

Scegli un target — selezione casuale pesata (70% host con porte note, 30% nuova scoperta)
Costruisci il contesto — inietta memoria host, osservazioni di rete, guida di fase nel prompt
Chiedi all'LLM — il modello produce REASONING: ... COMMAND: ...
Valida — lo scope proxy verifica che il comando sia in scope e non distruttivo
Esegui — il comando gira tramite il server Kali MCP
Impara — il parser di output estrae i risultati, aggiorna la memoria host
Reset del contesto — pulisci la conversazione, mantieni la memoria persistente, ripeti

Il modello da 1,2B ha un tasso di successo dei comandi di ~50% (intrinseco alla sua dimensione). L'agente compensa con:

Rilevamento garbage — reset a 5 streak con esempi few-shot variati
Rilevamento duplicati — forza la diversificazione di strumenti/target
Rilevamento blocco basato sul tempo — backstop di 5 minuti che forza il reset del contesto
Esecuzione diretta dei playbook — gli attacchi multi-step bypassano completamente l'LLM

Dashboard Web

La dashboard su :8888 fornisce monitoraggio e controllo in tempo reale:

Feed live — ogni comando, risultato e decisione dell'agente
Card host — card cliccabili che mostrano porte, servizi, vulnerabilità
Mappa di rete — grafo interattivo force-directed (trascina, zoom, pan)
Dettagli vulnerabilità — tag CVE, catene di exploit, passi di remediation
Controlli C2 — star/blacklist host, forza fase, pausa/ripresa, inietta comandi
Modalità offline — UI di attacco WiFi ispirata a Pwnagotchi con faccia animata

La dashboard è filtrata stealth: spoofa gli header nginx e restituisce 404 vuoti alle connessioni dalla rete target.

Risultati Testati

Da 72+ ore di operazione autonoma su più reti:

30+ host scoperti per rete
2.000+ comandi eseguiti autonomamente
10+ vulnerabilità trovate su più servizi
6+ playbook eseguiti tramite esecuzione diretta
Memoria dell'agente stabile a 35-50MB per tutto il tempo (nessuna leak)

Contribuire

I contributi sono benvenuti! Vedi CONTRIBUTING.md per le linee guida.

Aree dove serve aiuto

Fine-tuning del modello — migliorare la conformità al formato dei comandi da ~50% a 85%+
Nuovi playbook — aggiungere catene di exploit per più servizi
Database CVE — espandere la copertura oltre le attuali 24.956 voci
Supporto adattatori — test con più chipset WiFi USB
Documentazione — tutorial, guide di setup per diversi telefoni
Testing — più copertura di test, specialmente per i casi limite

Setup di sviluppo

# Clona il repo
git clone https://github.com/garagehq/nightcrawler.git
cd nightcrawler

# Modalità dry-run (nessun comando reale, nessun hardware necessario)
NC_DRY_RUN=1 python3 main.py

# Esegui i test
python3 -m pytest tests/

Legale

Questo strumento è solo per penetration testing autorizzato. Devi avere il permesso scritto (Rules of Engagement) dal proprietario della rete prima di distribuire Nightcrawler. L'uso non autorizzato contro reti che non possiedi o per cui non hai il permesso di testare è illegale.

Licenza

MIT — vedi LICENSE per i dettagli.

Supporto

Se ti piace questo progetto, puoi offrirmi un caffè ☕:

buymeacoffee.com/cyrilengmann

nightcrawler — Updated!

Categorie