Skip to content
KitploitKITPLOIT
StrumentiExploitsBlog
Log in
Invia
StrumentiExploitsBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

FeedContattoPrivacy© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
rag-seguridad — CyberRAG — RAG 100% locale (Ollama) su appunti e libri di cybersecurity: recupero ibrido, risposte con citazioni, assistente di pentest per fasi e monitor di reindicizzazione. Senza framework pesanti. | Kitploit
Strumenti/GitLabGitLab/rdelasierra-uy/rag-seguridad
Analisi delle VulnerabilitàRaccolta InformazioniCTFPenetration TestingPrivacyMachine LearningApprendimento e FormazioneRisorse CurateSicurezza dell'IA
Lab e Pratica
GitLabrdelasierra-uy/rag-seguridad

rag-seguridad

CyberRAG — RAG 100% locale (Ollama) su appunti e libri di cybersecurity: recupero ibrido, risposte con citazioni, assistente di pentest per fasi e monitor di reindicizzazione. Senza framework pesanti.

Vedi Repository
9212 giorni faNon ancora revisionato
Condividi

CyberRAG local — RAG sulla tua conoscenza, 100% Ollama

Sistema RAG (Retrieval-Augmented Generation) per consultare le tue note di cybersicurezza (vault Obsidian, writeup HTB, appunti) con linguaggio naturale. Tutto gira sulla tua macchina: embeddings e generazione usano Ollama locale, senza nessun dato che esca dalla tua rete. E senza langchain: ogni pezzo è codice proprio comprensibile.

Documentazione tecnica completa → docs/ARQUITECTURA.md Copre i concetti di fondo (RAG, embeddings, ricerca ibrida, ripartizione equa, rerank), l'architettura a livelli, l'estrazione dei formati, l' indice incrementale, gli spazi di conoscenza e la capacità di calcolo.

Assistente di pentest per fasi → docs/ASISTENTE-PENTEST.md Mentore di HTB per fase (Recon / Enumerazione / Sfruttamento / Privesc / Post / Report) e vettore (web, SMB, AD, Linux, Windows…), con livello di aiuto (spingi / spiega / diretto) per capire manualmente senza autopilota, e campo di stato macchina per incollare le tue porte/servizi. Pensato per lavoro offensivo autorizzato + report ISO 27001.

Report di architettura (per L2/apprendista) → docs/INFORME-ARQUITECTURA.md Panoramica in una sola lettura: cos'è, come è costruito internamente e come si usa, più un piano per insegnarlo in 20 minuti.

Runbook del server → docs/RUNBOOK-SERVIDOR.md Operatività dell'host: regole non negoziabili, rete/firewall, xRDP/faillock e recupero della GPU (Xid 31).

Monitor del reindex → web/monitor.py (dashboard nel browser: progresso, ritmo, ETA, GPU e modelli in tempo reale, senza toccare la GPU).

Perché

  • La tua pedagogia: comprendi ogni pezzo (vettori, coseno, chunking) — non è una scatola nera.
  • Privacy: i tuoi writeup e appunti non toccano mai il cloud (niente Gemini/OpenAI).
  • Zero dipendenze pesanti: solo numpy + l'API HTTP di Ollama.

Architettura

Tus documentos (.md/.txt/.log)
        │
        ▼
  ┌────────────┐   chunking con solape   ┌──────────────────┐
  │  Chunks    │ ─────────────────────▶  │  Embeddings      │
  │ (pedazos)  │                         │  nomic-embed-text│
  └────────────┘                         └────────┬─────────┘
                                                  ▼
                                           ┌──────────────┐
                                           │  Índice .npz │  (output/indice.npz)
                                           └──────┬───────┘
                          ┌───────────────────────┘
                          ▼
   Pregunta ───▶ vector ──▶ similitud coseno ──▶ top-k chunks
                                                      │
                                                      ▼
   Respuesta ◀── generación con contexto ◀───────────┘
                (qwen2.5-coder / mistral, local)

Le 3 parti del RAG:

  1. Indicizzare — suddividete ogni documento in chunk con sovrapposizione: 512 caratteri (sovrapposizione 50) per gli appunti e 3000 (sovrapposizione 600) per i libri. Ogni chunk viene vettorizzato con un prefisso di ruolo (search_document: ) che aumenta la qualità dell'embedding nella ricerca.
  2. Recuperare — ogni chunk viene salvato come vettore di 768 numeri (embedding di nomic-embed-text, locale). Data una domanda (vettorizzata come search_query: ), cercate i chunk con maggiore similarità coseno combinata con la corrispondenza lessicale delle parole (ricerca ibrida). Il coseno da solo non basta per le domande di confronto; la componente lessicale recupera il chunk esatto in cui si trovano i termini.
  3. Generare — inviate i top-k chunk come contesto al modello di chat locale, che risponde UNICAMENTE con quello (e dice "non ho informazioni" se non c'è).

Requisiti

  • Python 3.10+
  • Ollama in esecuzione su 127.0.0.1:11434
  • Modello nomic-embed-text (setup.sh lo scarica automaticamente)
  • Modello di chat locale: per impostazione predefinita qwen2.5-coder:7b. È quello che risponde alla teoria (citando ISO/libri) E ai temi offensivi dei laboratori (HTB) senza rifiutarsi. Modificabile senza toccare il codice con la variabile d'ambiente RAG_CHAT_MODEL (ad es. RAG_CHAT_MODEL=llama3.1:8b rag web per prosa teorica raffinata — anche se con contenuti offensivi si autolimita; mistral:latest cita bene ma a volte incolla contesto grezzo).
  • pdftotext (poppler-utils) se volete indicizzare PDF

Installazione

./setup.sh

Utilizzo

# Indexar los documentos de ejemplo en document[o]s/
python3 rag_ollama.py index

# Indexar otra carpeta (ej.: tu vault de Obsidian) — en vivo, sin copiar
python3 rag_ollama.py --docs-dir ~/vault index

# Preguntar (usá SIEMPRE el mismo --docs-dir que el index)
python3 rag_ollama.py --docs-dir ~/vault ask "¿Qué flag de hashcat crackea un hash ASREProast?"

# Chat continuo contra tu base — sin repetir el comando
python3 rag_ollama.py --docs-dir ~/vault interactive

# Estadísticas del índice
python3 rag_ollama.py stats

Su questa macchina è inoltre presente l'alias rag, che mantiene due spazi di conoscenza: i tuoi appunti (vault) e la libreria curata di libri (libros).

rag "pregunta sobre tus apuntes"     # espacio vault (default)
rag libros "pregunta sobre libros"   # espacio libros (PDFs curados)
rag --rerank "pregunta"              # con reranker local (reordena fuentes)
rag chat                             # modo interactivo (vault)
rag chat libros                      # modo interactivo (libros)
rag index                            # reindexar VAULT (incremental: rápido)
rag index libros                     # reindexar libros (tarda minutos)
rag stats                            # estado del índice del vault
rag analizar                         # dupes + solapamiento + temas (vault)
rag fuentes "término"                # en qué documentos aparece el término

I due spazi vengono salvati in output/indices/indice_<espacio>.npz e non si sovrascrivono a vicenda.

Interfaccia web (per utenti senza shell)

rag web        # → http://localhost:8787  (alias local en /etc/hosts)
               #   o: RAG_HOST=0.0.0.0 rag web  para exponerlo a la LAN (con UFW)

La UI (server puro de la stdlib de Python, cero dependencias) ofrece:

Scarica lo strumento

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Il toolkit OSINT definitivo: grafo di indagine, punteggio di affidabilità, famiglie di alias, mappa, timeline e report. 49 moduli, oltre 400 siti, nessuna chiave API richiesta.

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # App di esecuzione con un tocco GhostLock (CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    Piattaforma di penetration testing autonoma multi-agente basata su LLM con agenti planner/worker, grafi di asset e di esplorazione, registrazione del traffico MITM e retesting delle vulnerabilità.

    405
  • 4

    redforge

    cybersecurity91/redforge

    Toolkit red team lato browser con 102 strumenti offline per ricognizione, generazione di payload, attacchi alle credenziali, crittografia, codifica e reportistica dell'engagement.

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Il sistema d'azione per la cybersecurity nativa AI—dove l'intento diventa esecuzione governata, le evidenze diventano memoria operativa, e ogni operazione migliora la successiva.

    261
  • 6

    antifox

    antifox-ai/antifox

    Piattaforma multi-agente di penetration testing autonoma basata sull'IA che esegue ricognizione, scoperta della superficie d'attacco, validazione dello sfruttamento e consegna di report supportati da evidenze.

    259

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →