Skip to content
KitploitKITPLOIT
도구블로그
제출
도구블로그
제출

해킹, 침투 테스트 및 사이버 보안 도구를 당신의 보안 무기고에!

Kitploit은 해킹, 사이버 보안 및 침투 테스트 도구 디렉토리입니다. 최신 프로젝트 업데이트를 발견하여 취약점을 찾고, 시스템을 분석하고, 테스트를 자동화하고, 보안을 강화하세요.

··피드·문의·개인정보·© 2026 Kitploit

도구 디렉토리

카테고리

모든 카테고리 보기
Loading categories
phantom-brain — 오프라인 AI를 갖춘 휴대용 지능형 인식 네트워크 | Kitploit
도구/GitHubGitHub/ottoyrocky/phantom-brain
Password CrackingReconnaissanceWi-Fi AuditingVulnerability AnalysisExploitationRFID/NFC ToolsInformation GatheringPenetration TestingHardware & IoT SecurityLearning & EducationRed TeamingAI Security
1432개월 전아직 검토되지 않음

인기

모두 보기 →

커뮤니티에서 가장 많이 사용되는 도구를 찾아보세요.

모든 도구 탐색

도구 컬렉션을 둘러보세요

모든 도구 보기 →
공유
GitHubottoyrocky/phantom-brain

phantom-brain

오프라인 AI를 갖춘 휴대용 지능형 인식 네트워크

저장소 보기

PHANTOM BRAIN v0.9

오프라인 AI 기반 침투 테스트 분석 도구 (실제 하드웨어 통합)

로컬 LLM 분석(Ollama 사용)을 WiFi, Sub-GHz, NFC/RFID 및 WPA2 캡처에 대해 수행 — 인터넷 불필요, 클라우드 API 없음, 100% 오프라인. 메인 LLM은 Windows PC에서 실행됩니다. Raspberry Pi는 경량 보조 노드(실시간 캡처 + phi3:mini만) 역할을 합니다.

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

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

라이선스: GPL-3.0 | 저자: Otto | 커뮤니티: AI Tinkerers

⚠️ 실험적 프로젝트 — 프로덕션 사용 용도가 아님. AI 분석은 인간 연구자를 지원합니다. 수동 감사를 대체하지 않습니다. 항상 결과를 독립적으로 검증하십시오.


Phantom Brain이 하는 것과 하지 않는 것

✅ 하는 것❌ 하지 않는 것
캡처 결과를 구조화하는 자동 분석기Wireshark, bettercap 또는 aircrack-ng의 대체품
AI 기반 보고서 생성기 (오프라인, 로컬 LLM)자율 침투 테스터
하드웨어 도구(Flipper, Pineapple, Proxmark) 간 오케스트레이터프로덕션 준비가 된 보안 도구
연구 및 학습 플랫폼수동 감사를 대체
100% 오프라인 — 데이터 유출 없음클라우드 종속 또는 API 의존

💡 모든 AI 생성 보고서는 시작점으로 취급되어야 하며, 최종 판결이 아닙니다. LLM은 취약점을 환각할 수 있습니다. 구조화된 파서 출력(AI 없이)이 항상 더 신뢰할 수 있습니다.


시스템 아키텍처

root@kitploit:~
현장 (모바일):
┌──────────────────┐
│  Flipper Zero    │ ──► Sub-GHz (.sub), NFC (.nfc), WiFi 스캐닝
└──────────────────┘
┌──────────────────┐
│  WiFi Pineapple  │ ──► WPA2 핸드셰이크 (.pcap), 디어쓰, PMKID
└──────────────────┘
┌──────────────────┐
│  Proxmark3       │ ──► 고급 RFID/NFC (EM410x, MIFARE, EMV)
└──────────────────┘

베이스 — 기본 노드 (전체 기능에 필요):
┌──────────────────────────────────────────────────────┐
│  Windows PC (또는 Linux 데스크탑)                     │
│  Python 3.11+ · Ollama · Flask API                  │
│  실행: mistral:7b-instruct, deepseek-r1:7b           │
│  ► PHANTOM BRAIN CLI, 전체 분석, 보고서               │
└──────────────────────────────────────────────────────┘

베이스 — 보조 노드 (선택 사항, 경량):
┌──────────────────────────────────────────────────────┐
│  Raspberry Pi 4 (Kali Linux)                         │
│  Ollama · Atheros AR9271                             │
│  실행: phi3:mini만 (mistral:7b는 Pi에 너무 무거움)    │
│  ► 실시간 WiFi 캡처 · 경량 로컬 추론                  │
│  참고: 무거운 모델은 PC의 Ollama에 연결               │
└──────────────────────────────────────────────────────┘

⚠️ 아키텍처 참고: Raspberry Pi는 전체 Phantom Brain 스택을 자율적으로 실행하지 않습니다. mistral:7b-instruct 또는 deepseek-r1:7b로 완전한 분석을 하려면 Ollama가 설치된 PC가 필요합니다. Pi는 캡처 노드 역할을 하며 경량 오프라인 추론을 위해 phi3:mini만 실행할 수 있습니다.

분석 파이프라인 (v0.9)

root@kitploit:~
input → classifier → tool.run() → ToolResult(risk, findings) → Ollama

각 캡처 유형은 LLM에 도달하기 전에 특정 도구를 거칩니다. 도구는 위험 수준과 주요 발견 사항으로 출력을 구조화하여 Ollama에 전송되는 컨텍스트를 풍부하게 만듭니다.


기능

WiFi / Marauder

  • Marauder 로그 파서
  • 취약한 WPS 네트워크 탐지
  • 숨겨진 네트워크 식별
  • 보안 통계

Sub-GHz / Flipper Zero

  • .sub 파일 파서 (sub_ghz_parser.py)
  • 추출: 프로토콜, 주파수, 키, 패킷
  • 지원: Security+ 2.0, 롤링 코드, 고정 코드
  • 캡처 간 패턴 분석기 (sub_ghz_analyzer.py)

NFC / Flipper Zero + Proxmark3

  • .nfc 파일 파서 (nfc_parser.py)
  • 지원: MIFARE Classic 1K/4K, MIFARE Plus, NTAG, FeliCa, EMV
  • 취약점 분석기 (nfc_analyzer.py)
  • 탐지: Darkside, Hardnested, Reader Auth Bypass
  • SUBE(대중교통)에 대한 특별 분석
  • Proxmark3 출력 파서 (proxmark_parser.py)

WPA2 / WiFi Pineapple

  • Scapy를 이용한 PCAP 파서 (pcap_parser_v2.py)
  • 추출: BSSID, SSID, EAPOL 프레임, PMKID
  • 완전한 핸드셰이크 검증
  • 전체 파이프라인: hcxpcapngtool → hashcat -m 22000

도구 시스템 (v0.9)

  • tools/base_tool.py — 통합 BaseTool + ToolResult 계약
  • ToolResult — risk (CRITICO/ALTO/MEDIO/BAJO) 및 구조화된 findings
  • tools/registry.py — 중앙 레지스트리, 유형별로 올바른 도구 디스패치
  • tools/classifier.py — 확장자와 내용으로 자동 탐지
  • 실제 픽스처로 14/14 테스트 통과 (pytest tests/test_tools.py)

데이터베이스 및 보고서

  • 분석 기록을 위한 SQLite (db_manager.py)
  • 타임스탬프가 있는 일반 텍스트 보고서
  • UID/BSSID로 검색, 위험 수준별 필터
  • 분석 통계

Flask API REST

  • flask_api.py가 포트 5000에서 실행
  • GET /status — Ollama 및 사용 가능한 모델 확인
  • POST /upload — .pcap, .nfc, .sub 파일 수신
  • POST /analyze — Ollama로 분석하고 SQLite에 저장
  • GET /analysis/<id> — 저장된 분석을 ID로 조회

지원되는 AI 모델

참고: 속도 벤치마크는 32GB RAM의 PC(CPU 전용, GPU 없음)에서 측정되었습니다. CUDA/ROCm을 통한 GPU 가속은 추론 시간을 크게 줄입니다. Pi는 phi3:mini만 안정적으로 실행할 수 있습니다 — mistral:7b는 Pi 4B 8GB에서 열 스로틀링 및 OOM을 유발합니다.

모든 모델은 Ollama를 통해 100% 오프라인으로 실행됩니다 — 인터넷 연결이 필요하지 않습니다.


파일 구조

root@kitploit:~
phantom-brain/
├── phantom_brain.py          # 메인 CLI - 진입점
├── flask_api.py              # Flask API REST
├── db_manager.py             # SQLite - 보고서 기록
├── pcap_parser_v2.py         # WPA2/PCAP 파서
├── proxmark_parser.py        # Proxmark3 출력 파서
├── nfc_parser.py             # Flipper .nfc 파일 파서
├── nfc_analyzer.py           # NFC 취약점 분석기
├── sub_ghz_parser.py         # Flipper .sub 파일 파서
├── sub_ghz_analyzer.py       # Sub-GHz 패턴 분석기
├── exploit_guide.py          # AI 없는 익스플로잇 가이드
├── proxmark_launch.bat       # Proxmark3 실행기 스크립트 (Windows)
├── config.yaml.example       # 구성 템플릿
├── requirements.txt          # Python 의존성
├── tools/                    # 모듈식 도구 시스템 (v0.9)
│   ├── base_tool.py          # BaseTool + risk/findings가 있는 ToolResult
│   ├── classifier.py         # 캡처 유형 자동 탐지
│   ├── registry.py           # 중앙 도구 레지스트리
│   ├── proxmark_tool.py      # Proxmark3 도구
│   ├── nfc_tool.py           # NFC 도구
│   ├── wpa2_tool.py          # WPA2/PCAP 도구
│   └── subghz_tool.py        # Sub-GHz 도구
├── tests/                    # 자동화된 테스트 (14/14 통과)
│   └── test_tools.py
├── prompts/                  # 유형별 시스템 프롬프트
│   └── system_prompts.py
├── benchmarks/               # 벤치마크 스위트
│   ├── dataset/              # 예상 결과가 있는 캡처
│   ├── results/              # JSON 및 마크다운 보고서
│   ├── benchmark_runner.py
│   └── run_benchmark.py
├── reportes/                 # 생성된 보고서 (git에서 무시됨)
├── pcap/                     # WPA2 캡처 (git에서 무시됨)
└── archive/                  # 이전 버전

설치

root@kitploit:~
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)

root@kitploit:~
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

사용법

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

메인 메뉴

root@kitploit:~
1.  텍스트 수동 붙여넣기
2.  일반 파일 읽기 (scan.txt, nmap 등)
3.  Flipper Zero / Marauder 로그 읽기 (.log)
4.  Sub-GHz 캡처 분석 (.sub)
5.  NFC 캡처 분석 (.nfc)
6.  WPA2 핸드셰이크 캡처 분석 (.pcap)
7.  Proxmark3 캡처 분석 (출력을 직접 붙여넣기)
8.  보고서 기록 보기
9.  익스플로잇 가이드 (AI 분석 없음)
10. 실시간 WiFi 캡처 - Atheros AR9271 (Raspberry Pi 전용)
11. AI로 스마트 워드리스트 생성 (SSID 기반)

AI로 스마트 워드리스트 생성

  • 로컬 AI(Ollama)를 사용하여 대상 SSID에서 개인화된 사전 생성.
  • 입력: SSID + 선택적 컨텍스트 (국가, ISP, 연도 등).
  • 출력: 현재 작업 디렉토리에 wordlist_<SSID>_<timestamp>.txt.
  • 패턴: SSID 변형, 2020-2025년, 아르헨티나 컨텍스트 (축구, 날짜, ISP), !@#와 같은 기호.
  • 바로 사용 가능한 명령 출력: hashcat -m 22000 captura.hc22000 wordlist_<SSID>_<timestamp>.txt

로드맵


요구 사항

Windows PC (기본 노드 — 전체 기능에 필요):

  • Python 3.11+
  • Ollama (mistral:7b-instruct 권장) 또는 deepseek-r1:7b
  • 최소 8GB RAM · 16GB+ 권장
  • pip install -r requirements.txt

Raspberry Pi 4 (보조 노드 — 선택 사항):

  • Kali Linux
  • Python 3.11+
  • Ollama (phi3:mini만 지원, 더 무거운 모델은 지원되지 않음)
  • 8GB RAM 모델 권장 · 2GB 스왑 필요
  • 실시간 캡처용 Atheros AR9271 어댑터 (옵션 10)

면책 조항

이 프로젝트는 권한이 부여된 실험실 환경에서만 사용하도록 고안되었습니다. 명시적인 서면 승인 없이 네트워크나 장치에 대해 이러한 도구를 사용하는 것은 불법이며 비윤리적입니다.

AI 생성 분석은 전문 보안 평가를 대체하지 않습니다. 모든 결과는 수동으로 검증되어야 합니다.


저자: Otto | 커뮤니티: AI Tinkerers | 저장소: https://github.com/OttoyRocky/phantom-brain

스페인어 버전은 README.es.md를 참조하십시오.

도구 다운로드
모델최소 RAM저장 공간속도 (CPU)최적 용도노드
phi3:mini4 GB~2.3 GB~5분빠른 분류, 경량 추론, Pi에서 작동 — 추론 깊이 제한Raspberry Pi 4 / PC
mistral:7b-instruct8 GB~4.1 GB~30초 (PC)권장 기본값. 전체 분석, 정확한 실행 가능한 명령, 최상의 정확도/속도 비율PC 전용
deepseek-r1:7b8 GB~4.5 GB~45초 (PC)심층 분석, 상세한 완화 단계, 체인 오브 생각 추론PC 전용
버전상태기능
0.1-0.3✅WiFi / Marauder
0.4✅Sub-GHz + NFC/RFID
0.5✅WPA2 핸드셰이크 + Proxmark3
0.6✅SQLite + Flask API + deepseek-r1:7b
0.7✅Raspberry Pi 작동 + 스트리밍 + 타임아웃
0.8✅모듈식 도구 시스템 + ToolResult(risk/findings) + 14/14 테스트
0.9✅Atheros AR9271 실시간 캡처 + AI 워드리스트 + 이중 README + 옵션 12(사실 전용 모드) + 사후 AI 검증 + 벤치마크
1.0⏳프로덕션 릴리스 · 하드웨어 테스트 · asciinema 데모 · 추가 데이터셋