Nightcrawler

Um agente autônomo de teste de penetração que roda inteiramente em um smartphone. Coloque o telefone em uma rede, afaste-se, e ele descobre hosts, mapeia serviços, encontra vulnerabilidades e gera um relatório de pentest — tudo sem conectividade com a nuvem.

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

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

O que é isso?

Teste de penetração (pentest) é a prática de testar a segurança de uma rede de computadores simulando um ataque — com a permissão explícita do proprietário da rede. Pentesters profissionais são contratados para encontrar vulnerabilidades antes que atacantes reais o façam.

O Nightcrawler automatiza esse processo em um telefone. Ele usa um pequeno modelo de IA (LFM2.5-1.2B-Instruct-Heretic, 1,2 bilhão de parâmetros) rodando localmente na GPU do telefone para decidir o que fazer em seguida — qual host sondar, qual ferramenta usar, o que procurar. Nenhuma conexão com a internet ou API em nuvem é necessária.

Demonstração

▶️ Assista ao Nightcrawler em ação no Instagram

Como funciona

Invasão de WiFi (opcional) — Se implantado sem WiFi, ele pode quebrar redes WPA2 autonomamente usando um adaptador WiFi USB externo
Reconhecimento — Descobre dispositivos na rede usando varreduras furtivas
Enumeração — Sonda serviços descobertos (servidores web, compartilhamentos de arquivos, SSH, DNS, etc.)
Exploração — Testa vulnerabilidades conhecidas e credenciais padrão
Relatório — Gera um relatório de pentest estruturado com descobertas e recomendações de remediação

O agente opera como um pentester humano paciente — ele rotaciona entre hosts, faz uma pequena ação por turno e constrói conhecimento gradualmente ao longo de horas. Isso o torna muito mais difícil de detectar do que scanners de vulnerabilidade tradicionais que atacam todos os hosts de uma vez.

Conceitos-chave

Termo	O que significa
Drop box	Um dispositivo deixado em uma rede alvo para realizar testes autonomamente
Escopo	O conjunto de redes/hosts que você está autorizado a testar
Regras de Engajamento (ROE)	Um documento legal especificando o que você tem permissão para fazer
Furtividade	Técnicas para evitar detecção por monitoramento de rede (IDS/IPS)
MCP	Model Context Protocol — uma interface padrão para uso de ferramentas por IA
C2	Command and Control — o painel web para monitorar e direcionar o agente

Arquitetura

┌──────────────────────────────────────────────────────────┐
│                   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 │              │
│  └──────────────────┘  └──────────────────┘              │
└──────────────────────────────────────────────────────────┘

Para o design completo do sistema, consulte docs/ARCHITECTURE.md.

Recursos

Totalmente autônomo — sem humano no ciclo durante a operação
Inferência 100% local — a IA roda na GPU do telefone, sem necessidade de nuvem
Escopo imposto — defesa em duas camadas impede ações fora do escopo
Furtividade em primeiro lugar — taxas de varredura lentas, rotação de hosts, tráfego de cobertura, apenas nmap -T2
27 playbooks de exploração — cadeias de ataque em várias etapas que executam automaticamente
Banco de dados CVE com 24.956 entradas — correspondência de vulnerabilidades ciente de versões
Painel web — monitoramento em tempo real, gerenciamento de hosts, controles C2
Modo de invasão WiFi — quebra autônoma de WPA2 com adaptador USB (inspirado no Pwnagotchi)
Descoberta passiva — captura em segundo plano de broadcasts mDNS/NBNS/DHCP/ARP
Multi-rede — dados isolados por rede, sobrevive a mudanças de DHCP via hosts chaveados por MAC
Autocura — detecção de lixo, redefinição de contexto, watchdogs, detecção de travamento
Captura de treinamento — registra interações bem-sucedidas para futuro ajuste fino do modelo
Geração de relatórios — relatório de pentest baixável com vulnerabilidades, cadeias de exploração, remediação

Consulte docs/FEATURES.md para a referência completa de recursos.

Hardware

Necessário

Telefone Android com Kali NetHunter (testado no OnePlus 8, Snapdragon 865)
Acesso root via Magisk
12GB+ de RAM (o modelo usa ~1,3GB, o Android usa ~4GB, o restante para ferramentas)

Opcional

Adaptador WiFi USB para modo de invasão WiFi offline (Ralink RT3572 recomendado)
Kernel personalizado com MAC80211 para modo monitor (guia de compilação)
NVIDIA AGX para descarregar para um modelo maior via Tailscale

Desempenho da GPU

Toda a inferência via OpenCL na GPU Adreno 650:

Modelo	Quantização	Velocidade de Prompt	Velocidade de Geração
LFM2.5-1.2B-Instruct-Heretic (produção)	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: O Android limita a GPU quando alimentado por bateria (desaceleração de 6x). O Nightcrawler inclui um daemon de governança de GPU que força o desempenho máximo e limita automaticamente a ≤15% de bateria.

Início Rápido

# 1. Instalação (dentro do chroot do Kali NetHunter)
bash INSTALL.sh

# 2. Aguarde o llama-server iniciar (~5 min após o boot)
curl -s http://127.0.0.1:8080/health  # Deve retornar {"status":"ok"}

# 3. Inicie todos os serviços
bash scripts/run-36h.sh

# 4. Abra o painel web (de qualquer dispositivo na sua rede Tailscale)
# https://<seu-hostname-tailscale>:8888

Execução de Teste (nenhum comando real é executado)

NC_DRY_RUN=1 python3 main.py

Isso usa um servidor Kali simulado para que você possa testar o loop do agente sem executar comandos reais de rede.

nightcrawler — Updated!