OIHK-pentesting

Um motor multiagente para avaliações de segurança autorizadas. Um planejador raiz delega para agentes de reconhecimento, descoberta, ataque (OPTIZero), validação e relatório — e o próprio motor impõe escopo, egresso, evidências e política de recursos, independentemente do modelo que o conduz. Achados exigem evidência de execução real mais validação independente; uma história convincente não prova nada.

Ele pontua contra seu próprio benchmark de cenários vulneráveis — o solucionador mock determinístico mantém 24/24 com 100/100 — e roda totalmente offline contra qualquer modelo local compatível com OpenAI.

Beta inicial, em desenvolvimento ativo. O comportamento pode mudar sem aviso; algumas capacidades são parciais ou deliberadamente omitidas. Verifique antes de confiar nele — veja a matriz de status.

Índice

• Por que OIHK
• Requisitos
• Início rápido
• Inferência local
• Arquitetura
• Avaliação de agente de IA
• Estrutura do repositório
• Documentação
• Legal
• Licença

Por que OIHK

A maioria das ferramentas ofensivas confia no bom comportamento do modelo. OIHK não: a fronteira de segurança vive no motor e se mantém independentemente do que o modelo está disposto a dizer.

• Achados condicionados a evidências. Um achado precisa de uma execução de ferramenta governada real, própria e bem-sucedida, além de um registro de validação separado — e apenas um agente de validação pode criar um.
• Escopo exato, sem desvio. Declarar example.com não autoriza seus subdomínios; hosts declarados são fixados por DNS durante toda a execução.
• Egresso falha fechado. O escopo é compilado em uma lista de permissões do netfilter dentro do próprio namespace de rede do sandbox; onde isso não pode ser garantido, a inicialização é abortada em vez de fingir isolar.
• Uma superfície de ferramentas governada. O modo passivo expõe uma superfície reduzida e rejeita execução ativa — incluindo tentativas roteadas pelo shell genérico.
• Um núcleo agnóstico de modelo. Qualquer endpoint compatível com OpenAI, roteamento por função, nada codificado para um provedor — o mesmo harness pontua qualquer modelo.

Requisitos

Início rápido

git clone https://github.com/Broskigx/Oihk-pentesting.git
cd Oihk-pentesting
uv sync
uv run oihk --help
uv run oihk run -t https://example.test --mode passive --scan-mode standard

No Kali Linux, certifique-se de que o Docker esteja em execução primeiro (sudo systemctl start docker).

Ou abra o Baron, o copiloto interativo — você fala, ele conduz o motor governado (padrão passivo, a menos que você autorize uma avaliação profunda):

uv run oihk start

O Baron executa avaliações reais, responde com receitas exatas de ferramentas a partir de um corpus RAG de 156 ferramentas, faz pivôs por OSINT (page_osint, username_osint, domain_osint, breach_osint, phone_osint) e lembra de cada sessão no Redis. Ele nunca recebe um shell bruto — apenas o motor governado — e tudo é orientado por menus: /apimodel, /adaptador e /instancia abrem seletores interativos do Textual.

Inferência local

Os padrões apontam para o LM Studio em http://localhost:1234/v1:

export OIHK_LLM="openai/mistral-nemo"
export OIHK_API_BASE="http://localhost:1234/v1"
export OIHK_API_KEY="lm-studio"

Provedores de nuvem — /apimodel

Qualquer um dos seis presets conecta com um comando; cada um lembra sua própria chave:

/apimodel claude sk-ant-…          # Anthropic
/apimodel chatgpt sk-…             # OpenAI
/apimodel gemini AIza…             # Google AI Studio
/apimodel grok xai-…               # xAI
/apimodel deepseek sk-…            # DeepSeek
/apimodel nvidia nvapi-… [model]   # NVIDIA NIM

/apimodel (sem argumentos) abre o seletor de plataforma; /apimodel <plataforma> reconecta com a chave salva; /apimodel off desconecta. Qualquer outro provedor compatível com OpenAI funciona via /models base + /models key + /models use.

Dois prefixos de nuvem também eliminam toda a configuração de endpoint no nível de env: deepseek/… e nvidia_build/… roteiam para as APIs de seus provedores — defina a chave, nada mais. Substituições por função (OIHK_ROOT_LLM, OIHK_RECON_LLM, …) roteiam funções lógicas para modelos diferentes.

Escolhendo um modelo

O OIHK funciona melhor com um modelo que não recusa em excesso: assistentes fortemente ajustados para segurança recusam etapas ofensivas legítimas e autorizadas e travam o agente no meio da avaliação. Isso não reduz a segurança do OIHK — a fronteira nunca foram as recusas do modelo; é o escopo exato do motor, o egresso que falha fechado, a superfície de ferramentas governada e o portão de evidências, que se mantêm independentemente do que o modelo diz.

Arquitetura

Um planejador raiz possui um único ScanPlan versionado e delega etapas para agentes filhos. Toda chamada de ferramenta governada passa por quatro autoridades de política — modo/função, escopo exato, governador de recursos, egresso do sandbox — antes de executar, e sua saída se torna evidência imutável no livro-razão da execução. Apenas um agente de validação pode transformar essa evidência em um achado; a raiz não pode concluir uma execução enquanto houver trabalho crítico aberto. Execuções retomam a partir de artefatos (--resume <run-id>) e ficam em oihk_runs/<run-id>/ (plano, evidências, validações, achados, SARIF, relatório).

flowchart TB
    OP([Operator: scope + mode]) --> ROOT[Root planner]
    ROOT --> RECON[Recon]
    ROOT --> DISC[Discovery]
    ROOT --> ATTACK[Attack - OPTIZero]
    ROOT --> VALID[Validation]
    ROOT --> REPORT[Reporting]

    RECON --> GATE
    DISC --> GATE
    ATTACK --> GATE
    VALID --> GATE

    subgraph GATE[Policy authorities - fail closed]
        direction LR
        M[Mode / role] --> S[Exact scope] --> G[Resource governor] --> BOX[Sandbox: egress allowlist]
    end

    GATE --> LEDGER[(Evidence ledger)]
    LEDGER --> VALID
    VALID --> FIND[Findings + SARIF report]
</mermaid>

O OPTIZero, a função attack, traz um catálogo declarativo de vetores de escalação de privilégios para Windows, Linux e macOS por trás de um limitador de taxa AIMD adaptativo — e a raiz controla toda a frota em execução (list_children, send_message, stop_child, broadcast). Detalhes em ARCHITECTURE.

Avaliação de agente de IA

O OIHK também funciona como seu próprio ambiente de avaliação: o motor real roda contra 24 cenários vulneráveis incluídos — web, API, autenticação, código-fonte, configuração e privesc/cripto/CVE alinhados ao AutoPenBench — e um verificador programático pontua normalizado de 0 a 100 em correção de achados, validade de evidências, uso de ferramentas, eficiência e evitação de falsos positivos. Nenhum modelo se autoavalia.

uv run oihk eval list
uv run oihk eval run-all --model mock
uv run oihk eval compare --models mock,mock:wrong_finding

O mesmo harness é distribuído como um ambiente verifiers no Prime Intellect Hub (broskigx/oihk-security-agent):

prime env install broskigx/oihk-security-agent
vf-eval oihk-security-agent -m mock

Tabela completa de cenários, fórmula de pontuação e mapeamento de benchmark: EVALUATION.

Estrutura do repositório

oihk/          CLI, policy/governance, agents, tools, sandbox, findings
oihk/evals/    evaluation subsystem (scenarios, verifier, scoring, mock provider)
environments/  standalone verifiers environment package (Prime Intellect Hub)
containers/    sandbox image, entry point, browser driver, SBOM generation
deploy/        local-model LoRA pipeline: dataset trainer, Ollama Modelfiles
docs/          architecture, security boundary, configuration, evaluation
tests/         unit, regression, and opt-in integration tests
ToolsHelp/     RAG corpus: 156 governed-tool cards
skills/        external-agent skill packs

Ajustando seu próprio modelo

scripts/build_lora_dataset.py gera um dataset LoRA bilíngue (espanhol/inglês) — 536 amostras cada, 336 com chamadas de ferramentas reais — a partir do corpus de ferramentas governadas e dos 24 cenários de avaliação, incluindo comportamentos de segurança (disciplina de escopo, portão do docker, resistência a injeção). Treine-o contra Qwen2.5-14B-Instruct, exporte um Q4_K_M GGUF e sirva-o no Ollama ou LM Studio: pipeline completo em deploy/local-models.

Documentação

Legal

Apenas uso autorizado. O OIHK testa ativamente os alvos que lhe são fornecidos. O operador é o único responsável pela autorização, limites seguros, disponibilidade do alvo, tratamento de dados e conformidade com a legislação aplicável.

Para reportar uma vulnerabilidade de segurança no próprio OIHK, veja Reporting a vulnerability.

Licença

Distribuído sob a Licença MIT — livre para usar, modificar e distribuir, inclusive comercialmente, desde que o aviso de copyright e o texto da licença permaneçam no lugar.