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

1. Invasão de WiFi (opcional) — Se implantado sem WiFi, ele pode quebrar redes WPA2 autonomamente usando um adaptador WiFi USB externo
2. Reconhecimento — Descobre dispositivos na rede usando varreduras furtivas
3. Enumeração — Sonda serviços descobertos (servidores web, compartilhamentos de arquivos, SSH, DNS, etc.)
4. Exploração — Testa vulnerabilidades conhecidas e credenciais padrão
5. 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.

Início Manual (se não estiver usando o lançador tmux)