
Laboratório de pesquisa em engajamento defensivo e inteligência de ameaças. Converte e-mails de golpe recebidos em IOCs acionáveis por meio de engajamento de IA controlado e orientado por políticas. Arquitetura LLM multiagente com seleção adaptativa de estratégias.
Honeypot Automatizado de Scambaiting e Plataforma de Threat Intelligence
A maioria dos programas de segurança bloqueia e esquece: o e-mail vai embora, a infraestrutura do atacante e os trilhos do dinheiro permanecem sem observação. O ScamBuster, em vez disso, engaja, apenas de entrada e sob política, transformando a troca em IOCs, perfis de atores e táticas etiquetadas (porquê).
O ScamBuster foi apresentado na Black Hat USA 2026 na trilha Human Factor.
Demo hospedada -- demo.scambuster.ai, login [email protected] / Un1que$trongPassword2024.
Demo local -- make demo-up, depois http://localhost:3002: sem chave de API, sem conta, sem caixa de correio (guia).
| Agente | Função |
|---|---|
| ScamClassifier | Categoriza o golpe (13 tipos), deteta o idioma |
| IocExtractor | Extrai 36 tipos de IOC com contexto |
| Generator | Escreve a resposta orientada pela persona |
| Validator | Portão de segurança e qualidade (PolicyGuard + LLM) |
| ConversationDirector | Lê a conversa, orienta cada turno |
| Orchestrator | Executa o pipeline, monitoriza custos e traces |
| InjectionDetector | Análise de prompt injection em duas camadas |
| TtpExtractor | Etiqueta táticas do burlão, taxonomia fechada |
A escolha da persona é adaptativa: epsilon-greedy com UCB1 aprende qual persona rende mais por tipo de golpe.
Multilíngue por conceção: as regras de deteção e os prompts das personas contêm conteúdo não-inglês de propósito, para que responda aos burlões no seu próprio idioma (detalhes).
Padrões, não conectores por fornecedor. Verificado de ponta a ponta contra o OpenCTI (o que fica onde); os outros três seguem os mesmos padrões, não testados ao vivo.
Cada conversa produz um threat-actor:
{
"type": "threat-actor",
"name": "ScamBuster Actor - INVESTMENT #02114290",
"sophistication": "minimal",
"goals": ["financial-theft"],
"primary_motivation": "personal-gain",
"threat_actor_types": ["criminal"],
"description": "Criminal actor operating investment scam."
}
Atores carregam mapeamento ATT&CK, relacionamentos indicates para cada IOC e um perfil psicológico (profiling, TTPs, API).
git clone https://github.com/laugiov/scambuster.git
cd scambuster
cp .env.dist .env # edit it first, see below
make quickstart # build, start, migrate, seed, JWT keys, n8n
Preencha estes 4 itens no .env antes do uso real:
| Variável | O que fazer |
|---|---|
LLM_API_KEY | Chave da OpenAI (ou LLM_PROVIDER=mock, sem chave) |
HONEYPOT_IMAP_USER | Caixa de correio honeypot (IMAP, recebe golpes) |
HONEYPOT_IMAP_PASSWORD | Senha de aplicativo, não a senha da conta |
MAILER_DSN | SMTP para respostas, @ escrito como %40 |
Mantidos como placeholders, ele inicia em modo demo e informa isso. Quickstart · demo · instalação por IA · produção · arquitetura · roadmap · todos os documentos.
O ScamBuster é uma ferramenta de pesquisa defensiva, não uma arma ofensiva.
O uso responsável é responsabilidade do operador. Confirme que sua implantação é legal onde você opera, mantenha-a somente de entrada e nunca a use para iniciar contato, visar indivíduos, assediar ou expor dados pessoais (doxxing). Leia o Aviso Legal e Uso Responsável antes de implantar.
Mais: Segurança e Guardrails, SECURITY.md.
Código MIT; documentos e conjunto de dados CC BY-NC-SA 4.0.
Veja CONTRIBUTING.md, Discussions e Issues.
Laurent Giovannoni -- scambuster.ai · LinkedIn · SECURITY.md.
Descubra as ferramentas mais usadas pela nossa comunidade.
Sem dados de popularidade ainda.