Assistente de Segurança de IA Offline para Pentesting em Redes Isoladas
Assistente de IA offline para testes de penetração. Cole a saída da sua ferramenta, faça perguntas em português claro, obtenha respostas fundamentadas nos seus dados reais. Sem conexão com a internet, sem chaves de API, nada sai da máquina.
Funciona inteiramente na CPU. Testado em hardware de laptop padrão.
Testado em: AMD Ryzen AI 9 365, 24 GB de RAM. Tempo de consulta de 2 a 5 segundos nesse hardware. Com 16 GB funcionará, mas feche todo o resto primeiro.
git clone https://github.com/Sydsec/syd
cd syd
python setup.py
python syd.py
O setup baixa o modelo (~9,7 GB) e o modelo de embeddings (~90 MB) automaticamente. Não é necessária conta no HuggingFace. Leva de 20 a 30 minutos, dependendo da sua conexão. Depois de pronto, tudo funciona completamente offline.
Se tiver erros na instalação do llama-cpp-python, execute isto manualmente antes do setup.py:
pip install llama-cpp-python==0.3.16 --force-reinstall --no-cache-dir --config-settings="cmake.args=-DGGML_AVX2=OFF;-DGGML_AVX=OFF;-DGGML_F16C=OFF;-DGGML_FMA=OFF"
Isto é um problema de compatibilidade conhecido em algumas configurações do Windows. As flags do cmake desativam o AVX2, que causa travamentos em certas CPUs.
Três etapas. Primeiro, seu arquivo de varredura é analisado deterministicamente — sem IA, apenas regex puro e análise estruturada, para que a extração de dados seja sempre precisa. Segundo, ele puxa a documentação de técnicas relevante de índices FAISS locais. Terceiro, o Qwen 2.5 14B gera uma resposta usando apenas esses fatos verificados.
A resposta então é verificada em relação ao que realmente estava na sua varredura. Se o modelo referenciar um IP, processo ou hostname que não estava nos seus dados, a resposta é bloqueada e regenerada. É isso que o impede de alucinar.
Carregue um arquivo ou cole a saída na aba relevante. Clique em Analisar. Após a conclusão da análise, digite perguntas na caixa Pergunte ao Syd.
Exemplos que funcionam bem:
Nmap: "Quais hosts têm a assinatura SMB desabilitada?" / "Mostre-me todos os serviços em portas não padrão" / "Qual é a superfície de ataque em 10.0.0.15?"
BloodHound: "Qual é o caminho mais curto para Administrador de Domínio?" / "Quais usuários são Kerberoastable?" / "Mostre-me todos os computadores com delegação irrestrita"
Volatility: "Qual é o processo mais suspeito?" / "Existem processos injetados?" / "Liste todas as conexões de rede externas"
"Modelo não encontrado" — o setup.py não foi concluído. Verifique se o modelo existe em rag_engine/models/qwen2.5-14b-instruct-q5_k_m.gguf e tem cerca de 9,7 GB. Se for menor, o download foi interrompido, exclua-o e execute o setup.py novamente.
Fora de memória — Feche seu navegador e qualquer outra coisa que consuma RAM. 16 GB é apertado, 24 GB é confortável.
Primeira inicialização lenta — Esperado. Carregar o modelo leva de 10 a 20 segundos. Depois disso, as consultas levam de 2 a 5 segundos.
Erros do FAISS — Os índices são fornecidos com o repositório. Se estiverem faltando ou corrompidos, execute python build_all_databases.py.
O Enterprise adiciona análise de Metasploit e Sliver C2 sobre tudo neste repositório.
Se você realiza engajamentos de equipe vermelha, conhece o problema — não pode colar a saída da sessão no ChatGPT por causa de NDAs e dados do cliente. O Enterprise oferece a mesma análise de IA, totalmente offline, para suas sessões do MSF e beacons do Sliver. Pergunte o que aconteceu, para onde pivotar a seguir, o que as credenciais significam no contexto.
Entre em contato: [email protected] ou https://sydsec.co.uk
Tutoriais e passo a passo no YouTube: https://www.youtube.com/@paularmstrong8306
Vale a pena assistir antes de mergulhar — mostra o fluxo de trabalho real em dados de pentest reais.
Qwen 2.5 14B Instruct, quantização Q5_K_M. Temperatura 0,05-0,1 para manter as respostas concisas. Penalidade de repetição 2,8-3,2. Janela de contexto de 8192 tokens.
Embeddings: all-MiniLM-L6-v2. Armazenamento vetorial: FAISS (IndexFlatIP, similaridade por cosseno).
Paul Armstrong — https://sydsec.co.uk — YouTube: https://www.youtube.com/@paularmstrong8306