Kamerka GUI

Kamerka GUI é um painel de reconhecimento baseado em Django para descobrir, revisar e triar dispositivos de Sistemas de Controle Industrial, Internet das Coisas (IoT) e dispositivos médicos expostos na Internet. Ele combina dados de pesquisa do Shodan, visualização do Google Maps, capturas de tela de dispositivos, enriquecimento passivo de inteligência e auxiliares selecionados de varredura/exploit em uma única interface web.

O aplicativo ajuda a reduzir ruído durante a revisão com um botão Filter Honeypots nas tabelas de dispositivos. Isso exclui dispositivos que exibem indicadores do tipo honeypot, permitindo que os analistas foquem primeiro em ativos reais prováveis. O Kamerka também apresenta um campo Indicator do dispositivo, construído a partir de banners analisados, respostas de protocolo, rótulos de capturas de tela e outros metadados do dispositivo, para explicar por que um dispositivo foi sinalizado ou como ele pode ser localizado ou classificado.

Use-o apenas para pesquisa autorizada, inventário de ativos, gerenciamento defensivo de exposição e relato aos proprietários apropriados ou equipes CERT/CSIRT.

O que Faz

• Pesquisa no Shodan por categorias de dispositivos ICS, IoT, saúde e infraestrutura de atacantes.
• Oferece suporte a pesquisas baseadas em país e coordenadas.
• Armazena pesquisas e dispositivos descobertos em um banco de dados Django local.
• Mostra histórico de pesquisas, painéis, estatísticas, favoritos e uma galeria de capturas de tela.
• Exibe dispositivos em visualizações do Google Maps globais e por dispositivo.
• Analisa indicadores de dispositivos a partir de banners e respostas de protocolo para ajudar na geolocalização.
• Mostra inteligência em nível de dispositivo, dados de banner, capturas de tela, nomes de host, organização, localização, portas, produtos e vulnerabilidades.
• Executa varreduras de host Shodan e enriquecimento via API Whois XML a partir da guia Intel.
• Oferece suporte à importação de saída XML do Nmap e à execução de varreduras NSE selecionadas do Nmap.
• Inclui auxiliares de exploit de prova de conceito selecionados para famílias específicas de dispositivos.

Capturas de Tela

Mapa

Inteligência do Dispositivo

Inteligência do Dispositivo com Captura de Tela

Galeria de Capturas de Tela

Painel

Visões Principais

• Dashboard: contagens de alto nível, créditos Shodan, pesquisas recentes, gráficos, cobertura mundial e favoritos.
• Database: tabela pesquisável de todos os dispositivos descobertos com filtragem para prováveis honeypots.
• History: pesquisas anteriores com nomes de países, categorias de dispositivos selecionadas e links para resultados.
• Map: mapa global agrupado do Google dos dispositivos descobertos.
• Gallery: todas as capturas de tela coletadas de dispositivos, com filtro por país.
• Results: tabela de dispositivos por pesquisa, mapa, estatísticas e navegação no estilo de exportação.
• Device: guias Localizar, Intel e Exploit para um único dispositivo.

Requisitos

• Python 3.10 a 3.13 recomendado para a stack mantida Django 5.2 e Celery.
• Servidor Redis para tarefas em segundo plano do Celery.
• Chave da API Shodan. Uma conta paga é recomendada porque pesquisas amplas consomem créditos/páginas.
• Chave da API JavaScript do Google Maps para mapas e funcionalidades de rota/localização.
• Chave da API Whois XML se você quiser enriquecimento Whois.
• GeoLite2-City.mmdb na raiz do repositório se você quiser geolocalização de importação XML do Nmap.
• Nmap instalado localmente se você quiser executar varreduras ativas do Nmap.

As dependências Python estão listadas em requirements.txt. O projeto agora visa a linha LTS Django 5.2, Celery 5.6 e pacotes Python com versões delimitadas para que as instalações permaneçam atualizadas sem saltar para versões principais incompatíveis.

Instalação

Clone o repositório e crie um ambiente virtual:

git clone https://github.com/woj-ciech/Kamerka-GUI.git
cd Kamerka-GUI
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
pip install -r requirements.txt

Se python3.12 não estiver disponível, use outro interpretador Python 3.10-3.13. Evite reutilizar um ambiente virtual antigo Python 3.8/3.9 porque o conjunto atual de dependências requer Python 3.10+.

Crie o esquema do banco de dados:

python manage.py migrate

Crie keys.json na raiz do repositório:

{
  "keys": {
    "shodan": "YOUR_SHODAN_API_KEY",
    "google_maps": "YOUR_GOOGLE_MAPS_API_KEY",
    "whoisxmlapi": "YOUR_WHOIS_XML_API_KEY"
  }
}

Inicie o Redis em um terminal separado:

redis-server

Inicie um worker Celery em outro terminal:

source .venv/bin/activate
celery --app kamerka worker --loglevel=info

Inicie o servidor de desenvolvimento Django:

source .venv/bin/activate
python manage.py runserver

Abra o aplicativo:

http://localhost:8000/

Notas de Configuração

• keys.json é necessário em tempo de execução porque o aplicativo lê as chaves de API de keys['keys'].
• Mantenha keys.json fora do controle de versão. Ele contém credenciais privadas.
• O banco de dados padrão é SQLite. Isso é adequado para testes locais; use um banco de dados de produção se for implantar.
• Pesquisas em segundo plano, varreduras Shodan, varreduras Whois e importações Nmap dependem de workers Celery ativos.
• Pesquisas por coordenadas usam consultas geo Shodan em torno da latitude/longitude fornecida.
• Pesquisas grandes Shodan podem consumir créditos rapidamente. Use limites de página intencionalmente.

Fluxo de Trabalho Típico

1. Abra a página de pesquisa e escolha um modo de pesquisa ICS, IoT, saúde ou infraestrutura.
2. Selecione uma ou mais categorias de dispositivos.
3. Escolha um país ou forneça coordenadas, depois escolha quantas páginas Shodan coletar.
4. Envie a pesquisa e aguarde a tarefa Celery terminar.
5. Revise o painel, o histórico ou a página de resultados por pesquisa.
6. Abra dispositivos individuais para inspecionar Intel, localização no mapa, capturas de tela, resultados de varredura Shodan e dados Whois.
7. Use varreduras ativas ou auxiliares de exploit somente quando tiver autorização explícita.

Categorias de Pesquisa Suportadas

A lista completa de consultas Shodan suportadas é mantida em queries.md.

As categorias amplas incluem: