Skip to content
KitploitKITPLOIT
FerramentasExploitsBlog
Log in
Enviar
FerramentasExploitsBlog
Enviar

Ferramentas de Hacking, PenTest e Cibersegurança para o seu Arsenal de Segurança!

Kitploit é um diretório de ferramentas de hacking, cibersegurança e pentesting. Descubra as últimas atualizações de projetos para encontrar vulnerabilidades, analisar sistemas, automatizar testes e fortalecer sua segurança.

FeedsContatoPrivacidade© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
rag-seguridad — CyberRAG — RAG 100% local (Ollama) sobre apuntes y livros de cibersegurança: recuperação híbrida, respostas com citações, assistente de pentest por fases e monitor de reindexação. Sem frameworks pesados. | Kitploit
Ferramentas/GitLabGitLab/rdelasierra-uy/rag-seguridad
Análise de VulnerabilidadesColeta de InformaçõesCTFTestes de PenetraçãoPrivacidadeAprendizado de MáquinaAprendizado e EducaçãoRecursos CuradosSegurança de IA
Labs e Prática
GitLabrdelasierra-uy/rag-seguridad

rag-seguridad

CyberRAG — RAG 100% local (Ollama) sobre apuntes y livros de cibersegurança: recuperação híbrida, respostas com citações, assistente de pentest por fases e monitor de reindexação. Sem frameworks pesados.

Ver Repositório
92há 13 diasAinda não revisado
Compartilhar

CyberRAG local — RAG sobre o seu conhecimento, 100% Ollama

Sistema RAG (Retrieval-Augmented Generation) para consultar suas notas de cibersegurança (vault Obsidian, writeups HTB, anotações) com linguagem natural. Tudo roda na sua máquina: embeddings e geração usam Ollama local, sem nenhum dado que saia da sua rede. E sem langchain: cada peça é código próprio compreensível.

Documentação técnica completa → docs/ARQUITECTURA.md Cobre os conceitos de fundo (RAG, embeddings, busca híbrida, reparto justo, rerank), a arquitetura por camadas, a extração de formatos, o índice incremental, os espaços de conhecimento e a capacidade de computação.

Assistente de pentest por fases → docs/ASISTENTE-PENTEST.md Mentor de HTB por fase (Recon / Enumeração / Exploração / Privesc / Post / Relatório) e vetor (web, SMB, AD, Linux, Windows…), com nível de ajuda (empuja / explica / directo) para entender manualmente sem piloto automático, e campo de estado da máquina para colar suas portas/serviços. Pensado para trabalho ofensivo autorizado + relatório ISO 27001.

Relatório de arquitetura (para L2/aprendiz) → docs/INFORME-ARQUITECTURA.md Panorama em uma única leitura: o que é, como está montado por dentro e como se usa, mais um plano para ensiná-lo em 20 minutos.

Runbook do servidor → docs/RUNBOOK-SERVIDOR.md Operação do host: regras não negociáveis, rede/firewall, xRDP/faillock e recuperação da GPU (Xid 31).

Monitor do reindex → web/monitor.py (dashboard no navegador: progresso, ritmo, ETA, GPU e modelos ao vivo, sem tocar na GPU).

Por quê

  • Sua pedagogia: você entende cada peça (vetores, cosseno, chunking) — não é caixa preta.
  • Privacidade: seus writeups e anotações nunca tocam a nuvem (nada de Gemini/OpenAI).
  • Zero dependências pesadas: apenas numpy + a API HTTP do Ollama.

Arquitetura

Tus documentos (.md/.txt/.log)
        │
        ▼
  ┌────────────┐   chunking con solape   ┌──────────────────┐
  │  Chunks    │ ─────────────────────▶  │  Embeddings      │
  │ (pedazos)  │                         │  nomic-embed-text│
  └────────────┘                         └────────┬─────────┘
                                                  ▼
                                           ┌──────────────┐
                                           │  Índice .npz │  (output/indice.npz)
                                           └──────┬───────┘
                          ┌───────────────────────┘
                          ▼
   Pregunta ───▶ vector ──▶ similitud coseno ──▶ top-k chunks
                                                      │
                                                      ▼
   Respuesta ◀── generación con contexto ◀───────────┘
                (qwen2.5-coder / mistral, local)

As 3 peças do RAG:

  1. Indexar — vocês dividem cada documento em chunks com sobreposição: 512 caracteres (sobreposição 50) para anotações e 3000 (sobreposição 600) para livros. Cada chunk é vetorizado com um prefixo de papel (search_document: ) que aumenta a qualidade do embedding na busca.
  2. Recuperar — cada chunk é armazenado como um vetor de 768 números (embedding de nomic-embed-text, local). Diante de uma pergunta (vetorizada como search_query: ), vocês buscam os chunks com maior similaridade de cosseno combinada com correspondência léxica de palavras (busca híbrida). O cosseno sozinho não é suficiente para perguntas de comparação; o componente léxico resgata o chunk exato onde estão os termos.
  3. Gerar — vocês enviam os top-k chunks como contexto ao modelo de chat local, que responde ÚNICAMENTE com isso (e diz "não tenho informação" se não estiver).

Requisitos

  • Python 3.10+
  • Ollama rodando em 127.0.0.1:11434
  • Modelo nomic-embed-text (setup.sh o baixa automaticamente)
  • Modelo de chat local: por padrão qwen2.5-coder:7b. É o que responde a teoria (citando ISO/livros) E os temas ofensivos de laboratórios (HTB) sem se recusar. Alterável sem tocar no código com a env var RAG_CHAT_MODEL (p. ex. RAG_CHAT_MODEL=llama3.1:8b rag web para prosa teórica refinada — embora com conteúdo ofensivo se autorrestrinja; mistral:latest cita bem mas às vezes cola contexto bruto).
  • pdftotext (poppler-utils) se quiser indexar PDFs

Instalação

./setup.sh

Uso

# Indexar los documentos de ejemplo en document[o]s/
python3 rag_ollama.py index

# Indexar otra carpeta (ej.: tu vault de Obsidian) — en vivo, sin copiar
python3 rag_ollama.py --docs-dir ~/vault index

# Preguntar (usá SIEMPRE el mismo --docs-dir que el index)
python3 rag_ollama.py --docs-dir ~/vault ask "¿Qué flag de hashcat crackea un hash ASREProast?"

# Chat continuo contra tu base — sin repetir el comando
python3 rag_ollama.py --docs-dir ~/vault interactive

# Estadísticas del índice
python3 rag_ollama.py stats

Neste equipamento há também o alias rag, que mantém dois espaços de conhecimento: as tuas notas (vault) e a biblioteca curada de livros (libros).

rag "pregunta sobre tus apuntes"     # espacio vault (default)
rag libros "pregunta sobre libros"   # espacio libros (PDFs curados)
rag --rerank "pregunta"              # con reranker local (reordena fuentes)
rag chat                             # modo interactivo (vault)
rag chat libros                      # modo interactivo (libros)
rag index                            # reindexar VAULT (incremental: rápido)
rag index libros                     # reindexar libros (tarda minutos)
rag stats                            # estado del índice del vault
rag analizar                         # dupes + solapamiento + temas (vault)
rag fuentes "término"                # en qué documentos aparece el término

Os dois espaços são salvos em output/indices/indice_<espacio>.npz e não se sobrescrevem entre si.

Interface web (para usuários sem shell)

rag web        # → http://localhost:8787  (alias local en /etc/hosts)
               #   o: RAG_HOST=0.0.0.0 rag web  para exponerlo a la LAN (con UFW)

La UI (servidor puro de la stdlib de Python, cero dependencias) ofrece:

  • Chat con streaming token a token (Server-Sent Events): la respuesta aparece a medida que el modelo la genera, no toda junta al final.
  • Conversación multiturno: el chat recuerda las preguntas y respuestas previas de la sesión (referencias del estilo "y para usuarios, ¿cuál es?").
  • Panel de fuentes: por cada respuesta, los .md/.pdf citados.
  • Citas con nombre real del libro: los PDFs técnicos (02-redhat-security-rh342.pdf) se muestran y citan por su título humano ("Red Hat RH342 — Security: hardening de servidores"); el prompt le pide al modelo citar la fuente de cada idea.
  • Catálogo del espacio: preguntas tipo "qué libros tenés" o "listá los títulos" responden con el índice completo del espacio (sin gastar inferencia).
  • Selector de espacio: alternás entre apuntes (biblioteca), libros (biblioteca-libros) o todo (ambos combinados, el default). En modo todo la búsqueda reparte la cuota entre los dos índices — un espacio con muchos chunks (~138k libros) no aplasta al chico (581 apuntes) — y cada fuente se etiqueta con su procedencia (📚 libro / 📝 apunte).
  • Reindexar con botón y barra de progreso en vivo (sin matar el chat).
  • "¿Dónde aparece…?": buscador de qué documento contiene un término.
  • Estructura: web/web.py (API + static), web/index.html, web/style.css, web/app.js — todo editable en caliente.
Baixar ferramenta

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 O kit definitivo de OSINT: grafo de investigação, pontuação de confiança, famílias de alias, mapa, linha do tempo e relatórios. 49 módulos, mais de 400 sites, sem necessidade de chaves de API.

    867
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicativo de Execução em Um Toque GhostLock (CVE-2026-43499)

    544
  • 3

    ARTEX

    baarai/artex

    Plataforma autônoma de testes de penetração multiagente com LLM, com agentes planejador/executor, grafos de ativos e de exploração, registro de tráfego MITM e reteste de vulnerabilidades.

    385
  • 4

    redforge

    cybersecurity91/redforge

    Kit de ferramentas de red team do lado do navegador com 102 ferramentas offline para reconhecimento, geração de payloads, ataques a credenciais, criptografia, codificação e relatórios de engajamento.

    360
  • 5

    looking-glass

    anonghosty/looking-glass

    Plataforma CSIRT que ingere relatórios do Shadowserver no MongoDB e os reproduz como mapas interativos, análises, descobertas, avisos e painéis executivos.

    302
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    O sistema de ação para cibersegurança nativa em IA—onde a intenção se torna execução governada, a evidência se torna memória operacional, e cada operação melhora a próxima.

    279

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →