Robin: AI-инструмент OSINT для даркнета

Robin — это инструмент на основе ИИ для проведения OSINT-расследований в даркнете. Он использует LLM для уточнения запросов, фильтрации результатов поиска из поисковых систем даркнета и предоставления сводки по расследованию.

Установка • Вклад в проект • Благодарности

Demo

Архитектура

Workflow

Возможности

⚙️ Модульная архитектура – Чёткое разделение между рабочими процессами поиска, сбора данных и LLM.
🤖 Поддержка нескольких моделей – Лёгкое переключение между OpenAI, Claude, Gemini, Ollama или любым API, совместимым с OpenAI (LM Studio, llama.cpp, Groq и т. д.).
🌐 Веб-интерфейс – Интерфейс на базе Streamlit для интерактивных расследований.
💬 Диалоговые уточнения – Задавайте уточняющие вопросы по расследованию без повторного запуска поиска — ответы формируются на основе данных самого расследования.
🔀 Переходы в один клик – Рекомендуемые уточняющие запросы на основе полученных результатов; нажмите на один из них, чтобы запустить новое расследование.
🐳 Готовность к Docker – Рекомендуемое развёртывание через Docker для чистого и изолированного использования.
📝 Настраиваемая отчётность – Сохранение результатов расследования в файл для отчётов или дальнейшего анализа.
🧩 Расширяемость – Лёгкое подключение новых поисковых систем, моделей или форматов вывода.

⚠️ Отказ от ответственности

Этот инструмент предназначен только для образовательных и законных исследовательских целей. Доступ к определённому контенту даркнета или взаимодействие с ним может быть незаконным в зависимости от вашей юрисдикции. Автор не несёт ответственности за любое неправомерное использование этого инструмента или данных, полученных с его помощью.

Используйте ответственно и на свой страх и риск. Убедитесь, что вы соблюдаете все соответствующие законы и внутренние политики учреждений перед проведением OSINT-расследований.

Кроме того, Robin использует сторонние API (включая LLM). Будьте осторожны при отправке потенциально чувствительных запросов и ознакомьтесь с условиями обслуживания любого поставщика API или моделей, которого вы используете.

Установка

[!NOTE] Для выполнения поиска инструменту требуется Tor. Вы можете установить Tor с помощью apt install tor на Linux/Windows(WSL) или brew install tor на Mac. После установки убедитесь, что Tor запущен в фоновом режиме.

[!TIP] Вы можете указать API-ключ выбранной вами LLM, создав файл .env (см. пример файла env в репозитории) или задав переменные окружения в PATH.

Для Ollama укажите http://host.docker.internal:11434 как OLLAMA_BASE_URL в вашем окружении, если вы используете метод Docker, или http://127.0.0.1:11434 для других методов. Возможно, вам потребуется запустить Ollama на 0.0.0.0 в зависимости от вашей ОС. Это можно сделать, выполнив OLLAMA_HOST=0.0.0.0 ollama serve & в терминале.

Для любого другого поставщика, совместимого с OpenAI (LM Studio, llama.cpp, Groq и т. д.), используйте раскрывающийся раздел 🔌 Пользовательский поставщик API на боковой панели — изменения в .env не требуются. Укажите базовый URL, при необходимости API-ключ и, при необходимости, название модели, если поставщик не предоставляет /v1/models для автоматического обнаружения.

Docker [Рекомендуется]

Загрузите последний Docker-образ Robin

docker pull apurvsg/robin:latest

Запустите Docker-образ следующим образом:

docker run --rm \
   -v "$(pwd)/.env:/app/.env" \
   --add-host=host.docker.internal:host-gateway \
   -p 8501:8501 \
   apurvsg/robin:latest

[!TIP] Чтобы сохранять результаты расследований между перезапусками Docker, подключите локальную директорию:
docker run --rm \
   -v "$(pwd)/.env:/app/.env" \
   -v "$(pwd)/investigations:/app/investigations" \
   --add-host=host.docker.internal:host-gateway \
   -p 8501:8501 \
   apurvsg/robin:latest
Расследования сохраняются в папку investigations/ в вашей рабочей директории и могут быть загружены из панели Прошлые расследования на боковой панели.

Откройте браузер и перейдите по адресу http://localhost:8501

Использование Python (версия для разработки)

С установленными Python 3.10+ и Tor выполните следующее:

pip install -r requirements.txt
streamlit run ui.py

Откройте браузер и перейдите по адресу http://localhost:8501

Вклад в проект

Вклад приветствуется! Пожалуйста, не стесняйтесь отправлять Pull Request, если у вас есть крупные обновления функций.

Сделайте форк репозитория
Создайте свою ветку функции (git checkout -b feature/amazing-feature)
Зафиксируйте изменения (git commit -m 'Add some amazing feature')
Отправьте изменения в ветку (git push origin feature/amazing-feature)
Откройте Pull Request

Откройте Issue в любой из следующих ситуаций:

Если вы обнаружили ошибку или плохой код
Если у вас есть идея запроса функции
Если у вас есть вопросы или сомнения по использованию
Если у вас есть небольшие изменения кода

Благодарности

Идея вдохновлена Thomas Roccia и его демонстрацией Perplexity of the Dark Web.
Инструменты вдохновлены моим репозиторием OSINT Tools for the Dark Web.
Подсказки для LLM вдохновлены репозиторием OSINT-Assistant.
Дизайн логотипа — мой друг Tanishq Rupaal

robin

Популярное