OIHK-pentesting

Многоагентный движок для авторизованных оценок безопасности. Корневой планировщик делегирует задачи агентам разведки, обнаружения, атаки (OPTIZero), валидации и отчётности — а сам движок обеспечивает соблюдение политик области охвата, исходящего трафика, доказательств и ресурсов независимо от того, какая модель им управляет. Для находок требуется реальное доказательство выполнения плюс независимая валидация; убедительная история ничего не доказывает.

Он оценивается по собственному бенчмарку уязвимых сценариев — детерминированный mock-решатель удерживает 24/24 при 100/100 — и полностью работает офлайн с любой локальной моделью, совместимой с OpenAI.

Ранняя бета, в активной разработке. Поведение может меняться без предупреждения; некоторые возможности частичны или намеренно исключены. Проверяйте перед тем, как полагаться на него — см. матрицу статуса.

Содержание

• Почему OIHK
• Требования
• Быстрый старт
• Локальный инференс
• Архитектура
• Оценка AI-агента
• Структура репозитория
• Документация
• Правовая информация
• Лицензия

Почему OIHK

Большинство наступательных инструментов полагаются на хорошее поведение модели. OIHK — нет: граница безопасности находится в движке и сохраняется независимо от того, что модель готова сказать.

• Находки, подтверждённые доказательствами. Для находки требуется реальное, принадлежащее системе, успешное управляемое выполнение инструмента плюс отдельная запись валидации — и только агент валидации может её создать.
• Точный охват, без дрейфа. Объявление example.com не авторизует его поддомены; объявленные хосты привязываются через DNS на весь запуск.
• Исходящий трафик отказывает закрыто. Область охвата компилируется в allowlist netfilter внутри собственного сетевого пространства имён песочницы; там, где это не может быть гарантировано, запуск прерывается, а не притворяется изолированным.
• Управляемая поверхность инструментов. Пассивный режим предоставляет сокращённую поверхность и отклоняет активное выполнение — включая попытки, направленные через универсальный shell.
• Ядро, не зависящее от модели. Любая конечная точка, совместимая с OpenAI, маршрутизация по ролям, ничего не зашито под конкретного провайдера — один и тот же стенд оценивает любую модель.

Требования

Быстрый старт

git clone https://github.com/Broskigx/Oihk-pentesting.git
cd Oihk-pentesting
uv sync
uv run oihk --help
uv run oihk run -t https://example.test --mode passive --scan-mode standard

На Kali Linux убедитесь, что Docker запущен (sudo systemctl start docker).

Или откройте Baron, интерактивного копилота — вы говорите, он управляет управляемым движком (по умолчанию пассивный режим, если вы не авторизуете глубокую оценку):

uv run oihk start

Baron выполняет реальные оценки, отвечает точными рецептами инструментов из RAG-корпуса на 156 инструментов, переключается через OSINT (page_osint, username_osint, domain_osint, breach_osint, phone_osint) и запоминает каждую сессию в Redis. Он никогда не получает сырой shell — только управляемый движок — и всё управляется через меню: /apimodel, /adaptador и /instancia открывают интерактивные Textual-селекторы.

Локальный инференс

По умолчанию указывает на LM Studio по адресу http://localhost:1234/v1:

export OIHK_LLM="openai/mistral-nemo"
export OIHK_API_BASE="http://localhost:1234/v1"
export OIHK_API_KEY="lm-studio"

Облачные провайдеры — /apimodel

Любой из шести пресетов подключается одной командой; каждый запоминает свой собственный ключ:

/apimodel claude sk-ant-…          # Anthropic
/apimodel chatgpt sk-…             # OpenAI
/apimodel gemini AIza…             # Google AI Studio
/apimodel grok xai-…               # xAI
/apimodel deepseek sk-…            # DeepSeek
/apimodel nvidia nvapi-… [model]   # NVIDIA NIM

/apimodel (без аргументов) открывает выбор платформы; /apimodel <plataforma> переподключается с сохранённым ключом; /apimodel off отключает. Любой другой провайдер, совместимый с OpenAI, работает через /models base + /models key + /models use.

Два облачных префикса также устраняют всю настройку конечной точки на уровне переменных окружения: deepseek/… и nvidia_build/… маршрутизируются к API своих провайдеров — задайте ключ, и больше ничего. Переопределения по ролям (OIHK_ROOT_LLM, OIHK_RECON_LLM, …) направляют логические роли к разным моделям.

Выбор модели

OIHK лучше всего работает с моделью, которая не отказывает слишком часто: ассистенты с усиленной настройкой безопасности отклоняют законные, авторизованные наступательные шаги и останавливают агента посреди оценки. Это не снижает безопасность OIHK — граница никогда не была в отказах модели; это точный охват движка, отказоустойчивый исходящий трафик, управляемая поверхность инструментов и шлюз доказательств, которые сохраняются независимо от того, что говорит модель.

Архитектура

Корневой планировщик владеет одним версионированным ScanPlan и делегирует шаги дочерним агентам. Каждый управляемый вызов инструмента проходит через четыре органа политики — режим/роль, точный охват, ресурсный губернатор, исходящий трафик песочницы — прежде чем выполниться, и его вывод становится неизменяемым доказательством в журнале запуска. Только агент валидации может превратить это доказательство в находку; корень не может завершить запуск, пока критическая работа открыта. Запуски возобновляются из артефактов (--resume <run-id>) и сохраняются в oihk_runs/<run-id>/ (план, доказательства, валидации, находки, SARIF, отчёт).

flowchart TB
    OP([Operator: scope + mode]) --> ROOT[Root planner]
    ROOT --> RECON[Recon]
    ROOT --> DISC[Discovery]
    ROOT --> ATTACK[Attack - OPTIZero]
    ROOT --> VALID[Validation]
    ROOT --> REPORT[Reporting]

    RECON --> GATE
    DISC --> GATE
    ATTACK --> GATE
    VALID --> GATE

    subgraph GATE[Policy authorities - fail closed]
        direction LR
        M[Mode / role] --> S[Exact scope] --> G[Resource governor] --> BOX[Sandbox: egress allowlist]
    end

    GATE --> LEDGER[(Evidence ledger)]
    LEDGER --> VALID
    VALID --> FIND[Findings + SARIF report]
</mermaid>

OPTIZero, роль attack, предоставляет декларативный каталог векторов повышения привилегий для Windows, Linux и macOS за адаптивным ограничителем скорости AIMD — а корень управляет всем флотом в полёте (list_children, send_message, stop_child, broadcast). Подробности в ARCHITECTURE.

Оценка AI-агента

OIHK служит и собственной средой оценки: реальный движок работает против 24 встроенных уязвимых сценариев — веб, API, аутентификация, исходный код, конфигурация и соответствующие AutoPenBench privesc/crypto/CVE — а программный верификатор оценивает нормализованно 0–100 по корректности находок, валидности доказательств, использованию инструментов, эффективности и избеганию ложноположительных срабатываний. Ни одна модель не оценивает себя сама.

uv run oihk eval list
uv run oihk eval run-all --model mock
uv run oihk eval compare --models mock,mock:wrong_finding

Тот же стенд поставляется как окружение verifiers на Prime Intellect Hub (broskigx/oihk-security-agent):

prime env install broskigx/oihk-security-agent
vf-eval oihk-security-agent -m mock

Полная таблица сценариев, формула оценки и сопоставление с бенчмарками: EVALUATION.

Структура репозитория

oihk/          CLI, policy/governance, agents, tools, sandbox, findings
oihk/evals/    evaluation subsystem (scenarios, verifier, scoring, mock provider)
environments/  standalone verifiers environment package (Prime Intellect Hub)
containers/    sandbox image, entry point, browser driver, SBOM generation
deploy/        local-model LoRA pipeline: dataset trainer, Ollama Modelfiles
docs/          architecture, security boundary, configuration, evaluation
tests/         unit, regression, and opt-in integration tests
ToolsHelp/     RAG corpus: 156 governed-tool cards
skills/        external-agent skill packs

Дообучение собственной модели

scripts/build_lora_dataset.py генерирует двуязычный (испанский/английский) набор данных LoRA — по 536 образцов каждый, 336 с реальными вызовами инструментов — из управляемого корпуса инструментов и 24 сценариев оценки, включая поведение безопасности (дисциплина охвата, docker-шлюз, устойчивость к инъекциям). Обучите его на Qwen2.5-14B-Instruct, экспортируйте Q4_K_M GGUF и запустите в Ollama или LM Studio: полный конвейер в deploy/local-models.

Документация

Правовая информация

Только авторизованное использование. OIHK активно тестирует цели, которые ему предоставлены. Оператор несёт исключительную ответственность за авторизацию, безопасные пределы, доступность цели, обработку данных и соблюдение применимого законодательства.

Чтобы сообщить об уязвимости безопасности в самом OIHK, см. Reporting a vulnerability.

Лицензия

Выпущено под лицензией MIT — свободно для использования, изменения и распространения, включая коммерческое, при условии сохранения уведомления об авторских правах и текста лицензии.