PHANTOM BRAIN v0.9

Автономный инструмент анализа пентеста на базе ИИ с интеграцией реального оборудования

Локальный анализ на LLM (через Ollama) для WiFi, Sub-GHz, NFC/RFID и WPA2-захватов — без интернета, без облачных API, на 100% офлайн. Основная LLM работает на ПК с Windows. Raspberry Pi выступает лёгким вторичным узлом (захват в реальном времени + только phi3:mini).

Поддерживаемое оборудование: Flipper Zero · WiFi Pineapple MK7 · Proxmark3 · Raspberry Pi 4 (Kali Linux) · Atheros AR9271

Модели: mistral:7b-instruct · deepseek-r1:7b · phi3:mini

Лицензия: GPL-3.0 | Автор: Otto | Сообщество: AI Tinkerers

⚠️ Экспериментальный проект — не для использования в производстве. Анализ на базе ИИ помогает исследователям, но не заменяет ручной аудит. Всегда проверяйте результаты самостоятельно.

Что такое PHANTOM BRAIN и чем он НЕ является

✅ ЧТО ЭТО	❌ ЧЕМ ЭТО НЕ ЯВЛЯЕТСЯ
Автоматический анализатор, структурирующий результаты захвата	Замена Wireshark, bettercap или aircrack-ng
Генератор отчётов на базе ИИ (офлайн, локальная LLM)	Автономный пентестер
Оркестратор между аппаратными инструментами (Flipper, Pineapple, Proxmark)	Готовый к производству инструмент безопасности
Платформа для исследований и обучения	Замена ручного аудита
100% офлайн — без утечки данных	Зависимость от облака или API

💡 Каждый отчёт, сгенерированный ИИ, следует рассматривать как отправную точку, а не окончательный вердикт. LLM могут галлюцинировать уязвимости. Структурированный вывод парсера (без ИИ) всегда надёжнее.

Архитектура системы

ПОЛЕВОЙ УРОВЕНЬ (Мобильный):
┌──────────────────┐
│  Flipper Zero    │ ──► Sub-GHz (.sub), NFC (.nfc), WiFi scanning
└──────────────────┘
┌──────────────────┐
│  WiFi Pineapple  │ ──► WPA2 Handshakes (.pcap), deauth, PMKID
└──────────────────┘
┌──────────────────┐
│  Proxmark3       │ ──► Advanced RFID/NFC (EM410x, MIFARE, EMV)
└──────────────────┘

БАЗОВЫЙ — ОСНОВНОЙ УЗЕЛ (обязателен для полной функциональности):
┌──────────────────────────────────────────────────────┐
│  Windows PC (или Linux desktop)                       │
│  Python 3.11+ · Ollama · Flask API                  │
│  Запускает: mistral:7b-instruct, deepseek-r1:7b      │
│  ► PHANTOM BRAIN CLI, полный анализ, отчёты          │
└──────────────────────────────────────────────────────┘

БАЗОВЫЙ — ВТОРИЧНЫЙ УЗЕЛ (опциональный, лёгкий):
┌──────────────────────────────────────────────────────┐
│  Raspberry Pi 4 (Kali Linux)                         │
│  Ollama · Atheros AR9271                             │
│  Запускает: только phi3:mini (mistral:7b слишком тяжёл для Pi) │
│  ► Захват WiFi в реальном времени · лёгкий локальный вывод │
│  ПРИМЕЧАНИЕ: подключается к Ollama на ПК для тяжёлых моделей │
└──────────────────────────────────────────────────────┘

⚠️ Примечание к архитектуре: Raspberry Pi не запускает полный стек Phantom Brain автономно. Для полного анализа с mistral:7b-instruct или deepseek-r1:7b требуется ПК с Ollama. Pi служит узлом захвата и может запускать phi3:mini только для лёгкого офлайн-вывода.

Конвейер анализа (v0.9)

``` input → classifier → tool.run() → ToolResult(risk, findings) → Ollama ```

Каждый тип захвата проходит через свой специфический инструмент перед передачей LLM. Инструмент структурирует вывод с уровнем риска и ключевыми находками, обогащая контекст, отправляемый в Ollama.

Возможности

WiFi / Marauder

Парсер логов Marauder
Обнаружение уязвимых сетей WPS
Идентификация скрытых сетей
Статистика безопасности

Sub-GHz / Flipper Zero

Парсер файлов .sub (sub_ghz_parser.py)
Извлечение: протокол, частота, ключи, пакеты
Поддержка: Security+ 2.0, Rolling Code, Fixed Code
Анализатор шаблонов между захватами (sub_ghz_analyzer.py)

NFC / Flipper Zero + Proxmark3

Парсер файлов .nfc (nfc_parser.py)
Поддержка: MIFARE Classic 1K/4K, MIFARE Plus, NTAG, FeliCa, EMV
Анализатор уязвимостей (nfc_analyzer.py)
Обнаружение: Darkside, Hardnested, Reader Auth Bypass
Специальный анализ для SUBE (общественный транспорт)
Парсер вывода Proxmark3 (proxmark_parser.py)

WPA2 / WiFi Pineapple

Парсер PCAP с помощью Scapy (pcap_parser_v2.py)
Извлечение: BSSID, SSID, EAPOL-кадры, PMKID
Валидация полных рукопожатий
Полный конвейер: hcxpcapngtool → hashcat -m 22000

Система инструментов (v0.9)

tools/base_tool.py — унифицированный контракт BaseTool + ToolResult
ToolResult с risk (CRITICO/ALTO/MEDIO/BAJO) и структурированными findings
tools/registry.py — центральный реестр, направляет правильный инструмент по типу
tools/classifier.py — автоопределение по расширению и содержимому
14/14 тестов проходят с реальными фикстурами (pytest tests/test_tools.py)

База данных и отчёты

SQLite для истории анализа (db_manager.py)
Текстовые отчёты с меткой времени
Поиск по UID/BSSID, фильтрация по уровню риска
Статистика анализа

Flask REST API

flask_api.py работает на порту 5000
GET /status — проверяет Ollama и доступные модели
POST /upload — принимает файлы .pcap, .nfc, .sub
POST /analyze — анализирует через Ollama и сохраняет в SQLite
GET /analysis/<id> — запрашивает сохранённый анализ по идентификатору

Поддерживаемые модели ИИ

Модель	Мин. RAM	Хранилище	Скорость (CPU)	Лучше всего подходит	Узел
`phi3:mini`	4 ГБ	~2,3 ГБ	~5 мин	Быстрая сортировка, лёгкий вывод, работает на Pi — ограниченная глубина рассуждений	Raspberry Pi 4 / ПК
`mistral:7b-instruct`	8 ГБ	~4,1 ГБ	~30 с (ПК)	Рекомендуемый по умолчанию. Полный анализ, точные выполняемые команды, лучшее соотношение точности и скорости	Только ПК
`deepseek-r1:7b`	8 ГБ	~4,5 ГБ	~45 с (ПК)	Углублённый анализ, подробные шаги по устранению, цепочка рассуждений	Только ПК

Примечание: Замеры скорости выполнены на ПК с 32 ГБ RAM (только CPU, без GPU). Ускорение через CUDA/ROCm значительно сократит время вывода. Pi может надёжно запускать только phi3:mini — mistral:7b вызывает троттлинг и нехватку памяти на Pi 4B 8 ГБ.

Все модели работают на 100% офлайн через Ollama — подключение к интернету не требуется.

Популярное

phantom-brain