PHANTOM BRAIN v0.9

离线AI驱动的渗透测试分析工具，支持真实硬件集成

通过本地LLM（Ollama）分析WiFi、Sub-GHz、NFC/RFID和WPA2抓包——无需互联网，无需云API，100%离线。 主要LLM运行在Windows PC上。Raspberry Pi作为轻量级辅助节点（仅实时捕获 + phi3:mini）。

支持的硬件： Flipper Zero · WiFi Pineapple MK7 · Proxmark3 · Raspberry Pi 4 (Kali Linux) · Atheros AR9271

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

许可证： GPL-3.0 | 作者： Otto | 社区： AI Tinkerers

⚠️ 实验性项目——不适用于生产环境。 AI分析辅助人类研究人员，不能替代手动审计。请始终独立验证发现。

Phantom Brain 是什么 AND 不是什么

💡 每份AI生成的报告应视为起点，而非最终结论。 LLM可能产生漏洞幻觉。结构化解析器输出（不含AI）始终更可靠。

系统架构

外场（移动端）：
┌──────────────────┐
│  Flipper Zero    │ ──► Sub-GHz (.sub)、NFC (.nfc)、WiFi扫描
└──────────────────┘
┌──────────────────┐
│  WiFi Pineapple  │ ──► WPA2握手 (.pcap)、去认证、PMKID
└──────────────────┘
┌──────────────────┐
│  Proxmark3       │ ──► 高级RFID/NFC (EM410x, MIFARE, EMV)
└──────────────────┘

基地——主节点（完整功能必需）：
┌──────────────────────────────────────────────────────┐
│  Windows PC（或Linux桌面）                            │
│  Python 3.11+ · Ollama · Flask API                  │
│  运行：mistral:7b-instruct, deepseek-r1:7b           │
│  ► PHANTOM BRAIN CLI，完整分析，报告                   │
└──────────────────────────────────────────────────────┘

基地——辅助节点（可选，轻量级）：
┌──────────────────────────────────────────────────────┐
│  Raspberry Pi 4 (Kali Linux)                         │
│  Ollama · Atheros AR9271                             │
│  仅运行phi3:mini（mistral:7b对Pi来说太重）             │
│  ► 实时WiFi抓包 · 轻量级本地推理                      │
│  注意：通过PC的Ollama连接以运行重型模型                │
└──────────────────────────────────────────────────────┘

⚠️ 架构说明： Raspberry Pi 不能独立运行完整的Phantom Brain栈。要使用mistral:7b-instruct或deepseek-r1:7b进行完整分析，需要一台带有Ollama的PC。Pi作为捕获节点，仅能运行phi3:mini进行轻量级离线推理。

分析流水线 (v0.9)

``` 输入 → 分类器 → tool.run() → ToolResult(风险, 发现) → Ollama ```

每种抓包类型在到达LLM前会经过其特定工具。工具以风险等级和关键发现结构化输出，丰富发送给Ollama的上下文。

功能特性

WiFi / Marauder

• Marauder日志解析器
• 检测易受攻击的WPS网络
• 识别隐藏网络
• 安全统计

Sub-GHz / Flipper Zero

• .sub文件解析器 (sub_ghz_parser.py)
• 提取：协议、频率、密钥、数据包
• 支持：Security+ 2.0、滚动码、固定码
• 跨抓包的模式分析器 (sub_ghz_analyzer.py)

NFC / Flipper Zero + Proxmark3

• .nfc文件解析器 (nfc_parser.py)
• 支持：MIFARE Classic 1K/4K、MIFARE Plus、NTAG、FeliCa、EMV
• 漏洞分析器 (nfc_analyzer.py)
• 检测：Darkside、Hardnested、读取器认证绕过
• 针对SUBE（公共交通）的特殊分析
• Proxmark3输出解析器 (proxmark_parser.py)

WPA2 / WiFi Pineapple

• 基于Scapy的PCAP解析器 (pcap_parser_v2.py)
• 提取：BSSID、SSID、EAPOL帧、PMKID
• 验证完整握手
• 完整流水线：hcxpcapngtool → hashcat -m 22000

工具系统 (v0.9)

• tools/base_tool.py — 统一的BaseTool + ToolResult契约
• ToolResult包含risk (CRITICO/ALTO/MEDIO/BAJO) 和结构化的findings
• tools/registry.py — 中央注册表，按类型调度正确工具
• tools/classifier.py — 按扩展名和内容自动检测
• 14/14测试通过，使用真实fixture (pytest tests/test_tools.py)

数据库和报告

• SQLite用于分析历史 (db_manager.py)
• 纯文本报告，带时间戳
• 按UID/BSSID搜索，按风险级别过滤
• 分析统计

Flask API REST

• flask_api.py运行在端口5000
• GET /status — 检查Ollama和可用模型
• POST /upload — 接收.pcap、.nfc、.sub文件
• POST /analyze — 通过Ollama分析并保存到SQLite
• GET /analysis/<id> — 按ID查询已保存的分析

支持的AI模型

注意： 速度基准测试在32GB RAM的PC上（仅CPU，无GPU）进行。通过CUDA/ROCm的GPU加速将显著减少推理时间。Pi只能稳定运行phi3:mini——在Pi 4B 8GB上，mistral:7b会导致热节流和内存溢出。

所有模型通过Ollama100%离线运行——无需互联网连接。

文件结构

phantom-brain/
├── phantom_brain.py          # 主CLI - 入口点
├── flask_api.py              # Flask REST API
├── db_manager.py             # SQLite - 报告历史
├── pcap_parser_v2.py         # WPA2/PCAP解析器
├── proxmark_parser.py        # Proxmark3输出解析器
├── nfc_parser.py             # Flipper .nfc文件解析器
├── nfc_analyzer.py           # NFC漏洞分析器
├── sub_ghz_parser.py         # Flipper .sub文件解析器
├── sub_ghz_analyzer.py       # Sub-GHz模式分析器
├── exploit_guide.py          # 不含AI的利用指南
├── proxmark_launch.bat       # Proxmark3启动脚本 (Windows)
├── config.yaml.example       # 配置模板
├── requirements.txt          # Python依赖
├── tools/                    # 模块化工具系统 (v0.9)
│   ├── base_tool.py          # BaseTool + ToolResult，含风险/发现
│   ├── classifier.py         # 抓包类型自动检测
│   ├── registry.py           # 中央工具注册表
│   ├── proxmark_tool.py      # Proxmark3工具
│   ├── nfc_tool.py           # NFC工具
│   ├── wpa2_tool.py          # WPA2/PCAP工具
│   └── subghz_tool.py        # Sub-GHz工具
├── tests/                    # 自动化测试 (14/14通过)
│   └── test_tools.py
├── prompts/                  # 按类型分离的系统提示
│   └── system_prompts.py
├── benchmarks/               # 基准测试套件
│   ├── dataset/              # 带有预期结果的抓包
│   ├── results/              # JSON和Markdown报告
│   ├── benchmark_runner.py
│   └── run_benchmark.py
├── reportes/                 # 生成的报告 (已忽略git)
├── pcap/                     # WPA2抓包 (已忽略git)
└── archive/                  # 历史版本

安装

```bash git clone https://github.com/OttoyRocky/phantom-brain.git cd phantom-brain pip install -r requirements.txt cp config.yaml.example config.yaml ollama pull mistral:7b-instruct ```

Raspberry Pi (Kali Linux)

```bash echo 'export OLLAMA_MODELS=/media/kali/discoexterno/ollama' >> ~/.zshrc source ~/.zshrc ollama pull phi3:mini

sudo fallocate -l 2G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

cd /media/kali/discoexterno git clone https://github.com/OttoyRocky/phantom-brain.git ```

使用

```bash python phantom_brain.py python flask_api.py curl http://127.0.0.1:5000/status python -m pytest tests/test_tools.py -v ```

主菜单

```

1. 手动粘贴文本
2. 读取通用文件 (scan.txt, nmap等)
3. 读取Flipper Zero / Marauder日志 (.log)
4. 分析Sub-GHz抓包 (.sub)
5. 分析NFC抓包 (.nfc)
6. 分析WPA2握手抓包 (.pcap)
7. 分析Proxmark3抓包 (直接粘贴输出)
8. 查看报告历史
9. 利用指南 (不含AI分析)
10. 实时WiFi抓包 - Atheros AR9271 (仅Raspberry Pi)
11. 使用AI生成智能字典 (基于SSID) ```

使用AI生成智能字典

• 利用本地AI（Ollama）根据目标SSID生成个性化字典。
• 输入：SSID + 可选上下文（国家、ISP、年份等）。
• 输出：wordlist_<SSID>_<timestamp>.txt，位于当前工作目录。
• 模式：SSID变体、年份2020-2025、阿根廷上下文（足球、日期、ISP）、符号如!@#。
• 打印可直接使用的命令：hashcat -m 22000 captura.hc22000 wordlist_<SSID>_<timestamp>.txt

路线图

要求

Windows PC（主节点——完整功能必需）：

• Python 3.11+
• Ollama，使用mistral:7b-instruct（推荐）或deepseek-r1:7b
• 最低8 GB RAM · 推荐16 GB+
• pip install -r requirements.txt

Raspberry Pi 4（辅助节点——可选）：

• Kali Linux
• Python 3.11+
• Ollama，仅使用phi3:mini（不支持更重的模型）
• 推荐8 GB RAM型号 · 需要2 GB交换空间
• Atheros AR9271适配器用于实时抓包（选项10）

免责声明

本项目仅适用于授权实验室环境。未经明确书面授权，使用这些工具针对网络或设备是非法的，且不道德。

AI生成的分析不能替代专业安全评估。所有发现必须手动验证。

作者： Otto | 社区： AI Tinkerers | 仓库： https://github.com/OttoyRocky/phantom-brain

西班牙语版本，请参见 README.es.md