Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
rag-seguridad — CyberRAG — 基于网络安全笔记和书籍的 100% 本地 RAG(Ollama):混合检索、带引用的回答、分阶段渗透测试助手和重建索引监控器。无重型框架。 | Kitploit
工具/GitLabGitLab/rdelasierra-uy/rag-seguridad
漏洞分析信息收集CTF渗透测试隐私保护机器学习学习与教育精选资源AI 安全实验室与实践
GitLabrdelasierra-uy/rag-seguridad

rag-seguridad

9213天前尚未审核

CyberRAG — 基于网络安全笔记和书籍的 100% 本地 RAG(Ollama):混合检索、带引用的回答、分阶段渗透测试助手和重建索引监控器。无重型框架。

查看仓库
分享

CyberRAG local — RAG 基于你的知识,100% Ollama

RAG(检索增强生成) 系统,用于以自然语言查询你的网络安全笔记(Obsidian vault、HTB writeups、笔记)。 一切都在你的机器上运行:嵌入和生成使用本地 Ollama,没有任何数据离开你的网络。而且不用 langchain:每个组件都是自己编写的、易于理解的代码。

完整技术文档 → docs/ARQUITECTURA.md 涵盖底层概念(RAG、嵌入、混合搜索、公平分配、rerank)、分层架构、格式提取、增量索引、知识空间和计算能力。

分阶段渗透测试助手 → docs/ASISTENTE-PENTEST.md 按阶段(侦察 / 枚举 / 利用 / 提权 / 后渗透 / 报告)和向量(web、SMB、AD、Linux、Windows……)的 HTB 导师,带有帮助级别(empuja / explica / directo),让你手动理解而不靠自动驾驶,还有机器状态字段用于粘贴你的端口/服务。专为授权的攻击性工作 + ISO 27001 报告而设计。

架构报告(面向 L2/学徒)→ docs/INFORME-ARQUITECTURA.md 一次阅读即可获得全貌:它是什么、内部如何构建以及如何使用,外加一个 20 分钟内讲授它的计划。

服务器 Runbook → docs/RUNBOOK-SERVIDOR.md 主机运维:不可协商的规则、网络/防火墙、xRDP/faillock 以及 GPU 恢复(Xid 31)。

重建索引监视器 → web/monitor.py(浏览器中的仪表板:进度、速率、ETA、GPU 和实时模型,不占用 GPU)。

为什么

  • 你的教学法:你理解每个组件(向量、余弦、分块)——不是黑箱。
  • 隐私:你的 writeups 和笔记永远不会接触云端(没有 Gemini/OpenAI)。
  • 零重型依赖:只有 numpy + Ollama 的 HTTP API。

架构

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)

RAG 的 3 个组成部分:

  1. 索引 — 将每个文档切分为带重叠的块:笔记用 512 个字符 (重叠 50),书籍用 3000 个字符(重叠 600)。每个块都用 角色前缀(search_document: )进行向量化,以提高搜索时 embedding 的质量。
  2. 检索 — 每个块都保存为 768 个数字的向量(nomic-embed-text 的 embedding,本地运行)。面对一个问题(以 search_query: 向量化), 你检索与词法词语匹配相结合的余弦相似度最高的块(混合搜索)。 仅靠余弦相似度不足以应对比较类问题;词法成分能找回包含这些术语的 确切块。
  3. 生成 — 你将 top-k 个块作为上下文发送给本地聊天模型, 该模型仅据此回答(如果信息不存在则说“我没有相关信息”)。

要求

  • Python 3.10+
  • Ollama 运行在 127.0.0.1:11434
  • nomic-embed-text 模型(setup.sh 会自动下载)
  • 本地聊天模型:默认为 qwen2.5-coder:7b。它负责回答 理论内容(引用 ISO/书籍)以及实验室(HTB)的攻击性主题,且不会 拒绝。可通过环境变量 RAG_CHAT_MODEL 在不修改代码的情况下更改 (例如 RAG_CHAT_MODEL=llama3.1:8b rag web 用于精细的理论性散文——尽管 面对攻击性内容时会自我限制;mistral:latest 引用良好但有时会粘贴原始上下文)。
  • pdftotext(poppler-utils),如果你想索引 PDF

安装

./setup.sh

使用

# 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

此机器上还有别名 rag,它维护两个知识空间:你的笔记(vault)和精选书籍库(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

两个空间分别保存在 output/indices/indice_<espacio>.npz 中,彼此不会覆盖。

Web 界面(面向无 shell 用户)

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)

UI(纯 Python 标准库服务器,零依赖)提供:

  • 逐 token 流式聊天(Server-Sent Events):响应随模型生成逐步显示,而不是最后一次性全部出现。
  • 多轮对话:聊天会记住会话中之前的提问和回答(例如“那对于用户,是哪个?”这类引用)。
  • 来源面板:每条回答都会列出所引用的 .md/.pdf。
  • 使用书籍真实名称的引用:技术类 PDF(02-redhat-security-rh342.pdf)会以其人类可读的标题显示和引用(“Red Hat RH342 — Security: hardening de servidores”);提示词要求模型为每个观点标注来源。
  • 空间目录:诸如“你有哪些书”或“列出标题”之类的问题会用空间的完整索引来回答(不消耗推理)。
  • 空间选择器:可在笔记(biblioteca)、书籍(biblioteca-libros)或 todo(两者合并,默认值)之间切换。在 todo 模式下,搜索会在两个索引之间分配配额——一个拥有大量 chunk 的空间(约 138k 本书)不会压垮较小的空间(581 条笔记)——并且每个来源都会标注其出处(📚 书籍 / 📝 笔记)。
  • 按钮重新索引以及实时进度条(不会中断聊天)。
  • “¿Dónde aparece…?”:搜索某个术语出现在哪个文档中。
  • 结构: web/web.py(API + static)、web/index.html、web/style.css、web/app.js——全部可热编辑。

完整卷宗库(空间 libros)

biblioteca-libros/ 是指向 <biblioteca-libros>/ 的符号链接(资料卷:237 个 PDF、O'Reilly/Unix 的 HTML 库以及 EPUB)。 cargar_documentos 除了 PDF 之外,还会索引按书籍文件夹分组的 HTML(一个 O'Reilly 库是同一本书的数百个 .htm → 它们会被拼接成单个文档)以及 EPUB;按文本哈希去重(卷中的 unix-library/OReilly 和 oreilly-library 副本是同一套合集)。 索引通过以下方式重建:

rag index libros

注意:biblioteca-libros/ 是本机上的一个本地符号链接(指向 <biblioteca-libros>/),因此它在 git 中被忽略。UI 截图 放在 docs/capturas/ 中(使用 flameshot 截取)。

实际示例

$ python3 rag_ollama.py --docs-dir ~/vault \
    ask "¿Qué flag de hashcat se usa para crackear un hash ASREProast?"

Seleccioné 5 fragmentos de contexto:
  [0.732] 01-htb/ad-shadowgate/ensena-adc-esc8.md
  [0.716] 01-htb/ad-shadowgate/ensena-adc-esc8.md
  [0.706] 02-apuntes/kerberos-asreproast.md
  ...

El flag de hashcat usado para crackear hashes ASREProast es `-m 18200`.

结构

rag-seguridad/
├── rag_ollama.py          # El RAG completo (sin langchain, ~1300 líneas)
├── web/                   # UI web local (stdlib, sin dependencias)
│   ├── web.py             #   API + servidor HTTP
│   ├── index.html         #   interfaz de chat
│   ├── style.css          #   estilos
│   └── app.js             #   lógica del navegador
├── setup.sh               # Verifica Ollama + modelo + instala numpy
├── requirements.txt       # Solo numpy
├── document[o]s/          # Tus documentos (indexá la carpeta que quieras)
│   ├── notas/             #   apuntes
│   ├── writeups/          #   resoluciones HTB
│   ├── tools/             #   fichas de herramientas
│   ├── frameworks/        #   MITRE ATT&CK, kill chain
│   └── playbooks/         #   procedimientos
└── output/                # Índices por espacio (indices/, git-ignored)

快速调整(在 rag_ollama.py 中)

变量默认值作用
CHAT_MODELqwen2.5-coder:7b生成回答的模型(环境变量 RAG_CHAT_MODEL)
EMBED_MODELnomic-embed-text向量模型
CHUNK_SIZE512每个文档片段的长度
CHUNK_OVERLAP50相邻片段之间共享的字符数
k_results(在 buscar() 中)5用作上下文的片段数量
peso_sem / peso_lex0.6 / 0.4语义与精确词语之间的权重平衡

超越基础流水线

增量索引 — 索引会保存每个文档的 mtime。重新索引时,只对新文件或已修改的文件重新嵌入;其余向量原样复用。编辑一条笔记并运行 rag index 现在只需几秒钟。

本地重排序器 — rag --rerank "问题" 让聊天模型按相关性对检索到的候选进行排序(临时拼凑的 cross-encoder,无需新增依赖)。检索 10 个,模型挑选最有用的 5 个。如果模型失败,则返回原始顺序:绝不会破坏回答。

索引分析器 — rag analizar 审计你的数据库:重复片段(同一文件被索引两次)、文件之间的重叠(多处重复的信息),以及通过对嵌入做 k-means 得到的 N 个主导主题。发布前很有用:检测冗余笔记并展示空间的连贯性。全部使用纯 numpy,无需 sklearn。

扫描版 PDF 的 OCR — 当 pdftotext 几乎返回不了内容(<200 字符)时,提取器会尝试用 tesseract -l spa+eng 进行 OCR(pdftoppm 转 PNG 200dpi)。仅适用于图像型 PDF:已有文本层的文件不会被处理。

下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 终极 OSINT 工具包:调查图谱、置信度评分、别名家族、地图、时间线和报告。49 个模块、400+ 个站点,无需 API 密钥。

    786
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    基于LLM的多智能体自主渗透测试平台,具备规划器/执行器智能体、资产与探索图谱、MITM流量记录以及漏洞复测功能。

    429
  • 4

    redforge

    cybersecurity91/redforge

    浏览器端红队工具包,包含 102 个离线工具,用于侦察、载荷生成、凭据攻击、加密、编码和交战报告。

    345
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI原生网络安全的行动系统——在这里,意图转化为受治理的执行,证据沉淀为运营记忆,每一次操作都让下一次更出色。

    262
  • 6

    looking-glass

    anonghosty/looking-glass

    CSIRT 平台,可将 Shadowserver 报告导入 MongoDB,并将其重放为交互式地图、分析、发现、公告和高管仪表板。

    256

探索所有工具

浏览我们的工具集合

查看所有工具 →