PentestIA - Sistema Automatizado de Pruebas de Penetración

PentestIA es un sistema automatizado de pruebas de penetración que combina inteligencia artificial con herramientas tradicionales de seguridad para realizar evaluaciones de vulnerabilidades de manera eficiente y escalable.

🚀 Características

Interfaz Web Moderna: UI desarrollada con Vue 3 y PrimeVue
API RESTful: Backend construido con FastAPI y Python
Base de Datos: PostgreSQL para almacenamiento persistente
Arquitectura Modular: Servicios MCP (Model Context Protocol) para diferentes tipos de pruebas
Inteligencia Artificial: Motor de decisiones basado en Llama 3.2
Monitoreo en Tiempo Real: Estadísticas y métricas de rendimiento
Gestión de Targets: Administración de objetivos de prueba
Sistema de Reglas: Configuración flexible de reglas de detección
Reportes Automatizados: Generación de informes de seguridad
Descubrimiento Automático: Reconocimiento automático de endpoints

🏗️ Arquitectura

PentestIA/
├── data/
│   ├── brain/           # Backend API (FastAPI)
│   ├── ui/              # Frontend (Vue 3 + PrimeVue)
│   ├── static/          # Archivos estáticos (build del frontend)
│   ├── mcps/            # Servidores MCP
│   │   ├── reconnaissance/  # Descubrimiento de endpoints
│   │   ├── xss/            # Detección de XSS
│   │   ├── sqli/           # Detección de SQL Injection
│   │   └── dom-analyzer/   # Análisis del DOM
│   └── dvvca/           # Aplicación vulnerable de prueba
├── build/               # Dockerfiles y configuraciones
│   ├── brain/
│   ├── ui/
│   ├── mcps/
│   ├── dvvca/
│   └── ollama/
├── db/                  # Datos de PostgreSQL
└── docker-compose.yaml  # Orquestación de servicios

🧠 Servicios MCP (Model Context Protocol)

PentestIA utiliza una arquitectura modular basada en MCP para diferentes tipos de pruebas de seguridad:

🔍 MCP Reconnaissance (Puerto 8001)

Función: Descubrimiento automático de endpoints y estructura de aplicaciones
Capacidades:
- Crawling automático de sitios web
- Descubrimiento de endpoints ocultos
- Análisis de estructura de directorios
- Detección de tecnologías utilizadas
- Mapeo de superficie de ataque

🎯 MCP XSS (Puerto 8002)

Función: Detección de vulnerabilidades Cross-Site Scripting
Capacidades:
- Análisis de parámetros de entrada
- Detección de reflejado XSS
- Detección de almacenado XSS
- Análisis de filtros de seguridad
- Generación de payloads de prueba

💉 MCP SQL Injection (Puerto 8003)

Función: Detección de vulnerabilidades de inyección SQL
Capacidades:
- Análisis de formularios de login
- Detección de inyecciones booleanas
- Detección de inyecciones de tiempo
- Análisis de parámetros de base de datos
- Explotación de vulnerabilidades SQLi

🔬 MCP DOM Analyzer (Puerto 8004)

Función: Análisis profundo del DOM para vulnerabilidades
Capacidades:
- Análisis de JavaScript del lado cliente
- Detección de DOM-based XSS
- Análisis de eventos y listeners
- Detección de manipulaciones inseguras del DOM
- Análisis de frameworks JavaScript

🛠️ Tecnologías

Backend

FastAPI: Framework web moderno y rápido
SQLAlchemy: ORM para base de datos
PostgreSQL: Base de datos principal
Redis: Caché y sesiones
Pydantic: Validación de datos
Ollama: Motor de IA local con Llama 3.2

Frontend

Vue 3: Framework de JavaScript progresivo
PrimeVue: Biblioteca de componentes UI
Vite: Herramienta de construcción
Axios: Cliente HTTP

Infraestructura

Docker: Contenedores para todos los servicios
Docker Compose: Orquestación de servicios
PostgreSQL: Base de datos
Redis: Caché y colas
Nginx: Servidor web y proxy reverso

🚀 Instalación y Uso

Prerrequisitos

Docker y Docker Compose
Git
Mínimo 8GB RAM (recomendado 16GB para IA)

Instalación

Clonar el repositorio:

git clone <repository-url>
cd pentestia

Configurar variables de entorno (opcional):

cp .env.example .env
# Editar .env según sea necesario

Ejecutar con Docker Compose:

docker-compose up -d

Construir frontend para producción:

./build-frontend.sh

Acceder a la aplicación:

UI: http://localhost:3000
API: http://localhost:8000
Documentación API: http://localhost:8000/docs

Servicios Disponibles

Servicio	Puerto	Descripción
pentestia-ui	3000	Interfaz de usuario (desarrollo)
pentestia-nginx	80	Servidor web (producción)
pentestia-brain	8000	API Backend
pentestia-ollama	11434	Motor de IA (Llama 3.2)
postgres	5432	Base de datos
redis	6379	Caché
mcp-reconnaissance	8001	Servidor MCP de reconocimiento
mcp-xss	8002	Servidor MCP de XSS
mcp-sqli	8003	Servidor MCP de SQL Injection
mcp-dom-analyzer	8004	Servidor MCP de análisis DOM
pentestia-dvvca	5000	Aplicación vulnerable de prueba

🔄 Flujo de Trabajo

1. Creación de Proyecto

Crear proyecto con dominio objetivo
El sistema crea automáticamente un target principal

2. Reconnaissance Automático

MCP Reconnaissance descubre endpoints automáticamente
Se crean targets adicionales basados en hallazgos
Análisis de estructura y tecnologías

3. Análisis Inteligente

Motor de IA (Llama 3.2) decide qué vulnerabilidades buscar
Selección automática de MCPs apropiados
Priorización de endpoints críticos

4. Escaneo de Vulnerabilidades

Ejecución paralela de múltiples MCPs
Detección de XSS, SQLi, y otras vulnerabilidades
Análisis del DOM para vulnerabilidades del lado cliente

5. Generación de Reportes

Consolidación de hallazgos
Eliminación de duplicados
Generación de reportes detallados

📚 Documentación de la API

La API está documentada automáticamente con Swagger UI en:

Swagger UI: http://localhost:8000/docs
ReDoc: http://localhost:8000/redoc

Endpoints Principales

Projects

GET /projects/ - Listar proyectos
POST /projects/ - Crear proyecto
GET /projects/{id} - Obtener proyecto específico
POST /projects/{id}/scans/ - Iniciar escaneo de proyecto

Targets

GET /targets/ - Listar targets
POST /targets/ - Crear target
GET /targets/{id} - Obtener target específico
POST /targets/discover - Descubrir targets automáticamente

Scans

GET /scans/ - Listar escaneos
POST /scans/ - Crear escaneo
GET /scans/{id} - Obtener escaneo específico
POST /scans/{id}/resume - Reanudar escaneo

Reports

GET /reports/ - Listar reportes
POST /reports/ - Generar reporte
GET /reports/{id} - Obtener reporte específico

🔧 Desarrollo

Estructura del Backend

data/brain/
├── main.py              # Punto de entrada de la aplicación
├── database.py          # Configuración de base de datos
├── decision_engine.py   # Motor de decisiones IA
├── scan_worker.py       # Worker de escaneos
├── models/              # Modelos Pydantic
│   ├── __init__.py
│   ├── target.py
│   ├── rule.py
│   ├── scan.py
│   ├── project.py
│   ├── report.py
│   └── enums.py
├── routes/              # Rutas de la API
│   ├── __init__.py
│   ├── targets.py
│   ├── rules.py
│   ├── projects.py
│   ├── scans.py
│   ├── reports.py
│   └── statistics.py
└── requirements.txt     # Dependencias Python

Estructura del Frontend

data/ui/
├── src/
│   ├── components/      # Componentes Vue
│   ├── views/           # Vistas de la aplicación
│   │   ├── HomeView.vue
│   │   ├── ProjectsView.vue
│   │   ├── TargetsView.vue
│   │   ├── ScansView.vue
│   │   ├── ReportsView.vue
│   │   └── SettingsView.vue
│   ├── services/        # Servicios de API
│   ├── router/          # Configuración de rutas
│   └── assets/          # Recursos estáticos
├── package.json
└── vite.config.js

Comandos de Desarrollo

Backend

# Entrar al contenedor del backend
docker exec -it pentestia-brain bash

# Instalar dependencias
pip install -r requirements.txt

# Ejecutar en modo desarrollo
uvicorn main:app --host 0.0.0.0 --port 8000 --reload

Frontend

# Entrar al contenedor del frontend
docker exec -it pentestia-ui bash

# Instalar dependencias
npm install

# Ejecutar en modo desarrollo
npm run dev

# Construir para producción
npm run build

Construcción del Frontend para Producción

# Construir y copiar archivos estáticos
./build-frontend.sh

# Reiniciar nginx para servir archivos actualizados
docker-compose restart pentestia-nginx

🧪 Pruebas

Ejecutar Pruebas del Backend

# Desde el contenedor del backend
python -m pytest tests/

Ejecutar Pruebas del Frontend

# Desde el contenedor del frontend
npm run test

Pruebas de Integración

# Probar conexión con MCPs
curl http://localhost:8000/debug/mcp-status

# Probar motor de decisiones
curl http://localhost:8000/debug/scan-worker

📊 Monitoreo

Métricas Disponibles

Sistema: CPU, memoria, disco, red
Aplicación: Proyectos, targets, escaneos, reportes
Rendimiento: Tiempo de respuesta, throughput
Seguridad: Vulnerabilidades detectadas por tipo
IA: Decisiones del motor de IA

Logs

Los logs de cada servicio están disponibles a través de Docker:

# Ver logs del backend
docker logs pentestia-brain

# Ver logs del frontend
docker logs pentestia-ui

# Ver logs de la base de datos
docker logs pentestia-db

# Ver logs de Ollama (IA)
docker logs pentestia-ollama

# Ver logs de MCPs
docker logs pentestia-mcp-recon
docker logs pentestia-mcp-xss
docker logs pentestia-mcp-sqli
docker logs pentestia-mcp-dom-analyzer

🔒 Seguridad

Configuración de Seguridad

Variables de entorno: Credenciales y configuraciones sensibles
CORS: Configurado para desarrollo (ajustar para producción)
Validación de datos: Pydantic para validación automática
Autenticación: Sistema de autenticación implementado
Rate Limiting: Protección contra ataques de fuerza bruta

Recomendaciones para Producción

Cambiar credenciales por defecto
Configurar HTTPS
Limitar acceso a la base de datos
Implementar rate limiting
Configurar backups automáticos
Monitorear logs de seguridad
Actualizar dependencias regularmente

🤝 Contribución

Fork el proyecto
Crear una rama para tu feature (git checkout -b feature/AmazingFeature)
Commit tus cambios (git commit -m 'Add some AmazingFeature')
Push a la rama (git push origin feature/AmazingFeature)
Abrir un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT. Ver el archivo LICENSE para más detalles.

🆘 Soporte

Para soporte y preguntas:

Crear un issue en GitHub
Contactar al equipo de desarrollo
Revisar la documentación de la API

Name		Name	Last commit message	Last commit date
Latest commit History 4 Commits
build		build
data		data
nginx		nginx
.gitignore		.gitignore
README.md		README.md
TROUBLESHOOTING.md		TROUBLESHOOTING.md
alter_targets_table.sql		alter_targets_table.sql
build-frontend.sh		build-frontend.sh
docker-compose.yaml		docker-compose.yaml
env.example		env.example
fix_brain_container.sh		fix_brain_container.sh
install_report_dependencies.sh		install_report_dependencies.sh
install_reportlab.sh		install_reportlab.sh
pentestia.code-workspace		pentestia.code-workspace
pentestia.sql		pentestia.sql
reboot_database.sql		reboot_database.sql
start.sh		start.sh

djfatbody/pentest-ia

Folders and files

Latest commit

History

Repository files navigation

PentestIA - Sistema Automatizado de Pruebas de Penetración

🚀 Características

🏗️ Arquitectura

🧠 Servicios MCP (Model Context Protocol)

🔍 MCP Reconnaissance (Puerto 8001)

🎯 MCP XSS (Puerto 8002)

💉 MCP SQL Injection (Puerto 8003)

🔬 MCP DOM Analyzer (Puerto 8004)

🛠️ Tecnologías

Backend

Frontend

Infraestructura

🚀 Instalación y Uso

Prerrequisitos

Instalación

Servicios Disponibles

🔄 Flujo de Trabajo

1. Creación de Proyecto

2. Reconnaissance Automático

3. Análisis Inteligente

4. Escaneo de Vulnerabilidades

5. Generación de Reportes

📚 Documentación de la API

Endpoints Principales

Projects

Targets

Scans

Reports

🔧 Desarrollo

Estructura del Backend

Estructura del Frontend

Comandos de Desarrollo

Backend

Frontend

Construcción del Frontend para Producción

🧪 Pruebas

Ejecutar Pruebas del Backend

Ejecutar Pruebas del Frontend

Pruebas de Integración

📊 Monitoreo

Métricas Disponibles

Logs

🔒 Seguridad

Configuración de Seguridad

Recomendaciones para Producción

🤝 Contribución

📄 Licencia

🆘 Soporte

🗺️ Roadmap

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Languages

Packages