n2h4@home:~$

IRMind: un asistente de IA para respuesta a incidentes, en la terminal y con registro firmado

Llevo meses trabajando en un proyecto personal que por fin está en un punto en el que me apetece enseñarlo: IRMind, un asistente de IA de código libre para respuesta a incidentes y análisis forense, que funciona en la terminal.

La idea de partida era sencilla: tener algo parecido a Claude Code, pero pensado para forense. Una herramienta con la que conversar mientras investigas, que cargue metodologías especializadas cuando hacen falta y que pueda repartir trabajo en paralelo. Y, sobre todo, que no comprometa lo que en DFIR no se puede comprometer: la evidencia y la trazabilidad de lo que se ha hecho con ella.

Repositorio: github.com/ns2switch/irmind

Por qué otra herramienta

Durante el curso SANS FOR509 (Enterprise Cloud Forensics and Incident Response) volví a ver algo que ya conocía de la práctica: una investigación en la nube implica saltar entre CloudTrail, Entra ID, los registros de auditoría de Google Cloud, Kubernetes, el EDR, los logs de los servidores… Cada fuente tiene su formato, sus campos y sus trampas. Mucho tiempo se va en normalizar, buscar y correlacionar, más que en pensar.

Los modelos de lenguaje ayudan mucho en esa parte, pero meter un LLM en una investigación plantea problemas serios:

  • La evidencia es hostil. Un log puede contener texto preparado para manipular al modelo (prompt injection). Un nombre de fichero, un user agent o el asunto de un correo bastan.
  • El modelo no debería decidir qué se ejecuta. Puede proponer una consulta o una búsqueda externa, pero alguien tiene que comprobar que eso está dentro del alcance del caso.
  • Hay que poder demostrar qué pasó. Si una conclusión acaba en un informe, tiene que poder reconstruirse qué evidencia la sostiene y qué hizo la herramienta para llegar a ella.

IRMind nace para resolver esas tres cosas.

El principio: el modelo propone, la política decide y todo queda firmado

El flujo básico es este:

Analista → TUI → caso + política → conector autorizado → evidencia local
                    ↑        ↓
                  modelo   cadena de auditoría firmada
  1. El modelo sugiere una llamada a una herramienta: una consulta sobre la línea temporal, cargar una skill, un enriquecimiento externo…
  2. La política comprueba la herramienta, los argumentos, el alcance del caso, el modo de ejecución y los límites. Las llamadas externas requieren una aprobación firmada por el analista.
  3. Los conectores aprobados devuelven evidencia que se queda en local. El modelo solo ve una copia acotada y marcada como no confiable, delimitada para que no pueda confundirla con instrucciones.
  4. Cada propuesta, decisión, resultado y cambio en el caso queda en un registro de auditoría encadenado y firmado con Ed25519. Al final, el caso se puede sellar, exportar y verificar de forma independiente.

No hay ningún modelo activado por defecto. Puedes ingerir, consultar y verificar evidencia sin usar IA.

Qué puede hacer hoy

Ingesta y normalización

IRMind detecta automáticamente el formato de cada fuente y activa el parser correspondiente. Cada evento se normaliza a un esquema común basado en un subconjunto de ECS y se guarda en Parquet, junto con el hash del original. Algunos de los formatos soportados:

  • Nube: AWS CloudTrail y GuardDuty, Microsoft Entra ID y Microsoft 365, Okta, Google Cloud Audit Logs.
  • Kubernetes: audit logs de EKS, GKE y AKS, y alertas de Falco.
  • Windows: EVTX, procesado en un proceso auxiliar aislado (sandbox).
  • Linux: auth, auditd, journald, syslog, nginx y Apache.
  • Herramientas DFIR: Velociraptor, Hayabusa, Chainsaw, plaso, EZTools, Zeek y Suricata.
  • Genéricos: JSON, ECS, OCSF y un parser declarativo para formatos tabulares.

También tiene conectores, todos experimentales y desactivados hasta que los configuras, para Elastic, Splunk, Google SecOps, CrowdStrike, SentinelOne, MISP y VirusTotal, y para descargar evidencia de S3, GCS y Azure Blob.

Skills forenses

Las skills son metodologías de investigación empaquetadas: compromiso de credenciales en AWS, exfiltración desde S3, compromiso de identidad en Azure, Kubernetes, Windows, Linux, red… Cada una declara qué fuentes necesita y qué huecos de cobertura tiene. El modelo las carga solo cuando hacen falta, así que no se gasta contexto en lo que no se usa.

Las skills nunca amplían permisos: una skill puede guiar la investigación, pero no puede saltarse la política. Además, su uso queda registrado y firmado en el caso.

Viven en un repositorio aparte, ns2switch/irmind-skills, para que cualquiera pueda proponer mejoras o metodologías nuevas sin escribir una línea de Rust.

Subagentes en paralelo

Para tareas grandes, IRMind puede repartir el trabajo entre subagentes con tareas acotadas. Por ejemplo, uno revisa la actividad de identidad mientras otro analiza el acceso a datos. Los planes son visibles antes de ejecutarse y las tareas se siguen con /subagents. Se pueden cancelar sin perder el trabajo ya completado. Los subagentes no pueden crear otros subagentes ni tener más permisos que el agente principal, y comparten un único presupuesto de tokens y llamadas que defines tú.

Modelos

Funciona con proveedores compatibles con la API de OpenAI (incluidos modelos locales con Ollama, LM Studio o vLLM), Anthropic, DeepSeek y OpenRouter, entre otros. Tú eliges el modelo, y la evidencia que no hace falta enviar no se envía.

Pruébalo en dos minutos

La forma más rápida de verlo es la demo guiada. No necesita API key, cuenta ni red:

irmind demo

La herramienta real ejecuta una investigación sintética de diez pasos con un modelo simulado: ingesta, consultas locales, respuesta en streaming, aprobación firmada y verificación de la custodia. Al salir se borran el caso y las claves temporales.

En macOS se instala con Homebrew:

brew install ns2switch/irmind/irmind

Para Linux y Windows hay binarios en las releases, firmados con Sigstore y con atestación de procedencia, SBOM y checksums. En la guía de plataformas están los pasos para verificarlos antes de instalar. Por favor, no ejecutes un script descargado de internet sin verificarlo, tampoco el mío.

Lo que todavía no es

Prefiero ser claro: IRMind es software de evaluación, anterior a la versión 1.0, y no está validado para incidentes reales. He probado una investigación completa con un modelo real (DeepSeek) sobre el dataset público de CloudTrail de Invictus IR, con skills y confirmación de hallazgos, y funciona bien. Aun así, quedan comprobaciones pendientes, y hasta la 1.0 cada versión menor puede cambiar el formato de los casos sin migración.

Úsalo para aprender, evaluar y experimentar, no para tu próximo incidente en producción.

Qué viene

  • Más fuentes: Defender for Endpoint, CrowdStrike FDR, macOS (Unified Log y eslogger), Google Workspace, el audit log de GitHub, DNS, IIS y balanceadores, y los flow logs de AWS, Azure y GCP, con sus skills (BEC en Microsoft 365, triaje de phishing, compromiso de Okta, EDR, macOS…).
  • Consultas en origen (v0.6): consultar CloudTrail en Athena, Cloud Audit Logs en BigQuery y Entra ID en Log Analytics sin descargar todos los logs. El modelo nunca escribe SQL ni KQL: propone una consulta estructurada que la política valida, con un presupuesto de escaneo separado. El resultado se descarga una vez, se firma y se analiza en local.

Cómo colaborar

El proyecto es libre (MIT o Apache-2.0) y está hecho para la comunidad. Hay varias formas de echar una mano:

  • Probarlo y abrir issues con lo que falle o falte.
  • Escribir skills en irmind-skills. Si tienes una metodología de investigación que te funciona, ahí es donde más se nota.
  • Añadir parsers o mapeos. Hay issues marcados como good first issue para firewalls, proxies, DNS y otras fuentes.

Si lo pruebas, me encantará saber qué te parece. Y si tienes un dataset público que crees que debería probar, también.

Repositorio: github.com/ns2switch/irmind