TL;DR

AiSOC 是一个开源、自托管的 AI Security Operations Center，核心亮点在于其可审计的调查账本（Investigation Ledger）和完全本地化的推理能力。它通过 LangGraph 驱动 Agent 进行告警分诊，并强制要求所有响应动作需经人类审批，解决了 AI 在安全领域落地时“黑盒”与“越权操作”的核心痛点。

它解决什么问题

传统 SIEM/SOAR 面临告警疲劳和响应滞后问题，而引入 LLM Agent 后往往缺乏可解释性和安全性控制。AiSOC 的出现旨在填补这一空白：它不只是一个检测引擎，更是一个决策记录系统。在安全运营中，审计轨迹（Audit Trail）至关重要——谁、在什么时间、基于哪些证据做出了判断。AiSOC 通过记录每一步 Prompt、Tool Call 和推理逻辑，确保 Agent 的行为完全可追溯。此外，它强调“无 API Key”运行默认模型，降低了企业将敏感日志发送至云端 LLM 提供商的合规风险。

核心做法

架构上，AiSOC 采用微服务设计，基于 Kafka 处理遥测数据流。核心流程包括： 1. 标准化与融合：通过 90+ 连接器接入数据，统一为 OCSF 格式。 2. 检测引擎：运行基于 Sigma/自定义规则的检测库（7015 条规则中可执行约 2534 条），并结合滑动窗口逻辑进行告警聚合。 3. Agent 调查：使用 LangGraph 构建 Agent，读取告警、实体图谱和历史判决。Agent 的工具调用被严格限制为只读查询（Lake queries, Graph traversals），严禁直接写 SQL 或执行高危操作。 4. 决策账本：所有推理过程写入 Postgres 构成的“调查账本”，并支持导出为签名的证据包（Signed Evidence Bundle），符合 OCSF 1.9.0 标准。 5. 人机协同：Playbook 执行默认处于“预览”模式，需三重开关（部署、租户、Playbook本身）同意且经人类审批后方可执行。

作者

项目由 beenuar（个人账号）维护，但背后有网络安全公司 Cyble 的资金和工程支持。README 明确指出开发由 Cyble 资助，但代码以 MIT 许可证开源，且无后门或遥测收集。Cyble 是一家专注于威胁情报的公司，这解释了 AiSOC 为何内置 CISA KEV（已知被利用漏洞）等高质量威胁情报源。

社区反应

截至数据抓取时，项目拥有 6,198 Stars 和 643 Forks，在 AI Security（AI安全）这一细分领域属于极高热度。Open Issues 仅 15 个，表明核心功能相对稳定或社区反馈渠道（Discussions）较为活跃。主语言为 Python，生态兼容性好。鉴于其“自托管”、“无 API Key 默认运行”和“审计账本”的特性，非常契合当前对 AI Agent 安全性高度关注的工程师群体。

怎么上手

依赖环境主要为 Docker Compose v2（需 8GB RAM, 20GB Disk）或 Python 3.9+。 1. 最快体验： bash git clone https://github.com/beenuar/AiSOC && cd AiSOC make up # Windows/Linux/macOS 均有对应一键脚本或 Makefile 2. 无 Docker 离线测试： bash pip install aisoc-sandbox && aisoc-sandbox demo 3. 验证：运行 make smoke 可测试从 ingest 到 alert 的全链路。 4. 模型：默认捆绑 Ollama + llama3.2:3b-instruct-q4_K_M（约 2GB），完全本地运行，无需外部 API。

争议与局限

  • 非完整 SIEM：README 明确声明它不替代长期日志存储和合规搜索，仅聚焦于检测、关联和响应。用户需自行解决数据湖的长期归档问题（尽管 full 模式包含 ClickHouse）。
  • 本地模型能力上限：默认使用的 llama3.2:3b 是小参数模型，虽然用于分诊（Triage）已能产生可用结果，但在复杂推理场景下可能不如前沿大模型。用户需自行配置 GPU 或外部 LLM Gateway 以获得更好效果。
  • 规则执行率：7015 条检测库中仅约 2534 条被标记为“Executable”（可执行），其余因缺乏特定厂商事件回放验证而被拒绝。这体现了其严谨性，但也意味着初始覆盖度有限。
  • 部署复杂度：虽然 make up 简化了流程，但底层涉及 Kafka, Postgres, ClickHouse, Neo4j, Ollama 等多个组件，运维门槛高于单体应用。

相关项目

  • Dify — AiSOC 专注安全运营垂直领域，具备完整的 SIEM/SOAR 逻辑和审计账本；Dify 是通用的 LLM App 开发平台，需自行构建安全逻辑。
  • Wingman AI — Wingman 侧重于代码安全和 DevSecOps，提供 PR 级别的辅助；AiSOC 侧重于运行时安全运营（Blue Team）和事件响应。
  • OpenLIT — OpenLIT 主要关注 LLM 应用的遥测和可观测性（Tracing）；AiSOC 将可观测性直接嵌入安全决策流程，形成“调查账本”。
  • TheHive — TheHube 是传统的 Case Management SOAR；AiSOC 引入了 AI Agent 自动分诊和基于图谱的调查，且强调本地化推理。
  • SigmaHQ — Sigma 是检测规则的标准格式；AiSOC 内置了庞大的 Sigma/自定义规则库，并提供了从 Splunk/Sentinel 迁移工具，是规则的消费者和执行者。