一个开源、可自托管的 AI SOC。代理的提示词、工具调用和推理过程会逐步记录并支持回放。基于 MIT 许可证。
由社区维护的演示位于 tryaisoc.com，运行在 Fly.io 上，可能会下线；请参阅 docs/operations/live-demo-runbook.md，并将 Codespaces 作为始终可用的备用方案。
90 秒演示——代理端到端调查预置的 LockBit 3.0 案例。渲染后的 .mp4 + hero.gif 将随 v8.0 发布上线；脚本详见 docs/demo/SCREENCAST_SHOTLIST.md。
一条命令即可——无需克隆、无需 Docker、无需密钥（npx aisoc 将随 v8.0 发布上线 npm；目前可从 packages/aisoc-lite/ 构建）：```bash
npx aisoc triage --demo
wedge CLI 使用从生产分流评分器移植的确定性引擎，将一批告警评定为判定（escalate / review / suppress）——无需任何 LLM 密钥。或者选择与你机器上已有环境最匹配的路径：
| 如果你有… | 运行此命令 | 你将得到 |
|---------------------------------------|----------------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------|
| **Python 3.10+**（无需 Docker） | `pip install -e packages/aisoc-sandbox && aisoc-sandbox demo` | 离线代理调查完成 Detect → Triage → Hunt → Respond 全流程，并打印到 stdout。**< 5 秒。** 无需 API 密钥，无需网络。 |
| **浏览器**（零安装） | [在 Codespaces 中打开](https://codespaces.new/beenuar/AiSOC?quickstart=1) | 浏览器 IDE → 执行 `pnpm aisoc:demo --no-open` → 点击转发的端口 `3000`。冷启动约 5 分钟。 |
| **Docker + pnpm** | `git clone https://github.com/beenuar/AiSOC && cd AiSOC && pnpm aisoc:demo` | 本地技术栈：Postgres + Redis + Kafka + api + agents + web。浏览器将打开 `INC-RT-001`。 |
| **无任何环境**（全新的 Linux/macOS/Win） | `curl -fsSL https://raw.githubusercontent.com/beenuar/AiSOC/main/install.sh \| bash` | 自动为你引导安装 Docker、Node、pnpm、git；然后运行 `pnpm aisoc:demo`。 |
第一行是新增的：[`aisoc-sandbox`](https://github.com/beenuar/aisoc/blob/HEAD/packages/aisoc-sandbox/) 是一个零依赖、内存驻留的代理漏斗模拟器。你可以选择[内置场景](https://github.com/beenuar/aisoc/blob/HEAD/packages/aisoc-sandbox/README.md#bundled-scenarios)（`lateral-movement`、`aws-credential-exfil`、`phishing-payload`、`kubernetes-privesc`、`github-token-theft`），或通过 `--file` 传入你自己的 JSON。其余三行会启动真实技术栈，并将你带到 `/cases/INC-RT-001?tab=ledger` —— 一个正处于调查中途的 LockBit 3.0 勒索软件案例，AI 代理的提示词、工具调用和推理过程会实时流入[调查记录](https://github.com/beenuar/aisoc/blob/HEAD/apps/docs/docs/console/investigation-rail.md)。使用 `pnpm aisoc:demo:down` 停止真实技术栈。
> **演示仍能在 `main` 分支上启动吗？** 每次推送都会运行 [`compose-smoke`](https://github.com/beenuar/AiSOC/actions/workflows/compose-smoke.yml)（与你本地运行的 `pnpm aisoc:demo` 路径相同）以及针对已播种控制台的 [`e2e`](https://github.com/beenuar/AiSOC/actions/workflows/e2e.yml)；每晚的 [`compose-smoke-nightly`](https://github.com/beenuar/AiSOC/actions/workflows/compose-smoke-nightly.yml) 会在冷缓存状态下重复该测试。下方的红色徽标表示发布阻断。
>
> [&style=flat-square)](https://github.com/beenuar/AiSOC/actions/workflows/compose-smoke.yml)
> [&style=flat-square)](https://github.com/beenuar/AiSOC/actions/workflows/compose-smoke-nightly.yml)
> [&style=flat-square)](https://github.com/beenuar/AiSOC/actions/workflows/e2e.yml)
完整的多平台部署指南位于 [`apps/docs/docs/installation.md`](https://github.com/beenuar/aisoc/blob/HEAD/apps/docs/docs/installation.md)（Render、Fly.io、Docker Compose、Kubernetes、Terraform）。包含完整存储层的生产级安装：[`infra/helm/`](https://github.com/beenuar/aisoc/blob/HEAD/infra/helm/) 或 [`infra/terraform/`](https://github.com/beenuar/aisoc/blob/HEAD/infra/terraform/)。
---
## AiSOC 是什么
AiSOC 是一个可自托管的单一技术栈，能够摄入安全事件、关联分析、运行 AI 驱动的调查，并将结果呈现在 SOC 控制台中。代理和底层平台均采用 MIT 许可证，因此你可以阅读、分叉或替换其中任意一个。
三个特性使其区别于闭源 AI SOC 厂商：
1. **代理决策会被记录。** 调查记录会存储每次运行的每一步的 LLM 提示词、响应、引用的证据以及下游工具调用。之后可进行重放。
2. **底层平台在 CI 中拥有公共评估框架。** 五个套件对每个目标为 `main` / `develop` 的 PR 进行把关——告警缩减是针对固定 1 000 条告警流的真实测量；三个基于评分标准的套件是底层平台在确定性 200 事件数据集（55 个模板）上的自一致性门禁，并带有按模板划分的宏；第五个门禁验证底层遥测语料库。[基准测试页面](https://github.com/beenuar/aisoc/blob/HEAD/apps/docs/docs/benchmark.md) 准确记录了每个套件测量什么以及不测量什么。
3. **你控制流出你网络边界的一切。** 不会回调厂商云，也没有“模型改进”遥测。使用托管 LLM 时，证据默认进行假名化处理（内部 IP、主机名、电子邮件、路径、密钥、用户名会变为不透明令牌）；运行本地模型（Ollama/vLLM）可获得完全物理隔离的路径。每种模式下具体流出什么：[`docs/trust/data-flows.md`](https://github.com/beenuar/aisoc/blob/HEAD/docs/trust/data-flows.md)。
编排器是 [`services/agents/`](https://github.com/beenuar/aisoc/blob/HEAD/services/agents/) 中一个约 600 行的 LangGraph。它足够小，可以通读全文、替换模型并进行修补。
---
## AiSOC 对比
| 能力 | AiSOC | Wazuh | Splunk ES | 闭源 AI SOC |
|---|---|---|---|---|
| 开源许可证 | MIT | GPL-2 | 专有 | 专有 |
| 可自托管 | 是 | 是 | 仅企业版 | 仅云端 |
| 自主 AI 调查 | LangGraph | 否 | 部分（Splunk AI） | 是 |
| 代理决策审计轨迹 | 公开调查记录 | n/a | n/a | 未发布 |
| 公共底层平台评估框架 | CI 门禁、可复现，含合成遥测语料库 + 按模板宏 | n/a | n/a | 未发布 |
| 检测内容 | 947 个可执行（869 个原生）在实时流上触发 + 6 000 条带来源追踪的导入规则库（[真值表](https://github.com/beenuar/aisoc/blob/HEAD/docs/detections/truth-table.md)） | 1 200+ 条规则 | 1 000+ 个应用 | 精选 |
| 插件 SDK | Python / TypeScript / Go | 仅 YAML 规则 | 应用 | 专有 |
| 数据驻留 | 你的基础设施 | 你的基础设施 | 部分 | 厂商云 |
| 定价 | $0（自托管） | $0（自托管） | 按摄入 GB 计费 | 企业级 |
闭源 AI SOC 厂商提供了可用的产品。AiSOC 的贡献在于让代理本身开放、让每一步的决策轨迹可读，并通过公共评估框架对每个目标为 `main` / `develop` 的 PR 进行底层平台把关。
---
## 你将在控制台中看到的内容
<div align="center">
| <a href="apps/docs/docs/console/queue.md"><img src="https://raw.githubusercontent.com/beenuar/aisoc/HEAD/apps/web/public/screenshots/01-alerts-queue.svg" alt="带有 SLA 倒计时的告警队列" width="100%" /></a> | <a href="apps/docs/docs/console/investigation-rail.md"><img src="https://raw.githubusercontent.com/beenuar/aisoc/HEAD/apps/web/public/screenshots/02-investigation-rail.svg" alt="具有确定性关联叙事的调查轨道" width="100%" /></a> |
|:---:|:---:|
| **告警队列** —— 基于服务器的 SLA 倒计时、原子认领、一键分流。[文档](https://github.com/beenuar/aisoc/blob/HEAD/apps/docs/docs/console/queue.md) | **调查轨道** —— 叙事、枢轴路径实体标签、6 事件时间线、推荐操作。[文档](https://github.com/beenuar/aisoc/blob/HEAD/apps/docs/docs/console/investigation-rail.md) |
| <a href="apps/docs/docs/console/rule-tuning.md"><img src="https://raw.githubusercontent.com/beenuar/aisoc/HEAD/apps/web/public/screenshots/03-hunt-workbench.svg" alt="自然语言 /hunt 工作台" width="100%" /></a> | <a href="apps/docs/docs/plugins/overview.md"><img src="https://raw.githubusercontent.com/beenuar/aisoc/HEAD/apps/web/public/screenshots/04-marketplace.svg" alt="插件与检测市场" width="100%" /></a> |
| **`/hunt` 工作台** —— 用英语输入假设，即可获得 ES|QL / SPL / KQL，保存 + 定时执行。[文档](https://github.com/beenuar/aisoc/blob/HEAD/apps/docs/docs/console/rule-tuning.md) | **市场** —— 插件、剧本、检测规则，支持一键租户安装。[文档](https://github.com/beenuar/aisoc/blob/HEAD/apps/docs/docs/plugins/overview.md) |
<sub><em>上面的四个图块是 SVG 占位图。真实的 PNG 截图将在下一轮 Phase 2 视觉效果更新中提供；在此之前，本 README 顶部的[演示视频](https://github.com/beenuar/aisoc/blob/HEAD/apps/web/public/demo/)是权威参考。</em></sub>
</div>
---```mermaid
flowchart LR
subgraph Sources["Sources"]
EDR["EDR / XDR"]
SIEM["SIEM"]
Cloud["Cloud APIs"]
IDP["Identity"]
Net["Network"]
end
subgraph Ingest["Ingest & Normalize"]
Connectors["Connectors\n(Python · 78 vendors)"]
OsqueryTLS["osquery-tls\n(Python · host telemetry)"]
IngestSvc["Ingest worker\n(Go · OCSF)"]
Enrich["Enrichment\n(Go · IOC + Shodan)"]
end
subgraph Spine["Event Spine"]
Kafka[("Apache Kafka")]
end
subgraph Detect["Detect & Reason"]
Fusion["Fusion\n(Python · ML)"]
UEBA["UEBA\n(Python · baseline)"]
Rules["Rule engine\n(Sigma · YARA · KQL)"]
Agents["AI Agents\n(LangGraph)"]
end
subgraph Storage["Storage Tier"]
PG[("PostgreSQL")]
CH[("ClickHouse")]
OS[("OpenSearch")]
QD[("Qdrant")]
N4[("Neo4j")]
RD[("Redis")]
end
subgraph Surface["Surface"]
API["Core API\n(FastAPI)"]
Web["Web Console + Responder PWA\n(Next.js)"]
MCP["MCP Server\n(TS · stdio)"]
end
Sources --> Connectors --> IngestSvc --> Kafka
OsqueryTLS --> IngestSvc
IngestSvc --> Enrich --> Kafka
Kafka --> Fusion --> Storage
Kafka --> UEBA --> Kafka
Kafka --> Rules --> Kafka
Agents --> Storage
API --> Storage
Web --> API
MCP --> API
完整架构（每个服务、每个存储角色、v1.5 控制台工作台以及 Investigation Ledger 契约）见 apps/docs/docs/architecture.md。更深入的系统设计文档——包括 ML 融合、ingest 时建图的 Neo4j schema 以及威胁情报管道——位于 docs/architecture/SYSTEM_DESIGN.md。完整的 monorepo 布局见 apps/docs/docs/architecture/overview.md。
少数几个核心亮点——其余的在 apps/docs/docs/features/ 中分类列出，并在 apps/docs/docs/intro.md 顶部建立索引：
成熟度（v7.7.0——完全可运行版本）。 端到端主干已接通并通过 CI 门禁：ingest → ClickHouse 事件湖 → 实时检测 → 融合告警 → 自动分诊 → 受治理的响应。连接器、Investigation Rail + Ledger、Hunt-as-Code、实时流检测与 copilot 自动分诊均已 GA（正式可用）。自主响应默认为 copilot/试运行（一项自治策略约束每一次真实执行）。实时 agent LLM 基准为预览版（确定性层级记分板在每个 PR 上通过 CI 门禁）；substrate 评估套件已 GA。每一条产品声明都有失败测试作支撑——声明到门禁矩阵：46 GATED / 9 PARTIAL / 0 NO GATE。各声明的完整状态见
docs/audit/REALITY_REPORT.md。v7.7.0 新增三种检测编写模式（Python 框架 + AI 构建器 + 无代码）、面向响应操作的最小权限 invoking-identity 作用域、自助式数据生命周期（保留策略 + 防 ReDoS 的转换 DSL + 自定义解析器）、一个支持合规自动取证、可发送至 Opsgenie/email/SOAR 目的地的无代理 CSPM 扫描器，以及一个可定制的报告构建器——全部经过测试，全部已合入main。
83 个即点即连的数据连接器（EDR/XDR、SIEM、NDR、云、CNAPP、身份、SaaS、VCS、K8s 审计、网络），具备 schema 驱动的配置、实时的 Test connection 和经 vault 加密的密钥——最近新增 Qualys、GreyNoise、JumpCloud、Darktrace 和 Imperva，与 IBM QRadar、Netskope、Zeek/Suricata NDR 等并列。一条查询即可跨 Splunk SPL / Sentinel KQL / Elastic ES|QL / QRadar AQL 执行与 SIEM 无关的联邦搜索。操作指南：apps/docs/docs/connectors/index.md。
端到端 SIEM 主干——冷启动 docker compose up 摄取连接器数据 → 落入 ClickHouse 事件湖 → 可执行的检测语料库（947 条规则）在实时流上触发 → 生成融合告警，全部由扩展的集成门禁验证。融合时的威胁情报 + CISA-KEV 富化现在会馈入置信度评分与在野利用加成，有状态/窗口化检测（暴力破解、密码喷洒、端口扫描）与语料库并行运行。apps/docs/docs/architecture.md。
自主分诊 + 受治理的响应——每条融合告警都会由 agent 自动分诊（默认 copilot/只读），并设有提示注入防护，将遭篡改的证据降级为人工审查；统一的置信度 × 爆炸半径 × 可逆性策略仅在高置信度下、对可逆且低爆炸半径的操作授权自动执行（其余一律保留在人工门禁之后），并支持真正的回滚 + 操作后验证。apps/docs/docs/concepts/automation-maturity.md。
Advanced Data Explorer——一个统一的调查界面（事件湖上的自然语言 + SQL，并可切换到身份/图谱/情报视角），取代 SIEM 的上下文切换。/explore。
Investigation Rail + 可重放的 Investigation Ledger——每条提示、每次工具调用、每条证据标签和推理依据都按案件存储，可在 UI 中重放，并可作为脱敏后的公开永久链接分享（实时演示重放）。。
AiSOC 自带一个 MCP 服务器（services/mcp/），分析师无需离开 IDE 或聊天界面即可查询告警、运行 agent 调查并重放 agent 执行的每一步。该服务器暴露 13 个工具——发现、深度挖掘、受治理的事件湖查询，以及逐步走查 agent 决策账本的操作/重放工具集。
状态——目前为 monorepo 源码构建；npm 发布将在 v8.0 落地。 完整配置见
apps/docs/docs/integrations/mcp.md，其中并排展示了当前与 v8.0 的调用方式。
有三种贡献途径；每个都只需一个文件外加可选 fixtures，CI 会验证每个 PR。
detections/ 下放一个 Sigma YAML，并在 detections/fixtures/ 中提供正/负样例。validate-detections 工作流会在每个 PR 上测试它。规范：docs/connectors/。services/connectors/app/connectors/ 中继承 BaseConnector，在 _CONNECTOR_CLASSES 中注册它，并添加 plugins/<id>/plugin.yaml 清单。市场会自动收录它。操作指南：apps/docs/docs/connectors/。playbooks/ 下放一个 YAML； 会为 PR 把关。Schema：。插件与检测 SDK（Python · TypeScript · Go）——见 apps/docs/docs/plugins/overview.md。CLI（aisoc-cli）位于 packages/aisoc-cli/；PyPI 发布将在 v8.0 落地。
用在你的 CI 中： 添加 - uses: beenuar/aisoc-action@v1，在每个 PR 上对你的仓库的 Dependabot / CodeQL / 密钥扫描告警进行分诊（确定性执行，数据不会离开你的 runner；本仓库已自用（dogfooded），Marketplace 发布将在 v8.0 落地）。文档。
RELEASES.md（对应原本位于本 README 中的内容）CHANGELOG.md[~] 条目）： docs/roadmap/v8-progress.mdROADMAP.md欢迎各种规模的 PR。在提交 PR 之前，请阅读 CONTRIBUTING.md 了解工作流程，并阅读行为准则。
首次贡献者：挑一个 good first issue。需要帮助？开启 Q&A 讨论。
AiSOC 由不断壮大的贡献者、安全研究人员和运维人员社区构建和改进。完整致谢名单——包括 bug 报告者与安全研究人员——位于 .github/CREDITS.md。始终保持最新的代码贡献图见 GitHub contributors 页面。
如发现安全问题，请勿公开发布 issue。请使用 GitHub 的私有漏洞报告。完整策略见 SECURITY.md。AiSOC 遵循协调披露（coordinated disclosure）原则。
MIT — © 2024–至今 AiSOC 贡献者。
apps/docs/docs/console/investigation-rail.mdDetection-as-Code 生命周期——提出 → 评审 → 评估门禁 → 晋升；CI 会拒绝任何未通过自身正/负样例（非循环门禁）或导致 MITRE 准确率回退的候选。分析师的误报反馈现在会馈入自优化调优器，它会提出受限的规则豁免/严重级别变更（需人工批准，绝不自动应用）。apps/docs/docs/concepts/detections.md——869 条原生规则位于 detections/。
三模型 AI + 工具使用型 agents——语义（ingest 时建图）、行为（UEBA 融合进告警评分）和知识（LLM），并带融合时的攻击链分组。agent 通过 LLM 工具调用循环 调用真实工具（IOC 富化、MITRE 查询、图谱爆炸半径），而评分式调度器会把每条告警路由给正确的专家，而不是扇出到全部四个。
成本治理下的 LLM 路由——每租户预算 + 熔断器、token/成本遥测、内容寻址的响应缓存、低成本优先的成本级联（仅在低置信度时升级到强模型）、多模型网关回退，以及每租户 BYOK 密钥。services/agents/app/routing/。
Hunt-as-Code——带 MITRE 标签、cron 调度和自然语言 /hunt 工作台的 YAML 假设。hunts/ + apps/docs/docs/console/rule-tuning.md。另外还有免费、无需登录的浏览器工具：Sigma/SPL/KQL/ES|QL 规则转换器、ATT&CK 覆盖度评分器、NL→Sigma 和噪音计算器。
公开的每周基准记分板——与门禁 PR 所用同一套框架；确定性层级那一行在每个 PR 上都会通过 CI 门禁以保证新鲜度，受资助的每周任务会追加实时 LLM 行。新的 groundedness/幻觉轴 会标记 agent 所断言但不在其给定证据中的任何指标。apps/docs/docs/benchmark-scoreboard.mdx。
validate-playbooks