AI 資安平台:有限人力也能掌握真正重要的風險

這套架構讓有限人力把大量事件收成看得到、排得了優先序的風險。五層分別是感測與偵測、資料收集、AI 分析、平台核心、前端與通知,從現場事件走到管理者和 IT 的下一步。

AiLab AI 資安平台五層資料流架構圖

資料怎麼從現場走到決定

端點、服務監控、弱點掃描和蜜罐先收集系統及網路事件。Collector 接收不同來源,統一格式、時間和必要欄位後送入處理流程。AI 分析層接著做事件分類、風險評分、摘要生成,並與官方威脅情資比對。平台核心管理事件、組織、權限和報告,同時保存分析輸入、結果和處理狀態。管理者和 IT 再從 Dashboard、報告或 LINE 取得下一步;每一步保留來源和決策脈絡,判斷才連得回原始事件。

五層架構,各自交出什麼

感測與偵測層

做什麼:從端點、服務監控、弱點掃描和蜜罐,收集系統及網路事件。

產出什麼:還沒整理的系統及網路事件。

為什麼需要這一層:後面的分析和通知都要有來源,才知道風險從哪裡來。

資料收集層

做什麼:由 Collector 接收不同來源的事件,統一格式、時間和必要欄位,再送入處理流程。

產出什麼:欄位、時間對得起來的事件。

為什麼需要這一層:來源不同,先對齊才比較得了,也才查得到是哪一筆事件。

AI 分析層

做什麼:執行事件分類、風險評分、摘要生成,並與官方威脅情資比對。

產出什麼:分類結果、風險評分、摘要,以及和官方資訊的比對。

為什麼需要這一層:事件很多時,要先整理成看得懂的風險,人員才知道哪些重要。

平台核心

做什麼:管理事件、組織、權限和報告,保存分析輸入、結果和處理狀態。

產出什麼:留得下來的事件、報告、分析依據和處理狀態。

為什麼需要這一層:結果要存得下來,事後才核對得了當時依據什麼做決定。

前端與通知系統

做什麼:以 Dashboard、報告和 LINE 等通知管道,把結果送給管理者和 IT。

產出什麼:儀表板上的內容、報告,以及通知裡的下一步。

為什麼需要這一層:有限人力要在自己會看的地方接到下一步,分析才用得上。

設計時一直保留的三個原則

來源可追溯

分析結果連回原始事件和官方資訊。這樣可以降低無法驗證的黑盒判斷,之後有疑問還查得到依據。

風險有優先序

用利用證據、可能性和業務情境,把大量事件轉成可處理清單。有限人力才知道先做哪一件。

人工決策保留

AI 提供摘要和建議。核准、修補和例外處理仍由人員掌握。

常見問答

導入的時候,建議先接哪一層?

導入從現有環境開始,不需要一次更換既有系統,也不必一次重建全部。先接目前最需要看清楚的那一層,確認這一段留得下來源,也排得出優先序;這一層的用法清楚之後,再依現況把其他層或其他來源接進來。告警、文件或知識流程要先從哪一段開始,我們會依你的情況建議起點,你再決定要不要做成正式服務。

要先換掉現有的防火牆或監控系統嗎?

不需要一次更換既有系統,也不必一次重建全部。架構依企業現況整合監控、事件收集、風險判讀、報告和通知;Collector 接收不同來源,並統一格式與時間。具體某套防火牆能否接,依現況評估。

AI 判斷錯了、通知已經送出去,怎麼辦?

AI 提供摘要和建議,核准、修補和例外處理仍由人員掌握。分析結果連回原始事件和官方資訊,之後有疑問還查得到依據,用來降低無法驗證的黑盒判斷。

這套平台要幾個人才維護得來?

這套架構讓有限人力把大量事件收成看得到、排得了優先序的風險,用來掌握真正重要的項目。做法要留在團隊日常,由你們自己維護。哪些由企業自己做、哪些由 AILAB 協助,依導入範圍討論。

我們的事件和紀錄會送到雲端嗎?資料放在哪裡?

事件和紀錄留在企業自己的環境中。平台傾向採用可以部署在企業自己環境裡的開源服務,平台核心保存分析輸入、結果和處理狀態;分析結果連回原始事件和官方資訊,有疑問查得到依據。是否搭配雲端或外部服務,依你的需求在導入前確認。

怎麼導入:從你現在的環境開始

  • 從現有環境開始:依企業現況規劃,整合監控、事件收集、風險判讀、報告和通知。不需要一次更換既有系統,也不必一次重建全部。
  • 先接一層:先接目前最需要看清楚的那一層,確認這一段留得下來源,也排得出優先序。
  • 再擴大:這一層的用法清楚之後,再依現況把其他層或其他來源接進來。導入範圍先討論再定,這裡不寫固定週期。