行业Aug 3, 2026

AI SOC 分析师——开源、自托管 SOC 自动化

围绕您已信任的 SIEM、EDR、案件系统和分析师，为本地告警富化与调查设计的防御性、人工批准架构。

Douglas Lai

Share to

AI SOC 分析师应当是更广泛 SOC 自动化栈中的防御性、经人工批准的一层，而不是一个自主代理。应让 SIEM、EDR、威胁情报和案件系统继续作为权威来源。使用 Wazuh 或 OpenSearch 进行本地采集与搜索，使用 Eigent 作为严格限定的富化与报告层，并由受训分析师作出判定和处置。不要向 LLM 授予可不受限制地关闭告警、隔离主机、变更身份或重写检测规则的凭据。

快速回答

当您需要专业商业调查产品、持续维护的集成、安全专用逻辑和供应商问责时，选择 Dropzone、Prophet Security、7AI 或 Qevlar。
当遥测数据位置、应用程序源码、模型选择和自定义工作流值得承担工程与运维负担时，选择 Wazuh/OpenSearch 加 Eigent。
将 Terra 和 Armadin置于独立且已获授权的持续验证类别中。它们是进攻性安全平台，并非直接的 SOC 告警分流替代品。
任何开放部署都应从只读影子模式开始，并使用合成和历史案件。

Eigent 是采用 Apache-2.0 的通用多代理工作区。它不是专门打造的 SOC 产品，也不应被描述为训练有素分析师或生产响应平台的替代品。

为什么本地遥测处理可能很重要

安全日志可能暴露身份、主机名、网络拓扑、特权命令、业务关系和事件证据。NIST 的日志管理指南指出，日志需要保密性和完整性保护，并且可能无意间包含密码或电子邮件内容（NIST SP 800-92）。CISA 还指出，网络流量日志等遥测数据可在隐私和风险框架下被视为敏感信息（CISA 参考架构）。

这些证据支持认真评估数据驻留要求，但并不能证明每一种云端 AI SOC 都不安全。采购方应梳理哪些数据离开环境、租户隔离、存储区域、保留期、模型训练、分包处理方、凭据、支持访问、审计日志和私有部署选项。

生产告警闭环实际需要什么

有用的调查工作流必须不只是概述一条告警：

接收告警并保留其原始证据；
检索相关的身份、终端、云和网络上下文；
关联指标和时间线事件；
区分已知良性、已知恶意、模糊和不完整的案件；
为每项重要观察提供引证；
输出与置信度匹配的处置结论；
将不确定性和高影响操作升级给分析师；
将完整审计轨迹写入案件系统；以及
支持更正、重新打开和回滚。

商业 AI SOC 供应商已围绕该闭环建立了产品专用连接器、模式、案件生命周期、评估和服务。通用编排器起步时并不具备这些资产。

商业 AI SOC 分析师选项一览

选项	核心工作	公开价格	部署信号	优势	开放栈缺口
Dropzone	自主告警调查和受限处置	按容量报价	托管集成架构	90 多个集成	专有；开放栈缺少目录和托管调优
Prophet	调查、狩猎和检测建议	报价	API 集成	安全专用证据和产品	通用代理缺少其案件和检测生命周期
7AI	广泛的案件、调查、检测、响应、狩猎	报价	联邦式/原地查询定位	覆盖广泛的 SOC 生命周期及托管选项	开放栈缺少生产响应与服务规模
Qevlar	以图为主导的调查至判定	试点/报价	比利时托管的 GCP SaaS	明确定义的图与人工操作负责人	开放栈缺少积累的图和 SLA
Terra	持续渗透测试	报价	托管	经授权的暴露面验证	不是 AI SOC 分析师
Armadin	进攻性验证和红队服务	报价	企业托管	受防护、已限定范围的验证	不是 AI SOC 分析师
Eigent + 开放栈	自定义防御性分流编排	应用许可免费；基础设施/模型/人工成本	可本地/自托管	源码和数据路径控制	必须自行构建、验证、加固和运营

Dropzone AI：最广的集成覆盖

Dropzone 将其产品描述为自主 AI SOC 分析师：它接收告警、查询 SIEM、EDR 和云工具、关联证据，并返回可供决策的发现。其产品页面列出 90 多项集成，包括 Splunk、Microsoft Sentinel 和 CrowdStrike，并支持配置好的处置操作（Dropzone 产品）。

Dropzone 在 2025 年 7 月宣布完成 3,700 万美元 B 轮融资，随后称服务了 100 多家企业；其当前产品页称服务了 300 多家组织。两者均为第一方声明（Dropzone 融资公告）。定价按容量并以报价为主。

Eigent 可通过 API 复现范围狭窄的只读富化和报告闭环。它并未提供 Dropzone 的连接器目录、安全上下文、托管调优、调查 UX、专业评估或处置保护措施。

Prophet Security：以证据为中心的调查

Prophet 将其平台定位于告警调查、威胁狩猎和检测建议，提供可解释的发现和证据（Prophet 公告）。该公司在 2025 年 7 月宣布获得 3,000 万美元 A 轮融资。

其 FAQ 列出与 Splunk、Microsoft Sentinel、CrowdStrike NG-SIEM 及其他 EDR/身份工具的集成（Prophet FAQ）。价格未公开。

概念验证应将 Prophet 的解释与留出的告警集比较，并记录哪些集成是只读、哪些具备写入能力。Eigent 提供更高的应用级灵活性，但缺少 Prophet 积累的安全产品、案件生命周期和供应商问责。

7AI：最广泛的端到端 SOC 定位

7AI 营销案件、调查、检测、响应和狩猎，以及在数据所在处查询的联邦方法。其网站报告已处理超过 900 万条告警；这是第一方计数器，并非经过审计的基准（7AI）。

该公司在 2025 年 12 月宣布获得 1.3 亿美元 A 轮融资，使所述总融资达到 1.66 亿美元（7AI 公告）。定价以演示为主。

当采购方需要广泛的托管 SOC 平台和服务选项时，7AI 是更强的路线。Eigent 不提供联邦式 SIEM、检测产品、托管响应运营或大规模安全业绩记录。

Qevlar：明确的不确定结论与人工操作

Qevlar 使用专有图编排器进行告警分流、富化和调查。其 FAQ 表示 LLM 执行定义好的步骤、可返回不确定结果，并将最终操作留给人工（Qevlar FAQ）。

该公司称其托管在比利时的 Google Cloud 上，并通过 API 与 Microsoft、CrowdStrike、Palo Alto、Google SecOps、SentinelOne 和 Splunk 集成。其新闻页面称已融资 3,000 万美元，并在企业和 MSSP 中部署（Qevlar 新闻）。

明确的不确定状态是任何开放栈的有用设计原则。采购方仍应独立验证“不会产生幻觉”的说法，并梳理发送至 SaaS 租户的证据。

Terra 和 Armadin 是相邻方案，并非直接替代品

Terra 是代理式持续渗透测试和 AI 红队平台，不是告警分流队列（Terra）。它在 2025 年宣布完成 3,000 万美元 A 轮融资，使总融资达到 3,800 万美元（Terra 公告）。

Armadin 将自己描述为 AI 原生进攻性安全平台，另提供红队咨询和事件响应（Armadin 平台）。它在 2026 年 3 月宣布获得种子轮和 A 轮合计 1.899 亿美元融资（Armadin 公告）。

仅可在明确定义的范围内，将这些工具用于已明确授权的验证。本指南不提供利用指令。不得将 Eigent 定位为自主进攻系统。

实用的自托管 SOC 自动化栈

用 Wazuh 进行采集和安全分析

Wazuh 提供用于采集、规则分析、威胁狩猎和主动响应的开源 SIEM/XDR 平台（Wazuh 概述）。在首个 AI 试点中保持主动响应禁用。

用 OpenSearch 进行本地存储和查询

OpenSearch 提供采用 Apache-2.0、可自托管的搜索与可观测性平台，可支持日志存储和安全分析（OpenSearch）。运营方必须设计索引生命周期、访问控制、保留、备份和查询容量。

用 Eigent 进行受限编排

Eigent 的 Apache-2.0 工作区可在本地运行、调用范围受限的工具、关联证据、将观察映射至防御框架并起草处置结论（Eigent 仓库）。它应以只读凭据和强制分析师决定开始。

关于底层部署边界，完全本地 AI 员工指南说明了应用、模型、工具和数据路径如何组合。

应保留现有案件管理、威胁情报和响应工具。该栈把许可成本转移到基础设施、集成、内容维护、模型评估、值班责任和事件责任上。

安全的只读演示

选择具有分析师批准结果的历史告警。
移除或标记化评估不需要的敏感字段。
向代理提供对副本或受限搜索 API 的只读访问。
限制查询时间、行数、日期范围和索引范围。
获取告警、身份、终端和网络证据。
要求提供带源链接的观察和时间线。
只允许三种结果：可能良性、可能恶意或不确定。
要求分析师批准或更正处置结论。
记录提示、工具、查询、证据、输出和更正。
不得更改状态、隔离主机、阻止指标、禁用帐户或修改规则。

AI SOC 分析师评估与控制框架

构建一个留出集，其中包含已知良性、已知恶意、模糊、数据缺失、重复、过期和提示注入案件。衡量证据精度、遗漏的重要事实、无支撑主张、错误关闭、升级质量、分析师更正时间、延迟、成本和尝试的未授权操作。

使用遵循最小权限的服务帐户、机密隔离、行数/时间/查询限制、完整工具调用日志和独立审批系统。任何未来写入操作都应可逆、范围狭窄，并在模型外部独立授权。

本地部署并不会自动安全或合规。团队仍需负责修补、身份、密钥管理、模型和连接器风险、访问审查、事件响应、保留和分析师培训。

部署加固检查清单

身份与机密

为每个数据源创建专用服务身份，只限于试点所需的精确只读 API 和索引。在可用时使用短期凭据，将机密排除在提示和模型日志之外，并独立轮换它们。一个在 SIEM、EDR、身份和云工具之间共享的管理员令牌会造成不可接受的爆炸半径。

查询与数据控制

对索引、租户、时间范围、查询类型、字段和结果大小实施允许列表。查询到达安全平台之前，应拒绝超出策略的查询。遮蔽任务不需要的敏感字段，并将原始证据保留在其权威系统中，而不是将无限遥测复制到模型上下文。

模型与内容边界

将告警文本、主机名、URL、电子邮件、附件和威胁情报描述视为不受信任的数据。它们可能包含旨在操纵代理的指令。必须由确定性策略（而非模型）决定存在哪些工具、哪些参数合法以及某项操作是否允许。

日志与证据

记录代理版本、模型、提示策略、工具调用、查询、返回的证据标识符、引证、处置草案、分析师更正和最终结果。保护这些日志，因为它们可能包含与底层事件相同的敏感信息。根据组织的证据和隐私要求设定保留期。

变更管理

为每个提示、连接器、查询模板、决策量规和模型建立版本。晋升前重新运行留出告警集。使用金丝雀部署、终止开关、回滚以及无需等待模型或供应商即可禁用工作流的负责人。

写入操作闸门

若团队日后提出写入能力，一次只引入一项可逆操作。将授权保留在独立的策略/审批服务中，要求经过身份验证的分析师决定，并直接在权威工具中验证产生的状态。在治理、证据和恢复都得到独立审查之前，高影响处置和身份操作应继续置于代理之外。

何时应该购买

当原生连接器、安全模式、案件工作流、7×24 服务、安全专用评估、SLA、支持和响应保护措施比源码控制更有价值时，应购买专业平台。当受限的只读工作流、本地遥测和自定义集成值得内部承担责任时，应自行构建。

保持分析师掌控

Eigent 可以帮助富化和总结防御性证据，但 SIEM、EDR、案件系统和分析师仍具权威性。先从自动化缺陷分流这一低风险编排模式开始，然后仅在安全团队所有权下将其用于只读历史告警。通过下载 Eigent运行隔离试点。