← 返回列表

Agentic SOC Simulation (ASS): 下一代自主安全运营仿真中心

聚合站 SecWiki技术 作者 SwimSec 发布 2025年12月28日 23:49 入库 2026-11-18T03:01:36

S 全屏播放 full_screen_mv已关注

关注

重播分享点赞后 加className selected赞 随便看看

有拓展内容广告内容

关闭

观看更多

更多

退出全屏

切换到竖屏全屏退出全屏SwimSec已关注

分享视频

,时长02:23

0/0

00:00/02:23

切换到横屏模式

继续播放

进度条,百分之0

播放

00:00

/02:23

02:23

倍速

全屏

倍速播放中

0.5倍0.75倍1.0倍1.5倍2.0倍

超清流畅

您的浏览器不支持 video 标签

继续观看

【开源】Agentic SOC Simulation (ASS): 下一代自主安全运营仿真中心

观看更多

原创

,

【开源】Agentic SOC Simulation (ASS): 下一代自主安全运营仿真中心

SwimSec已关注

分享点赞推荐在看

已同步到看一看写下你的评论

E 视频播放器S 视频社交视频详情

00:00 - 01:20 内置剧本演示模拟 Lazarus APT 攻击链

01:20 - 02:23 自定义剧本Lazarus 攻击 Bybit 全链路深度报告

项目地址:https://github.com/SafelineMan/Agentic-SOC-Simulation

笔者想法:

每月总有那么二三十天不想上班或者不想干活,这周用了Gemini3 Pro后每天都很兴奋,基本不怎么睡觉新开发或者重构了N个项目,周末开始想着研究一下Agentic SOC相关,之前了解很多概念 但是不知道MCP、AI Agent、SOAR、SOC之间到底是怎么协作怎么设计一个优秀的AI SOC。于是不搜索引擎查阅任何资料、不写一行代码,全靠跟LLM聊天两三小时生成了当前这个项目,现在把项目分享各位同学可以快速上手有个直观感受。入侵攻击与模拟的项目叫做Breach and Attack Simulation(BAS),所以这个项目就取名Agentic-SOC-Simulation(ASS)。

本篇文章点赞超过50笔者加班继续更新功能,当前这个还是乞丐版,我们还可以增加更多如AI紫队、AI威胁模型开发工程师等等,或者你也可以私信我一起聊聊有什么好玩的需求、一起开发有趣的项目....

凑点字数:

🛡️ Agentic SOC Simulation (ASS): 下一代自主安全运营仿真中心

重新定义安全运营的未来:深度推理、多智能体协同与全自动响应

本项目是一个前沿的 AI 安全实验平台,旨在探索Large Action Model (LAM)在网络安全领域的极限潜力。通过集成DeepSeek 推理大模型、多智能体协同 (Multi-Agent Collaboration)与MCP (Model Context Protocol)标准,我们构建了一个具备自主感知、深度推理、自动处置能力的虚拟 SOC 团队。

在这里,AI 不再是简单的脚本执行者,而是具备专家级思维链 (Chain of Thought)的数字分析师。它能够像人类专家一样,从海量告警中抽丝剥茧,构建攻击图谱,并果断采取行动,将安全运营的效率提升至新的维度。

✨ 核心亮点 (Key Highlights)

🧠 深度认知智能体 (Cognitive AI Analyst)

搭载DeepSeek强推理引擎,具备类人的逻辑分析与决策能力。

能够处理模糊信息,自主规划调查路径,构建完整的证据链,实现从“告警”到“结论”的端到端自动化。

🤖 多角色协同蜂群 (Agent Swarm)

分诊 (Triage): 过滤误报,评估告警可信度。

取证 (Forensics): 调用工具进行深度调查,构建攻击链路。

响应 (Commander): 制定处置策略,执行封禁或请求审批。

报告 (Reporter): 汇总调查结果,生成结构化安全报告。

模拟真实 SOC 组织架构,四大角色各司其职:

通过共享上下文无缝协作,展现出超越单体的群体智能。

🕸️ 动态全息图谱 (Dynamic Threat Graph)

基于streamlit-agraph实时构建攻击链路的可视化知识图谱。

通用图谱构建引擎:内置归属、交互、因果三大通用连接原则,无论是 APT 攻击还是勒索软件,都能自动构建出环环相扣的攻击叙事。

拒绝孤立节点:强制关联实体,将碎片化的线索(IP、域名、文件、漏洞)重组为直观的攻击叙事。

⚡️ 生成式攻防演练 (GenAI Adversarial Simulation)

内置ScenarioGPT引擎,利用 LLM 的生成能力,一键构建高保真、高复杂度的定制化攻击剧本(如 Log4j、勒索软件、APT 组织活动)。

支持“以攻促防”,随时随地进行红蓝对抗演练。

🛡️ 异步人机共生 (Async Human-AI Symbiosis)

创新的HITL (Human-in-the-Loop)机制,确保 AI 在自主行动的同时,关键决策(如全网封禁)始终处于人类专家的监管之下。

非阻塞式交互:采用PENDING_APPROVAL机制,AI 提交高危操作申请后继续执行其他任务,等待人类专家在仪表盘进行异步确认。

🔌 开放式 MCP 架构 (Open MCP Architecture)

采用行业前沿的Model Context Protocol (MCP),实现工具链的标准化接入。

智能工具增强:内置 LLM 驱动的 Payload 分析器,能够精准识别混淆命令执行、内存马注入等高级 TTPs。

轻松扩展威胁情报 (VirusTotal)、EDR、防火墙等各类安全能力。

🏗️ 系统架构详解

本项目采用分层架构设计,模拟真实的企业级安全运营环境:

仪表盘 (Streamlit):app/main.py

安全分析师的可视化作战中心。

负责注入模拟告警、展示 SOC 团队状态。

实时展示 Agent 的调查全过程和知识图谱。

MCP 服务器 (FastAPI):mcp_server/main.py

充当 Agent 的“手脚”。

提供标准 API 供 Agent 调用。

包含真实/模拟的安全工具逻辑。

AI Agent (Python):agent/core.py

运营的“大脑”。

负责与 LLM 交互,解析意图,并执行工具调用循环。

包含ScenarioGenerator用于生成自定义攻击剧本。

⚙️ 执行流程示例 (Lazarus APT 场景)

以下展示了系统如何处理一个典型的 APT 攻击链:

告警接入: 系统接收到 "Phishing Email Detected" 告警。

分诊 (Triage): Triage Agent 分析告警可信度,判定为高风险,转交取证。

取证 (Forensics):

调用check_ip_reputation确认源 IP 为恶意。

调用analyze_payload识别附件为恶意下载器。

调用graph_add_relation构建图谱:IP(45.33...)--[投递]-->Host(Workstation)。

关联分析: 当后续收到 "C2 Connection" 告警时,Forensic Agent 自动将其关联到已有的Host(Workstation)节点,形成攻击链路。

响应 (Commander): 判定威胁确凿,尝试封禁 C2 IP。

人工审批 (HITL): 触发PENDING_APPROVAL,分析师在界面点击“批准”。

报告 (Reporter): 自动生成包含完整证据链和处置结果的 Markdown 报告。

🚀 快速开始

  1. 环境准备

克隆项目并安装依赖:

pip install -r requirements.txt2. 启动服务

你需要打开两个终端窗口分别运行以下命令:

终端 1:启动 MCP 工具服务器

python3 -m uvicorn mcp_server.main:app --reload --port 8000终端 2:启动 Web 仪表盘

python3 -m streamlit run app/main.py3. 配置与体验

访问界面: 打开浏览器访问http://localhost:8501。

配置 API Key: 在左侧边栏的"系统配置"中输入你的DeepSeek API Key和VirusTotal API Key(可选)。配置仅在当前会话有效,无需修改本地文件。

选择模式:

Lazarus APT 模拟: 点击侧边栏的 "模拟 Lazarus APT 攻击链" 按钮,体验预设的高级持续性威胁场景。

自定义模拟: 在 "自定义模拟" 区域输入攻击描述(如 "模拟一次针对数据库的 SQL 注入攻击"),点击生成并运行。

观察与交互:

观察"SOC Team"区域,看不同角色的 AI 工程师如何接力工作。

在"知识图谱"区域,查看实时构建的攻击链路。

当遇到高危操作时,在"人工决策"区域进行批准或拒绝。

📂 项目结构

.├── app/ # 前端界面 (Streamlit)│ └── main.py # 主程序:UI 布局、状态管理、可视化├── mcp_server/ # 工具服务 (FastAPI)│ └── main.py # 提供 IP 信誉查询、防火墙、图谱管理等 API├── agent/ # Agent 核心逻辑│ └── core.py # 定义 Agent 类和 ScenarioGenerator 类├── requirements.txt # 项目依赖└── README.md # 项目文档

原文链接:https://mp.weixin.qq.com/s/llgko171hBvEaZ2gYbQg6A