人工智慧（AI）已成為本世紀最重要的技術之一。從醫療保健、金融到製造業和教育，各組織越來越依賴 AI 自動化重複性任務、發掘大型數據集中的隱藏模式，並支援更快速的決策。網路安全也經歷了類似的轉變。攻擊者利用 AI 自動化網路攻擊和加速漏洞發現，而防禦者則採用 AI 來改善威脅偵測和加強事件回應。
安全營運中心（SOC）每天從端點、雲端工作負載、網路設備、身份提供者和業務應用程式接收大量警報。儘管 SIEM 和 XDR 平台提供了對這些環境的可見性，但分析師通常需要花費大量時間關聯警報、搜尋文件，並確定下一步調查步驟。AI 提供了一種實用的方式來增強分析師的能力，提供情境解釋、總結發現，並推薦補救措施，而非取代人類專業知識。
現代 SOC 被期望能夠偵測並回應複雜威脅，同時每天處理數百萬個安全事件。高警報量會導致分析師疲勞，並增加忽略關鍵事件的可能性。調查經常需要在儀表板、文件、漏洞資料庫和威脅情報來源之間切換，才能形成完整的圖像。隨著基礎設施日益分散於地端和雲端環境，維持一致的態勢感知變得更加困難。AI 輔助工作流程透過減少重複性分析、增加情境資訊，並加速調查決策，有助於應對這些挑戰。
Wazuh 透過 Wazuh Cloud 上的 Wazuh AI 分析師以及與第三方 AI 供應商的整合，促進了彈性的 AI 採用。組織可以利用 Wazuh Cloud 上的 Wazuh AI 分析師功能，獲取關於其環境安全態勢的指導。自行部署 Wazuh 的組織也可以利用 Wazuh 與 AI 供應商的整合。以下章節將詳細說明：
除了 Wazuh AI 分析師，您還可以透過自架的 LLM 和外部管理的 AI 整合來擴展 Wazuh 的功能，以滿足您的需求。
此整合讓所有內容保留在您自己的網路內。Ollama 在 Wazuh 伺服器上本地運行 Meta 的開源 Llama LLM；一個 Python 腳本會解壓縮選定期間的封存日誌，將其向量化到 FAISS 儲存中，並提供一個由 LangChain 驅動的聊天機器人供您查詢。沒有任何數據會發送給雲端供應商，這使其非常適合對隱私或數據駐留有嚴格要求的團隊。
完整的設定步驟請參閱 Wazuh 部落格文章：「Leveraging artificial intelligence for threat hunting in Wazuh」。
此整合透過 OpenSearch Assistant 將託管在 Amazon Bedrock 上的 Anthropic 的 Claude 3.5 Haiku 作為儀表板內的聊天框呈現。設定涉及在 Bedrock 中啟用模型，安裝相關的 OpenSearch 外掛程式，並創建 ML Commons 連接器、模型和對話代理。該助手可以就許多常見任務提供有用的指導，包括如何處理發現的問題以及如何配置特定設定。
完整的設定步驟請參閱 Wazuh 部落格文章：「Leveraging Claude Haiku in the Wazuh dashboard for LLM-powered insights」。
人工智慧正成為現代 SOC 的重要能力。它不會取代分析師，而是可以減少重複性工作、加速調查，並為偵測、分類和回應活動提供情境支援。這些能力可以幫助安全團隊更有效率地運作，同時讓分析師負責驗證和後續決策。
對於 Wazuh Cloud 用戶，Wazuh AI 分析師提供自動化、排程的安全報告，涵蓋關鍵指標、警報活動、端點覆蓋範圍、活躍漏洞和整體安全態勢。組織可以透過自架 LLM 整合來進一步客製化 AI 驅動的安全營運，以進行注重隱私的威脅狩獵，或透過外部管理的雲端託管模型，以符合其營運、隱私和數據駐留的要求。
AI 可以在幾分鐘內找到並串聯漏洞。本次會議將為您提供一個實用的路線圖，以加強可見性、回應和補救。
AI 正在幫助團隊將程式碼交付速度提高 10-50 倍。本次會議將展示如何防止安全落後。
免費獲取最新新聞、專家見解、獨家資源和行業領導者的策略。