文章总结: 本文介绍了ASPS智能安全运营中心并行仿真平台,该平台基于DeepSeek推理引擎,集成紫队、检测工程师等7大AI智能体,实现从攻击模拟、检测分析到取证响应的全流程自动化。系统采用OCSF标准统一数据,利用MCP协议集成工具,支持动态威胁图谱构建与HITL人机协同。相比传统SOC,该方案显著提升了运营效率与透明度,文末包含项目获取方式及证书销售推广信息。 综合评分: 78 文章分类: 安全运营,AI安全,产品介绍,安全工具,软文广告
ASPS – 智能安全运营中心并行仿真平台
菜狗 菜狗
只会看监控的实习生
2026年3月3日 08:00 广东
⚡ 一句话定位
ASPS 不是扫描器,不是 SIEM,而是一个完整的虚拟 SOC 战队——紫队造攻击、蓝队写规则、分析引擎跑检测、分类取证建图谱、指挥官做决策、记者写报告,全流程无人工干预,并行仿真自我进化。
🎯 7 大智能体协作集群(HITL 模式)
| 角色 | 职责 | 核心能力 | 输出 | | — | — | — | — | | 😈 紫队 | 生成高保真攻击流量 + 背景噪声 | OCSF 标准、APT/勒索场景模拟 | 10 万+ 条遥测日志 | | 🛠️ 检测工程师 | 分析遥测、自动编写检测规则 | 特征提取、Sigma/YARA 生成 | 可执行检测逻辑 | | ⚙️ 分析引擎 | 运行规则、扫描仓库、触发告警 | 百万级日志/s 匹配、低误报 | 高可信告警 | | 🔍 分类专家 | 过滤误报、评估告警可信度 | 上下文分析、ATT&CK 映射 | 优先级排序 | | 🕵️♂️ 取证专家 | 深度调查、构建攻击链 | 调用 VirusTotal / WHOIS / 沙箱 | 完整证据链 | | 🛡️ 指挥官 | 制定响应策略、执行封禁 | 风险决策、API 联动防火墙 | 处置动作 | | 📝 记者 | 生成结构化报告 | Markdown/PDF/JSON 自动撰写 | 老板看得懂的报告 |
🧠 核心技术亮点
- DeepSeek 推理引擎驱动 思维链(Chain-of-Thought):像人类分析师一样,从模糊告警 → 规划调查路径 → 构建证据链 → 自主决策 自然语言交互:分析师可直接在作战室输入 “分析这个 IP 的攻击意图”,Agent 自动执行 check_ip_reputation → analyze_payload → graph_add_relation
- 安全数据仓库(OCSF 标准) 统一 Schema:所有遥测数据(Sysmon/Zeek/Suricata)自动转 OCSF,消除数据孤岛 可视化透视表:分析师可在 Web 界面直接查询原始日志,验证数据质量和攻击特征 检测工程工作台:透明化展示”数据 → 规则 → 告警”全流程,可解释性极强
- 动态威胁图谱(Streamlit-agraph)
# 自动构建攻击叙事
IP(45.33.12.7) --[deliver]--> Host(Workstation-01)
Host --[execute]--> Process(malware.exe)
Process --[connect]--> Domain(c2.evil.com)
无孤立节点:强制实体关联,分散线索(IP/域名/文件/漏洞)自动组织成攻击故事 实时更新:取证专家每发现一个线索,图谱立即刷新,3D 可交互
- MCP 协议(Model Context Protocol) Agent 的”手与脚”:FastAPI 提供标准 API,封装真实/模拟安全工具(VirusTotal/防火墙/沙箱) 工具即插即用:新增工具只需在 mcp_server/main.py 注册,Agent 自动调用
🏗️ 系统架构(微服务 + 事件驱动)
┌─────────────────────────────────────────────────────────────┐
│ Dashboard (Streamlit) │
│ - 作战室:Agent 实时调查过程 │
│ - 数据仓库:OCSF 遥测可视化 │
│ - 检测工程:规则开发工作台 │
│ - 人工决策:HITL 审批界面 │
└──────────────────────┬──────────────────────────────────────┘
│
┌──────────────────────▼──────────────────────────────────────┐
│ MCP Server (FastAPI) │
│ - VirusTotal API / 防火墙封禁 / 图谱构建 / 沙箱分析 │
└──────────────────────┬──────────────────────────────────────┘
│
┌──────────────────────▼──────────────────────────────────────┐
│ Agent Cluster (Python) │
│ core.py → 7 大角色 Agent 定义 │
│ engine.py → 分析引擎(规则匹配) │
│ ocsf.py → 数据模型标准化 │
└─────────────────────────────────────────────────────────────┘
🚀 快速入门(5 分钟跑起来)
- 环境准备
git clone https://github.com/your-repo/ASPS.git
cd ASPS
pip install -r requirements.txt
- 启动双服务
# 终端 1:MCP 工具服务器
python3 -m uvicorn mcp_server.main:app --reload --port 8000
# 终端 2:Web 控制面板
python3 -m streamlit run app/main.py
- 配置与体验 浏览器访问 http://localhost:8501 系统配置侧边栏:输入 DeepSeek API Key(可选)和 VirusTotal API Key(可选) 并行仿真区域:选择默认攻击场景(如 Lazarus APT)或自定义场景 点击 “🚀开始完整模拟” ,全程自动执行,观察 Agent 协作
📂 项目结构
ASPS/
├── app/ # 前端界面 (Streamlit)
│ └── main.py # UI 布局、状态管理、可视化
├── mcp_server/ # 工具服务 (FastAPI)
│ └── main.py # API 封装 (VT/防火墙/图谱)
├── agent/ # Agent 核心
│ ├── core.py # 7 大角色 Agent 定义
│ ├── engine.py # 分析引擎(规则匹配)
│ └── ocsf.py # OCSF 数据模型
├── requirements.txt # 依赖
└── README.md # 文档
📊 执行流程示例(并行仿真)
攻击场景: Lazarus APT 钓鱼邮件
目标: 亚洲某金融公司
持续时间: 24 小时
自动执行链路
- 紫队(0-2h):生成 10 万条 OCSF 遥测(邮件日志 + 恶意附件 + C2 通信)
- 检测工程师(2-4h):分析遥测,编写 Sigma 规则 suspicious_powershell_download
- 分析引擎(4-6h):扫描数据仓库,命中 3 条告警(HIGH)
- 分类专家(6-7h):评估可信度,2 条误报(正常运维),1 条转取证 取证专家(7-8h):
- check_ip_reputation → IP 45.33.12.7 恶意(VT 15/70)
- analyze_payload → 附件为恶意下载器(沙箱检出)
- graph_add_relation → 构建攻击链
- 指挥官(8-8.5h):提交封禁 C2 IP 请求 → HITL 待审批
- 分析师(8.5-9h):在作战室点击 “Approve”
- 指挥官(9-9.5h):调用防火墙 API,封禁 IP
- 记者(9.5-10h):生成 20 页 Markdown 报告,包含完整时间线、证据链、处置结果
- 全程耗时 10 小时(模拟),实际 CPU 时间 < 30 分钟,7 个 Agent 并行工作。
🌟 核心差异化价值
| 传统 SOC | ASPS | | — | — | | 人工分析,响应慢 | 7 Agent 并行,10 小时工作流压缩到 30 分钟 | | 工具割裂,数据孤岛 | OCSF 统一 Schema,MCP 统一工具接口 | | 检测规则黑盒 | 检测工程工作台,数据→规则全流程透明 | | 告警孤立,无上下文 | 动态威胁图谱,自动构建攻击叙事 | | 高风险操作无人审批 | HITL 异步审批,AI 不阻塞,人机共生 |
关注回复ASPS获取
低价出售安全证书不限于cisp、pte等请Vme~建了一个项目群,想进群的请回复进群即可
免责声明:
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景,旨在提升网络安全防护能力,具有明确的技术研究属性。
任何单位或个人未经授权,将本文内容用于攻击、破坏等非法用途的,由此引发的全部法律责任、民事赔偿及连带责任,均由行为人独立承担,本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布,若存在版权侵权或其他异议,请通过邮件联系处理,具体联系方式可点击页面上方的联系我。
本文转载自:只会看监控的实习生 菜狗 菜狗《ASPS – 智能安全运营中心并行仿真平台》
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。











评论