Cloudflare Blog – 7 Oct 26 Building an evidence-grounded agentic security operations harness on Cloudflare Cloudflare Managed Defense uses a team of specialized AI agents built on Workers and global network telemetry to analyze security alerts. By separating deterministic evidence collection from model inference, the system delivers grounded... 安全警报很少一次出现一个接一个。单个警报可能在整个环境中引发激增，需要人工分析师判断哪些警报相关及其含义。当多个邮件同时出现时，即使是经验丰富的安全分析师也会迅速不堪重负。警报悖论由此而来。现在，我们内置的多AI代理安全运营工具可以在Cloudflare规模上处理更多此类工作。 我们的Cloudflare托管防御AI智能体加速数据收集、连接和汇总检测，以及在不断收到新警报时对丢失源的处理。为了进一步分析背景，我们利用了OpenAI黎明防御网络以及与Anthropic的合作。Cloudflare使用经批准的OpenAI Daybreak和Anthropic模型，包括GPT-5.6 Cyber和Mythos，进行更深入的模型支持分析。初步分析和评分使用Cloudflare的开源决策模型Clef进行。 收集证据以理解每个警报的含义需要大量时间。即使在高度复杂的安全信息与事件管理（SIEM）中，仍有太多内容供人工审查。人工分析人员必须收集数据，连接并汇总检测结果，并记录丢失的源头，同时新的警报不断传来。 想想每次有人机分析员审核警报时：“我们应该静音哪一个？我们应该采取什么行动？我们应该忽略哪个警报？我们应该解决哪些误报？我们应该认定哪些是真正的积极性？哪个应该触发我们的事件小组？”我们通过AI代理策略来应对这一困境。我们的方法减少了所有这些问题，为托管国防分析师提供快速且整合的视角，直接提供相关警报、承认证据、可见漏洞及建议的下一步措施洞察。结果是：减少了分析所需的时间，并让用户专注于真正解决安全警报和部署缓解措施。 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/8 01:47:14