Agentic SOC didukung oleh mesin Agentic AI dan menggunakan arsitektur kolaboratif multi-agen berlapis. Seorang Team Leader mengoordinasikan beberapa tim Agent khusus untuk mencakup seluruh siklus hidup operasi keamanan, termasuk deteksi ancaman, investigasi insiden, koordinasi respons, dan pelaporan keamanan. Setiap Agent memanfaatkan kerangka penalaran ReAct untuk melakukan penalaran dan pengambilan keputusan secara otonom, sehingga mampu memahami perubahan lingkungan secara real time, menganalisis rantai serangan secara dinamis, serta mengeksekusi respons end-to-end secara otomatis. Dengan demikian, waktu investigasi dan respons insiden keamanan yang biasanya memakan waktu berjam-jam atau berhari-hari dapat dipersingkat menjadi hitungan menit.
Ikhtisar
-
Terintegrasi secara mendalam dengan infrastruktur domain data keamanan cloud-native Alibaba Cloud dan dibangun di atas model keamanan skala besar, arsitektur Agentic SOC menyediakan tim ahli keamanan AI Agent yang mampu melakukan persepsi otomatis end-to-end, penalaran mendalam, investigasi kolaboratif, dan respons closed-loop yang cepat. Arsitektur ini terdiri dari tiga lapisan.
Lapisan
Komponen
Tanggung Jawab
Cloud-native engine layer
Simple Log Service (SLS), Flink/Scheduled SQL detection engine, iGraph graph computing, Qwen large security model, SOAR orchestration engine
Menyediakan fondasi untuk penyimpanan data, komputasi, dan kemampuan AI.
Agent management platform
Built on AgentRun
Manajemen siklus hidup Agent, penjadwalan tugas, manajemen memori, dan orkestrasi pemanggilan tool.
Agent intelligence layer
Team Leader + multiple specialized Agent teams
Menjalankan penalaran dan pengambilan keputusan otonom untuk mengeksekusi tugas operasi keamanan.
-
Setiap Agent beroperasi berdasarkan kerangka penalaran ReAct: Persepsi lingkungan → Penalaran dan analisis → Perencanaan aksi → Eksekusi operasi → Observasi hasil. Siklus ini berulang hingga tugas selesai.
Kemampuan Agent bervariasi tergantung edisi Agentic SOC Anda. Untuk perbedaan antara Agentic SOC (Basic Platform) dan Security Operations Agent (add-on module), lihat Perbedaan antara Agentic SOC Basic Platform dan Security Operations Agent.
Organisasi tim dan ikhtisar agen
Agentic SOC menggunakan arsitektur kolaboratif multi-agen berlapis yang terdiri dari Team Leader dan beberapa tim Agent khusus. Team Leader menangani penjadwalan global, pengambilan keputusan kompleks, dan dekomposisi tugas, sedangkan setiap tim Agent khusus mengeksekusi tugas secara independen dan berkolaborasi dalam domainnya masing-masing.
Team leader
Team Leader dibangun di atas rangkaian model Qwen dan berfungsi sebagai simpul koordinasi pusat untuk seluruh arsitektur Agent. Tanggung jawabnya meliputi:
-
Global scheduling: Menerima dan memahami input pengguna atau event yang dipicu sistem untuk merencanakan tugas, serta memecah tugas operasi keamanan kompleks menjadi subtugas.
-
Task decomposition: Memecah tujuan operasi keamanan tingkat tinggi menjadi subtugas spesifik yang dapat dieksekusi dan menetapkannya ke tim Agent khusus yang sesuai.
-
Complex decision-making: Mengoordinasikan keputusan di antara beberapa tim Agent, menentukan urutan eksekusi dan prioritas tugas.
Specialized agent teams
|
Agent |
Description |
|
Security AI Assistant |
Menjawab pertanyaan produk, menjelaskan alert, dan merangkum insiden. |
|
Threat Detection Agent |
Menjalankan traceback trafik web berbahaya dan tugas deteksi lainnya. |
|
Incident Investigation Agent |
Membuat insiden, melakukan investigasi mendalam, menjalankan analisis ketertelusuran, dan menilai dampak. |
|
Response Coordination Agent |
Menangani respons insiden dan analisis entitas. |
|
Security Reporting Agent |
Menghasilkan laporan analisis alert, laporan operasi keamanan, dan laporan investigasi insiden. |
Core agents
Log standardization agent
Log Standardization Agent menggunakan teknologi pengenalan semantik untuk secara otomatis memahami log heterogen dari berbagai sumber dan menghasilkan kueri Search Processing Language (SPL) berkualitas tinggi. Agent ini menyatukan semantik dan menghilangkan kebutuhan menulis kueri secara manual. Agent ini hanya memerlukan fine-tuning ringan dan secara signifikan menurunkan kurva pembelajaran untuk standarisasi log.
-
Core capabilities:
-
Secara otomatis memahami struktur dan makna field log mentah dalam berbagai format.
-
Menghasilkan sintaks SPL dengan satu klik untuk memetakan field log mentah ke model data keamanan terstandarisasi.
-
Memungkinkan Anda melakukan fine-tuning aturan standarisasi dengan tindakan point-and-click sederhana, sehingga tidak perlu menulis pernyataan parsing kompleks secara manual.
-
-
Usage example:
-
Buka Security Center console > Agentic SOC > Management > Access Settings. Di pojok kiri atas, pilih wilayah tempat aset Anda berada: Chinese Mainland atau Outside Chinese Mainland.
-
Pada halaman Integration Settings, pada tab Standardized Rule, modifikasi atau buat aturan akses kustom. Setelah Anda memasukkan Sample Log, Anda dapat memanggil Alibaba Cloud Security Large Model untuk mendapatkan saran optimasi.
-
Incident investigation agent
Incident Investigation Agent dibangun di atas kerangka penalaran ReAct/Chain of Thought (CoT). Agent ini terus-menerus memahami perubahan lingkungan. Ketika alert host atau jaringan baru dikaitkan dengan suatu insiden dan status insiden tersebut adalah "Unprocessed", Agent secara otonom memulai investigasi dan analisis, sehingga memampatkan pekerjaan investigasi yang sebelumnya memakan waktu berjam-jam atau berhari-hari menjadi hitungan menit.
-
Core capabilities:
-
Incident Investigation Agent memberikan kesimpulan yang jelas: Confirmed Attack, Suspected False Positive, atau Insufficient Information.
-
Kemampuan investigasi utamanya dibangun di atas rangkaian model Qwen, mendukung klasifikasi insiden, pengenalan entitas, dan inferensi jalur serangan. Berdasarkan hasil investigasi, Agent menganalisis cakupan dampak dan merekonstruksi rantai serangan beserta garis waktunya.
-
-
Usage example:
-
Halaman menampilkan hasil analisis AI.
Kolom AI Analysis dalam daftar insiden menampilkan kesimpulan analisis untuk setiap insiden. Kesimpulannya berupa Confirmed Attack atau Not Supported.
-
Pada halaman detail insiden, lihat ringkasan insiden, cakupan dampak, tahapan rantai serangan yang terlibat, aturan deteksi, dan sumber alert. Gunakan graf ketertelusuran untuk melihat rantai serangan lengkap dan garis waktunya.
-
Pada halaman detail insiden, tab Agent Chain-of-Thought menampilkan informasi seperti konteks latar belakang, langkah-langkah penalaran, dan ringkasan kesimpulan untuk membantu Anda memahami proses investigasi dan penalaran Agent.
Setelah Anda memilih tab ini, langkah-langkah penalaran akan ditampilkan di sebelah kiri, dan detail langkah yang dipilih muncul di sebelah kanan, termasuk ringkasan petunjuk, hipotesis awal, dan proses penalaran. Tombol Recommended Actions di bagian bawah halaman memungkinkan Anda merespons insiden keamanan dengan cepat.
-
Incident investigation report agent
-
Incident Investigation Report Agent menghasilkan laporan investigasi teknis lengkap. Laporan ini meninjau insiden keamanan, mengonsolidasi bukti dan tindakan respons, serta memberikan rekomendasi peningkatan sistematis. Laporan mencakup klasifikasi dan ringkasan insiden, rantai serangan dan garis waktu, penilaian dampak, analisis akar masalah, indikator kompromi (IOCs), serta rekomendasi penguatan sistematis.
-
Usage example: Buka halaman detail insiden target dan klik Full Report di bagian atas untuk melihat halaman detail laporan.
Halaman detail laporan menampilkan hasil investigasi insiden yang dihasilkan secara otomatis oleh AI Agent. Pada contoh ini, alert berjudul "Backdoor (webshell) file detected multiple times" dan ditandai sebagai High. Halaman ini berisi informasi berikut:
-
Informasi alert dasar: field seperti sumber alert (Security Center), aturan analisis (aturan agregasi komputasi graf), tahapan ATT&CK, jumlah aset terdampak, jumlah alert terkait, pemilik, dan waktu kejadian.
-
Topologi rantai serangan: visualisasi jalur serangan dari penyerang ke host target lalu ke file berbahaya, seperti file webshell.
-
Analisis payload: konten kode dan hash MD5 file berbahaya.
-
Indikator IOC: indikator ancaman seperti command line proses.
-
Entity analysis agent
Entity Analysis Agent menggunakan AI untuk menilai tingkat risiko entitas berbahaya dan secara otonom menalar keputusan playbook atau tool mana yang digunakan untuk respons.
-
Core capabilities:
-
Menampilkan proses analisis entitas, termasuk informasi dasar, proses analisis, kesimpulan, dan tindakan yang direkomendasikan.
-
Mendukung pemanggilan analisis entitas melalui Security AI Assistant untuk menganalisis entitas seperti IP, file, proses, nama domain, host, dan container.
-
Jika Agent menentukan suatu entitas bersifat berbahaya, Agent secara otomatis merekomendasikan kebijakan respons untuk eksekusi satu klik.
-
-
Usage example: Pada halaman detail insiden, buka tab Entity, temukan entitas yang ingin Anda tangani, lalu klik AI Analysis.
Incident response agent
Agent ini menganalisis cakupan dampak berdasarkan hasil investigasi dan memberikan rekomendasi respons bertahap yang hati-hati, yang dieksekusi secara otomatis setelah tinjauan manual.
-
Core capabilities:
-
Intelligent response recommendation: Mengambil log, data kerentanan, intelijen ancaman, dan konteks bisnis untuk memvalidasi rencana respons secara akurat.
-
Response in seconds: Secara otomatis memanggil tool (playbook, intelijen ancaman, sandbox, OpenAPI, dll.) untuk menjalankan operasi seperti pemblokiran, isolasi, dan verifikasi.
-
Manual review mechanism: Mendukung konfirmasi manual pada titik keputusan kritis untuk menyeimbangkan efisiensi dan keamanan.
-
-
Usage example:
-
Pada halaman Event Handling, temukan insiden target. Pada kolom Actions, klik Recommended Response.
-
Pada panel Agent Recommended Policy, pilih entitas berbahaya yang ingin Anda tangani.
CatatanAgent secara otomatis memilih playbook yang sesuai dan mengonfigurasi parameter terkait. Tidak diperlukan modifikasi manual.
-
Setelah konfirmasi manual, klik Resolve.
-
Threat detection agent
-
Core capability: Beberapa agen cerdas berbasis domain melakukan pemahaman semantik mendalam, korelasi, dan pelacakan sumber serangan pada dataset heterogen berskala besar. Hal ini menciptakan pusat keamanan digital komprehensif yang secara otomatis dan tepat mengidentifikasi ancaman keamanan yang dikenal maupun tidak dikenal sepanjang waktu.
-
Usage example: Malicious Web Traffic Traceback Agent melacak trafik web berbahaya berdasarkan alert anomali di sisi host. Agent ini mengorelasikan alert host dengan log aliran WAF untuk membangun rantai analisis lengkap dari alert ke petunjuk pelacakan sumber, serta dari alert baru ke insiden terkait lintas domain, lalu menghasilkan alert keamanan yang sesuai.
Alur kerja respons insiden berbasis agen
Dalam respons insiden keamanan khas, beberapa Agent bekerja sama untuk menyelesaikan proses end-to-end dari deteksi hingga respons. Alur kerja ini dibagi menjadi lima tahap berikut:
|
Tahap |
Tujuan |
Output |
|
Incident Summary |
Menentukan apa yang terjadi |
Ringkasan insiden, garis waktu serangan, daftar vektor penyerang, tahapan serangan ATT&CK yang terlibat, dan jenis teknik serangan. |
|
Traceability Investigation |
Menilai cakupan dampak |
Penalaran konteks alert, daftar aset terdampak, daftar entitas berbahaya (IP, file, proses, host, dll.), dan analisis entitas berbahaya. |
|
Root Cause Analysis |
Mengidentifikasi titik intrusi awal |
Investigasi bukti log, analisis titik intrusi mencurigakan, analisis perilaku mencurigakan, analisis kelemahan yang dieksploitasi (kerentanan, baseline, kunci akses), dan kesimpulan analisis. |
|
Response Recommendations |
Mengembangkan rencana containment dan penguatan |
Rekomendasi respons darurat, saran remediasi kerentanan, rekomendasi penguatan sistem, saran whitelisting false positive, dan saran pelengkap sumber log. |
|
Incident Response |
Mengambil tindakan dan memanggil tool |
Agent menghasilkan rencana respons terformat untuk tinjauan manusia. Kemudian, tool (seperti playbook, intelijen ancaman, sandbox, dan OpenAPI) dipanggil secara otomatis untuk eksekusi. |
Metrik kinerja
|
Metrik utama |
Deskripsi |
|
Autonomous investigation rate: 81% |
AI Agent secara mandiri menyelesaikan analisis insiden L1/L2, divalidasi terhadap seluruh data alert tanpa intervensi manusia. |
|
Alert-to-incident convergence rate: 99,94% |
Ratusan ribu hingga jutaan alert diproses setiap minggu dan dikonvergensikan menjadi beberapa ratus insiden keamanan. |
|
Investigation report efficiency: 100x improvement |
Meningkatkan efisiensi pembuatan laporan investigasi hingga 100 kali lipat. Laporan rantai serangan lengkap dihasilkan secara otomatis, memangkas waktu pembuatan dari hitungan jam menjadi menit. |
|
Log standardization efficiency: 90% |
Teknologi pengenalan semantik secara otomatis mengurai dan memetakan log dari sumber heterogen ke model keamanan terpadu, menghasilkan SPL dengan satu klik. |