AI 原生 SOC 平台入门
学习目标：理解 AI 原生 SOC 平台（Agentic SOC）的产品形态、典型代表 Dropzone AI，以及与传统 SIEM/SOAR 的关键区别。
什么是 AI 原生 SOC 平台
不是"加了 AI 功能的 SIEM"，而是从架构起点就以 AI Agent 为核心组织单元的 SOC 平台。
判断一个平台是不是 AI 原生，看三个信号：
- 导航不是按工具模块组织，而是按 AI 工种组织（如 AI SOC Analyst、AI Threat Hunter）
- 不依赖自建数据湖，通过 API 现取现用现有 SIEM/EDR/Cloud 数据
- 零 Playbook（或大幅减少 Playbook）：用自然语言指挥 AI Agent，而非维护剧本代码
代表产品：Dropzone AI
一句话定位
"援军已至 —— 以机器尺度狩猎、调查与响应。"
Dropzone AI 用 AI Agent 替代 Tier 1 分析师的告警分诊工作，做到 1 小时部署、自然语言调教、玻璃盒推理。
产品模块
| 模块 | 上线状态 | 角色定位 | 核心能力 |
|---|---|---|---|
| AI SOC Analyst | 已上线 | 替代 Tier 1 分析师 | 告警自动调查，输出结构化结论 |
| AI Threat Hunter | 2026 夏 | 替代威胁猎手 | 假设驱动的联邦化狩猎 |
| AI Threat Intel Analyst | 2026 夏 | 替代情报分析师 | 突发威胁自动生成狩猎包 |
未来路线图还包括：AI Detection Engineer、AI Forensics Analyst、AI Security Data Architect —— 整个 SOC 都在被「Agent 化」。
它解决的具体痛点
- 告警淹没：传统 SOC 一天 1000+ 告警，分析师只能挑挑拣拣
- 误报疲劳：80% 时间在处理误报，真正的威胁被噪音掩盖
- 人力扩展性差：业务增长 → 告警增长 → 但人力很难线性扩张
- 24×7 难以维持：小团队没法做到全天候 Tier 1 覆盖
典型客户案例（来自官网与第三方评测）
| 客户 | 效果 |
|---|---|
| Zapier | 人工告警调查工作量降 85% |
| ECS | 突破 SOC 扩展性天花板，未增员工 |
| Mysten Labs | 消除重复劳动，安全运营低人力扩展 |
| Indiana Farm Bureau Insurance | "异常出色的高保真告警" |
聚合指标：300+ 部署、自动化了 160 年的人工分析工作量。
定价与部署
- 定价：$36,000/年起，含 4,000 次 AI 调查
- 部署：30 分钟 API 接入，无需自定义开发
- 集成：90+ 原生集成（SIEM、EDR、Cloud、IAM、Email）
- 附赠：内置 $18K+ 威胁情报订阅（CrowdStrike Falcon Intel、GreyNoise 等）
一份典型的 AI 调查报告长什么样
告警来源：邮件网关 / 主题"Quarterly Bonus Statement"
告警时间：2026-05-11 09:43 UTC
【AI 调查结论】
判定：真阳性（中危）
建议处置：吊销 3 位点击者会话；屏蔽发件域；定向用户培训
【证据链】
1. 发件域 finance-update.xyz：
- 注册时间：3 天前（VirusTotal 8/93 报毒）
- WHOIS 隐私保护、Nameserver 在已知钓鱼基础设施
2. 邮件正文：
- 模仿 HR 模板，但 Reply-To 改向外部域
- 链接落地页托管在 Workers.dev，无 SSL 有效证书链
3. 受众与点击情况：
- 收件：14 人，全部为财务部门
- 点击：3 人，均未输入凭证（无 POST 请求记录）
4. EDR 复检：
- 点击者终端无新增进程、无 C2 出站连接
5. IAM 复检：
- 3 位点击者过去 1 小时无异常登录
【AI 推理路径】（Glass Box）
Step 1: 检查发件域信誉 → 命中钓鱼指标
Step 2: 解析邮件结构 → 命中模仿 HR 模板模式
Step 3: 联邦查询邮件网关 → 获取分发列表
Step 4: 联邦查询 EDR → 确认未触发后续动作
Step 5: 联邦查询 IAM → 确认无凭证泄露后果
Step 6: 综合判定 → 真阳性中危注意几个 AI 原生平台的关键设计：
- 结论在前，证据在后 —— 不是给一堆原始数据让人读
- 判定 + 置信度 + 建议处置 —— AI 直接给出可行动结论
- 推理路径全程可见 —— 不是黑盒打分
AI 原生平台 vs 传统 SIEM/SOAR
| 维度 | 传统 SIEM/SOAR | AI 原生平台 |
|---|---|---|
| 核心组织单元 | 工具模块（SIEM/SOAR） | AI 工种（Analyst/Hunter） |
| 数据策略 | 集中存数据湖 | API 现取现用，不存数据 |
| 自动化方式 | Playbook 编写与维护 | 自然语言指令 |
| 部署时长 | 数周到数月 | 1 小时 |
| 价格门槛 | 通常 $100K+/年起 | Dropzone $36K/年起 |
| 典型目标客户 | 大型企业、政府 | 中型企业、MSSP |
| AI 角色 | 后加的"辅助功能" | 系统的核心架构 |
| 可解释性 | 审计日志 + 治理日志 | 推理过程全程可视 |
注：传统平台正在快速 AI 化（如 Cortex AgentiX、CrowdStrike Charlotte AI），两类产品的边界正在模糊化，但起点不同决定了架构基因不同。
AI 原生平台的局限性
新人不要被宣传话术迷惑，下面几个限制要心里有数：
1. 范围窄
Dropzone 这类产品聚焦 Tier 1 调查，不做：
- SIEM（数据采集与存储）
- EDR（终端采集）
- 复杂的 IR 全生命周期编排
- 取证级深度调查
也就是说，你仍然需要底层的 SIEM/EDR，Dropzone 是"装在上面的 AI 分析师"。
2. 数据质量决定 AI 上限
如果 SIEM 接的日志不全、EDR 没装到位、IAM 集成不完整，AI 也是"巧妇难为无米之炊"。底层数据接入是前提。
3. 按调查次数计费的风险
按 alert 计费可能导致企业"挑挑拣拣"哪些告警送给 AI，低优先级告警里的真威胁可能被漏掉。这是定价模型本身带来的副作用。
4. 创业公司的稳定性风险
Dropzone 类产品多数仍是 B/C 轮创业公司，企业级 SLA、大规模生产稳定性、长期路线图持续性都需要观察。
5. 合规要求未明朗
金融、医疗、政府等强监管行业对 AI 自主决策的合规要求仍在演化中，完全自主的 AI 调查在某些场景可能无法落地。
同赛道其他玩家
除了 Dropzone，AI 原生 / Agentic SOC 赛道还有：
| 产品 | 特点 |
|---|---|
| Exaforce | AI 原生从零搭建，Exabot 任务专属 Agent，自动驾驶 + 副驾驶双模式 |
| Torq Socrates / HyperAgents | AI Agent 能在用户授权下执行响应，可与 Slack/Teams 互动 |
| Prophet Security | 端到端调查 + 响应自动化 |
| Intezer | 以恶意代码分析能力为基础的 AI 调查 |
| D3 Morpheus | 全生命周期 Agentic SOC，flat-rate 定价 |
| Radiant Security | 中小企业定价友好（$1K+ 起步） |
Gartner 2025 创新洞察首次正式认证「AI SOC Agents」品类。
新人怎么入门 AI 原生平台
第一步：找一个能试用的产品
很多 AI SOC 厂商有免费 PoC 或 Demo：
- 注册 Dropzone AI 的 Trial / Demo
- 看 Exaforce / Torq / Radiant 的产品演示视频
- 注意：这是 2B 工具，不像 ChatGPT 个人可注册，多数需要企业邮箱
第二步：学会"读"AI 调查报告
练习从一份 AI 输出的告警调查报告中，回答以下问题：
- AI 的最终判定是什么？依据是哪几条？
- 哪一步推理可能出错？
- 如果是你，会重做哪一步验证？
- 这个判定能直接执行响应动作吗？需不需要人审批？
第三步：学会"教练"AI
AI 原生平台的核心交互是用自然语言纠偏：
- "这个 IP 在我们 VPN 段，下次别误报"
- "财务部 9-18 点登录是正常时段，不要标记为异常"
- "如果发件域注册不到 30 天且模仿内部模板，直接判定钓鱼"
学会用业务语言精准描述例外规则，是第三代分析师的核心技能。
第四步：理解局限
知道 AI 不能干什么，比知道它能干什么更重要：
- 跨越多个时间窗的复杂攻击链关联
- 涉及社工与业务上下文的判断
- 监管要求人类决策的场景
一句话总结
AI 原生 SOC 平台不是"加了 AI 的 SIEM"，是从架构起点就以 AI Agent 替代分析师的产品。学会和它共事，是第三代 SOC 分析师的核心能力。
下一步
- SOC 范式迁移 —— 理解 AI 原生平台诞生的背景
- Cortex 大平台 —— 对照看：大平台型 SOC 如何回应 AI 浪潮
- 与 AI Agent 协作 —— 具体的协作技能
- SIEM 入门 —— AI 原生平台之下，仍然依赖的底层基础设施