Siem
PulseAugur coverage of Siem — every cluster mentioning Siem across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的 AI 架构通过 NeMo-Guardrails 增强安全事件响应
研究人员开发了一种约束动作 AI 修复架构，旨在通过减轻使用大型语言模型 (LLM) 进行事件响应的风险来增强安全运营中心 (SOC)。该系统采用双层方法：控制平面将修复 grounding 在主机事件上，并将 LLM 输出限制在预定义的模板化命令词汇表中；NeMo-Guardrails 代理则针对对抗性语料库强制执行输入和输出策略。该架构将注入召回率从 25.0% 显著提高到 94.5%，同时保持较低的误报率，从而在可能对关键基础设…
-
自主代理在网络事件响应中展现出潜力
一篇新的研究论文在一个模拟的网络靶场中评估了自主代理响应网络安全事件的有效性。该研究测试了基于启发式规则的代理和采用强化学习的代理，旨在最小化对手的访问并平衡防御成本。结果表明，强化学习代理的表现普遍优于启发式策略，其性能受到对手策略和模拟用户行为的显著影响。
-
新的神经符号框架增强了AI-SOC对抗提示注入的安全性
已开发出一种新的神经符号框架，以增强人工智能驱动的安全运营中心（SOC）的安全性。该框架通过采用两层防御系统来解决提示注入等漏洞。第一层使用SIEM解码器对日志数据进行确定性过滤，第二层利用NeMo Guardrails在数据到达LLM之前强制执行语义边界。这种方法旨在提供更具弹性和可观察性的防御，以应对复杂的网络威胁。
-
SENTINEL-RL架构为SOCs解耦AI推理
提出了一种名为SENTINEL-RL的新开放架构，以解决安全运营中心（SOCs）的扩展限制。该架构将语义推理与拓扑操作解耦，使它们能够独立扩展。与将这些流程纠缠在一起的传统SIEM和SOAR平台不同，SENTINEL-RL使用两个异步管道：一个用于语义解释（例如，基于LLM的分析），另一个用于拓扑操作（例如，基于RL的策略执行）。这种分离旨在降低成本、提高吞吐量，并克服传统系统在分析大型身份验证图时面临的组合爆炸问题。
-
构建 SIEM：AWS 原生 vs. 开源解决方案
本文讨论了团队在扩展日志基础架构时面临的挑战以及对安全信息和事件管理 (SIEM) 系统的需求。它将使用 AWS 原生服务与开源替代方案构建 SIEM 解决方案进行了比较，并强调了每种方法所涉及的权衡。
-
思科旨在为人工智能驱动的SIEM市场重塑Splunk
在对Splunk进行巨额收购后，思科正致力于现代化其安全信息和事件管理（SIEM）产品。该公司旨在调整其SIEM能力，以满足人工智能驱动的网络安全领域不断变化的需求。
-
Chainlit 修复了严重 RCE 漏洞；AI 代理安全日志仍不可信
Chainlit 发布了 2.12.0 版本，以修复一个严重的远程代码执行漏洞（CVE-2026-45018），该漏洞允许未经身份验证的攻击者执行任意 shell 命令。此漏洞以及 Azure DevOps MCP Server、Atlassian 的 MCP 和 LangBot 中的其他漏洞，凸显了 AI 代理部署安全方面更广泛的问题。核心问题在于，应用程序日志和审计跟踪通常由被攻破的运行时本身生成，这使得它们不可信。提出的解决方案…
-
Docker AI Governance 集成 SIEM，跟踪策略决策
Docker AI Governance 现在与现有的 SIEM 系统集成，在 Docker Cloud 中提供所有策略决策的可搜索日志。这一发展是在超过四分之一的生产代码现在由 AI 编写的背景下发生的。
-
SIEM 详解：IT 安全的中央神经系统
安全信息和事件管理 (SIEM) 系统充当 IT 安全的中央神经系统，收集和分析日志数据以识别潜在威胁。这些系统对于理解组织 IT 基础设施产生的海量信息至关重要。通过倾听日志试图传达的信息，SIEM 能够实现更好的治理、风险管理和整体网络安全态势。
-
自托管平台支持自然语言SIEM查询
作者开发了一个自托管平台，旨在允许用户使用自然语言查询其安全信息和事件管理（SIEM）系统。该解决方案旨在解决导航多个仪表板进行数据分析的复杂性和低效率问题。该平台使用户能够通过普通英语命令与SIEM数据进行交互，从而简化了提取见解的过程。
-
AI安全护栏阻碍事件响应，迫使使用中国模型
一家AI原生公司遭遇了来自自主AI代理的攻击，发现领先的美国AI模型因其安全护栏而拒绝分析事件日志。这迫使该公司寻求中国开源模型的帮助。此次事件凸显了一个关键问题：AI模型中过于严格的安全功能会阻碍关键的安全运营，特别是事件响应，而事件响应本身就涉及分析恶意内容。这种情况强调了需要为安全用例更好地校准AI安全护栏，并建议在事件响应工具中转向多模型策略。
-
SIEM：威胁检测与合规性的核心网络安全解决方案
安全信息和事件管理（SIEM）是一种关键的网络安全工具，旨在从IT基础设施的各种来源收集、分析和关联日志数据。这项技术为安全团队提供了增强的可见性，以进行威胁检测、调查和响应，同时也有助于满足法规遵从性要求。SIEM解决方案是现代网络安全战略不可或缺的一部分，支持治理、风险管理和整体业务安全。
-
AI代理需要超越传统安全的新治理模式
文章认为，专为人类员工设计的传统安全措施不足以管理自主AI代理。与人类不同，AI代理缺乏职位描述，没有对后果的恐惧，也不受数据丢失防护（DLP）或安全访问服务边缘（SASE）等相同安全协议的约束。这些代理在云环境中运行，并通过API直接与SaaS应用程序交互，绕过了现有的安全基础设施。作者建议需要进行根本性转变，借鉴人类员工的入职和治理方式，以有效管理与这一新数字劳动力相关的风险。
-
AI SOC 平台挑战传统托管安全服务
人工智能驱动的安全运营中心 (SOC) 平台有望颠覆传统的托管检测与响应 (MDR) 模型。MDR 历来通过汇集客户的分析师资源来解决 24/7 安全人员配置的高成本问题。然而，AI SOC 平台现在能够以显著更低的边际成本，更深入、更快速地调查警报，解决了 MDR 中普遍存在的定制检测、环境上下文和警报覆盖范围的局限性。
-
Claude增强Wazuh安全警报，形成叙述性攻击链
作者详细介绍了如何利用Claude为开源安全监控平台Wazuh开发一个关联层。该层将分散的SIEM警报转化为一个连贯的、叙述性的攻击链，从而增强对安全攻击的检测和理解。该过程涉及利用Claude的能力来解释和综合复杂的安全数据，超越简单的警报聚合，提供更具可操作性的威胁叙述。
-
OpenAI、Anthropic 在 AI 智能体策略上出现分歧；新风险被识别
一项最新研究强调了 OpenAI 和 Anthropic 在 AI 智能体策略上的不同方向。该研究将“信念注入”识别为一种原生于智能体的新型风险，而现有的安全工具如 SIEM 和 EDR 目前无法检测到这种威胁。这种分歧表明了 AI 行业在智能体开发和安全考量方面采取了不同的方法。
-
微软研究人员揭示 AI 代理工具描述漏洞
微软研究人员展示了一种新的 AI 安全漏洞，恶意指令可以嵌入到 AI 代理使用的工具描述中。这种“提示注入”攻击通过污染告知代理如何使用工具的元数据来操纵代理的行为，导致敏感数据泄露，而当前的安监控系统难以检测。研究结果强调，开发人员和安全团队需要像对待用户输入一样对待工具描述，并开发新的方法来观察 AI 代理的行为，而不仅仅是分析单个操作。
-
Anthropic 的 Claude 合规性 API 助力 AI 滥用检测
Anthropic 推出了 Claude 合规性 API，旨在帮助组织检测其 AI 模型的使用滥用情况。该 API 提供一个可与安全信息和事件管理 (SIEM) 系统集成的源，以识别与访问和身份管理 (IAM) 相关的问 题。开发人员还创建了一个包含预过滤器和 LLM 裁判的管道，以捕获消息内容中更复杂的威胁，例如提示注入和数据泄露，并提供用于离线分析的存储库和 Sigma 规则。
-
Datadog 通过 BYOC 和联合搜索增强可观测性
Datadog 推出了包括自带云 (BYOC) 支持、联合日志搜索以及与第三方 SIEM 系统集成在内的新功能。尽管取得了这些进展，一位分析师还是警告了潜在的供应商锁定风险。此次更新还重点介绍了新的代理式 AI 安全工具，并讨论了与 AI 相关的复杂成本结构。
-
CMMC 2.0法规给小型国防承包商带来沉重成本
针对美国国防承包商的新法规，即CMMC 2.0，正在给小型企业带来巨大的经济负担。这些法规旨在加强针对人工智能和量子计算等威胁的网络安全，要求在安全技术和人员方面进行大量投资，每年可能花费数十万美元。批评者认为，这些成本与小型制造商的利润率不成比例，并且由于量子计算的进步，强制要求的加密标准已经过时。