Skip to main content

​
三層式 AI 漏斗

Panguard AI 使用三層級聯架構來分析安全事件。90% 的事件由規則引擎在 1 毫秒內處理。只有最複雜的 3% 才會送達雲端 AI。

​
為什麼需要三層？

將每個安全事件都送到 AI 模型會產生三個問題：
  1. 太慢 — AI 推論需要數秒；攻擊不會等待。
  2. 太貴 — 每台設備每天數千個事件意味著失控的 Token 成本。
  3. 不可靠 — 如果 API 當機，防護就停止。
三層漏斗建立在一個簡單原則之上：大多數攻擊遵循已知模式。只有真正未知的威脅才需要深度 AI 推理。

​
架構概覽

  Security Events
       |
       v
  +-----------+
  | Layer 1   |  Sigma / YARA Rule Engine
  | 90% events|  Latency < 1ms | Cost = $0
  +-----------+
       |
    Unmatched (10%)
       |
       v
  +-----------+
  | Layer 2   |  Local AI (Ollama)
  | 7% events |  Latency < 5s  | Cost = $0 (on-device)
  +-----------+
       |
    Needs deeper analysis (3%)
       |
       v
  +-----------+
  | Layer 3   |  Cloud AI (Claude / OpenAI)
  | 3% events |  Latency < 30s | Cost ~ $0.01/event
  +-----------+

​
各層比較

屬性Layer 1：規則Layer 2：本地 AILayer 3：雲端 AI
事件佔比~90%~7%~3%
延遲< 1 ms< 5 s< 30 s
每事件成本$0$0~$0.01
需要網路否否是
技術Sigma + YARAOllama (llama3)Claude / OpenAI
最適用於已知攻擊模式行為異常新型複雜威脅

​
Layer 1 — 規則引擎 (90%)

以零延遲、零成本處理所有已知攻擊模式。

​
Sigma 規則

Sigma 是安全偵測的社群標準規則格式。Panguard Guard 內建 3000+ 條規則，涵蓋常見攻擊模式。 
title: Suspicious SSH Brute Force
logsource:
  category: network
  product: any
detection:
  selection:
    destination_port: 22
    action: blocked
  condition: selection
level: high
支援的 Sigma 功能：
  • 布林邏輯：AND、OR、NOT
  • 聚合表達式：1 of them、all of them、1 of selection*
  • 匹配修飾器：|contains、|startswith、|endswith、|re
  • 數值比較：|gt、|gte、|lt、|lte
  • 網路匹配：|cidr（IP 範圍匹配）
  • 萬用字元：*、?
  • 括號群組：(sel_a OR sel_b) AND NOT filter

​
YARA 規則

用於檔案層級的惡意軟體偵測。Panguard 支援原生 YARA 引擎，並在系統未安裝 YARA 時自動降級至正規表達式引擎。

​
Layer 2 — 本地 AI (7%)

當事件不匹配任何已知規則但展現可疑行為時，會被轉送至本地 AI 模型進行分析。
  • 透過 Ollama 在本地執行 — 不需要網路
  • 零 API 成本
  • 推論延遲約 3-5 秒
  • 預設模型：llama3
環境感知路由： 在伺服器（VPS、雲端主機）上，事件會經過全部三層。在桌機與筆電上，Layer 2 會被跳過以避免佔用使用者資源。未匹配的事件直接從 Layer 1 送至 Layer 3。
Server:  Layer 1 (90%) -> Layer 2 (7%) -> Layer 3 (3%)
Desktop: Layer 1 (90%) -> Layer 3 (5-8%)  (Layer 2 skipped)

​
Layer 3 — 雲端 AI (3%)

最複雜的未知威脅由雲端 AI 以完整的動態推理進行分析。
  • 完整上下文分析
  • 跨事件關聯
  • 搭配 MITRE ATT&CK 分類的攻擊鏈推理
  • 修復建議產生
即使雲端 AI 不可用（網路中斷、Token 用盡），Layer 1 規則引擎仍會持續運作。防護永不中斷。

​
優雅降級

三層架構的關鍵設計原則：如果任何一層失效，上一層會自動接手。
情境降級行為
雲端 AI 不可用Layer 2（本地 AI）接手
未安裝 OllamaLayer 1（規則引擎）接手
規則檔損毀內建預設規則啟動
Panguard 永遠有防護 — 只有精確度等級會改變。

​
依可用來源調整信心度權重

系統根據可用來源動態調整每種證據的權重：
可用來源規則/情報基線AIeBPF
僅規則0.600.40——
規則 + AI0.400.300.30—
規則 + eBPF0.400.35—0.25
規則 + AI + eBPF0.300.200.300.20

​
FunnelRouter

@panguard-ai/core 中的 FunnelRouter 元件實作 Layer 2 到 Layer 3 的降級邏輯：
1

先嘗試本地 AI

將事件傳送至 Ollama 進行本地分析。
2

評估信心度

如果 Ollama 回傳高信心度判定，則採用。如果 Ollama 不可用或信心度低，則升級處理。
3

降級至雲端 AI

將事件傳送至 Claude 或 OpenAI 進行深度推理與 MITRE 分類。
4

最終降級

如果沒有 AI 供應商可用，系統僅使用規則評分（權重調整為 0.6 規則 + 0.4 基線）。
供應商自動偵測（啟動時）：
  1. 檢查 ~/.panguard/llm.enc（加密本地設定，AES-256-GCM）
  2. 檢查環境變數：ANTHROPIC_API_KEY、OPENAI_API_KEY
  3. 探測本地 Ollama http://localhost:11434
  4. 建構適當的轉接器：FunnelRouter（雙方皆可用）、單一供應商或 null

​
相關內容

學習模式

Guard 如何在 7 天學習期間建立行為基線。

即時防護

設定 Guard 進行持續監控與自動回應。