三層式 AI 漏斗
Panguard AI 用三層級聯架構分析安全事件。90% 的事件由規則引擎在 1ms 內搞定，只有最難搞的 3% 才會丟到雲端 AI。為什麼要三層？
把每個安全事件都丟給 AI 模型會出三個問題：- 太慢 — AI 推論要好幾秒，攻擊可不會等你。
- 太貴 — 每台機器每天幾千個事件，token 費用會失控。
- 不可靠 — API 一掛，防護就停擺。
架構概覽
各層比較
Layer 1 — 規則引擎 (90%)
零延遲、零成本，處理所有已知攻擊 pattern。ATR 規則
ATR (Agent Threat Rules) 是 AI agent 威脅偵測的開放標準。Panguard Guard 內建 768 條 ATR 規則，涵蓋常見 AI agent 攻擊 pattern。ATR Rule Example
- Regex pattern matching
- 情境感知偵測（tool 回應、skill manifest、agent 動作）
- 多層偵測：regex、內容指紋、LLM-as-judge
- 嚴重等級：critical、high、medium、low
- AI agent 威脅的 MITRE ATT&CK 對應
Layer 2 — 本地 AI (7%)
事件沒命中任何規則但看起來可疑時，丟給本地 AI 分析。- 透過 Ollama 本地跑 — 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 server（VPS、雲端主機）上，事件跑全部三層。在桌機和筆電上，Layer 2
會被跳過，避免搶使用者資源。未命中的事件直接從 Layer 1 跳到 Layer 3。
Layer 3 — 雲端 AI (3%)
最複雜的未知威脅交給雲端 AI 做完整的動態推理。- 完整上下文分析
- 跨事件關聯分析
- MITRE ATT&CK 分類的攻擊鏈推理
- 自動產生修復建議
就算雲端 AI 掛了（斷網、token 用完），Layer 1 規則引擎照跑。防護永遠不會停。
優雅降級
三層架構的關鍵設計：任何一層掛掉，上一層自動接手。
Panguard 永遠有防護 — 只有精準度會變。
依可用來源調整信心度權重
系統根據可用的偵測來源，動態調整每種證據的權重：FunnelRouter
@panguard-ai/core 裡的 FunnelRouter 元件負責 Layer 2 到 Layer 3 的降級邏輯：
1
先試本地 AI
把事件丟給 Ollama 做本地分析。
2
評估信心度
Ollama 回傳高信心度就採用。Ollama 不可用或信心度太低就往上丟。
3
降級到雲端 AI
丟給 Claude 或 OpenAI 做深度推理和 MITRE 分類。
4
最終降級
所有 AI 都不可用的話，系統改用純規則評分（權重變成 0.6 規則 + 0.4 基線）。
- 檢查
~/.panguard/llm.enc（加密本地設定，AES-256-GCM） - 檢查環境變數：
ANTHROPIC_API_KEY、OPENAI_API_KEY - 探測本地 Ollama
http://localhost:11434 - 建構對應的 adapter：FunnelRouter（都有）、單一 provider、或 null
相關內容
學習模式
Guard 怎麼在 7 天學習期建立行為基線。
即時防護
設定 Guard 做持續監控和自動回應。