Skip to main content

​
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：
  1. 太慢 — AI 推論要好幾秒，攻擊可不會等你。
  2. 太貴 — 每台機器每天幾千個事件，token 費用會失控。
  3. 不可靠 — API 一掛，防護就停擺。
三層漏斗的原則很簡單：大部分攻擊都是已知 pattern。只有真正未知的威脅才需要 AI 深度推理。

​
架構概覽

  Security Events
       |
       v
  +-----------+
  | Layer 1   |  ATR 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ATR 規則Ollama (llama3)Claude / OpenAI
最適合已知攻擊 pattern行為異常新型複雜威脅

​
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 61 條 ATR 規則，涵蓋常見 AI agent 攻擊 pattern。
ATR Rule Example
id: ATR-2025-0001
name: Prompt Injection via Tool Response
severity: critical
detection:
  patterns:
    - 'ignore previous instructions'
    - 'system prompt override'
  context: tool_response
action: block
支援的 ATR 功能：
  • 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。
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。
情境降級行為
雲端 AI 不可用Layer 2（本地 AI）接手
沒裝 OllamaLayer 1（規則引擎）接手
規則檔損壞內建預設規則啟動
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：
可用來源規則/情報基線AIeBPF
只有規則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 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）。
Provider 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。