SecurityClaw SOC 自动化框架
持续分析 OpenSearch 或 Elasticsearch 日志,用行为基线和 LLM 辅助研判异常。
- Star 数
- ★ 279
- 最近更新
- 4 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 51/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 高 · 需要较重的基础设施
- 开始前需要
- 典型场景
- 需要从 OpenSearch 或 Elasticsearch 网络日志构建正常行为基线的 SOC 团队。
- 不适合
- 需要开箱即用托管 SOC 服务的团队
- 不能维护数据库、模型服务和本地配置的团队
- 维护状态
- 近半年有提交最近提交 2026-07-20
- 源码审查
- 51/100 · 缺口较多
这个 Agent 能做什么,适合哪些场景?
SecurityClaw 是一个自托管的模块化 SOC 框架,通过 Python 技能读取 OpenSearch 或 Elasticsearch 中的日志与异常发现。APScheduler 可运行异常监视和基线构建任务,NetworkBaseliner 将日志汇总并写入向量索引,ThreatAnalyst 使用检索到的基线背景生成威胁判定。LangGraph chat_router 支持交互式调查,状态可检查点保存到 SQLite。用户可以通过 CLI、FastAPI 服务和 React 网页界面操作;部署需要配置数据库与 LLM,并运行相应服务。
配置数据库连接和 LLM 提供方后,SecurityClaw 的 Runner 会发现 skills 目录中的技能,并由 APScheduler 按技能指令中的间隔调度。NetworkBaseliner 查询近期日志、汇总行为并将嵌入写入 RAG 向量索引;anomaly_triage 可轮询异常发现、补充描述并将高严重度结果放入工作记忆;ThreatAnalyst 检索相似基线并产生 TRUE_THREAT、FALSE_POSITIVE、UNKNOWN 或 ERROR 判定。chat_router 通过 LangGraph StateGraph 执行 DECIDE→EXECUTE→EVALUATE 流程,支持对话调查与技能调用。用户可用 main.py 命令、FastAPI API 或 React 界面查看状态、触发技能和进行聊天;SQLite 保存对话及运行时检查点。
- 需要从 OpenSearch 或 Elasticsearch 网络日志构建正常行为基线的 SOC 团队。
- 希望轮询异常检测结果,并将高严重度发现交由分析技能研判的安全运营人员。
- 需要在交互式对话中查询日志、检索基线并调查威胁的分析师。
- 想通过独立技能扩展数据库查询、取证时间线或字段目录功能的工程团队。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
pip install -r requirements.txt
- 环境变量
OPENAI_API_KEYANTHROPIC_API_KEYSECURITYCLAW_API_ONLY- 配置文件
config.yaml.env- 运行环境
- Python 3.11+
- 安装说明涉及
- Windows
如何安装或部署这个 Agent?
需要 Python 3.11+、Git、OpenSearch 2.x 或 Elasticsearch 8.x(也可使用测试 mock)以及 Ollama;README 建议至少 4GB RAM,并为模型和向量索引预留约 2GB 磁盘空间。先克隆仓库、创建虚拟环境并安装依赖:
git clone https://github.com/SecurityClaw/SecurityClaw.git
cd SecurityClaw
python3.11 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txtWindows PowerShell 可使用 .venv\Scripts\Activate.ps1 激活环境。运行引导程序配置数据库连接、Ollama、配置文件和可选外部 API:
.venv/bin/python main.py onboard示例配置使用 qwen2.5:7b-instruct-q4_K_M 和 nomic-embed-text:latest;Ollama 模型需单独拉取。也可配置 OpenAI 或 Anthropic 等聊天提供方,但 RAG 嵌入仍使用配置的 Ollama 嵌入模型。
如何使用这个 Agent?
先启动 Ollama、数据库,并完成 config.yaml 与 .env 配置;凭据按所选提供方设置,例如 OpenSearch 用户名和密码、OPENAI_API_KEY 或 ANTHROPIC_API_KEY。启动服务(网页前端、API 和调度器):
.venv/bin/python main.py serviceREADME 的当前服务说明给出 Web UI http://localhost:5173、API http://localhost:7799;启动器也提供 status、stop、chat、skills 和 logs 命令。CLI 可运行调度循环、交互聊天或触发单个技能:
.venv/bin/python main.py run
.venv/bin/python main.py chat
.venv/bin/python main.py dispatch threat_analyst
.venv/bin/python main.py status若只需 API,可设置 SECURITYCLAW_API_ONLY=1 后运行 main.py service。配置数据库提供方为 opensearch 或 elasticsearch,并在 config.yaml 指定日志、异常和向量索引。
这个 Agent 有哪些优点和局限?
- 技能以独立目录组织,包含 Python
logic.py和 LLM 指引instruction.md,便于按能力扩展。 - 支持 OpenSearch 与 Elasticsearch 配置切换,并提供抽象数据库连接器。
- 网络行为基线存入向量索引,分析时可检索 RAG 背景。
- LangGraph 对话和运行时记忆可通过 SQLite 检查点保存。
- 同时提供调度运行、CLI 聊天、FastAPI 和 React 界面。
- 部署需准备数据库和 LLM 服务,配置多项参数并安装 Python 依赖。
- 当前示例以 Ollama 为默认模型服务;远程聊天提供方仍使用配置的 Ollama 嵌入模型。
- README 将 anomaly_triage、threat_analyst 和 forensic_examiner 标记为验证中或开发中。
- README 指出 Elasticsearch 兼容性测试仍是待改进项,且聚合测试覆盖率受开发中模块影响。
这个 Agent 与同类方案有什么区别?
可在配置中选择 OpenSearch 或 Elasticsearch;README 将它们描述为可切换的数据库后端。未提供与其他 SOC 产品的对比。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| SecurityClaw SOC 自动化框架 当前 | 51 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 279 | 4 个月前 | Python | OpenAI API · Claude API |
| Home Generative Agent(HGA) | 69 · 存在缺口 | — | ★ 383 | 今天 | Python | OpenAI API · Claude API |
| AiSOC:开源自托管 AI 安全运营中心 | 84 · 表现良好 | 命令行工具免费 + 模型费 | ★ 7.1k | 1 天前 | Python | — |
| Local OpenAI LLM(Home Assistant 自定义集成) | 68 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 317 | 3 天前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README、SECURITY.md 和 server.py 显示服务默认绑定 0.0.0.0,且没有认证授权;尽管明确警告只在可信网络使用并建议防火墙隔离,最小权限和访问控制仍然薄弱。启动由操作者执行,外部 API 需配置密钥,但没有充分说明破坏性操作前的确认或恢复流程。数据流说明本地存储与可选外部威胁情报查询,SECURITY.md 具体列出可能发送的 IP 和域名;.env 隔离、密钥遮蔽和保留期说明有帮助,但持久数据默认无限保留。依赖仅给出下限版本并建议自行扫描,缺少锁定及已执行的安全核查证据。文件列出能力、端点和处置建议,但来源归属信息有限;未见明确回滚机制。
README 对端口和服务说明前后不一致:快速启动列出 5173/7799,后文示例却写 3000/500,削弱自洽性。requirements.txt 使用宽松下限且没有锁文件证据,依赖可用性保障有限。SECURITY.md 说明连接测试失败可继续,并提及 API 错误会省略堆栈;但错误行为证据主要是文档陈述,未展示具体处理实现。
材料明确面向单操作员 SOC,并覆盖 OpenSearch/Elasticsearch、Ollama 与多种 LLM、CLI、Web、Docker 和不同操作系统,适用场景与环境适配较好。技能清单、清单契约和手动/定时状态勾勒了能力边界;可选威胁情报及配置开关有助于控制触发,但本样本未包含足够实现细节来证明所有边界和触发条件均得到严格执行。
README 提供目录结构、技能说明、安装步骤、配置与命令示例,也列出进行中技能、上下文预算和已知安全限制;但同一文档中的服务端口说明冲突,且前端/后端说明存在旧端口示例,命名与信息稳定性因此扣分。MIT LICENSE 文本完整,给满分。版本变更记录和维护责任/更新路径未在提供材料中清楚呈现;安全漏洞报告渠道有说明,但不足以确认常规维护责任。
技能化 SOC 流程、RAG 行为基线、异常分析和可读的 verdict/建议输出有明确实际用途;API、CLI 和仪表板有助于操作。材料同时承认部分技能仍在验证、覆盖率受未完成模块影响,且使用需要 OpenSearch、模型运行时和较多资源;未见足够成本量化或效益对照,因此价值与成本判断只给部分分数。
README 的配置、端点、数据流、技能和局限有较多可核对细节,SECURITY.md 与 server.py 在绑定地址、CORS、配置遮蔽等处提供部分交叉支持。仍有不少性能、安全和测试覆盖主张只由文档自述,且端口信息不一致,交叉印证有限。文档对现状、计划改进和已知风险作了区分,能支持事实与路线图的基本区分;没有执行或独立验证证据,按要求保持低置信度。
- 服务默认绑定 0.0.0.0 且无 API 认证;按 SECURITY.md 的说明仅应放在受信任网络并配置防火墙隔离。
- 文档列出的服务端口互相矛盾;部署前应以当前配置和实际启动代码核对端口。
- 配置外部威胁情报服务时,日志中的 IP 和域名可能发送给第三方;对话与运行时 SQLite 数据默认无限期保留。
- 依赖未锁定;安全扫描、运行行为和测试结果均未在本静态审查中执行或独立验证。
常见问题
必须使用 Ollama 吗?
它会自动处置威胁吗?
可以只运行命令行吗?
main.py run 启动调度循环,main.py chat 提供终端聊天,main.py dispatch <skill> 可单次运行指定技能。需要哪些外部凭据?
SecurityClaw SOC 自动化框架 免费吗?
SecurityClaw SOC 自动化框架 开源吗?
SecurityClaw SOC 自动化框架 安全吗?
SecurityClaw SOC 自动化框架 还在维护吗?
SecurityClaw SOC 自动化框架 是谁开发的?
谢谢反馈,我们会据此改进页面。