अपनी IOC खोजों के लिए AI मॉडल जोड़ें

GoChannel Desk मानक API एंडपॉइंट के ज़रिए क्लाउड AI प्रदाता के साथ, आपके पीसी पर चलने वाले मॉडल के साथ, या बिल्ट-इन मॉडल के साथ काम करता है। चुनाव मायने रखता है। यह तय करता है कि प्रॉम्प्ट के भीतर की लॉग पंक्तियाँ कहाँ जाएँगी, जो तब मायने रखता है जब लॉग में यूज़रनेम और IP पते हों।

मॉडल जोड़ने के तीन तरीके

क्लाउड AI प्रदाता

क्लाउड AI प्रदाता मानक API एंडपॉइंट के ज़रिए जुड़ता है और बड़े लॉग फ़ोल्डरों या कठिन तर्क के लिए उपयुक्त है। प्रॉम्प्ट उसी एंडपॉइंट पर जाते हैं, इसलिए एजेंट जो भी लॉग पंक्तियाँ शामिल करता है, वे आपके पीसी से बाहर जाती हैं। टूल आउटपुट के सीक्रेट मॉडल तक पहुँचने से पहले छिपा दिए जाते हैं। लॉग में व्यक्तिगत डेटा होता है। यूज़रनेम और IP पते वाली सामान्य लॉग पंक्तियाँ भी एंडपॉइंट पर जाती हैं, इसलिए पहले अपने संगठन के नियम जाँचें।

आपके पीसी पर चलने वाला मॉडल

आपके पीसी पर लोकल चलने वाला मॉडल सब कुछ मशीन पर रखता है: लोकल मॉडल के साथ कुछ भी बाहर नहीं जाता, जो यूज़रनेम और पतों वाले लॉग और उन घटनाओं के लिए ठीक है जिन्हें निजी रखना ज़रूरी है। गति और गुणवत्ता आपके हार्डवेयर और चलाए गए मॉडल पर निर्भर करती है। पहले हानिरहित नमूना लॉग पर आज़माएँ।

बिल्ट-इन मॉडल

जब आपके पास एंडपॉइंट या कुंजी न हो, तब बिल्ट-इन मॉडल आज़माने का विकल्प है। गुणवत्ता अलग-अलग होती है। इसके आउटपुट की समीक्षा किसी भी दूसरे मॉडल की तरह करें, और संवेदनशील लॉग कॉपी देने से पहले व्यक्तिगत डेटा के लिए अपने संगठन के नियमों का पालन करें।

Test से एंडपॉइंट जाँचें

Test बटन किसी एंडपॉइंट पर भरोसा करने से पहले उसे जाँचता है। यह प्रतिक्रिया समय और कॉन्टेक्स्ट विंडो दिखाता है, जिससे पता चलता है कि एक अनुरोध में कितना लॉग टेक्स्ट समाता है। बदलावों के बाद फिर से Test करें। छोटी विंडो का मतलब है कि एजेंट को छोटी फ़ाइलें या एक बार में एक फ़ोल्डर दें।

लॉग खोजों के लिए मॉडल चुनना

जिन चरणों में विवेक चाहिए, जैसे कई लॉग फ़ाइलों के हिट को जोड़ना या निष्कर्ष नोट का मसौदा बनाना, उनके लिए बड़ा मॉडल इस्तेमाल करें, और iocs.txt में निष्क्रिय किए गए टेक्स्ट को लौटाने जैसे छोटे संपादनों के लिए छोटा मॉडल। run_on_model एक कठिन चरण को बड़े मॉडल पर भेजता है, जबकि बाकी काम आपके डिफ़ॉल्ट पर रहता है। दोनों को मिलाएँ।

मॉडलों के बीच गुणवत्ता अलग-अलग होती है। हर diff और हर खोज नतीजे की खुद समीक्षा करें, और नया मॉडल आज़माते समय Ask first इस्तेमाल करें ताकि हर बदलाव आपकी स्वीकृति का इंतज़ार करे। साफ़ नतीजा कभी साबित नहीं करता कि सिस्टम साफ़ है।