Połącz model AI ze swoimi wyszukiwaniami IOC

GoChannel Desk działa z dostawcą AI w chmurze przez standardowy punkt końcowy API, z modelem uruchomionym na Twoim komputerze albo z modelem wbudowanym. Wybór ma znaczenie. Decyduje, dokąd trafiają wiersze logów zawarte w prompcie, a to się liczy, gdy logi zawierają nazwy użytkowników i adresy IP.

Trzy sposoby połączenia modelu

Dostawca AI w chmurze

Dostawcę AI w chmurze łączysz przez standardowy punkt końcowy API i pasuje on do większych folderów z logami lub trudniejszego rozumowania. Prompty trafiają do tego punktu, więc wszystkie wiersze logów, które agent do nich dołączy, opuszczają Twój komputer. Sekrety w wynikach narzędzi są zaciemniane, zanim dotrą do modelu. Logi zawierają dane osobowe. Zwykłe wiersze logów z nazwami użytkowników i adresami IP też trafiają do punktu końcowego, więc najpierw sprawdź zasady swojej organizacji.

Model na Twoim komputerze

Model uruchomiony lokalnie na Twoim komputerze zostawia wszystko na maszynie: przy modelu lokalnym nic jej nie opuszcza, co pasuje do logów z nazwami użytkowników i adresami oraz do incydentów, które muszą pozostać prywatne. Szybkość i jakość zależą od Twojego sprzętu i uruchomionego modelu. Najpierw przetestuj go na niegroźnych przykładowych logach.

Model wbudowany

Model wbudowany to opcja do wypróbowania, gdy nie masz pod ręką punktu końcowego ani klucza. Jakość bywa różna. Sprawdzaj jego wyniki tak jak każdego innego modelu i stosuj zasady swojej organizacji dotyczące danych osobowych, zanim dasz mu wrażliwe kopie logów.

Sprawdź punkt końcowy przyciskiem Test

Przycisk Test sprawdza punkt końcowy, zanim zaczniesz na nim polegać. Pokazuje czas odpowiedzi i okno kontekstu, które mówi, ile tekstu logów mieści się w jednym żądaniu. Testuj ponownie po zmianach. Małe okno oznacza, że agentowi warto dawać mniejsze pliki albo po jednym folderze.

Wybór modelu do przeszukiwania logów

Użyj większego modelu do kroków wymagających oceny, takich jak łączenie trafień z kilku plików logów lub redagowanie notatki z ustaleniami, a mniejszego do wąskich zmian, takich jak przywracanie tekstu «defanged» w iocs.txt. run_on_model przekazuje jeden trudny krok większemu modelowi, a reszta zadania zostaje na modelu domyślnym. Łącz je.

Jakość różni się między modelami. Sam sprawdzaj każdy diff i każdy wynik wyszukiwania oraz używaj Ask first, gdy próbujesz nowego modelu, żeby każda zmiana czekała na Twoje OK. Czysty wynik nigdy nie dowodzi, że system jest czysty.