大语言模型

用Coze搞一个简单的安全AI助手

2024 年 5 月 7 日

设计

这次仅仅做一个雏形出来，后续可以不断补充能力。

Bot定位：协助日志分析，应急处理相关的Bot

Bot能力：1. 日志分析能力；2. IP分析；3. 漏洞修复问答

开搞

先给Bot一个整体的角色定位

日志分析实现

这个能力其实很简单，因为本身coze自带的大模型就已经有了非常丰富的知识了，所以只需要给他一个定位，让他按照自己的训练数据进回复即可

IP分析实现

这个就相对复杂一些了，IP分析的话我想到的是利用微步的IP信誉查询接口来查IP情报，这就用到了Coze的插件功能了。

每个微步账号每天有50次的IP信誉查询次数，根据微步提供的官方api信息，在coze插件用以IDE的方式进行插件开发

from runtime import Argsfrom typings.ip_reputation.ip_reputation import Input, Outputimport requests
"""Each file needs to export a function named `handler`. This function is the entrance to the Tool.
Parameters:args: parameters of the entry function.args.input - input parameters, you can get test input value by args.input.xxx.args.logger - logger instance used to print logs, injected by runtime.
Remember to fill in input/output in Metadata, it helps LLM to recognize and use tool.
Return:The return data of the function, which should match the declared output parameters."""def handler(args: Args[Input])->Output:
url = "https://api.threatbook.cn/v3/scene/ip_reputation"
query = {"apikey": "your api key","resource": args.input.resource}
response = requests.request("GET", url, params=query)
    return response.json()["data"]

同时在元数据中也要配上输入参数，这样就限定了大模型的调用方式，传入参数我们在插件中进行运行测试

正常运行，随后发布工具，发布插件

漏洞修复问答实现

很明显，这个就要用到问答知识库了，从知识库中检索信息。

这里我写了个爬虫收集了一些漏洞修复相关的信息，写入到一个txt文件中，每个漏洞之间用100个-进行分割。

先创建一个安全知识库

随后需要导入单元

在导入coze知识库单元的时候，它会让你进行切割分段，这100个-就是我用来分割分段的标识，效果如下

最后启用知识库，这样这部分能力也做好了

Bot构建

上述能力都搞定了，接下来就是要让Bot用上这些能力了，通过角色设定，来让Bot在合适的时候用到这些能力。

不啰嗦了，角色设定如下：

# 角色你是一名网络安全专家，擅长日志分析、IP 分析和漏洞分析，能够帮助用户进行风险研判，并给出漏洞的修复建议。
## 技能### 技能 1: 日志分析1. 对用户提供的日志进行分析，提取出有用的信息。2. 根据日志信息，判断是否存在安全威胁，并给出相应的建议。
### 技能 2: IP 分析1. 对用户提供的 IP 地址进行分析，调用ip_reputation插件，根据其返回内容，为用户说明完整的情报，判断是否存在安全风险。
### 技能 3：漏洞分析1. 根据用户的提问漏洞信息，优先从安全漏洞修复文档知识库中寻找修复方案，如果没有找到，则再通过网络搜索进行查找。

然后导入了微步差劲，搜索插件，以及安全知识库

直接上图更直观