用Coze搞一个简单的安全助手

写在前面

最近字节的coze功能是越来越强大了,各种插件,工作流,知识库等等功能逐渐完善,生态也要搞起来了,于是乎,回归一些老本行,用coze做一个安全助手的Bot。

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

python 复制代码
from runtime import Args
from typings.ip_reputation.ip_reputation import Input, Output
import 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:

shell 复制代码
# 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

这样一个安全助手就搞定了

能力测试

接下来我们分别对三个功能进行测试

日志分析

这些都是基础知识点了,Done!

IP分析

可以看到正常调用插件了,随后根据返回信息总结了一下ip特征。

但是感觉这个信息不太全面,有待优化。

漏洞修复

完美,可以看到是正常搜索知识库了。

最后,这只是一个雏形的尝试,再把工作流用上,创建更多的插件,后续感觉能加一堆东西,coze的这个产品设计真的不错,用户体验真的可以。

bot id:7351381049760563237

相关推荐
共绩算力15 分钟前
OpenAI Whisper 语音识别模型:技术与应用全面分析
人工智能·whisper·语音识别·共绩算力
工藤学编程26 分钟前
零基础学AI大模型之Stream流式输出实战
人工智能
不良人龍木木39 分钟前
机器学习-常用库
人工智能·机器学习
罗橙7号43 分钟前
【pyTorch】关于PyTorch的高级索引机制理解
人工智能·pytorch·python
rengang661 小时前
09-随机森林:介绍集成学习中通过多决策树提升性能的算法
人工智能·算法·随机森林·机器学习·集成学习
zskj_qcxjqr1 小时前
数字大健康浪潮下:智能设备重构人力生态,传统技艺如何新生?
大数据·人工智能·科技·机器人
动能小子ohhh1 小时前
AI智能体(Agent)大模型入门【9】--如何在pycharm等其他编译软件调用ocr工具【只写后端代码不演示】
人工智能·python·深度学习·机器学习·pycharm·ocr
mit6.8241 小时前
[Tongyi] 工具集成 | run_react_infer
人工智能·深度学习·算法
无锡布里渊2 小时前
分布式光纤声波振动传感:守护智慧城市燃气管网安全的 “神经末梢”
人工智能·安全·智慧城市
过往入尘土2 小时前
Linux:虚拟世界的大门
linux·人工智能