vishal5589/jarvis-secops-assistant

# J.A.R.V.I.S. — 自托管 AI 安全运营助手      ## 为什么会有这个项目 SOC 分析师每天都会在重复性的信息收集上浪费数小时：浏览威胁情报 feed，检查供应商是否发布了关键的安全公告，以及重复总结相同的无用信息。我开发 J.A.R.V.I.S. 是为了**实现这些信息收集的自动化**，从而将人类的时间转移到分诊和响应上，而不是浪费在收集上。 它完全运行在我自己控制的硬件上 —— 没有第三方 SaaS 持有数据，除非得到明确许可，否则没有任何 agent 会向外发起连接。其设计理念反映了我在工作中的防御性工程方法：**最小权限、默认 fail-closed、将机密信息排除在代码之外，并记录每一个信任边界。** ## 它的功能 - **每日自动化威胁简报** — 从精选的网络安全 RSS 源（Krebs on Security、The Hacker News、Bleeping Computer、CISA 安全公告、Schneier on Security）中拉取内容进行总结，并按计划推送摘要。 - **关键产品监控** — 监控我关注的企业级安全产品（例如 PAM、网络安全、EDR/XDR、云端边缘、M365），并在 CVE 或安全公告的严重程度超过阈值（CVSS ≥ 7.0）时触发警报。 - **工具发布追踪** — 监控常见攻击/防御工具的上游发布，以便实验环境保持最新状态。 - **按需分析师助手** — 可通过聊天进行临时的内容总结、信息查找和报告撰写。 - **动态安全仪表板** — 一个自动重建的静态站点，将简报和警报呈现为一个轻量级的 SOC 门户。 ## 架构 ``` flowchart TD subgraph Sources["Intel & Release Sources"] RSS["Cybersecurity RSS feeds"] GH["Upstream tool releases"] ADV["Vendor advisories / CVEs"] end subgraph Core["Orchestration Core"] ORCH["Agent orchestrator"] LLM["LLM reasoning layer
(Anthropic API)"] SKILLS["Skill modules:
summarize · feed-watch · github"] end subgraph Interfaces["Interfaces"] CHAT["Chat bot"] DASH["Security dashboard
(static site)"] TUI["Terminal UI"] CRON["Scheduled jobs"] end Sources --> ORCH ORCH <--> LLM ORCH --> SKILLS Core --> Interfaces CRON --> ORCH classDef box fill:#0d1117,stroke:#30363d,color:#c9d1d9; class RSS,GH,ADV,ORCH,LLM,SKILLS,CHAT,DASH,TUI,CRON box; ``` | 层级 | 选择 | 备注 | |---|---|---| | 主机 | Dell OptiPlex 3090 Micro · Ubuntu 24.04 LTS | 本地、单租户、默认无入站暴露 | | 编排 | Agent 平台（自托管） | 协调 LLM、技能和接口 | | 推理 | Anthropic API | 专为总结工作负载选择的具有成本效益的模型 | | 交付 | 聊天机器人 · 静态仪表板 · TUI · cron | 多种读取路径，单一事实来源 | | 进程管理 | `systemd` **用户**服务配合 linger | 以非特权身份运行，注销后依然存活，无 root daemon | ## 安全工程 这是我最关心的部分，也是与防御角色最相关的部分。 **机密管理** - 源代码或配置文件中没有任何机密。所有凭证都存放在一个 `0600` 权限的 env 文件中，并在运行时通过 `systemd` drop-in override 加载到服务中。 - Token 会定期轮换并存储在所有受版本控制的文件之外。仓库提供了 `.gitignore` 和机密扫描步骤，确保永远不会提交任何敏感信息。 **最小权限** - 在 `systemd --user` 下以**非特权用户**身份运行；没有任何组件以 root 权限运行。 - 编排器的工具接口受到严格限制，具备写入能力的操作都受到显式策略的管控。 **Fail-closed 网络** - 默认姿态是不暴露任何入站端口。任何远程访问都通过带有 SSO 认证的隧道进行代理 —— 绝不使用裸露的开放端口。 **已记录的威胁模型** - Agent 最危险的信任边界是 *不受信任的输入 → 工具执行*（这是自主 Agent 固有的从 prompt injection 到 RCE 类别的风险）。它被视为首要威胁：输入源受到严格限制，工具执行受策略管控，并且该设计假设任何受外部影响的文本都可能是恶意的。 - 编排层中的供应链风险通过**优先进行版本更新**来管理，并保留一份文档完善且可重复的升级/回滚操作手册以及变更前备份。 ## 技术栈 `Python` · `systemd` · `Bash` · `MkDocs Material` · `Docker` · `Anthropic API` · `RSS/Atom` · `cron` · `Cloudflare Tunnel` ## 经验总结 - **Agent 安全本身就是一门独立的学科。** 赋予 LLM 工具执行能力重新定义了经典的注入风险：“用户输入”现在变成了 Agent 读取的任何内容，而“漏洞利用”则是一次工具调用。围绕这一点设计策略层是我学到的最有价值的经验。 - **自托管逼迫你进行诚实的运维。** 没有托管的仪表板意味着我必须自己负责备份、轮换、服务监督和升级安全 —— 这正是能够直接迁移到生产 SecOps 的核心能力。 - **自动化会产生复利效应。** 简报 pipeline 现在每天都在节省实实在在的分诊时间。 ## 路线图 - [ ] 针对每个工具的沙盒机制和基于白名单的执行策略 - [ ] 针对任何写入/破坏性操作的预执行拦截 hook - [ ] 扩展企业级产品安全公告的覆盖范围 - [ ] 每周工具发布摘要 - [ ] 通过 SSO 前置隧道强化远程访问安全性 ## 关于我 由 **Viki** ([@vishal5589](https://github.com/vishal5589)) 构建和维护 — IT 安全（SecOps）助理经理，马来西亚槟城。专注防御安全：检测工程 · SOC · 事件响应 · 威胁狩猎 · PAM · 安全自动化。

标签：AI助手, Python, 威胁情报, 安全运营, 应用安全, 开发者工具, 扫描框架, 无后门, 漏洞监控, 自托管, 请求拦截, 逆向工具