至于作者，来自 Elastic Joe DeFever

攻击者速度与防御者准备程度之间的差距正在扩大。如今攻击者借助 AI 可以在不到一分钟内从初始访问发展到完全控制域。¹ 由大型语言模型生成的钓鱼攻击活动，其点击率比传统方法高出 10 倍。²

大多数公司 SOC 并不是为这样的速度和精细程度而建立的。它们是在十多年的点方法采购过程中，逐个工具拼装起来的：这里部署一个 SIEM。那里部署一个 XDR，再在上面加一个 SOAR，还有很多仪表板，而分析师根本没有时间去协调这些仪表板。最终形成的安全架构，在对手甚至还没有出现之前。 就已经让防御者承担了额外负担。

对于安全团队真正值得思考的问题已经不是接下来应该购买哪款产品，而是底层架构能否支持 AI 时代防御所需要的速度、透明度和经济性。

使用者痛点

• 响应慢、误报多：攻击者在数十秒内完成全链路渗透，SOC 分析师仍需数小时才能关联告警。
• 工具碎片化：多个独立网站导致数据孤岛，查询成本高且易出错。
• 成本失控：按端点计费、单独 SOAR 许可还有重复 ETL 导致预算膨胀。
• AI 无法发挥：AI 模型只能访问分散的数据源，导致幻觉和误判。
• 合规与部署难题：监管要求下缺乏灵活的本地/云混合选项。

安全运营中的碎片化成本

痛点：数据碎片化并不是一个美观问题。而是一个运营和财务问题，它会在每次事件的时间线上显现出来。

分析师在进行调查时平均需要操作 5 个安全控制台，而 70% 的安全团队都能将严重事件直接追溯到相互隔离的工具之间存在的摩擦。³ SOC 团队成员每周花费大量时间，手动汇总这些工具中的数据。这当然是一个生产力问题，但它也是一种可以直接归因于架构选择的风险暴露。

痛点：财务层面的影响会进一步加剧这一问题。按端点计费会迫使覆盖范围的决策变成预算决策。历史数据的重新加载费用会在活动事件期间造成盲点，而此时完整上下文恰恰最为关键。单独的 SOAR 许可则让自动化变成一项独立的成本，而不是原生能力。这些都是供应商强加的成本，它们悄然地将风险从供应商的资产负债表转移到了你的资产负债表上。

为什么 AI 无法修复碎片化的基础

痛点：业界应对碎片化的方式，是在其上层叠加 AI。但这种方式已经开始显现出局限性。

AI 模型 —— 无论是分类程序、机器学习检测器，还是 agentic 推理框架 —— 都依赖于对历史上下文的统一访问。当遥测数据分散在数十个格式不一致的程序中时模型会继承与其要提高的人类分析师相同的盲点。这与其说是自主推理的坚实基础，不如说是昂贵幻觉的基础。

痛点：对于安全团队而言，建立在碎片化数据基础设施之上的 AI 投资将无法达到其业务预期。检索提高生成、agentic 工作流和行为分析都假设模型能够实时跨越整个攻击面进行推理。如果底层数据无法在原地进行查询。那么 AI 层就会变成又一个孤岛，而不是方法。

架构转折点

痛点信号1：采用压力——近三分之二的组织正在安全运营中尝试使用 AI agents，但不到四分之一已经将其部署到生产环境。这一差距反映了在并非为 agentic 程序设计的基础设施上运行这些程序的困难。 治理模型、透明度要求和成本控制正在快速成熟，但它们需要一种原生支持这些能力的架构。

痛点信号2：CISO 期望——75% 的 CISO 正在将 AI 驱动的安全纳入其2025年预算的优先事项。⁴ 董事会批准这些预算，并不是为了获得渐进式改进。他们期望看到平均检测时间、平均响应时间还有分析师留任率发生可衡量的变化。试图使用针对 AI 出现之前设计的技术栈来实现这些期望，并不太可能成功。怎么说呢，

真正开放、统一的安全架构需要什么

痛点：AIOps 并非简单把 AI 插到 SIEM 上。它需要底层网站从根本上重新设计。评估架构方向时安全团队应要求供应商满足以下标准：

• 跨领域统一遥测：端点、身份、网络和云信号流入同一个检测层，而不是在查询时才将多个独立检测层拼接起来。
• 将开放标准作为一等公民：原生支持 OpenTelemetry、Elastic Common Schema 等框架，一次编写的检测规则即可跨环境工作。
• 就地查询。而不是持续 ETL：分析师可以跨热层、温层和归档层运行单个查询，无需支付重新加载数据或开展迁移项目的成本。按理说，

Agentic 运营：从告警管理到攻击中和

Pain Point: 当架构正确之后运营模式终于可以发生改变。这正是 agentic AI 从概念走向生产的关键节点。按理说，

A agentic 安全运营网站并不是一个自主运行 的 SOC。这一区别非常关键，自主程序会将人类排除这既不负责任，也无法审计。Agentic 程序则把人类置于决策环节顶端：网站负责调查、关联并准备响应方案；分析师负责审查证据、运用判断力并批准操作。

This practical difference is reflected in event timelines. In a traditional SOC,three related alerts may appear in three different tools within seconds。and analysts might take hours to correlate m. In an agentic mode y appear as a single high‑priority attack chain with a complete reasoning trace already built. From first alert to approved response total time can be dramatically reduced.

The metric shift for security teams moves from “number of triaged alerts” to “number of attacks neutralized”.

为未来建立 SOC

Pain Point:未来12个月内能够成功领先 的安全团队，不会是那些拥有最大、最昂贵工具清单 的团队，而是那些其架构能够将速度、透明度 和 agentic 运营 原生支持 而非事后添加功能 的团队。

This transformation starts with an honest assessment of where current tech stack adds cost: pricing‑driven coverage gaps,integration friction causing response latency,fragmented data limiting AI projects. All of se are solvable at architecture level. Closing se gaps is what separates a SOC that can keep pace with AI‑driven threats from one that perpetually lags behind.

If you want to dive deeper into how an open。unified architecture reshapes detection and response,check out our guide on building a unified open security platform.

TechRadar，《机器速度下 的 安全： 为什么 SOC 必须 为 AI 时代 重建 》，2024 年 5 月。The Register。《微软称 AI 让钓鱼攻击 的 有效性 提高 10 倍 》，2024 年 4 月。Microsoft，《SOC 状态 》，2024 年。不过，Ctech，《因为 网络安全 优先事项 发 生变化。CISO 将 把2025 年预算 大量 投入 AI 》，2024 年 6 月。这篇文章中所描述 的任何 功能 或 特性的 发布时间 和 发布情况 均由 Elastic 自行决定。目前 尚未提供 的任何 功能 或 特性可能无法按时交付，甚至可能完全不会交付。

在 这篇文章 中，我们可能使用或引用由其各自所有者拥有 和运营 的 第三方生成式 AI 工具。Elastic 无法控制这些 第三方 工具，而且不对其内容 、运行 或 使用承担任何责任。也不对因你使用这些工具而可能产生 的任何 损失或损害承担责任。在 使用 AI 工具处理个人信息 、敏感信息 或机密信息 时请务必谨慎。你提交 的任何 数据都可能被用于 AI 训练或其他用途。无法保证你提供的信息 会得到 安全或保密 的处理。在 使用任何生成式AI 工具之前，你应了解其隐私实践 和使用条款。

Elastic 、Elasticsearch 及相关 标志 是 Elasticsearch B.V. 在美国及其他国家/地区 的 商标 、徽标或注册商标。所有其他 公司名称 和 产品名称 均为其 各自 所有者 的 商标 、徽标或注册商标。

.