8.0
热点
AI SCORE
技术实践2026-09-15 11:55
零成本用Microsoft 365构建AI安全运营中心
dev.to · AI#SOC#Microsoft 365#安全自动化
Editor brief · 编辑速览
利用现有Graph API+Power Automate+Copilot Studio构建SOC分流管道，2周POC零新增工具费，告警处理时间从15分钟降至2分钟。
为什么我们没有买 SOC 平台
"必须建立 SOC"的压力通常假设你需要购买一个。但对我们这个规模的团队来说，这笔账根本算不过来：商业 SIEM 加 SOAR 平台会吃掉整个安全预算，光是集成就要六个月。
与此同时，我们已经在为微软的生态付费了：Entra ID 登录日志、Defender 端点事件、Purview 邮件流转——所有这些都可以通过 Graph API 访问，许可证账单里已经有了。问题不在数据，而在于没人有时间去看这些数据。
所以 POC 的核心问题变成了：AI 代理能在我们已经拥有的基础设施上做第一轮分诊吗？答案是肯定的，但有条件。
架构概述
三层，每层只做一件事：
数据层，Microsoft Graph API。 Graph 通过一个统一的认证 API 暴露了 Entra 登录日志、风险检测、Defender 告警和邮件安全事件。所有信号都从这里来。不需要数据湖、不需要日志传输管道——按需查询即可。
编排层，Power Automate。 每个 Flow 都遵循同样的模式：触发（新的风险检测、新的告警、定时扫描）→ 富化（从 Graph 拉取相关事件）→ 判断（规则优先，AI 其次）→ 执行（Teams 通知、工单、或自动响应）。
交互层，Copilot Studio。 代理的入口：分析师用自然语言提问，Copilot Studio 调用与自动触发器相同的 Graph 支持的 Flow。人类和自动化共用一条管道。
关键设计决策：规则优先于 AI。所有确定性事件——已知恶意 IP、不可能的旅行、已禁用账户的登录——都由普通的 Power Automate 条件处理。AI 层只看到通过规则筛选后需要人工判断的告警。这让第一版既快又便宜。
从 Entra ID Protection 的风险登录开始，用 Power Automate 的 HTTP 动作包装：
GET https://graph.microsoft.com/v1.0/identityProtection/riskySignIns?$filter=riskLevel eq 'high'&$top=50
Authorization: Bearer {token}
服务主体需要 IdentityRiskyUser.Read.All 和 SecurityEvents.Read.All——最小权限，仅此而已。我曾经因为偷懒申请了 ReadWrite 权限，结果花了一下午解释为什么这个 Flow 可以在不该操作用户的时候 remediation 用户。这里的最小权限是告警管道和攻击路径之间的分界线。
每条登录记录都要富化用户上下文——部门、最近位置、组成员身份。一条"异常位置"告警，在你知道用户是出差在外的销售人员之前毫无意义。
我们的分诊 Flow，按顺序执行：
过滤明显的噪声。 来自已知企业 VPN 出口 IP、你自己扫描器 IP、以及你已加入白名单的租户的登录记录。第一天就削减了约 40% 的量。
确定性事件自动上报。 从未见过的地理位置 + MFA 失败 + 有管理员角色的账户 → 立即通知相关人员。不需要 AI，不需要 AI 延迟。
灰区发送给 AI。 介于两者之间的所有事件，在到达人类之前先做摘要和风险评分。
对于灰区，prompt 接收富化后的登录 JSON，必须返回结构化输出：风险评分 1-10、类别、两句话的理由、建议操作。强制结构化输出是我们最重要的 prompt 改动——第一版返回的是聊天式的段落，没有任何自动化流程能够消费。
Copilot Studio 通过 Power Automate Topic 连接你的 Flow。我们暴露了三个：query-signins、query-alerts、investigate-user，每个都调用 Graph 支持的 Flow 并格式化结果。
我没有预料到的失败：分析师问代理一些 Graph 无法回答的问题，代理却自信地给出了答案。我添加了护栏——代理必须说明它查询了哪个数据源，并且不得对返回记录之外的内容进行推测。在 SOC 里，一个会幻觉的代理不是新鲜事，而是一个隐患。Grounding 指令花了三次迭代才完成。
坦诚节，因为这是供应商案例研究跳过的那部分：
速率限制。 Graph 的限流非常激进；逐条告警查询在几千条告警之后就撑不住了。我们改成了定时扫描加增量查询。要按明年预期的量来设计。
Token 成本悄悄上涨。 每条告警的完整登录 JSON 让处理时间增加了三倍；解决办法是把 payload 精简到 prompt 实际用到的 15 个字段。
信任建立得很慢。 分析师最初忽略了摘要；只有在它标记出一条规则遗漏的入侵模式之后，以及我们让它展示数据来源之后，才赢得了信任。
告警分诊时间：从每条告警约 15 分钟降到 2 分钟以内。
到达人类的量：应用噪声规则后下降了约 70%。
一个真实发现：某个服务账户的不可能旅行序列，Entra 风险评级为低，因为它没有交互式登录历史。代理把它浮现出来，是因为我们问了一个规则根本无法回答的问题。
这才是 AI 在 SOC 中的真正价值：不是模型比规则更聪明，而是你可以问规则从来没有被设计来回答的问题。
做这个需要 E5 许可证吗？
严格来说不需要。E3 提供核心日志和 Graph 访问；E5 增加风险检测和更丰富的 Defender 信号，这让 AI 层有用得多。先用 E3 起步，逐步升级。
这是 SIEM 的替代品吗？
不是——它是一个分诊和调查层。你仍然需要日志保留、合规报告和数字取证。把它当作分析师的助手，而不是平台。
Copilot Studio 能执行响应操作吗，比如禁用用户？
技术上可以，但我建议 v1 不要这么做。在你测量了一个月的准确率之前，保持代理只读；第一个自动操作应该是安全的（撤销会话），而不是破坏性的。
如何处理 AI 层的误报？
结构化输出包含一个置信度字段，我们每周跟踪每个类别的误报率。高误报类别会被降级回纯规则处理——代理需要自己赢得每个类别的信任。