Panguard's detection engine uses ATR (Agent Threat Rules) -- the first open standard for AI agent threat detection -- across multiple detection stages with graceful degradation from cloud to fully offline operation.
技術架構
安全不只掃描， 更會思考。
三層 AI 防禦漏斗、四個自主代理和學習你環境的情境記憶。90% 的雜訊事件零成本，3% 的關鍵事件獲得最深層推理。
防禦漏斗
三層。90% 免費。
事件從上往下流經越來越強大 -- 也越來越昂貴 -- 的分析層。漏斗確保成本效率，同時保證不遺漏任何真正威脅。
規則引擎
ATR Rules
開源 ATR（Agent Threat Rules）構成基石。它們在裝置端即時處理絕大多數 AI Agent 安全事件，每事件零成本。新的社群規則每天從 Threat Cloud 拉取，自動編譯到本地引擎。
指紋比對 & 啟發式
本地行為分析
規則無法自信分類的事件升級到本地指紋比對和啟發式分析。零設定、完全離線，敏感資料留在裝置上，不依賴雲端的情況下增加情境推理。
雲端 LLM 裁判
Claude Sonnet 4（Threat Cloud 伺服器端）
只有最模糊或最新穎的威脅才會到達雲端 LLM 進行深度推理。有效負載在傳輸前已清除 PII。分析由 Threat Cloud 伺服器端執行 -- 所有用戶完全免費。返回帶有信心分數和人話解釋的結構化判決。
多層防禦堆疊
五層即時防禦。
每一層針對不同的攻擊面，使用經過實戰驗證的開源引擎。從核心系統呼叫到日誌關聯分析，每一層都將標準化事件輸入 AI 管線。
Skill 攔截
ATR Rules
攔截每個 AI Agent 工具呼叫、提示詞流程和 Skill 安裝。ATR 規則即時偵測提示注入、工具毒化、憑證外洩和上下文操縱。
Detects
提示注入、工具毒化、憑證外洩、上下文操縱
Implementation
ATR 規則引擎、亞毫秒評估、108 偵測規則、720 模式
Skill 審計
AST 分析
安裝前對 AI Skill 原始碼進行靜態分析。檢查隱藏功能、過度權限、混淆 payload 和供應鏈攻擊。
Detects
隱藏功能、過度權限、混淆 payload、供應鏈攻擊
Implementation
8 層審計檢查、AST 解析、依賴分析、權限對應
行為監控
Runtime Guard
執行時監控 AI Agent 行為。偵測異常工具使用模式、未預期的檔案存取和 AI Agent 的未授權網路連線。
Detects
異常工具使用、未授權檔案存取、未預期網路呼叫、權限提升
Implementation
行為基線學習、7 天校準期、基於信心值的警報
事件關聯分析
ATR 關聯
ATR 偵測規則跨 AI Agent 會話、工具呼叫和提示詞流程進行關聯。規則引擎支援時間關聯、聚合和多來源關聯查詢。
Detects
暴力攻擊、橫向移動鏈、持續性機制、政策違規
Implementation
311 ATR 規則、熱重載、MITRE ATT&CK TTP 對應、自訂規則撰寫
AI 關聯分析
LLM 推理
通過 1-4 層的事件由 AI 進行交叉關聯。模型權衡行為基線、威脅情報和時間模式，產出帶有信心分數的判決和完整攻擊敘事。
Detects
零日攻擊、APT 活動、新穎攻擊鏈、誤報降低
Implementation
本地 Ollama + 雲端 LLM 備援、基線記憶 RAG、威脅情報豐富化、0-100 評分
事件管線
從原始信號到可執行警報。
每個安全事件經過五階段管線。資料被標準化、豐富化、關聯、評分和派發 -- 通常在 200ms 內完成。
擷取
來自 ATR 規則引擎、Skill 審計、行為監控器和程序監控器的原始事件即時捕獲。
標準化
事件對應到統一架構，包含來源、嚴重性、類別和 MITRE ATT&CK 標籤。
關聯
ATR 規則和 AI 將事件與基線行為和威脅情報進行交叉比對。
評分
每個關聯事件獲得 0-100 信心分數，決定自動回應閾值。
警報
判決觸發劇本執行並派發至 Slack、Telegram、Email 和儀表板。
擷取
來自 ATR 規則引擎、Skill 審計、行為監控器和程序監控器的原始事件即時捕獲。
標準化
事件對應到統一架構，包含來源、嚴重性、類別和 MITRE ATT&CK 標籤。
關聯
ATR 規則和 AI 將事件與基線行為和威脅情報進行交叉比對。
評分
每個關聯事件獲得 0-100 信心分數，決定自動回應閾值。
警報
判決觸發劇本執行並派發至 Slack、Telegram、Email 和儀表板。
代理架構
四個代理。一個使命。
每個代理都是專家。它們共同組成自主安全運營管線：偵測、分析、回應、報告 -- 即時掌握所有狀況。
偵測代理
第一線反應者
持續監控 AI Agent 工具呼叫、提示詞流程和 Skill 行為。即時應用 ATR 規則，在異常出現的瞬間標記。產出附帶 MITRE ATT&CK TTP 標籤的原始事件信號。
分析代理
AI 調查員
接收偵測代理標記的事件並進行多步推理。跨時間關聯事件、查詢情境記憶中的基線偏差，並給出 0 到 100 的信心分數。
回應代理
自動化防禦者
根據信心閾值執行回應劇本。高信心威脅觸發自動隔離、防火牆規則注入或程序終止。中等信心事件排入帶完整情境的人工審查任務。
報告代理
合規撰寫者
將原始事件資料轉換為對應 ISO 27001、SOC 2 等框架的結構化報告。自動生成高管摘要、時間線視覺化和稽核就緒證據包。
情境記憶
七天學習你。然後永不遺忘。
安裝後前七天，Panguard 靜默觀察你的系統：正常網路模式、典型程序樹、預期 cron 排程和標準用戶行為。這在加密的本地資料庫中建立每裝置基線。
學習窗口之後，任何偏離基線的情況都會被評分和標記。模型持續自我優化 -- 新的合法服務在數小時內被納入基線，而新穎攻擊模式立即觸發升級。
觀察
收集程序樹、網路連接、檔案系統基線
模式提取
為每個服務建立正常行為的統計模型
閾值調校
校準警報閾值以最小化誤報
主動防護
完整偵測 + 自動回應，持續優化
信心評分
每個事件都有分數。
0-100 的信心分數決定後續行動。高分觸發自動回應。中分通知人工。低分輸入學習系統。
高信心威脅自動處理。回應代理在數秒內執行匹配劇本，然後記錄每個動作供稽核。
中等信心事件透過聊天代理向指定人工審查員發送通知。附帶完整情境和 AI 推理，審查員可一鍵批准或駁回。
低信心信號帶完整元資料記錄，並輸入情境記憶系統。隨時間推移，基線模型自我優化，這些信號要麼升級到更高等級，要麼被抑制為雜訊。
匿名分享
威脅指標在貢獻前移除所有識別資料。
分散式快取
新威脅簽名在幾分鐘內傳播到整個艦隊。
自動規則推送
社群驗證的簽名被編譯成 ATR 規則並推送到每個代理。
隱私優先
沒有 IP 位址、主機名稱或用戶資料離開裝置。只有雜湊和行為模式。
集體情報
一台裝置偵測。所有裝置封鎖。
當 Panguard 代理識別出之前未知的威脅，匿名入侵指標（IOC）會貢獻到集體情報網路。幾分鐘內，其他所有 Panguard 代理都收到新簽名。
這創造了正向迴圈：網路中的裝置越多，新威脅被捕獲得越快，每個個體代理就越強大。一台伺服器的小企業受益於整個 Panguard 艦隊產生的威脅資料。
韌性
安全永不中斷。
網路斷線？API 額度用盡？雲端供應商故障？Panguard 透過三層優雅降級。防護永遠開啟。
最佳
雲端 AI + 本地 LLM + 規則引擎 -- 每個事件完整三層分析。
雲端不可用
本地 LLM + 規則引擎。複雜事件排隊等待雲端重試。防護無間斷。
LLM 離線
僅規則引擎。ATR 規則仍捕獲 90% 的已知威脅。事件記錄供稍後 AI 分析。
緊急模式
核心看門狗程序監控關鍵信號。如果 Panguard 本身被攻擊，看門狗通知擁有者並保留鑑識日誌。
技術棧
建立在經過驗證的基礎上。
每個元件都因可靠性、效能和開發者體驗而被選擇。無專有鎖定。
TypeScript
端到端型別安全
ATR Rules
AI Agent 威脅偵測
Threat Cloud
惡意程式模式匹配
Ollama
本地 LLM 推論
Claude / GPT
雲端 AI 推理
Node.js
代理運行環境
SQLite + Redis
事件儲存與快取
Docker
一行指令部署
REST / WebSocket
即時遙測
Prometheus
指標與警報
MCP 協議
用於 AI 助手整合的模型上下文協議
Semgrep
SAST 程式碼靜態分析
SOAR 引擎
以 YAML 劇本實現安全協調
Welford 演算法
線上統計異常偵測