Security-Copilot

GitHub
624 269 困难 1 次阅读 2天前MIT语言模型Agent
AI 解读 由 AI 自动生成,仅供参考

Security-Copilot 是微软推出的一款基于生成式人工智能的安全助手,旨在帮助安全与 IT 团队以机器级的速度和规模提升防御效率。面对日益复杂且海量的网络威胁,传统人工分析往往响应滞后,而 Security-Copilot 能够迅速整合多源安全数据,辅助用户进行事件调查、威胁研判及自动化响应,从而显著改善安全运营成果。

这款工具特别适合企业安全分析师、IT 运维人员以及负责网络安全防御的专业团队使用。它不仅能处理繁琐的日常监控任务,还能作为智能副驾驶提供决策支持,让人类专家专注于更高价值的战略工作。

其核心技术亮点在于深度融合了生成式 AI 能力,并严格遵循负责任的 AI 原则,确保在提升效率的同时兼顾合规性与安全性。通过丰富的插件体系和连接器,Security-Copilot 能灵活对接各类现有安全工具,打破数据孤岛。此外,该项目开源了社区仓库,欢迎开发者参与贡献,共同构建更强大的安全生态,让防护能力随 AI 技术同步进化。

使用场景

某大型电商企业的安全运营中心(SOC)在凌晨突发大规模分布式拒绝服务(DDoS)攻击,资深分析师李明需要立即研判威胁并制定响应策略。

没有 Security-Copilot 时

  • 数据孤岛严重:李明需手动登录防火墙、终端检测响应(EDR)及云日志等多个独立控制台,花费大量时间复制粘贴数据进行关联分析。
  • 响应速度滞后:面对每秒数千条的告警日志,人工筛选耗时过长,导致攻击流量在决策窗口期内持续冲刷业务系统。
  • 报告撰写繁琐:事故复盘时,需逐条整理时间线和技术细节,编写一份完整的初步分析报告往往需要数小时。
  • 专家经验依赖:初级分析师因缺乏对复杂攻击链的理解,无法独立处理高级持续性威胁(APT),必须等待专家介入。

使用 Security-Copilot 后

  • 全域数据聚合:Security-Copilot 通过插件自动连接各安全组件,瞬间将分散的日志整合为统一的攻击视图,消除数据盲区。
  • 机器速度研判:利用生成式 AI 能力,Security-Copilot 在秒级内完成海量日志分析,自动识别攻击模式并推荐阻断策略。
  • 一键生成报告:只需输入自然语言指令,Security-Copilot 即可自动生成包含攻击时间线、受影响资产及修复建议的专业报告。
  • 能力平权赋能:初级分析师借助 Security-Copilot 的智能引导和解释功能,能像专家一样快速理解攻击意图并执行处置操作。

Security-Copilot 将安全防御从“人工拼凑”升级为"AI 驱动的自动化闭环”,让团队真正以机器的速度和规模守护业务安全。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notes该仓库并非本地运行的 AI 模型工具,而是 Microsoft Security Copilot 的社区贡献资源库(主要包含插件示例、KQL 查询文档等)。文中提到的环境需求(如 Git、VS Code)仅用于代码贡献和开发流程,不涉及模型训练或推理所需的 GPU、内存及 Python 依赖库。实际使用 Security Copilot 需通过微软云服务访问。
python未说明
Security-Copilot hero image

快速开始

Security CoPilot Logo

Microsoft Security Copilot 社区

欢迎来到 Security Copilot 仓库!

Microsoft Security Copilot 是一款基于生成式 AI 的助手,用于安全和 IT 领域的日常运营,能够帮助团队以 AI 的速度和规模进行防护。

贡献说明

本项目欢迎各位贡献者提交代码和建议。大多数贡献都需要您签署贡献者许可协议(CLA),声明您有权且确实将您的贡献使用权授予我们。详情请访问:https://cla.opensource.microsoft.com。

当您提交拉取请求时,CLA 机器人会自动判断您是否需要提供 CLA,并相应地标记您的 PR(例如通过状态检查或评论)。您只需按照机器人提供的指示操作即可。对于使用我们 CLA 的所有仓库,您只需完成一次此流程。

本项目已采纳 Microsoft 开源行为准则。更多信息请参阅 行为准则常见问题解答 或发送邮件至 opencode@microsoft.com 咨询更多问题或意见。

以下是开始为本项目做出贡献的步骤:

GitHub 账号

  • 注册一个 GitHub 账号 – (www.github.com ) - 免费账号即可。
  • 使用新账号登录。

复刻仓库

将 Fork 克隆到本地机器

  • 如果您尚未安装 Git,可从 https://git-scm.com/downloads 下载并安装 GitBash。

  • 在您的本地机器上创建一个目录,用于存放克隆下来的仓库以及后续的工作内容。示例:“C:\Users(username)\Documents\GitForks”。

  • 打开 GitBash,进入该目录:“C:\Users(username)\Documents\GitForks”。

  • 运行:Git init

  • 运行:Git clone <您的 Fork 地址> 例如:Git clone “https://github.com/(username)/ Copilot-For-Security-Fork”

  • 切换到新创建的目录,即 cd Copilot-For-Security-Fork。

  • 设置上游远程仓库,即您所 fork 的原始仓库——Copilot-For-Security 社区仓库。

  • 运行:Git remote add upstream https://github.com/Azure/Copilot-For-Security

  • 运行:Git remote -v

    ![克隆到本地目录](https://oss.gittoolsai.com/images/Azure_Security-Copilot_readme_f6515fc6a071.png)
    

您也可以通过下载 GitHub Desktop 来完成此操作,网址为:https://desktop.github.com。

创建分支

  • 您可以直接在本地主分支上工作,但建议使用分支,这样如果您同时处理多个项目,可以保持它们彼此隔离。
  • 首先,您需要将本地仓库与上游主分支同步(即 Azure 社区本身——不是您的 Fork)。 运行:git pull upstream main
  • 您应该会看到更新列表,或者提示您已是最新版本。
  • 同步完成后,创建您的新分支。 运行:Git checkout -b <分支名称> 例如 Git checkout -b Sojeshs_CFSContributions

创建新分支

安装 VS Code

[下载 Visual Studio Code - Mac、Linux、Windows]

在 VS Code 中打开分支

  • 打开 VS Code,然后选择“文件”>“打开文件夹”,选择本地仓库目录(示例:C:\Users\(username)\Documents\GitForks\Copilot-For-Security-Fork)。
  • 您应能看到仓库中的所有目录和文件,在底部显示当前正在工作的分支。请确保在进行任何更改前选择了正确的分支。

分支选择

暂存、提交并推送您的更改

  • 当您在 VS Code 中完成所需内容的编辑后,需要先暂存并提交这些更改。这会将更改提交到您本地机器上创建的分支。例如,我在“Community Based Plugins”目录下创建了一个名为“SentinelDailyOperations”的新文件夹,并添加了一个名为“KQL_SentinelDailyOperationsSample.yml”的 KQL 插件。您还可以添加其他必要的内容来记录和部署此插件。

分支选择

  • 当您准备好提交更改时,点击左侧的“源代码管理”图标,输入一条总结您更改的留言,然后点击“+”。这将暂存您的更改。接下来,点击对勾标记以提交更改。此时这些更改仍仅存在于您的本地机器上。

分支选择

分支选择

  • 现在您可以将这些更改发布到您个人的 GitHub 上,只需点击分支名称旁边的图标(如果顶部弹出仓库列表,请选择您的仓库 /Copilot-For-Security 而非 Azure/Copilot-For-Security)。在本示例中,我们选择主分支来发布包含新插件的更改。

分支选择

  • 您现在可以在 GitHub 中查看您提交的更改,进入相应的分支:

分支选择

  • 如果您已完成所有工作并准备提交到主仓库,则需要发起一个拉取请求。该请求将触发一系列自动化检查,若检查通过,则会提交给评审委员会——其中一位评审员将审核您的工作并接受请求,最终将其合并到主分支。

分支选择

“打开拉取请求”页面的顶部非常重要。这里会显示你正在从哪个仓库和分支拉取代码,以及要合并到哪个仓库中。你应该在评论区填写一个有意义的标题,并列出你所做的更改,因为评审者会阅读这部分内容。然后点击“创建拉取请求”。

分支选择

分支选择

一旦更改被合并到主 GitHub 仓库,你应该能够看到这些更改已提交到主 GitHub 仓库中。

分支选择

检查你的拉取请求状态并从主仓库同步

在你的拉取请求被合并后,请务必确认它已成功进入主仓库。我们建议你同时在 GitHub 网站上进行检查,并在本地仓库执行同步操作,以验证更改是否已正确应用。

祝你好运,并欢迎为 Security Copilot 社区做出贡献!!!!

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

160k|★★☆☆☆|今天
开发框架Agent语言模型

opencode

OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信

144.3k|★☆☆☆☆|2天前
Agent插件

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

109.2k|★★☆☆☆|今天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|1周前
插件Agent图像