Skip to content

Repository files navigation

AlertTriage 告警研判助手 · 划词分析浏览器插件

网络告警研判 AI 助手:在告警/日志页面选中内容,一键输出明确研判结论(攻击成功 / 攻击失败 / 存在攻击意图 / 业务行为 / 非告警事件 / 无法确认,附置信度)、证据链分析与处置建议。模型完全由本地 AI 驱动(Ollama / LM Studio),数据不出本机。

研判口径移植自开源项目 EFF-Monitoring(致谢):LLM 网关(Ollama 原生 + OpenAI 兼容双协议、流式输出、模型列表探测)移植自 backend/app/services/ai_gateway.py;互斥研判标签体系(业务行为 / 存在攻击意图 / 攻击失败 / 攻击成功 / 非告警事件 / 无法确认)与输出结构(标签、结论、关键证据、风险判断、处置建议、不确定性)对齐 backend/app/services/ai_service.py 的平台研判规范,插件可独立使用。

本仓库是什么

「AlertTriage 告警研判助手」的源码仓库,包含:

  • 扩展全部源码 — MV3,无需构建,clone 下来即可加载运行
  • 安装包 — 每个版本的 zip 发布在 Releases,普通用户下载解压即用
  • 商店上架材料(store_assets/)— Chrome / Edge 商店文案、隐私政策、上架操作指南
  • 开发与测试工具(tools/)— 单元测试、真实联调、图标生成脚本

功能

  • 📄 一键分析本页 — 侧边栏输入框旁「📄」按钮,无需划选,直接提取当前页面正文(优先正文容器)整体研判:页面概览 → 逐条研判 → 整体结论 → 优先处置
  • 🔍 一键研判 — 划选告警/日志内容,浮出「研判 / 解释 / 处置 / 提问」工具条;「研判」自动输出结论置顶的七段式报告:研判结论(六选一标签 + 置信度 + 告警标识) → 告警概述 → 关键证据分析(标注证据层级)→ 误报与定性分析 → 风险与影响 → 处置建议(含审计溯源)→ 待确认项 + 一句话总结
  • 💡 解释 — 面向一线值班:告警类型、触发行为、关键字段含义,通俗易懂
  • 🛡 处置 — 立即处置(按优先级)、取证留存、后续加固;倾向误报时给验证方法
  • ✨ 追问 — 多轮对话补充证据,上下文自动携带
  • 🖱️ 右键菜单 — 选中内容后右键 → 「EFF 告警研判」
  • 💬 侧边栏 — 流式输出、Markdown 渲染(代码块/表格/列表)、停止生成、一键复制;思考型模型(qwen3.5 系列等)的思考过程实时显示在回答上方(完成后可折叠展开),不会出现"长时间空白卡住";设置中可禁用思考模式加快出结论
  • 🎭 多角色切换 — 侧边栏顶栏一键切换:🛡 告警研判员 / 📋 值班总结报告员 / 🚨 应急响应员 / 🎯 攻击链还原员 / 👩‍🏫 安全教练 / 📄 合规上报撰写员 / 🎓 答题小能手,支持自定义角色(设置页新建/编辑/删除)
  • 🔀 多服务商 — Ollama(原生)/ LM Studio / 任意 OpenAI 兼容接口,每个服务商独立记忆配置;模型可点选也可手动输入
  • 🌗 自动深浅色主题,支持 Edge(Chromium 内核)

安装

要求 Chrome / Edge 116+(侧边栏 API);扩展需要本地模型服务才能出结论,见下方「本地模型配置」。

方式一:下载安装包(推荐)

  1. 到 Releases 下载最新的 AlertTriage-v*.zip 并解压
  2. 打开 chrome://extensions(Edge 为 edge://extensions)
  3. 右上角打开 开发者模式
  4. 点击 加载已解压的扩展程序,选择解压出的目录(选含 manifest.json 的那一层)
  5. (建议)点击工具栏插件图标 → ⚙ 设置,点「刷新模型」拉取本地模型

方式二:直接加载源码(开发者)

git clone https://github.com/wooluo/EFF-AI-Assistant.git

clone 后同样在扩展页「加载已解压的扩展程序」,选择仓库根目录;修改代码后在扩展页点 ⟳ 重新加载即生效。

本地模型配置

Ollama(默认 http://localhost:11434)

# 拉取一个对话模型(示例)
ollama pull qwen2.5:7b

# 关键:允许浏览器扩展访问(默认会拒绝 chrome-extension 来源)
# macOS(桌面版):
launchctl setenv OLLAMA_ORIGINS "*" &&   # 设置后退出 Ollama 菜单栏应用并重新打开
# Linux / 手动启动:
OLLAMA_ORIGINS="*" ollama serve

LM Studio(默认 http://localhost:1234/v1)

  1. 打开 LM Studio → Developer 标签 → 启动 Local Server,加载一个模型
  2. Server Settings 中开启 Enable CORS(必须,否则浏览器扩展无法访问)

其他 OpenAI 兼容服务

设置页选择「其他 OpenAI 兼容接口」,填写 Base URL(如 http://192.168.1.5:8000/v1);非本机地址保存时会请求额外主机权限。vLLM、llama.cpp server、OneAPI 等均可直接使用。

使用

操作 效果
划选告警/日志文字 浮动条出现:🔍 研判(六段式报告+明确结论)/ 💡 解释 / 🛡 处置 / ✨ 提问
划选后右键 → EFF 告警研判 与浮动条等价
✨ 提问 侧边栏打开并引用所选内容,输入追问或补充证据
侧边栏顶部模型徽标 拉取本地模型列表,点选或手动输入切换
设置页 → 服务商 切换 Ollama / LM Studio / OpenAI 兼容,自动恢复各自记忆的地址与模型
对话中继续输入 多轮追问,自动携带上下文
生成中点 ■ 停止生成
+ 新对话

常见问题

现象 解决
403 / Ollama 拒绝访问 设置 OLLAMA_ORIGINS="*" 后重启 Ollama(见上文)
无法连接 确认服务已启动、端口正确;LM Studio 检查 CORS;局域网地址需在保存时授予权限
模型列表为空 ollama pull 安装模型,或 LM Studio 加载模型后点「刷新模型」
404 Base URL 填错:Ollama 填 http://localhost:11434,LM Studio 填 http://localhost:1234/v1(填错 /v1 通常会自动纠正)
输出很慢 首次加载模型到显存/内存较慢;之后正常。可换更小的量化模型

目录结构

EFF-AI-Assistant/
├── manifest.json          # MV3 清单
├── background.js          # LLM 网关(移植自 ai_gateway.py)+ 右键菜单 + 侧边栏管理
├── content.js / .css      # 划词浮动工具条
├── sidepanel.html/.js/.css# 侧边栏聊天(流式 + Markdown)
├── options.html/.js/.css  # 设置页
├── popup.html/.js/.css    # 工具栏弹窗(状态检测 + 快捷入口)
├── shared/common.js       # 共享常量/提示词/URL 适配纯函数
├── icons/                 # 图标(tools/make_icons.py 生成)
├── store_assets/          # 商店上架材料(文案/隐私政策/上架指南,Chrome+Edge)
└── tools/                 # 图标生成脚本 + 测试(见下)

开发与测试

node tools/test_gateway.mjs   # 单元测试:双协议 URL 适配、流式解析、模拟端到端、错误诊断
node tools/test_live.mjs      # 真实联调:对本机 Ollama 实测模型列表 + 流式对话
python3 tools/make_icons.py   # 重新生成图标

About

网络告警研判 AI 助手:在告警/日志页面选中内容,一键输出明确研判结论(攻击成功 / 攻击失败 / 存在攻击意图 / 业务行为 / 非告警事件 / 无法确认,附置信度)、证据链分析与处置建议。模型完全由本地 AI 驱动(Ollama / LM Studio),数据不出本机。

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages