阿格斯
*在整个企业中都可以看到Shadow AI的可见性。*
目的
人工智能工具的兴起引入了企业数据的去中心化。员工们正在将受制裁和未经批准的人工智能应用程序连接到组织帐户，安装本地推理引擎，并通过第三方API路由敏感数据——通常安全团队无法看到这些数据。
阿格斯 通过挖掘您已有的现有遥测源（DNS日志、OAuth授权、端点事件等）来显示这些Shadow AI资产。没有新的代理人。没有新的传感器。
建筑
┌─────────────────────────────────────────────────────┐
│ Collection Layer │
│ DNS/Proxy · OAuth Grants · Email · Endpoint │
└──────────────────────┬──────────────────────────────┘
│
┌──────────────────────▼──────────────────────────────┐
│ Processing Pipeline │
│ Normalize → Enrich → LLM Classifier (unknown svcs) │
└──────────────────────┬──────────────────────────────┘
│
┌──────────────────────▼──────────────────────────────┐
│ Registry │
│ Alerting (Phase 1) · Posture Dashboard (Phase 2) │
└─────────────────────────────────────────────────────┘采集层
KQL查询从Microsoft Sentinel中的现有数据源中提取与AI相关的信号：
| 源 | 查询 | 信号 |
|---|---|---|
| DNS | collection/dns/ai_dns_signals.kql | AI TLD、MCP模式、模型下载基础设施、流式子域 |
| 端点 | collection/endpoint/ai_endpoint_signals.kql | 已知的AI进程、软件包安装、本地推理端口 |
| 身份 | collection/identity/ai_oauth_signals.kql | OAuth同意授予、SSO登录、Okta令牌授予 |
处理流水线
将来自不同来源的信号标准化为一个通用模式。对于与已知AI供应商不匹配的服务，LLM分类器会确定资产是否与AI相关并对其进行分类。
注册表
- 第1阶段——警报： 表面高置信度影子AI向事件响应者发出信号进行补救。
- 第2阶段——姿势仪表板： 一个注册表和前端，用于跟踪组织的完整AI资产清单并评估整体Shadow AI态势。
需求
收集查询以Microsoft Sentinel为目标，并假设启用了以下数据连接器：
- 域名系统:
DnsEvents（DNS分析） - 端点:
DeviceProcessEvents,DeviceNetworkEvents（Microsoft Defender for Endpoint） - 身份:
AuditLogs,SigninLogs（Azure AD），OktaSystemLog_CL（八）