专注信息安全的 2026-08-11 12:00 北京

以下文章来源于：ISC2华南分会

ISC2华南分会是全球领先的网络安全专业人士会员协会及非营利组织ISC2在中国华南地区的唯一官方分会，是连接华南地区信息安全专业人士的重要桥梁，是推动行业人才交流与技术进步的重要平台。

基于24年安全运营实战经验，系统解析SOC四代演进、全球头部厂商和标杆企业落地案例，以及国产化完整架构方案

Agentic SOC的真相：不是AI替代人，而是重新定义安全团队

【摘要】本文基于笔者24年安全运营从业经验，系统回顾了从SOC1.0到SOC4.0的二十多年演进历程。笔者在国内率先提出了SOC1.0至SOC4.0的概念，有幸亲历了中国安全运营从合规导向、对抗导向向价值导向转变的全过程。当前全球已有140余家厂商布局AI SOC / Agentic SOC赛道，但Gartner 2026技术成熟度曲线显示，AI SOC Agents正处于炒作顶峰期，市场预期远超实际落地能力。现阶段行业面临人才缺口、管理层过高预期、人机协同认知偏差、AI信任风险等四大核心痛点。笔者结合Splunk、Google等全球头部厂商和Expel、Exeter、泰森食品等前沿企业的实战案例，提炼出信任治理、剧本+智能体混编自动化、人类主导AI辅助人机协同模式、驾驭AI四原则、AI工程化等五大实战经验。在此基础上，笔者提出了国产Agentic SOC完整架构设计方案：以数据编织、多智能体、智能编排、低代码开发四大核心能力，搭建安全数据中心、安全协作中心、安全智能体中心、定制开发中心四大中心一体化平台，并给出了审慎乐观的分阶段建设路径和四种可行建设方案。本文旨在为政企、金融、能源、运营商等行业安全运营智能化升级提供可落地的实战参考。

1 SOC二十余年演进：从合规驱动到价值驱动

1.1 四代演进概述

从2000年SOC进入中国到2026年的二十多年间，安全运营平台经历了四个明显的代际演进过程。从最初面向资产的SOC1.0到面向业务的SOC2.0，再到数据驱动的SOC3.0，直至当前AI赋能的SOC4.0（Agentic SOC），每个时代的SOC平台都具有鲜明的时代烙印，体现了SOC建设需求、目标和技术要求的不断演变。

必须明确的是，安全运营是网络安全体系的核心价值载体。安全体系建设仅贡献30%基础能力，剩余70%的安全价值完全依靠持续常态化运营落地，而SOC安全运营平台正是所有运营流程、工具能力、人员协作的核心载体。SOC并非单一安全产品，而是技术架构、运营流程、人员能力三位一体的综合安全运营体系。

1.2 SOC1.0（2004年）：资产驱动，合规起步

2000年前后，SOC概念开始进入中国，2004年迎来首轮建设热潮。早期建设以海外成熟商用SIEM产品为主，国产化方案尚未成型。典型落地案例中，某大型美国上市国企为满足《萨班斯法案》合规要求，花费200万美元采购海外SIEM产品，耗时一年完成部署上线，是国内早期SOC建设的典型缩影。

SOC1.0核心定位：以资产为核心，聚焦安全事件集中管控。以资产风险模型为基础，完成全网安全事件统一采集、分析、预警，核心目标是满足ISMS合规核查。

SOC1.0平台特征：依托海外主流商用SIEM产品进行本地化适配与二次改造。围绕资产管理、事件分析、风险评估等搭建功能闭环，仅能实现基础日志集中与静态风险评估，无主动对抗分析能力。

这一时期的SOC，本质上更像一个“日志收集器+报表生成器”，核心价值是应付审计。

1.3 SOC2.0（2009年）：业务驱动，合规爆发

2009年等级保护制度全面落地推行，成为国内SOC规模化建设的核心驱动力。各地网安部门常态化开展等保测评与执法检查，政企业务系统上线、运维、存续均需满足合规要求。典型场景中，某市商业银行接到限期等保整改通知，若无法按时完成整改，核心业务系统将被禁止上线。该银行最终选择国产SOC方案的核心原因，是产品合规文档完善、审计适配性强、整改落地便捷。

SOC2.0核心定位：以业务系统为核心，对齐业务风险管理。从业务视角建模安全流程，打通业务系统与安全设备数据，实现监测、审计、告警、报表一体化，安全能力贴合业务持续运行诉求。

SOC2.0平台特征：国内厂商全面自主研发，以关联分析引擎为核心，架构分层设计数据采集层、统一管理中心、可视化界面。

当前国内绝大多数政企存量SOC平台，均为2009-2015年建设的SOC2.0体系。该类平台可满足日志汇总、基础关联分析、合规报表生成等基础诉求，但无法实现未知威胁发现、完整攻击链溯源、自动化响应处置等实战对抗能力。

1.4 SOC3.0（2015年）：数据驱动，攻防对抗

2015年前后，多起国家级APT攻击事件暴露传统合规型SOC的致命短板。某部委遭遇定向APT渗透，攻击者在内网长期潜伏3个月，窃取上百GB敏感数据，直至数据外发境外才被发现。事后溯源显示，完整攻击痕迹全程留存于系统日志中，但海量告警淹没有效线索，人工筛查完全无法及时感知风险。

2016年，419讲话提出国家网络安全战略，HW攻防行动开始常态化。行业对SOC平台的需求从“满足合规”升级为“应对实战”，SOC3.0大数据对抗时代正式来临。

SOC3.0核心定位：大数据驱动，构建主动攻防运营能力。基于分布式大数据存储与计算架构，引入UEBA用户行为分析、威胁情报、EDR/NDR/XDR技术，实现攻击链溯源、异常行为识别，主打态势感知能力。

SOC3.0平台特征：分层大数据架构（采集层、数据层、分析层、运营层），融合机器学习算法，支撑批量日志检索、离线仿真、实时关联分析。

然而，数据孤岛、流程割裂问题依然突出，高度依赖人工研判。某金融单位的态势感知平台每天处理超过50TB日志，使用约20台服务器进行大数据分析，但真正的高级威胁仍需人工筛选。原因在于，EDR、NDR、CWPP等高价值数据分散存储，形成数据孤岛，关联分析难以实现全域视角。

1.5 SOC4.0/Agentic SOC（2025年）：AI驱动，探索前行

2025年起，Agentic AI技术落地提速，安全运营正式进入SOC4.0智能时代。国内头部金融机构率先开展试点落地，成为首批试水生产级Agentic SOC的行业用户之一。某金融机构SOC经理坦言：“市面上宣称做Agentic SOC的厂商有140多家，但真正在生产环境落地的案例屈指可数。我们先在测试环境验证，只处理低风险告警，所有操作必须人工确认。核心目标是验证智能体能否从对话工具升级为自主任务执行载体。”

在一次模拟DDoS混淆攻击测试中，平台告警从平时的5000条飙升到50000条。传统SOC需要值班人员3-4小时筛查，极易错过真实威胁。而Agentic SOC的表现是：AI智能体3秒完成初筛，标记出37条可疑告警；自动触发溯源剧本，15分钟还原攻击链；生成处置建议并提交人工确认；值班分析师审核1分钟后批准执行。

试点复盘后，该SOC经理表示：“效果确实不错。但如果要在生产环境上线，需要稳定运行半年，误报率控制在5%以内，且绝不能误杀业务系统。行业需求已经从‘降本合规’转向‘提质增效、价值落地’，但这个转变才刚刚开始。”

SOC4.0（Agentic SOC）核心定位：构建Agentic AI赋能、数据+流程双轮驱动、自动化优先的实战化自主安全运营平台，全程遵循风险管理、网络弹性设计思路。

SOC4.0平台特征：

首先，AI态（智能体为核心）：基于LLM大模型打造多类安全智能体，融合传统规则引擎与生成式AI，自主拆解、执行安全运营任务。

其次，分析态（数据驱动）：采用数据编织技术搭建轻量化虚拟数据中台，解决数据孤岛、数据引力难题，面向安全专家提供深度研判能力。

第三，运行态（流程驱动）：双流程引擎（机器剧本+人员工单），实现人机协同闭环，面向一线运营人员完成常态化威胁处置。

2 概念厘清：Agentic SOC核心定义与分级标准

2.1 行业概念混乱现状

笔者在RSAC安全大会上观察到一个现象：众多厂商宣称自己是AI SOC，但当询问其产品是否为Agentic SOC、AI是否具备自主拆解任务、调用工具、迭代思考能力时，绝大多数厂商无法给出明确答复。这揭示了行业现状：概念混杂，产品参差不齐。

当前行业对AI SOC、Agentic SOC、SOC智能体定义混杂，市场大量产品仅实现简易AI插件，并非完整SOC4.0体系。笔者对相关概念进行统一厘清如下：

2.2 核心概念定义

概念对比一览表

AI SOC Agent（SOC智能体）的两种落地形态

行业观察：海外大量创业厂商以插件化智能体切入存量改造市场，但该模式仅为过渡方案。真正的生产级Agentic SOC必须完成底层架构、数据、流程的全方位重塑，单纯插件叠加无法突破传统SOC的能力天花板，这也是大量智能体创业厂商持续被头部SIEM、XDR厂商收购的核心原因。

2.3 AI安全运营自主化分级标准

参考自动驾驶分级逻辑，笔者将安全运营平台自主能力划分为五个层级：

行业现状分布（基于笔者团队对国内30余家政企、金融、能源、运营商行业的调研观察）：

行业权威共识：结合Gartner研判，网络安全运营永远不会出现完全无人自主SOC。安全对抗的本质是人与人的博弈，机器仅能作为辅助工具，人类永远是安全责任与战略决策的唯一主体。

3 落地挑战：从炒作顶峰到现实落地的鸿沟

3.1 行业热度与技术成熟度错配

笔者观察到，全球已有140余家厂商布局AI/Agentic SOC赛道，海外落地进度相对领先，国内处于早期试点阶段。Gartner 2026技术成熟度曲线显示，AI SOC智能体处于炒作顶峰（Peak of Inflated Expectations），市场预期远超实际落地能力，后续将进入泡沫破裂、落地沉淀周期。

与此同时，组织架构正在发生颠覆性变化。传统SOC金字塔人员结构开始向钻石型架构演进，底层告警分诊等基础工作由AI承接，中高级分析师、安全架构师占比显著提升。

传统金字塔型结构 vs 钻石型架构对比

核心变革本质：AI不替代安全人员，而是替代低端重复劳动，倒逼团队能力升级，重构安全团队人才结构与价值体系。

3.2 落地四大核心痛点

（1）人才缺口与技能退化悖论

Gartner数据显示，全球仅17%企业配备专职AI安全运营人员，行业专业人才缺口巨大。AI承接基础告警研判、日志分析等重复工作后，初级分析师失去常态化实操场景，长期依赖AI输出结果，导致基础研判、威胁识别、攻击溯源等核心实战能力持续退化，形成“AI越用、人越弱”的行业悖论，不利于团队长期能力建设。

（2）管理层过高预期与现实落差

Gartner判断指出，董事会普遍期待AI实现人员缩减，忽视AI落地算力、改造、培训等隐性成本。一个真实对话场景是：董事会询问“AI SOC能减掉多少人”，而CISO回答“不能减人，反而要加人，因为需要AI专职人员维护模型、调优参数、监督AI决策”。这种认知偏差往往导致项目失败。

（3）人机协同认知偏差

行业共识是，AI无法完全替代人，2027年前90%成功落地案例仅做能力增强，而非岗位替换。但部分企业追求“完全自主的无人SOC”，忽视了一个关键问题：AI极有可能会犯错。当AI误杀核心业务系统导致巨额损失时，缺少人工审核环节的代价是灾难性的。

（4）AI信任风险与治理缺失

某企业上线AI SOC自动化处置能力后，AI误将完成数据迁移的核心数据库服务器判定为数据外泄攻击，自动执行主机隔离操作，导致核心业务中断2小时，直接经济损失超300万。事故根源暴露三大治理短板：AI缺失业务上下文感知能力、高危操作无人工复核机制、无完整的AI操作审计与管控体系。大模型幻觉、结论无溯源、决策不可控、操作无约束，是Agentic SOC生产落地的最大风险，无治理、无审计、无管控的AI自动化，绝对不能上线生产。

3.3 AI落地不变的两大核心本质

AI模型、智能体框架、工程范式迭代速度极快，从Prompt工程、Harness工程、Loop迭代工程演进至Graph工程，技术热点持续更迭，盲目追新极易形成技术负债。落地Agentic SOC需抓住两大不变根基。

（1）数据决定安全运营的智能化上限

“大模型决定智能体下限，数据决定智能体上限”。某企业花费高价采购顶级大模型，但AI分析准确率仅40%。核心原因并非模型能力不足，而是数据质量低劣：日志字段缺失、资产信息失真、威胁情报陈旧、数据孤岛严重。AI依然遵循“垃圾进、垃圾出”的底层逻辑，再先进的模型，也无法弥补脏数据、乱数据、缺数据带来的能力短板。

IDC预测：2027年，无高质量AI就绪数据的企业，AI工具幻觉、错误率将大幅上升，产生负生产力。Gartner预测：2030年，三分之一IT工作量将用于修复数据债引发的安全问题。

进一步地，传统集中式数据中台已经失效。EDR、NDR、CWPP等高价值数据就近存储，数据引力效应造成海量数据孤岛。必须采用“数据编织（Data Fabric）”搭建虚拟轻量化中台，实现数据虚拟集成、按需调用，无需全量迁移存储。

（2）流程定义安全运营的业务灵魂

某企业让AI自动生成安全运营流程，AI生成了一套“完美”的剧本：从告警接收到事件闭环共37个步骤。但实际运营时发现，这套流程并不符合企业的业务场景和合规要求。原因在于AI不懂业务细节：高危操作需要三级审批、数据库主机不能直接隔离必须先通知业务方、合规要求所有操作必须留痕。

行业六大核心运营价值链（威胁事件、漏洞、资产暴露、情报、态势、防御策略）无法被AI替代。AI可优化流程效率，但无法凭空生成符合企业业务、合规要求的运营流程。脱离安全业务人员把控的AI流程无法落地生产。

必须谨记的是，确定性剧本工作流+概率性智能体任务必须混搭使用。确定性场景用传统引擎保障稳定，复杂多分支场景交由智能体自主拆解、动态推理，实现稳定与智能的平衡。

4 全球头部厂商和前沿企业Agentic SOC实战参考

4.1 核心洞察：信任治理大于技术迭代

结合2026年RSAC大会一线观察，Splunk、Google、Elastic、SentinelOne等头部厂商，以及Expel、Exeter、泰森食品等标杆企业的落地实践，呈现高度统一的核心共识：Agentic SOC落地成败，不在于模型先进性、智能体数量，而在于信任治理、流程管控、风险兜底能力。笔者提炼出五大可复用的实战落地经验。

4.2 Splunk Agentic SOC：信任治理为核心

Splunk的安全业务负责人在台上提出：“The core of agentic SOC is not technology, it's trust and governance”（Agentic SOC的核心不是技术，是信任和治理）。智能体的自主能力必须建立在可管控、可验证、可追溯的基础上，确保输出结果具备确定性、可靠性、可审计性。

Splunk的智能体治理体系涵盖五大维度：智能体专属身份管理（非人类身份管理）、合规管理（如GDPR的数据遗忘权等）、智能体自身安全防护、数据治理与数据完整性、智能体工作过程和输出结果的验证。

Splunk推出了6类标准化安全智能体：检测构建智能体、SOP剧本智能体、告警分诊智能体、恶意样本逆向智能体、引导响应智能体、自动化构建智能体。但所有自动化操作都设有人工确认环节。

交互创新层面，Splunk采用LUI自然语言界面+GUI可视化画布混合模式，而非纯聊天框。原因在于，安全分析师不需要聊天机器人，而是需要工作台。用户可以用自然语言提问，AI会自动生成态势看板，用户可在看板上一键执行处置。

4.3 Google Agentic SOC：剧本+智能体的混编自动化

Google的核心创新是Agentic Automation，即在传统剧本流程中嵌入智能体节点。

传统剧本采用固定流程，遇到新的攻击手法即失效。而Agentic剧本采用“固定框架+灵活智能体”模式，智能体可以自主应对未知威胁。在Agentic剧本中，智能体通过分析邮件内容、附件行为、发件人历史，自动判定风险等级并生成新的检测规则。整个过程中，人只需确认AI的判断。

Google推出了四大核心智能体：告警分诊、威胁猎捕、检测工程、第三方上下文智能体，目前均处于Beta客户预览阶段，尚未全量商用。

4.4 Expel：人类主导、AI辅助的人机协作准则

Expel是一家MDR（托管检测与响应）服务商，他们通过双向对比验证，明确否定“AI主导、人类辅助”的高危模式，确立“人类主导、AI辅助”的人机可控协同的落地准则。Expel团队复盘指出：AI自主流程越长、自主权限越高，不可控风险越大。AI无法承担安全事故责任，一旦出现误判、误处置，所有风险与损失均由人类分析师与企业承担。若以AI为主导，人工无法实现全流程校验审核，风险敞口极大。

Expel最终落地模式为：以原有成熟人工运营流程为核心，逐步嵌入AI辅助能力，替代机械重复环节，所有AI新增流程预留人工校验、一键回退、强制接管能力，确保风险全程可控。

Expel总结的三大落地铁律：价值优先不追逐技术噱头、所有AI流程预留人工校验节点、全链路透明可审计拒绝黑盒AI。

4.5 Exeter：驾驭AI的四条硬规则

海外金融机构Exeter结合高等级安全合规要求，总结出一套可标准化复用的AI运营管控框架，提出了四条硬规则：

规则1：AI默认只读权限。所有写操作（修改配置、隔离主机、封禁IP）必须人工审批。

规则2：结论必须有证据链。AI给出的任何判断必须绑定原始证据（日志、流量、漏洞扫描结果），“无引用不采信”。

规则3：全链路日志审计。AI的每一次操作、每一个决策都必须留痕可追溯。

规则4：量化指标持续评估。定义了MTTD（平均检测时间）、MTTR（平均响应时间）、事件误报率、分析师情绪反馈4个核心指标，并定期评估AI效果持续调优。

落地收益（6个月数据）：MTTD下降36%、MTTR下降22%、事件误报率降低16%，分析师满意度从3分上升到4.2分（满分5分）。

4.6 泰森食品：AI工程化落地三大核心考量

泰森食品作为大型实体企业，在Agentic SOC试点中踩遍行业典型坑点，总结出极具参考价值的工程化落地经验。

踩过的三个坑：AI引用虚假情报产生幻觉误判、钓鱼邮件提示词注入诱导AI放行风险、AI越权触发高危业务操作导致中断。

基于这些实践教训，泰森食品总结出了Agentic SOC落地的三个关键工程化考量要点。

第一，搭建AI安全护栏。坚守四大原则：无引用不相信，无人控不执行，无评估不发布，无审计不上线，从流程上杜绝AI失控风险。

第二，完善AI自身安全防护。默认所有外部输入不可信、策略与内容分离、工具操作白名单管控、提示词版本管理与注入检测，抬高AI被诱导、被劫持的攻击门槛。

第三，标准化运维管控。“要像运行生产系统一样去运行这个Agentic SOC系统”，完善可观测性、高可靠性、成本管控、变更管理体系，保障AI能力长期稳定运行。

5 国产Agentic SOC完整架构实践

5.1 架构设计背景

当前国内大部分用户的安全运营都面临“人手紧、数据乱、效率低、定制难”的困局，传统SOC2.0/SOC3.0平台数据孤岛严重、流程固化、智能化不足、定制成本过高，已无法适配AI对抗时代的实战运营需求。

基于二十四年SOC落地工程经验，笔者团队设计了一套适合国情的Agentic SOC平台架构：以数据编织、多智能体、智能编排、低代码开发四大核心能力，搭建四大中心，构建一体化安全运营平台。

5.2 安全数据中心：数据编织底座

核心痛点：当前安全数据集中的成本不断攀升，新的数据不断涌现且越发分布，情境数据难以利用，数据关系日趋复杂，数据安全与隐私问题日益凸显，阻碍了安全数据的价值释放。

架构方案：采用数据编织技术：以元数据为基础，统一数据模型和数据治理，编排数据管道，简化数据集成、分析和呈现过程，构建逻辑上统一的数据层，并持续监控数据质量。必要时不做物理迁移，只做虚拟映射。边缘数据保留原地，通过统一的数据编织层，AI可按需拉取所有数据。

该架构包含七大构件：数据集成、加工、治理、编排、存储、分析、分发，构成完整的数据全生命周期管理体系。

基于这七大构件，实现三大核心能力：

第一，虚实双模式集成。核心系统数据采用实时/批量全量物理采集进行集中存储，边缘数据采用虚拟化映射按需拉取无需迁移。

第二，全域本体建模。统一资产、漏洞、IP、业务实体语义库，降低智能体算力消耗，提升研判准确度。AI分析速度提升10倍，准确率提升30%。

第三，全程数据质量监测。自动识别脏数据、缺失数据、失真数据，动态调整AI分析权重，触发运维整改机制，杜绝垃圾数据干扰智能研判。

5.3 安全协作中心：双流程引擎

核心痛点：传统SOC仅具备机器自动化剧本引擎，仅适配机器-机器联动场景，无法支撑跨部门、多角色、高合规要求的人机协同流程，多数企业依赖外部ITSM工单系统，数据不互通、流程不闭环、人工重复录入，效率极低。

架构方案：搭建独家双流程引擎体系，实现机器自动化与人机协同流程双向打通、无缝联动。

第一，机器流程（剧本引擎）：高并发自动化处置，适配隔离、封禁等毫秒级响应场景。

第二，人员流程（服务流程引擎）：漏洞整改、跨部门协同、安全审计等人机流转场景，配套表单引擎。

第三，流程双向打通：剧本可调用智能体、智能体可触发工单流程、工单结果可触发剧本。

5.4 安全智能体中心：AI可控核心层

设计理念：多模型兼容无绑定，内置整套AI工程化管控体系。

该中心具备五大核心能力：

第一，智能体调度中枢。集中管控告警分诊、威胁狩猎、攻击溯源、报表生成、设备巡检多类智能体，支持长短记忆联动、知识库实时检索、历史经验复用。

第二，权限分级管控。AI操作权限严格继承操作人员RBAC权限体系，AI无法执行人类无权限的高危操作，高危动作强制多级人工复核，杜绝越权风险。

第三，置信度打分、全链路审计、输出标准化。置信度>90%自动执行、60-90%人工确认、<60%拒绝执行转人工处理。所有AI操作全程留痕可追溯。

第四，故障优雅降级。大模型服务中断时一键切回传统人工/剧本模式，业务不中断。

第五，多模型冗余。支持多模型热切换，适配不同场景算力需求，主模型故障时自动切换备用模型。

5.5 定制开发中心：低代码快速开发

核心痛点：安全行业缺乏标准化交付，每个客户需求各异（A客户要适配等保2.0、B客户要对接自身ITSM、C客户要定制化报表）。传统方案每个需求都要改代码，开发周期长成本高。

架构方案：平台内置低代码可视化开发中心。

核心能力：仪表板/报表/流程/页面可视化拖拽配置；指标自定义引擎，支持MTTR、误报率等AI效果自动统计；平台MCP化，所有能力标准化API可供智能体外部调用。

实战效果：某客户新增威胁情报同步功能，传统方案需4周（开发2周+测试1周+部署1周），低代码方案运维人员用拖拽配置2小时完成。

6 落地实施分步路线

6.1 逐步增强自主性的落地路径

Agentic SOC的智能化场景建设切忌一步到位、激进全量上线，需遵循“先可控、后自主、先试点、后推广”的原则，分阶段稳步迭代，逐步提升智能体自主能力与企业信任度，全程置于安全护栏管控之下。

第一阶段（基础可控场景）：仅部署告警分诊智能体，最低风险、最快见效、验证AI价值。KPI：告警降噪率>80%，误报率<5%。

第二阶段（研判辅助）：部署溯源、情报富化、报告生成、安全设备巡检、资产清点、漏洞评估智能体。注意：仅做信息整合，无自主处置权限。AI只负责"提供建议"，不负责"自动执行"。

第三阶段（有限自动化）：开放低风险阻断、IP拉黑预授权。封禁外部IP属于低风险（不影响业务），隔离内部主机属于高风险（可能影响业务），高危操作保留人工审核。

第四阶段（全链路协同）：完整数据+流程+智能体联动，搭建分级信任治理体系，并可以动态调整。AI可自主处理70%+常规安全运营任务，人工只需监督+决策。

6.2 选择合适的平台建设方案和演进路径

Agentic SOC势在必行。但是当前国内用户大都经历了SOC2.0和SOC3.0时代，生产环境中存在一套甚至多套面向等保合规的SOC2.0平台或者面向对抗的SOC3.0平台，已经进行了大量投资。同时，AI技术范式迭代过快，盲目投入AI存在巨大技术负债风险。基于此，笔者设计了四种建设方案供用户选择，所有方案最终统一收敛至SOC4.0 Agentic SOC。

方案1：外挂智能体层，用最小投入实现智能化改造

针对现有 SOC3.0 能力（包括数据质量）尚可、业务稳定、暂不具备整体替换条件的用户，可采用外挂智能体中台 + 能力插件化接入模式。不改动原有 SIEM、日志、告警、处置流程、权限体系，在现有平台上层叠加安全智能体能力，将安全运营的部分工作任务和活动交给智能体去完成，然后再流转回SOC平台中。

这种方式相对稳妥，快速见效，但受限于数据就绪能力弱，效果有限，可用于积累AI经验，属于过渡方案。

方案2：全面升级运营协作层，基于智能体编排和剧本编排实现高阶自动化

很多用户还处于SOC2.0阶段，或者虽然进化到了SOC3.0，但SOAR能力缺失或者偏弱。这时可在轻量化智能体外挂基础上，新建或替换现有SOC平台的流程编排与运营协作层，融合传统剧本自动化与智能体自主任务化能力，形成 “剧本固定流程 + 智能体动态推理” 的混合编排体系。

这种方式其实更多是在借助AI补齐安全运营的响应和闭环能力短板，积累运营流程经验，距离真正的Agentic SOC还有差距。

方案3：建立或重构数据底座，打好基础

针对很多仍处于SOC2.0甚至SOC3.0阶段的用户，由于其先天的数据基础差（譬如数据孤岛、数据质量差、缺少统一治理、无标准化安全上下文），即便用AI赋能，效果也难以显现。此时可考虑转而建设基于数据编织架构的安全湖仓一体底座，统一汇聚日志、流量、资产、漏洞、告警、工单、情报、案例全维度数据，配套数据治理、数据标准化、权限可控、溯源可查的数据体系。为后续转型Agentic SOC打好基础。

数据底座是SOC4.0长期保值、不随AI迭代贬值的核心资产，是所有上层智能体能力的前置条件。

这种方式考虑最为长远，且可能等到更先进的AI能力加持，但对于AI运营建设而言，见效慢。

方案4：全面拥抱Agentic SOC平台

对于大量SOC2.0遗留用户和SOC3.0难以为继的用户而言，可以借SOC4.0时代的AI大潮重构其系统。重新梳理检测和对抗能力，查漏补缺；重建新一代轻量级数据中心，打造AI就绪的数据底座；重构安全运营协作能力，用智能体工作流和固化工作流联合重建自主化运营流程，建设原生 AI 驱动、人机协同、全链路可控的Agentic SO平台。

原生Agentic SOC不再是“传统 SOC+AI 插件”，而是以数据编织为底座、以智能体编排为核心、以人机协同运营为流程范式，完全适配AI对抗AI的新型攻防场景。

随着数据编织技术和工作流混编技术的不断成熟，这种方式正在成为主流路径。

7 总结：迈向AI赋能、人机可控的Agentic SOC新时代

回顾过去，从2000年SOC1.0到2026年SOC4.0的二十多年演进历程，安全运营平台经历了从资产驱动到业务驱动，再到数据驱动，直至当前AI赋能的叠加演进过程。这一历程也是中国网络安全产业从合规导向回归到对抗本质，并进一步向价值导向迈进的缩影。

审视当下，尽管Agentic SOC取得了显著进展，但行业仍面临诸多挑战。Gartner技术成熟度曲线显示，AI SOC智能体正处于炒作顶峰期，市场预期远超实际落地能力。行业面临人才缺口与技能退化、管理层过高预期、人机协同认知偏差、AI信任风险等四大核心痛点。SOC3.0时代的数据架构、流程架构、智能化程度、自动化水平和定制化能力已经无法支撑安全运营的进一步提升。

面对GenAI（尤其是Agentic AI）带来的重大机遇，要真正释放Agentic SOC的价值，必须坚守以下四条核心原则：

（1）Agentic SOC是迭代升级，不是颠覆替代

规则引擎、关联分析、剧本自动化、大数据研判等传统核心能力无法被淘汰，必须与智能体能力深度融合、互补增效，不存在纯AI替代传统SOC的跨越式变革。

（2）数据与流程是长期不变的两大核心底座

脱离高质量数据、成熟安全业务流程的AI智能体，仅能实现演示效果，无法落地生产。“大模型决定智能体下限，数据决定智能体上限”。必须采用基于数据编织的新一代数据架构和基于安全编排的新一代流程架构，为AI赋能提供坚实底座。

（3）恪守“人类主导、AI辅助”的人机协作准则

始终坚持人类主导、AI辅助、全面管控的原则，先建信任护栏、再开放自主能力，严格遵循“无引用不相信，无人控不执行，无评估不发布，无审计不上线”的落地准则。完整的信任治理体系是自主化的前提。

（4）拒绝“无人SOC”误区，重构团队价值

Agentic SOC的核心价值不是减人，而是解放人、赋能人、重构人。AI赋能的核心在于替代低端重复劳动，释放分析师精力聚焦高阶溯源、战略研判、风险治理、体系优化，重新定义安全团队的工作价值与组织架构。

展望未来，随着AI能力的不断增强，AI应用门槛将持续降低，AI应用方式将越来越便捷，Agentic SOC的智能化水平将不断提升。但必须谨记的是，安全运营将始终以人为本，以数据和流程为底座。AI不能取代人，而是增强人、赋能数据和流程。

【参考资料】

迈向AI赋能的SOC4.0时代

中国SOC市场发展历程

从RSAC2026看安全运营技术发展趋势(1)：Agentic AI重塑安全

从RSAC2026看安全运营技术发展趋势(2)：Agentic SOC厂商最新进展

从RSAC2026看安全运营技术发展趋势(3)：Agnetic SOC实战经验分享

从RSAC2026看安全运营技术发展趋势(4)：综合观察与反思

数据就绪：AI SOC平台隐秘的死穴

跳转微信打开