业务和功能介绍
一、立项背景与目标
随着企业资产规模持续扩张，安全漏洞数量激增、人工处置效率低下、跨团队协作断层等问题日益突出。本平台旨在构建一套"扫描→汇聚→研判→分配→闭环"的自动化漏洞管控体系，以 AI 驱动替代人工重复劳动，显著提升安全运营效率。
二、核心功能模块
资产测绘中心： 自动识别目标的开放端口、Web 服务、组件指纹、技术栈，构建多维资产视图，按机房、业务、标签进行分类管理，实时掌握全量攻击面。
AI 自主渗透引擎： 大模型驱动的自动化渗透测试核心，具备自主决策与路径规划能力，从信息收集到漏洞利用全程自主执行，支持通过自然语言对话触发，输出完整渗透报告。
漏洞全生命周期管理： 多维聚合去重、严重等级分类（Critical / High / Medium / Low / Info）、标签体系、误报管理，完整记录漏洞从发现到修复的每一个状态节点。
安全大模型助手： 内置安全领域知识，支持自然语言问答，实时关联平台资产与漏洞数据，提供智能研判、威胁归因、修复建议等深度分析能力。
SOC 工单联动： 漏洞分配时自动生成标准化安全工单，完整涵盖攻击原理、影响资产、修复方案，直接推送至安全运营中心，消除协作断层。
态势感知大屏： 实时展示漏洞总量、修复进度、今日新增、各机房风险分布，安全态势一屏尽览。
三、业务流程
资产录入阶段： 安全人员录入目标 IP 段、域名或业务系统，平台自动完成资产归属识别与攻击面梳理，构建完整的目标画像。
AI 自主渗透阶段： 大模型驱动的渗透引擎接收任务后，具备自主推理能力，能根据目标环境动态规划渗透路径——从信息收集、端口探测、服务指纹识别，到漏洞匹配、POC 自动生成与验证、权限提升路径推演，整个过程无需人工介入，真正实现"给个目标，AI 自己打进去"。
结果汇聚与智能研判阶段： 渗透结果结构化入库，AI 自动对漏洞进行危害评估、利用链分析与修复优先级排序，安全人员通过自然语言问答即可获取深度研判报告，无需逐条人工分析。
处置闭环阶段： 一键分配责任人，平台自动推送包含攻击原理、影响范围与修复方案的 SOC 工单 → 责任人修复 → 平台自动验证 → 漏洞闭环，全程可追溯、可审计。
随着企业资产规模持续扩张，安全漏洞数量激增、人工处置效率低下、跨团队协作断层等问题日益突出。本平台旨在构建一套"扫描→汇聚→研判→分配→闭环"的自动化漏洞管控体系，以 AI 驱动替代人工重复劳动，显著提升安全运营效率。
二、核心功能模块
资产测绘中心： 自动识别目标的开放端口、Web 服务、组件指纹、技术栈，构建多维资产视图，按机房、业务、标签进行分类管理，实时掌握全量攻击面。
AI 自主渗透引擎： 大模型驱动的自动化渗透测试核心，具备自主决策与路径规划能力，从信息收集到漏洞利用全程自主执行，支持通过自然语言对话触发，输出完整渗透报告。
漏洞全生命周期管理： 多维聚合去重、严重等级分类（Critical / High / Medium / Low / Info）、标签体系、误报管理，完整记录漏洞从发现到修复的每一个状态节点。
安全大模型助手： 内置安全领域知识，支持自然语言问答，实时关联平台资产与漏洞数据，提供智能研判、威胁归因、修复建议等深度分析能力。
SOC 工单联动： 漏洞分配时自动生成标准化安全工单，完整涵盖攻击原理、影响资产、修复方案，直接推送至安全运营中心，消除协作断层。
态势感知大屏： 实时展示漏洞总量、修复进度、今日新增、各机房风险分布，安全态势一屏尽览。
三、业务流程
资产录入阶段： 安全人员录入目标 IP 段、域名或业务系统，平台自动完成资产归属识别与攻击面梳理，构建完整的目标画像。
AI 自主渗透阶段： 大模型驱动的渗透引擎接收任务后，具备自主推理能力，能根据目标环境动态规划渗透路径——从信息收集、端口探测、服务指纹识别，到漏洞匹配、POC 自动生成与验证、权限提升路径推演，整个过程无需人工介入，真正实现"给个目标，AI 自己打进去"。
结果汇聚与智能研判阶段： 渗透结果结构化入库，AI 自动对漏洞进行危害评估、利用链分析与修复优先级排序，安全人员通过自然语言问答即可获取深度研判报告，无需逐条人工分析。
处置闭环阶段： 一键分配责任人，平台自动推送包含攻击原理、影响范围与修复方案的 SOC 工单 → 责任人修复 → 平台自动验证 → 漏洞闭环，全程可追溯、可审计。
项目实现
一、整体架构与技术栈
平台采用前后端分离架构，后端以 Go（Gin） 构建高性能 RESTful API，数据库使用 MySQL 存储资产与漏洞数据，消息队列采用 Kafka 承接扫描器的实时事件流，前端基于 Vue3 + ECharts 实现可视化大屏与交互界面。AI 渗透引擎基于大模型 Function Calling 能力构建 Agent 框架，通过 SSE 流式推送实现渗透过程实时输出，整体采用微服务化部署，各模块独立扩缩容。
二、负责模块与成果
负责平台后端核心服务的设计与实现，具体包括：漏洞聚合去重引擎、资产管理模块、SOC 工单联动服务、AI 问答上下文构建、安全报告生成链路。
量化成果：
漏洞聚合算法将原始扫描条目压缩率达 60%+，有效消除重复噪音
AI 问答响应覆盖率达 95% 以上，支持 IP/域名/标签/态势等多类查询意图
SOC 工单自动化率从 0 提升至 100%，单漏洞处置时间缩短约 70%
平台上线后累计管理资产 3000+，收录漏洞 10000+ 条
三、难点与解决方案
难点一：漏洞聚合去重的一致性问题 同一漏洞因 http/https 协议差异、多 IP 部署等原因会被扫描器重复上报，直接展示会造成严重噪音。通过设计分组键表达式，对 Web 漏洞按规范化 Host 合并、非 Web 漏洞按 IP+Port 严格区分，在 SQL 层完成聚合，彻底解决重复问题。
难点二：AI 渗透 Agent 的上下文管理 大模型单次 Token 有限，渗透过程中中间状态、工具调用结果需精准裁剪后回注，否则模型极易"失忆"走偏。通过设计滑动窗口上下文策略 + 关键结果摘要压缩，保障长链路渗透任务的连贯性与准确性。
难点三：SSE 流式输出的稳定性 渗透扫描耗时可达数十分钟，长连接在网关、负载均衡层极易被超时断开。通过设置超时阈值至 35 分钟、引入心跳保活机制、前端断线自动重连，保障全程流式输出不中断。
平台采用前后端分离架构，后端以 Go（Gin） 构建高性能 RESTful API，数据库使用 MySQL 存储资产与漏洞数据，消息队列采用 Kafka 承接扫描器的实时事件流，前端基于 Vue3 + ECharts 实现可视化大屏与交互界面。AI 渗透引擎基于大模型 Function Calling 能力构建 Agent 框架，通过 SSE 流式推送实现渗透过程实时输出，整体采用微服务化部署，各模块独立扩缩容。
二、负责模块与成果
负责平台后端核心服务的设计与实现，具体包括：漏洞聚合去重引擎、资产管理模块、SOC 工单联动服务、AI 问答上下文构建、安全报告生成链路。
量化成果：
漏洞聚合算法将原始扫描条目压缩率达 60%+，有效消除重复噪音
AI 问答响应覆盖率达 95% 以上，支持 IP/域名/标签/态势等多类查询意图
SOC 工单自动化率从 0 提升至 100%，单漏洞处置时间缩短约 70%
平台上线后累计管理资产 3000+，收录漏洞 10000+ 条
三、难点与解决方案
难点一：漏洞聚合去重的一致性问题 同一漏洞因 http/https 协议差异、多 IP 部署等原因会被扫描器重复上报，直接展示会造成严重噪音。通过设计分组键表达式，对 Web 漏洞按规范化 Host 合并、非 Web 漏洞按 IP+Port 严格区分，在 SQL 层完成聚合，彻底解决重复问题。
难点二：AI 渗透 Agent 的上下文管理 大模型单次 Token 有限，渗透过程中中间状态、工具调用结果需精准裁剪后回注，否则模型极易"失忆"走偏。通过设计滑动窗口上下文策略 + 关键结果摘要压缩，保障长链路渗透任务的连贯性与准确性。
难点三：SSE 流式输出的稳定性 渗透扫描耗时可达数十分钟，长连接在网关、负载均衡层极易被超时断开。通过设置超时阈值至 35 分钟、引入心跳保活机制、前端断线自动重连，保障全程流式输出不中断。
示例图片视频
相似推荐
智能仓储 · 立库调度监控系统（RMS 调度中间件 + 监控管理后台）-RmsCC
【1】立项背景与目标
自动化立体库是新能源锂电、汽车零部件等行业的主流仓储形态，库内由四向车、提升机、输送线、接驳口协同完成托盘出入库。上游 WMS/WES 只下发"某个托盘要入库或出库"，而"分配到哪个货位、走哪条路、派哪台车、每一段由谁执行"全部由中间的调度系统（RMS）计算并驱动——本项目就是一个立库调度中间件 + 配套的调度监控管理后台。目标：把"任务下发→货位分配→路径规划→派车→分段执行→库存过账"做成可跑通、可观测、可人工干预的闭环，并解决现场最头疼的三个问题：调度计划与现场执行脱节、设备与货位状态不可见、故障（走不通、卡住）无日志可查。
【2】核心功能模块
①基础数据：仓库/货区/货位（层-x-y 坐标、深浅位）/设备/物料建模。
②权限体系：JWT + RBAC 用户-角色-菜单三级权限，菜单级与接口级双重校验。
③上游任务管理（内置 WES 模拟器）：批量下发出入库任务，一键生成托盘号。
④任务调度与分段：任务状态机（待下发/执行中/已完成/异常/取消），入库按固定拓扑自动拆 3 段（库外输送线→提升机→目标层接驳口→货位），出库镜像反向。
⑤路径规划：库内 A* 网格寻路（巷道四向可走、货架区仅纵向、有货货位视为障碍），按"空闲且电量>40% + 曼哈顿距离最近"自动派车，支持小车避让、等待点与自动移库（倒库）。
⑥设备仿真引擎：无真实 PLC，用定时任务按可配置节拍推进每段任务并驱动设备沿路径移动。
⑦实时监控：WebSocket 每秒推送设备位置、状态与任务进度，地图大屏显示库位占用与小车轨迹，另配小车/设备监控页。
⑧库存与数据中心：托盘维度库存、分层占用统计、库存流水（任务完成自动过账）。
⑨接口日志中心：按上游/RCS/WCS 三个通道记录每次调用的请求与返回报文、方向、结果、耗时，支持按托盘号/任务号全链路检索与改报文重发。
⑩AI 作业助手：接入大模型，自然语言下发任务、异常诊断与智能问答，SSE 流式输出，模型不可用自动降级为本地规则。
⑪单车手动控制：顶升/放下/移动/充电/恢复/释放任务等指令，应急时人工接管。
【3】业务流程与功能路径
上游下发（托盘号 + 出入库类型）→ RMS 自动分配货位（浅位优先、低层优先）→ 生成分段计划 → A* 计算路径并派最近的空闲车 → 仿真引擎按节拍推进各段 → 全段完成后自动过账（货位占用/释放、绑定或解绑托盘、写库存流水与系统日志）→ 任务归档。
功能路径：登录 → 首页看板（货位占用 + 任务趋势）→ 上游任务管理下发任务 → 资源监控中心地图大屏观察执行 → 立库任务中心（任务视图/任务管理）→ 数据中心查库存与流水 → 报表数据中心查接口日志 → AI 助手用自然语言下单。
库存订单及项目清单管理系统
业务目标：面向装修公司的硬软装材料库存+订单管理系统，据用库存档案、双类分类、采购入库、项目订单与材料清单(BOM)满足装修需求，进行汇总审核。 打通采购仓储、工地领用、成本核算整体链路；管理多个施工工地领料调拨，库管-采购-工头按角色各取所需，取用留存数据可追溯、可对账、可核算。
功能分块：管理系统包含库存与分类、采购入库、项目订单(材料清单)、领料出库、成本管理几大板块组成。避免硬软装混记，材料出入库无记录，多工地调拨导致库存和成本口径对不上项目利润算不清等痛点。
业务流程：维护材料库存(硬软装) -> 项目订单生成材料清单(追溯留痕) -> 库存校验按需采购 -> 领料出库调拨(扣减库存并归集到项目成本) -> 成本看板核算对账(理清出入库口径+损耗)。
文昌超级工厂
本项目服务卫星总装测试现场。计划、工艺、物料、检验和物流原来分散在不同系统，工位执行靠人工传递，结果不能及时回到工单上。立项目标是在制造执行平台上建成 MES：按工单、工序、工步组织作业，把仓储、试验检验和审批接进来，使任务可接收、过程可采集、结果可追溯。
核心功能分八块。一是基础数据，接收物料、设备、工具工装和制造 BOM。二是计划与工单，接收生产计划并按站点、工位下发。三是作业准备，包括人员资质、工艺附件、环境数据和设备点检。四是工序执行，覆盖开工、工步采集、物料装配与拆卸、工装和辅料、完工检查。五是检验回传，包括通用检验、力学、站点、热实验、电测和拍照声像，支持附件。六是仓储物流，包括叫料、配送、转运、入库、退库、临时补料、整星和工装出入库、空托盘回库。七是异常，现场填报确认，并接收环境系统异常。八是审批提醒，通过飞书卡片通知待办。
业务路径按一张工单走通：外部下发计划和 BOM 并生成工单；站点接收时若存在多个接驳位，先选定起点和终点，再向仓储下发配送或转运；准备完成后工序开工，工步采集并完成装配；试验或检验系统回传结果，关键检推送审批；完工前核对采集、物料、工装、辅料四类实绩；仓储回写执行结果后关闭物流任务。
中国移动吉林公司网络代维管理系统
综合代维管理系统：涵盖考核监控、数据审计、巡检管理、工单管理、风险防控、考核管理、资质管理、费用管理、认证考试、物料管理、系统管理等模块。主要业务针对移动代维公司工单及包年数据汇总进行季度统计结算报账、数据监管、防控分析、重点工单监督，实现对代维公司完成性闭环管理。
基于全志H618芯片的异构人脸识别储物柜系统
由全志H618作为主控的异构系统，边缘视觉采集由嘉楠K230芯片结合摄像头进行采集，通过视频推流推送到Pc进行人脸识别，识别结果下发H618,H618发送控制命令给ESP32控制相应柜门开关。其中K230和H618采用了多任务架构，每个任务分配独立线程，数据交互有队列和回调函数。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服