Brand LogoBrand Logo (Dark)
首页智能体广场工具包广场GitHub 精选提交智能体博客

分类

  • AI 绘画
  • AI 音频
  • 自动化工具
  • 聊天机器人
  • 编程工具
  • 金融工具

分类

  • 大语言模型
  • 营销工具
  • 零代码/低代码
  • 研究与搜索
  • 视频与动画
  • 视频编辑

GitHub 精选

  • DeerFlow — 字节跳动开源超级智能体框架

最新博客

  • OpenClaw vs Composer 2 Which AI Assistant Delivers More Value
  • Google AI Studio vs Anthropic Console
  • Stitch 2.0 vs Lovable Which AI Design Tool Wins in 2026
  • Monetizing AI for Solopreneurs and Small Teams in 2026
  • OpenClaw vs MiniMax Which AI Assistant Wins in 2026

最新博客

  • OpenClaw vs KiloClaw Is Self-Hosting Still Better
  • OpenClaw vs Kimi Claw
  • GPT-5.4 vs Gemini 3.1 Pro
  • Farewell to Bloomberg Terminal as Perplexity Computer AI Redefines Finance
  • Best Practices for OpenClaw
LinkStartAI© 2026 LinkstartAI. 版权所有。
联系我们关于
  1. 首页
  2. GitHub 精选
  3. OpenCTI
OpenCTI logo

OpenCTI

开源网络威胁情报(CTI)平台:以图谱建模与连接器生态整合情报与可观测数据,支持运营与审计闭环。
8.8kTypeScriptApache License 2.0
#cti#stix#taxii#知识图谱#ioc-管理#威胁狩猎
#sso
#soc-运营
#alternative-to-misp
#misp-like
#alternative-to-opencti-ee
#threat-intel-platform

项目简介

OpenCTI 把威胁情报从“指标堆砌”升级为“可运营的知识图谱系统”:核心不是多存几个 IOC,而是用实体-关系-证据链把攻击者、基础设施、恶意软件、战术技术与事件响应串成一张可查询、可复盘的语义网络。它围绕开放标准对齐数据交换(如 STIX 与 TAXII),再用连接器把外部情报源、富化服务、沙箱与内部工单/告警系统接入同一数据面,形成“摄取→关联→富化→分发→处置”的闭环。对 SOC 与 IR 团队而言,价值不在于“更全”,而在于“更可控”:每条结论都能追溯到证据与时间线,权限与审计可落地,协作成本显著下降。

痛点 vs 创新

✕传统痛点✓创新方案
情报分散在不同平台与表格里,关系依赖人工脑补,复盘和审计几乎不可做。以图谱为主数据模型,把实体、关系与证据链做成可查询资产,支持时间线与溯源。
IOC、事件与处置动作割裂:富化慢、重复劳动多、交接靠口头,质量难以规模化。用标准与连接器把摄取、关联、富化、分发接成流水线,让情报能驱动运营与响应。

架构深度解析

情报即图数据的范式
底层范式是把CTI当作图数据库问题:实体(Indicator、Threat-Actor、Malware等)与关系(uses、attributed-to、targets等)是第一等公民,并为每条关系绑定证据与时间窗。
连接器驱动的增量管道
核心流转是持续摄取→标准化→去重/关联→富化→分发:连接器将外部源与内部系统的事件流统一写入,再由后台任务按规则补全上下文并推送到运营触点。
多组件服务化与治理
关键技术栈强调服务边界:前端与GraphQL/API层支撑检索与交互,后台Worker承接异步任务;结合搜索与消息队列组件,把吞吐、权限与审计拆开治理。

部署指南

1. 安装并验证 Docker 与 Compose

bash
1docker --version && docker compose version

2. 克隆仓库并准备环境变量文件

bash
1git clone https://github.com/OpenCTI-Platform/opencti.git && cd opencti && cp .env.sample .env

3. 拉起平台与依赖组件(本地或服务器)

bash
1docker compose up -d

4. 启动后检查服务健康与初始化流程

bash
1docker compose logs -f --tail=200

5. 启用连接器并建立回归基线(固定样本数据与预期关系)

bash
1# 用固定STIX样本导入一次,导出关键实体/关系快照用于版本对比

落地场景

核心场景目标人群解决方案最终收益
SOC 告警联动与溯源加速SOC分析师把告警中的IOC自动关联到历史实体、攻击技术与上下文更快分级、定位与复盘,减少重复查询与误报成本
威胁狩猎与 ATT&CK 体系化映射狩猎团队把观测到的指标与行为映射到 MITRE ATT&CK 技术并补齐证据形成可复用的狩猎资产与检测假设库
IR 事件协同与审计闭环应急响应负责人集中管理时间线、处置动作、工单与证据交接可追溯、复盘可审计、知识可沉淀为流程

避坑指南

避坑指南
  • 多组件部署对资源与依赖敏感:需要规划搜索、队列与存储容量,升级需先做演练与回滚预案。
  • 连接器带来规模化接入,但也会放大数据质量问题;必须先定义字段契约、去重规则与回归测试集。
  • 涉及敏感情报与身份治理时,权限模型、审计与密钥管理要先于功能扩展落地。

常见问题

OpenCTI 能否作为 MISP 的平替?▾
更像“CTI 图谱运营中枢”。如果你要把实体关系、证据链、工单与连接器编排成闭环,它更贴合;如果只做轻量IOC共享,MISP更省心。
如何把 STIX/TAXII 接入做成可回归?▾
固定一组样本Bundle与预期关系,导入后做差分;把连接器版本、映射规则与富化配置纳入版本管理,避免线上悄然漂移。
连接器越多越好吗?▾
不是。先定义最小实体类型与字段契约,再逐步扩展数据源;把冲突、重复、误报当作回归用例,否则图谱会被噪声淹没。
在 GitHub 上查看

项目指标

Star 数8.8 k
编程语言TypeScript
开源协议Apache License 2.0
部署难度困难

Table of Contents

  1. 01项目简介
  2. 02痛点 vs 创新
  3. 03架构深度解析
  4. 04部署指南
  5. 05落地场景
  6. 06避坑指南
  7. 07常见问题

相关项目

DeerFlow — 字节跳动开源超级智能体框架
DeerFlow — 字节跳动开源超级智能体框架
26.1 k·Python
gstack
gstack
0·TypeScript
Marketing for Founders
Marketing for Founders
2.2 k·Markdown
OpenMAIC
OpenMAIC
0·TypeScript