Cartographer
绘制您组织内部已经在使用哪些 AI 服务,以及使用者是谁。

对组织而言会发生什么变化
在别人发现之前,您就能知道自己的组织按部门已经在使用哪些 AI 服务。
如何运作
它摄取您现有的出口代理与 DNS 日志,并与 M0 事件存储关联,依据已签名目录解析目的地,并为目录尚未收录的服务维护一个启发式的“疑似 AI”类别。
它监视什么
- M0 事件存储——已被执行覆盖面所看到的一切
- 您现有的出口代理与 DNS 日志,经由摄取连接器接入
- 目的地目录解析结果:受批准、未经批准、内部,或疑似 AI
它究竟是如何运作的
讲的是机制,不是营销话术。如果下面的某一步经不起工程师的推敲,它就不该出现在这个页面上。
1
两路数据来源,无需新增探针
M0 事件覆盖已被执行的范围。您现有的出口代理与 DNS 日志通过摄取连接器覆盖其余部分。连接器以带重放语义的检查点方式运行,因此一次中断会回填该时间窗口,而不是悄然丢失数据。
2
目的地依据已签名内容解析
主机名与端点与版本化目录进行匹配,并被分类为受批准、未经批准或内部。新上线的 AI 服务只是一次内容更新,而非一次软件发布。
3
目录不认识的流量会被归为“疑似”
具备通用大模型 API 使用特征——端点模式、请求节奏、载荷大小分布、流式响应行为——但不匹配任何目录条目的流量,会被归入疑似 AI 类别,绝不会被标记为“已确认”。目录按月通过离线更新包更新,而这正是用来覆盖更新周期之间空档的机制。
4
归因带有质量评分,而非断言
代理记录携带源 IP,且通常带有用户名;解析到 AD 身份的结果会被评分,任何无法解析出交互式用户的记录都会被标记为“未归因”,而不是靠猜测得出结论。
5
隐私底线在渲染之前就已生效
低计数抑制在任何部门数字显示之前就会运行,因此一个三人小组绝不会被还原为三个具体的人。按用户下钻查看是一项独立、经授权的操作,并且会被记录。
6
每个数字都携带自己的出处
截止时间、水位线、连接器健康状态、过滤范围与投影版本都与数字一同呈现。一个降级的连接器会显示为“降级”——而不会悄悄地显示为一个偏小的数字。
操作路径
从信号到可审计证据
01监测输入
- M0 事件存储——已被执行覆盖面所看到的一切
- 您现有的出口代理与 DNS 日志,经由摄取连接器接入
- 目的地目录解析结果:受批准、未经批准、内部,或疑似 AI
02确定性工作流
- 1 两路数据来源,无需新增探针 M0 事件覆盖已被执行的范围。您现有的出口代理与 DNS 日志通过摄取连接器覆盖其余部分。连接器以带重放语义的检查点方式运行,因此一次中断会回填该时间窗口,而不是悄然丢失数据。
- 2 目的地依据已签名内容解析 主机名与端点与版本化目录进行匹配,并被分类为受批准、未经批准或内部。新上线的 AI 服务只是一次内容更新,而非一次软件发布。
- 3 目录不认识的流量会被归为“疑似” 具备通用大模型 API 使用特征——端点模式、请求节奏、载荷大小分布、流式响应行为——但不匹配任何目录条目的流量,会被归入疑似 AI 类别,绝不会被标记为“已确认”。目录按月通过离线更新包更新,而这正是用来覆盖更新周期之间空档的机制。
- 4 归因带有质量评分,而非断言 代理记录携带源 IP,且通常带有用户名;解析到 AD 身份的结果会被评分,任何无法解析出交互式用户的记录都会被标记为“未归因”,而不是靠猜测得出结论。
- 5 隐私底线在渲染之前就已生效 低计数抑制在任何部门数字显示之前就会运行,因此一个三人小组绝不会被还原为三个具体的人。按用户下钻查看是一项独立、经授权的操作,并且会被记录。
- 6 每个数字都携带自己的出处 截止时间、水位线、连接器健康状态、过滤范围与投影版本都与数字一同呈现。一个降级的连接器会显示为“降级”——而不会悄悄地显示为一个偏小的数字。
03证据输出
- 按目的地、AD 组与 OU 划分、并随时间变化的影子 AI 资产清单
- 覆盖率、拦截率、异议率、上线阶段进度,以及触发次数最多的分类
- 为按监管机构分类的报告包提供数据的分析源
一个案例
“为什么上周 AI 使用量跳涨了 40%?”
这个问题决定了一款可观测性工具到底是仪表,还是摆设。
周一
投影显示未经批准的 AI 目的地流量周环比上升了 40%。该数字连同其水位线与投影版本一同呈现。
下钻查看
按 OU 划分后,增长几乎全部集中在一个部门。低计数抑制依然生效;没有任何个人被解析出来。
目录缺口
排名前五的目的地中有三个落在疑似 AI 类别中——真实流量,形态与大模型一致,但不匹配任何目录条目。仪表盘直接在卡片上标注“疑似”,而不是藏在脚注里。
调查
其中一个是带有大模型后端的翻译服务,由该团队自行采用、未经审核。另外两个是尚未收录进目录的区域性服务。
诚实的修正
水位线发生了变化:一个已降级九天的代理连接器恢复正常并回填了数据。所谓“增长”中大约有 28 个百分点其实是此前已存在、如今才变得可见的使用量,真正的新增只有 12 个百分点。
处置
本地扩展了目录,策略被限定在该部门范围内,该部门也从“观察”阶段进入“警告”阶段。
最终结果如何
真正值得关注的答案是,这个数字本身有一部分是统计假象——而产品自己说明了这一点。一个无法区分“新增使用量”与“新近可见使用量”的资产清单,恰恰会在您向高管汇报的那一刻误导您。
决策是如何做出的
权威阶梯。绿色代表权威环节——一条规则、一个扫描器、一个沙盒,或一个人。蓝色是模型发挥作用的地方。琥珀色是由人来做决定的地方。
03
启发式类别
通用大模型 API 流量特征会在目录更新周期之间浮现出未知服务,并被明确标注为“疑似”而非“已确认”。
04
隐私底线
低计数抑制在任何部门视图渲染之前就已生效。按用户下钻查看是一项独立、经授权且被记录的操作。
模型带来了什么
对资产清单进行模式描述——哪些部门正在趋同使用哪些服务,以及这种趋势如何演变。
它不能宣称什么
它无法看到代理和 DNS 看不到的东西。Ollama 一类的本地及设备端模型对这套遥测机制而言是不可见的;这个缺口被明确记录,而不是被掩盖。
它绝不会做什么
- 绝不部署我们自己的网络探针,它消费的是您已经在产生的日志。
- 绝不在低于低计数抑制阈值时进行归因,因此一个只有三人的部门不会变成一份三人姓名清单。
- 绝不在没有截止时间、水位线、连接器健康状态、过滤范围和投影版本的情况下展示任何资产清单数字,暂定与降级状态都会被展示而非隐藏。
- 绝不宣称自己无法拥有的完整性——按月更新包之间的目录过时状态会被明确说明,这也正是“疑似 AI”类别存在的原因。
它留下什么证据
- 按目的地、AD 组与 OU 划分、并随时间变化的影子 AI 资产清单
- 覆盖率、拦截率、异议率、上线阶段进度,以及触发次数最多的分类
- 为按监管机构分类的报告包提供数据的分析源
查看它的实际运作
状态与晋级所需条件
阶段 1.5。冻结范围前需要确定首批命名的代理与 DNS 产品/版本目标、量化的容量与投影刷新 SLO、经批准的员工隐私默认设置,以及达成一致的指标定义。
涉及的角色
策略管理员安全运营中心分析师审计员/合规高管发起人/首席信息安全官