V-Copilot - 木卫四 VSOC 运营智能体
面对百万级车辆的安全运营场景，提供了一个全天候的智能伙伴，协助运营人员聚焦高风险事件，提升运营效率
在当前的汽车安全运营工作中，如何精确且高效地从百万级车辆产生的汽车安全数据中识别出安全威胁，是运营过程中面临的一项重大挑战。
海量车辆告警
面对数百万条车辆告警，运维人员负担沉重，现有流程和技术难以高效响应，导致潜在风险可能得不到及时处理，影响车辆的安全和运行。快速增长的威胁
威胁数量快速增长，超出运维团队的处理能力，导致一些隐蔽性强、危害大的高级威胁容易被忽视。一旦爆发，可能严重影响车辆安全，暴露出防御不足的问题。汽车网络安全人才短缺
VSOC系统高度专业化，使得安全运营的技术门槛较高。汽车网络安全人才的培养周期较长，导致安全分析和运营人才短缺。安全运营智能体基于自然语言，通过类似聊天的交互方式来帮助汽车安全运营人员将数据查询、分析、统计过程化繁为简，日常安全运营所花费的时间减少65% 。此外，安全运营智能体能够7X24小时持续运转，全天候地提供从具体事件分析到更广泛的汽车安全威胁风险洞察能力。例如，运营人员可能询问：“C1车型最近一周的安全威胁趋势如何？”或者对某个具体的安全事件进行深入分析，如：“调查一下最近一周内发生的「蓝牙信号中继攻击」情况，以及受影响的车辆资产。”
汽车安全数据的理解能力
安全运营智能体以蝴蝶大模型，在面对汽车智能服务的40+应用场景时，能够准确地理解3000+汽车信号、20+关键部件以及汽车相关安全事件的数据含义，并把握各类数据间的相互联系。
汽车安全场景的意图理解与任务拆解
基于这些理解，结合对意图的识别、任务的细化以及数据分析等技术，该智能体使得汽车安全运营人员可以根据自己的安全威胁调查需求，向智能体发出定制化的数据洞察请求。
汽车安全威胁洞察任务执行
基于数据理解和任务拆解，向VSOC获取所需数据，调取相关工具对数据进行进一步的分析与整合，并返回调查结果。
'%3e%3ccircle%20cx='19.0016'%20cy='19.0001'%20r='2.4'%20fill='white'/%3e%3c/g%3e%3ccircle%20cx='19'%20cy='19'%20r='5.5'%20stroke='white'/%3e%3cdefs%3e%3cfilter%20id='filter0_f_1906_673'%20x='0.601562'%20y='0.600098'%20width='36.8008'%20height='36.8'%20filterUnits='userSpaceOnUse'%20color-interpolation-filters='sRGB'%3e%3cfeFlood%20flood-opacity='0'%20result='BackgroundImageFix'/%3e%3cfeBlend%20mode='normal'%20in='SourceGraphic'%20in2='BackgroundImageFix'%20result='shape'/%3e%3cfeGaussianBlur%20stdDeviation='8'%20result='effect1_foregroundBlur_1906_673'/%3e%3c/filter%3e%3c/defs%3e%3c/svg%3e)
数据挖掘与洞察的高效化
通过自然语言交互，智能体深刻理解并响应运营人员对数据挖掘和洞察的个性化需求，简化了数据查询与处理流程，实现了数据洞察结果的快速获取。
降低VSOC操作复杂性
面对VSOC复杂的功能与庞大的数据体系，智能体大幅降低了运营人员的学习与操作难度，有效减轻了工作负担，加速了运营工作的上手过程。
显著提升运营效率
智能体优化数据挖掘、分析和统计流程，减轻了运营人员负担。在高威胁告警增多时，智能体精准筛选告警信息，帮助团队合理分配资源，专注高风险事件的快速响应，提高了运营效率和速度。
应用案例
图片展示了如何通过自然语言交互的方式，让安全运营智能体完成对VSOC内特定车型的安全现状进行数据洞察：
Step1：向智能体发出针对“C1车型近一周在远控场景下发生的异常事件趋势”的数据调查需求
Step2：针对远控场景中出现频次较高的「手机APP远控请求频次」事件调查其影响的车辆资产范围
Step3：将该事件与其影响的车辆资产的数据取出形成事件调查文档邮件发送给运营人员做进一步分析研判。
