Премини към основното съдържание
Български— Изберете език
Меню

Дневници за одит и наблюдение чрез конзолата

Урок 10 от 12 Обновен 28 юли 2026 г. Напреднало
На тази страница
  1. Значението на одита в регулирана среда
  2. Конзолата на xAI: Вашето табло за сигурност
  3. Анализ на използването чрез API
  4. Изграждане на система за предупреждения
  5. Дневници на клиентското приложение
  6. Пет метрики, които правят наблюдението четимо
  7. Ключови изводи

Значението на одита в регулирана среда

Когато одитор за SOC 2 попита: „Кой какво е използвал, кога и как бихте разбрали в случай на аномалия?“, отговорът не може да бъде „ще проверим“. За всяка организация, подлежаща на изисквания за съответствие – SOC 2, HIPAA, GDPR – проследимостта на действията е фундаментално изискване и Вие я подготвяте преди инцидента, а не след него. Конзолата на xAI (console.x.ai) предоставя инструментите за наблюдение и одит, които Ви позволяват да проследявате използването на Вашите API ключове и да откривате аномалии; този урок Ви показва как да ги използвате и след това как да ги допълните от страната на приложението.

Конзолата на xAI: Вашето табло за сигурност

Конзолата, достъпна на адрес console.x.ai, централизира четири функции: управление на API ключове, наблюдение на използването, фактуриране с лимити на разходите и информация за сигурността на акаунта. От гледна точка на данните, тя Ви предоставя използване на ключ (брой заявки, консумирани токени), използване по модел, подробна история на фактурирането по период и статуса на всеки ключ – активен, блокиран или деактивиран. Направете си навик да я преглеждате редовно: повечето компрометирани ключове се откриват първо чрез крива на използване, която вече не прилича на тази от предходните седмици.

Анализ на използването чрез API

Конзолата е достатъчна за бърз преглед, но сериозното наблюдение трябва да бъде програмно: това е ролята на крайната точка за анализ.

POST /v1/billing/teams/{team_id}/usage

{
  "analyticsRequest": {
    "timeRange": {
      "startTime": "2026-03-01 00:00:00",
      "endTime": "2026-04-01 00:00:00",
      "timezone": "UTC"
    },
    "timeUnit": "DAY",
    "values": [{"name": "tokens", "aggregation": "SUM"}],
    "groupBy": ["model"]
  }
}

Тази заявка иска сумата на консумираните токени, ден по ден, разпределена по модели, за месеца март. Гъвкавостта идва от комбинируемите опции: времевите единици варират от MONTH до MINUTE, включително CALENDAR_WEEK, DAY, HOUR и QUARTER_HOUR; наличните агрегации са SUM, AVG, MIN, MAX, перцентили P50, P90 и P99, както и COUNT и COUNT_DISTINCT; и можете да групирате по модел, период или ключ.

Тези компоненти покриват четири конкретни нужди. Първо, откриване на аномалии: внезапно покачване на потреблението на ключ, който обикновено обработва стабилен обем, е класическият симптом на компрометация – това е заявката, която Вашият скрипт за наблюдение трябва да изпълнява всяка нощ. След това, оптимизация на разходите: чрез групиране по модел, откривате недостатъчно използвани крайни точки или скъпи модели, извиквани без нужда. Доклади за съответствие: същата заявка, за тримесечие, произвежда цифрите, които одиторът ще поиска. Накрая, планиране на капацитета: тенденцията на потребление Ви казва кога да заредите отново кредитите си, преди да свършат в неделя.

Изграждане на система за предупреждения

Табло, което не гледате, не защитава нищо; предупрежденията обаче идват при Вас. Ето скелета на ежедневна проверка, която сравнява последните 24 часа потребление с праг:

import requests
from datetime import datetime, timedelta

def check_usage_anomaly(team_id, threshold_tokens):
    today = datetime.utcnow()
    yesterday = today - timedelta(days=1)

    response = requests.post(
        f"https://management-api.x.ai/v1/billing/teams/{team_id}/usage",
        headers={"Authorization": f"Bearer {MGMT_KEY}"},
        json={
            "analyticsRequest": {
                "timeRange": {
                    "startTime": yesterday.strftime("%Y-%m-%d 00:00:00"),
                    "endTime": today.strftime("%Y-%m-%d 00:00:00"),
                    "timezone": "UTC"
                },
                "timeUnit": "DAY",
                "values": [{"name": "tokens", "aggregation": "SUM"}]
            }
        }
    )

    total_tokens = sum_tokens(response.json())
    if total_tokens > threshold_tokens:
        send_alert(f"Abnormal usage: {total_tokens} tokens in 24h")

Допълнете тази настройка с бюджетна предпазна мрежа: крайната точка POST /v1/billing/teams/{team_id}/postpaid/spending-limits Ви позволява да зададете месечен лимит на разходите – тогава неконтролираното превишаване става невъзможно, независимо от причината. И за да знаете къде се намирате във всеки момент от фактуриращия цикъл, GET /v1/billing/teams/{team_id}/postpaid/invoice/preview Ви дава предварителен преглед на натрупаните такси преди окончателната фактура.

Дневници на клиентското приложение

Конзолата на xAI вижда какво се случва при xAI; тя не вижда какво се случва при Вас. Собствените дневници на Вашето приложение са другата половина от проследимостта: те са тези, които ще отговорят на въпроса „кой потребител задейства това извикване?“. За всяко API извикване записвайте времевия печат, ID на потребителя, инициирал извикването, използвания модел и крайна точка, броя входни и изходни токени, HTTP статуса на отговора, латентността и ID на API ключа в маскирана версия.

Обратната дисциплина е също толкова важна, защото многословен дневник сам по себе си става изтичане на данни. Никога не записвайте съдържанието на подкани (prompts), съдържащи лични данни, нито отговори, съдържащи чувствителна информация, нито API ключове в чист текст, нито ефемерни токени. Файл с дневници, съдържащ подканите на Вашите потребители, е замаскирана лична база данни – с всички задължения по GDPR, които това предполага, включително правото на изтриване.

Пет метрики, които правят наблюдението четимо

За да консолидирате този урок, съберете данните си за наблюдение в едно табло, вместо да умножавате екраните. Първите две метрики описват нормалната активност: дневно потребление на ключ и по модел, и честотата на грешки (4xx, 5xx) на крайна точка, което разкрива както бъг при внедряване, така и ключ с грешно конфигурирани права. Следващите две описват триенето: задействани опити за модериране, които Ви казват какво се опитват да правят Вашите потребители, и ключове, близки до изтичане, за да предвидите подновяванията, вместо да се сблъскате с тях неочаквано.

Петата метрика е тази, която прави разликата: сравнение с историческите средни стойности. Едно сурово число не казва нищо – осем милиона токени снощи, много ли е това? Отклонението от нормата обаче казва всичко и именно върху това отклонение трябва да се задействат Вашите предупреждения.

Ключови изводи

  • Конзолата на xAI (console.x.ai) централизира наблюдението, управлението на ключове и фактурирането
  • Крайната точка за използване позволява програмен анализ с гъвкава агрегация (от SUM до P99, от MINUTE до MONTH)
  • Конфигурирайте предупреждения за прагове на потреблението: необичаен скок е първият признак на компрометация
  • Задайте лимити на разходите чрез Management API, за да ограничите всяко превишаване
  • Записвайте метаданни от страната на приложението, никога чувствително съдържание или ключове в чист текст