Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Log di audit e monitoraggio tramite la console

Lezione 10 di 12 Aggiornata il 28 luglio 2026 Avanzato
In questa pagina
  1. L’importanza dell’audit in un ambiente regolamentato
  2. La console xAI: il tuo cruscotto di sicurezza
  3. Analisi dell’utilizzo tramite API
  4. Costruire un sistema di allerta
  5. Log dell’applicazione lato client
  6. Cinque metriche per rendere il monitoraggio leggibile
  7. Punti chiave

L’importanza dell’audit in un ambiente regolamentato

Quando un auditor SOC 2 chiede: «Chi ha consumato cosa, quando e come lo sapresti in caso di anomalia?», la risposta non può essere «daremmo un’occhiata». Per qualsiasi organizzazione soggetta a obblighi di conformità (SOC 2, HIPAA, GDPR), la tracciabilità delle azioni è un requisito fondamentale che devi preparare prima dell’incidente, non dopo. La console xAI (console.x.ai) mette a disposizione gli strumenti di monitoraggio e audit per tracciare l’utilizzo delle tue chiavi API e rilevare anomalie; questa lezione ti mostra come usarli e come integrarli lato applicazione.

La console xAI: il tuo cruscotto di sicurezza

La console, accessibile all’indirizzo console.x.ai, centralizza quattro funzioni: gestione delle chiavi API, monitoraggio dell’utilizzo, fatturazione con limiti di spesa e informazioni sulla sicurezza dell’account. Dal punto di vista dei dati, ti offre l’utilizzo per chiave (numero di richieste, token consumati), l’utilizzo per modello, lo storico dettagliato della fatturazione per periodo e lo stato di ogni chiave (attiva, bloccata o disabilitata). Prendi l’abitudine di consultarla regolarmente: la maggior parte delle compromissioni delle chiavi viene individuata per prima cosa osservando una curva di utilizzo che non assomiglia più a quella delle settimane precedenti.

Analisi dell’utilizzo tramite API

La console basta per una verifica rapida, ma un monitoraggio serio deve essere programmatico: è qui che entra in gioco l’endpoint di analisi.

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"]
  }
}

Questa richiesta chiede la somma dei token consumati, giorno per giorno, suddivisi per modello, per il mese di marzo. La flessibilità deriva dalle opzioni combinabili: le unità temporali vanno da MONTH a MINUTE, includendo CALENDAR_WEEK, DAY, HOUR e QUARTER_HOUR; le aggregazioni disponibili sono SUM, AVG, MIN, MAX, i percentili P50, P90 e P99, oltre a COUNT e COUNT_DISTINCT; puoi infine raggruppare per modello, periodo o chiave.

Questi componenti coprono quattro esigenze concrete. Primo, il rilevamento delle anomalie: un picco improvviso nei consumi su una chiave che gestisce solitamente un volume stabile è il sintomo classico di una compromissione; questa è la query che il tuo script di monitoraggio dovrebbe eseguire ogni notte. Secondo, l’ottimizzazione dei costi: raggruppando per modello, individui endpoint sottoutilizzati o modelli costosi chiamati inutilmente. Terzo, i report di conformità: la stessa query, eseguita su un trimestre, produce le cifre che l’auditor ti chiederà. Infine, la pianificazione della capacità: il trend di consumo ti indica quando ricaricare i crediti prima di esaurirli di domenica.

Costruire un sistema di allerta

Un cruscotto che non consulti non protegge nulla; gli avvisi, invece, vengono da te. Ecco lo scheletro di un controllo giornaliero che confronta le ultime 24 ore di consumo con una soglia:

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")

Completa questa configurazione con una rete di sicurezza budgetaria: l’endpoint POST /v1/billing/teams/{team_id}/postpaid/spending-limits ti permette di impostare un limite di spesa mensile, rendendo impossibile una spesa eccessiva non controllata, indipendentemente dalla causa. Inoltre, per sapere a che punto sei in qualsiasi momento del ciclo di fatturazione, GET /v1/billing/teams/{team_id}/postpaid/invoice/preview ti fornisce un’anteprima degli addebiti accumulati prima della fattura finale.

Log dell’applicazione lato client

La console xAI vede ciò che accade presso xAI; non vede ciò che accade dal tuo lato. I log della tua applicazione costituiscono l’altra metà della tracciabilità: sono loro che risponderanno alla domanda «quale utente ha attivato questa chiamata?». Per ogni chiamata API, registra il timestamp, l’ID dell’utente che ha avviato la chiamata, il modello e l’endpoint utilizzati, il numero di token in input e output, lo stato della risposta HTTP, la latenza e l’ID della chiave API in versione mascherata.

La disciplina inversa è altrettanto importante, perché un log troppo verboso diventa esso stesso una fuga di dati. Non registrare mai il contenuto dei prompt contenenti dati personali, né le risposte con informazioni sensibili, né le chiavi API in chiaro, né i token effimeri. Un file di log che contiene i prompt dei tuoi utenti è un database personale travestito, con tutti gli obblighi GDPR che ne derivano, incluso il diritto alla cancellazione.

Cinque metriche per rendere il monitoraggio leggibile

Per consolidare questa lezione, raccogli i dati di monitoraggio in un unico cruscotto invece di moltiplicare le schermate. Le prime due metriche descrivono l’attività normale: consumo giornaliero per chiave e per modello, e tasso di errore (4xx, 5xx) per endpoint, che rivela sia un bug di deployment sia una chiave con permessi configurati male. Le successive due descrivono gli attriti: i tentativi di moderazione attivati, che ti dicono cosa stanno cercando di fare i tuoi utenti, e le chiavi vicine alla scadenza, per anticipare i rinnovi invece di subirli inaspettatamente.

La quinta metrica è quella che fa la differenza: il confronto con le medie storiche. Un numero grezzo non dice nulla: otto milioni di token la scorsa notte, sono tanti? Una deviazione dalla norma, invece, dice tutto, ed è su questa deviazione che i tuoi avvisi devono attivarsi.

Punti chiave

  • La console xAI (console.x.ai) centralizza monitoraggio, gestione delle chiavi e fatturazione
  • L’endpoint usage abilita l’analisi programmatica con aggregazione flessibile (da SUM a P99, da MINUTE a MONTH)
  • Configura avvisi di soglia sul consumo: un picco anomalo è il primo segno di compromissione
  • Imposta limiti di spesa tramite l’API di gestione per bloccare qualsiasi sforamento
  • Registra i metadati lato applicazione, mai contenuti sensibili o chiavi in chiaro