Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Žurnālu audits un uzraudzība, izmantojot konsoli

Nodarbība 10 no 12 Atjaunota 2026. gada 28. jūlijs Augstākais
Šajā lapā
  1. Audita nozīme regulētā vidē
  2. xAI konsole: jūsu drošības panelis
  3. Lietojuma analīze, izmantojot API
  4. Brīdinājumu sistēmas izveide
  5. Klienta puses lietotnes žurnāli
  6. Pieci rādītāji, kas padara uzraudzību lasāmu
  7. Galvenās atziņas

Audita nozīme regulētā vidē

Kad SOC 2 auditors jautā: “Kurš, ko un kad ir izmantojis, un kā jūs to uzzinātu anomālijas gadījumā?”, atbilde nevar būt “mēs to izpētīsim”. Jebkurai organizācijai, uz kuru attiecas atbilstības prasības (SOC 2, HIPAA, GDPR), darbību izsekojamība ir fundamentāla prasība, un tā ir jāsagatavo pirms incidenta, nevis pēc tā. xAI konsole (console.x.ai) nodrošina uzraudzības un audita rīkus, kas ļauj izsekot jūsu API atslēgu lietojumam un noteikt anomālijas; šī nodarbība parāda, kā tos izmantot un kā tos papildināt lietotnes līmenī.

xAI konsole: jūsu drošības panelis

Konsole, kas pieejama vietnē console.x.ai, apvieno četras funkcijas: API atslēgu pārvaldību, lietojuma uzraudzību, rēķinu izrakstīšanu ar izdevumu limitiem un konta drošības informāciju. Datu ziņā tā sniedz informāciju par lietojumu katrai atslēgai (pieprasījumu skaits, patērētie tokeni), lietojumu pa modeļiem, detalizētu rēķinu vēsturi pa periodiem un katras atslēgas statusu (aktīva, bloķēta vai atspējota). Pieradi regulāri to pārskatīt: lielākā daļa atslēgu kompromitācijas gadījumu tiek pamanīti tieši pēc lietojuma līknes, kas vairs neatgādina iepriekšējo nedēļu rādītājus.

Lietojuma analīze, izmantojot API

Konsole ir pietiekama ātram apskatam, taču nopietnai uzraudzībai ir jābūt programmētai: tieši šo lomu pilda analīzes galapunkts.

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"]
  }
}

Šis pieprasījums pieprasa kopējo patērēto tokeni summu, dienu pa dienai, sadalot pa modeļiem marta mēnesim. Elastīgums slēpjas kombinējamajās opcijās: laika vienības svārstās no MONTH līdz MINUTE, iekļaujot CALENDAR_WEEK, DAY, HOUR un QUARTER_HOUR; pieejamās agregācijas ir SUM, AVG, MIN, MAX, percentīles P50, P90 un P99, kā arī COUNT un COUNT_DISTINCT; turklāt vari grupēt pēc modeļa, perioda vai atslēgas.

Šie komponenti aptver četras konkrētas vajadzības. Pirmkārt, anomāliju noteikšana: pēkšņs patēriņa pieaugums atslēgai, kas parasti apstrādā stabilu apjomu, ir klasisks kompromitācijas simptoms – tas ir vaicājums, kas jūsu uzraudzības skriptam jāizpilda katru nakti. Otrkārt, izmaksu optimizācija: grupējot pēc modeļa, jūs pamanāt nepietiekami izmantotus galapunktus vai dārgus modeļus, kas tiek izsaukti nevajadzīgi. Treškārt, atbilstības ziņojumi: tas pats vaicājums ceturkšņa griezumā ģenerē skaitļus, kurus prasīs auditors. Visbeidzot, jaudas plānošana: patēriņa tendence norāda, kad papildināt kredītus, lai tie nebeigtos svētdienā.

Brīdinājumu sistēmas izveide

Panelis, uz kuru nekad neskatāties, neko neaizsargā; brīdinājumi savukārt nonāk pie tevis. Lūk, ikdienas pārbaudes skelets, kas salīdzina pēdējo 24 stundu patēriņu ar slieksni:

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")

Papildini šo iestatījumu ar budžeta drošības tīklu: galapunkts POST /v1/billing/teams/{team_id}/postpaid/spending-limits ļauj iestatīt mēneša izdevumu limitu – tad nekontrolēti pārtēriņi kļūst neiespējami neatkarīgi no cēloņa. Un, lai jebkurā rēķina cikla brīdī zinātu savu situāciju, GET /v1/billing/teams/{team_id}/postpaid/invoice/preview sniedz uzkrāto maksu priekšskatījumu pirms galīgā rēķina.

Klienta puses lietotnes žurnāli

xAI konsole redz notiekošo xAI vidē; tā neredz notiekošo jūsu pusē. Jūsu pašu lietotnes žurnāli ir otra izsekojamības puse: tieši tie atbildēs uz jautājumu “kurš lietotājs iniciēja šo izsaukumu?”. Katram API izsaukumam reģistrē laika zīmogu, to lietotāju ID, kurš iniciēja izsaukumu, izmantoto modeli un galapunktu, ievades un izvades tokeni skaitu, HTTP atbildes statusu, latentumu un API atslēgas ID maskētā versijā.

Apgrieztā disciplīna ir tikpat svarīga, jo pārlieku detalizēts žurnāls pats par sevi kļūst par datu noplūdi. Nekad nereģistrē promptu saturu, kas satur personas datus, neatbildes ar sensitīvu informāciju, ne API atslēgas skaidrtekstā, ne arī īslaicīgus tokenus. Žurnālfails, kas satur jūsu lietotāju promptus, ir slēpta personisko datu bāze – ar visām no tā izrietošajām GDPR saistībām, tostarp tiesībām uz dzēšanu.

Pieci rādītāji, kas padara uzraudzību lasāmu

Lai nostiprinātu šo nodarbību, apkopo savus uzraudzības datus vienotā panelī, nevis vairo ekrānu skaitu. Pirmie divi rādītāji apraksta normālu darbību: dienas patēriņš pa atslēgām un modeļiem, kā arī kļūdu līmenis (4xx, 5xx) pa galapunktiem, kas atklāj gan izvietošanas kļūdu, gan atslēgu ar nepareizi konfigurētām atļaujām. Nākamie divi apraksta berzi: aktivizēti mēģinājumi moderēt saturu, kas norāda, ko jūsu lietotāji mēģina darīt, un atslēgas, kurām tuvojas derīguma termiņa beigas, lai paredzētu to atjaunošanu, nevis saskartos ar to negaidīti.

Piektais rādītājs ir tas, kas rada atšķirību: salīdzinājums ar vēsturiskajiem vidējiem rādītājiem. Neapstrādāts skaitlis neko nepasaka – astoņi miljoni tokeni pagājušajā naktī, vai tas ir daudz? Tomēr novirze no normas pasaka visu, un tieši uz šīs novirzes jāreaģē jūsu brīdinājumiem.

Galvenās atziņas

  • xAI konsole (console.x.ai) centralizē uzraudzību, atslēgu pārvaldību un rēķinu izrakstīšanu
  • Galapunkts usage ļauj veikt programmatisku analīzi ar elastīgu agregāciju (no SUM līdz P99, no MINUTE līdz MONTH)
  • Konfigurē sliekšņa brīdinājumus par patēriņu: neparasts pieaugums ir pirmā kompromitācijas pazīme
  • Iestati izdevumu limitus, izmantojot Management API, lai ierobežotu jebkuru pārtēriņu
  • Reģistrē metadatus lietotnes pusē, nekad nesaglabājot sensitīvu saturu vai atslēgas skaidrtekstā