Analisi dei log di sicurezza in Google Cloud

Last reviewed 2024-05-21 UTC

Questa guida mostra ai professionisti della sicurezza come eseguire l'onboarding dei log di Google Cloud da utilizzare nelle analisi della sicurezza. Eseguendo analisi della sicurezza, aiuti la tua organizzazione a prevenire, rilevare e rispondere a minacce come malware, phishing, ransomware e asset non configurati correttamente.

Questa guida illustra come:

• Abilita i log da analizzare.
• Instrada questi log a un'unica destinazione a seconda dello strumento di analisi della sicurezza che preferisci, come Analisi dei log, BigQuery, Google Security Operations o di una tecnologia di gestione delle informazioni e degli eventi di sicurezza di terze parti (SIEM).
• Analizza questi log per verificare l'utilizzo del cloud e rilevare potenziali minacce ai dati e ai carichi di lavoro utilizzando query di esempio del progetto Community Security Analytics (CSA).

Le informazioni contenute in questa guida fanno parte delle Operazioni di sicurezza autonomiche di Google Cloud, che includono la trasformazione delle pratiche di rilevamento e risposta guidata dall'ingegneria e analisi della sicurezza per migliorare le funzionalità di rilevamento delle minacce.

In questa guida, i log forniscono l'origine dati da analizzare. Tuttavia, puoi applicare i concetti di questa guida all'analisi di altri dati complementari relativi alla sicurezza di Google Cloud, come i risultati sulla sicurezza di Security Command Center. In Security Command Center Premium è disponibile un elenco di rilevatori gestiti regolarmente aggiornati progettati per identificare minacce, vulnerabilità e configurazioni all'interno dei tuoi sistemi quasi in tempo reale. Analizzando questi indicatori di Security Command Center e mettendoli in relazione con i log importati nello strumento di analisi della sicurezza, come descritto in questa guida, puoi ottenere una prospettiva più ampia delle potenziali minacce alla sicurezza.

Il seguente diagramma mostra come interagiscono le origini dati per la sicurezza, gli strumenti di analisi della sicurezza e le query CSA.

Il diagramma inizia con le seguenti origini dati di sicurezza: log di Cloud Logging, modifiche agli asset da Cloud Asset Inventory e risultati sulla sicurezza da Security Command Center. Il diagramma quindi mostra queste origini dati di sicurezza che vengono instradate allo strumento di analisi della sicurezza di tua scelta: Analisi dei log in Cloud Logging, BigQuery, Google Security Operations o una piattaforma SIEM di terze parti. Infine, il diagramma mostra l'utilizzo di query CSA con lo strumento di analisi per analizzare i dati di sicurezza raggruppati.

Flusso di lavoro di analisi dei log di sicurezza

Questa sezione descrive i passaggi per configurare l'analisi dei log di sicurezza in Google Cloud. Il flusso di lavoro prevede i tre passaggi mostrati nel diagramma seguente e descritti nei paragrafi seguenti:

• Abilita i log: in Google Cloud sono disponibili molti log di sicurezza. Ogni log contiene informazioni diverse che possono essere utili per rispondere a domande di sicurezza specifiche. Alcuni log, come gli audit log delle attività di amministrazione, sono abilitati per impostazione predefinita, mentre altri devono essere abilitati manualmente poiché comportano costi aggiuntivi di importazione in Cloud Logging. Pertanto, il primo passaggio del flusso di lavoro consiste nell'assegnare la priorità ai log di sicurezza più pertinenti per le tue esigenze di analisi della sicurezza e nell'abilitare singolarmente questi log specifici.

  Per aiutarti a valutare i log in termini di visibilità e copertura del rilevamento delle minacce che forniscono, questa guida include uno strumento di definizione dell'ambito dei log. Questo strumento mappa ogni log alle tattiche e alle tecniche di minaccia pertinenti nel MITRE ATT&CK® Matrix for Enterprise. Lo strumento mappa inoltre le regole di Event Threat Detection in Security Command Center ai log su cui si basano. Puoi utilizzare lo strumento di definizione dell'ambito dei log per valutare i log indipendentemente dallo strumento di analisi che utilizzi.

• Esegui il routing dei log: dopo aver identificato e abilitato i log per l'analisi, il passaggio successivo consiste nell'instradare e aggregare i log della tua organizzazione, incluse eventuali cartelle, progetti e account di fatturazione contenuti. La modalità di routing dei log dipende dallo strumento di analisi utilizzato.

  Questa guida descrive le destinazioni di routing dei log più comuni e mostra come utilizzare un sink aggregato di Cloud Logging per instradare i log a livello di organizzazione in un bucket di log di Cloud Logging o in un set di dati BigQuery, a seconda che tu scelga di utilizzare Analisi dei log o BigQuery per l'analisi.

• Analisi dei log: dopo aver eseguito il routing dei log a uno strumento di analisi, il passaggio successivo consiste nell'eseguire l'analisi dei log per identificare eventuali potenziali minacce per la sicurezza. Il modo in cui analizzi i log dipende dallo strumento di analisi utilizzato. Se usi Analisi dei log o BigQuery, puoi analizzare i log usando query SQL. Se utilizzi Google Security Operations, analizzi i log utilizzando le regole YARA-L. Se utilizzi uno strumento SIEM di terze parti, usa il linguaggio di query specificato dallo strumento.

  In questa guida troverai le query SQL che puoi utilizzare per analizzare i log in Analisi dei log o BigQuery. Le query SQL fornite in questa guida provengono dal progetto Community Security Analytics (CSA). CSA è un set open source di analisi della sicurezza di base progettato per fornirti una base di query e regole predefinite che puoi riutilizzare per iniziare ad analizzare i log di Google Cloud.

Le sezioni seguenti forniscono informazioni dettagliate su come configurare e applicare ogni passaggio nel flusso di lavoro di analisi dei log di sicurezza.

Attiva log

Il processo di abilitazione dei log prevede i seguenti passaggi:

1. Identifica i log necessari utilizzando lo strumento di definizione dell'ambito dei log di questa guida.
2. Registra il filtro di log generato dallo strumento di definizione dell'ambito dei log per utilizzarlo in un secondo momento durante la configurazione del sink di log.
3. Abilita il logging per ogni tipo di log o servizio Google Cloud identificato. A seconda del servizio, potrebbe essere necessario abilitare anche gli audit log di accesso ai dati corrispondenti, come descritto più avanti in questa sezione.

Identifica i log utilizzando lo strumento di definizione dell'ambito dei log

Per identificare i log che soddisfano le tue esigenze di sicurezza e conformità, puoi utilizzare lo strumento di definizione dell'ambito dei log mostrato in questa sezione. Questo strumento fornisce una tabella interattiva che elenca log importanti per la sicurezza in Google Cloud, compresi Cloud Audit Logs, log di Access Transparency, log di rete e diversi log della piattaforma. Questo strumento mappa ogni tipo di log alle seguenti aree:

• MITRE ATT&CK alle tattiche e alle tecniche di minaccia che possono essere monitorate con quel log.
• Violazioni della conformità della piattaforma Google Cloud Computing Platform che possono essere rilevate nel log.
• Event Threat Detection che si basano su questo log.

Lo strumento di definizione dell'ambito dei log genera anche un filtro di log che viene visualizzato subito dopo la tabella. Quando identifichi i log di cui hai bisogno, selezionali nello strumento per aggiornare automaticamente il filtro di log.

Le seguenti brevi procedure spiegano come utilizzare lo strumento di definizione dell'ambito dei log:

• Per selezionare o rimuovere un log nello strumento di definizione dell'ambito dei log, fai clic sul pulsante di attivazione/disattivazione accanto al nome del log.
• Per selezionare o rimuovere tutti i log, fai clic sul pulsante di attivazione/disattivazione accanto all'intestazione Tipo di log.
• Per vedere quali tecniche MITRE ATT&CK possono essere monitorate per ogni tipo di log, fai clic su accanto all'intestazione Tattiche e tecniche MITRE ATT&CK.

Strumento di definizione dell'ambito dei log

Registra il filtro di log

Il filtro dei log generato automaticamente dallo strumento di definizione dell'ambito dei log contiene tutti i log che hai selezionato nello strumento. Puoi utilizzare il filtro così com'è oppure perfezionare ulteriormente il filtro di log a seconda dei requisiti. Ad esempio, puoi includere (o escludere) le risorse solo in uno o più progetti specifici. Dopo aver ottenuto un filtro di log che soddisfa i requisiti di logging, devi salvare il filtro per utilizzarlo durante il routing dei log. Ad esempio, puoi salvare il filtro in un editor di testo o in una variabile di ambiente come segue:

1. Nella sezione "Filtro log generato automaticamente" che segue lo strumento, copia il codice per il filtro di log.
2. (Facoltativo) Modifica il codice copiato per perfezionare il filtro.

3. In Cloud Shell, crea una variabile per salvare il filtro di log:

   export LOG_FILTER='LOG_FILTER'
   

   Sostituisci LOG_FILTER con il codice del filtro di log.

Abilita i log della piattaforma specifici per il servizio

Per ogni log della piattaforma selezionato nello strumento di definizione dell'ambito dei log, questi log devono essere abilitati (in genere a livello di risorsa) sulla base di ogni servizio. Ad esempio, i log di Cloud DNS sono abilitati a livello di rete VPC. Allo stesso modo, i log di flusso VPC sono abilitati a livello di subnet per tutte le VM nella subnet e i log del logging delle regole firewall sono abilitati a livello di singola regola firewall.

Ogni log della piattaforma ha le proprie istruzioni su come abilitare il logging. Tuttavia, puoi utilizzare lo strumento di definizione dell'ambito dei log per aprire rapidamente le istruzioni pertinenti per ciascun log della piattaforma.

Per scoprire come abilitare il logging per un log della piattaforma specifico, segui questi passaggi:

1. Nello strumento di definizione dell'ambito dei log, individua il log della piattaforma che vuoi abilitare.
2. Nella colonna Abilitato per impostazione predefinita, fai clic sul link Abilita corrispondente al log. Il link rimanda a istruzioni dettagliate su come abilitare il logging per quel servizio.

Abilita gli audit log di accesso ai dati

Come puoi vedere nello strumento di definizione dell'ambito dei log, gli audit log di accesso ai dati di Cloud Audit Logs forniscono un'ampia copertura di rilevamento delle minacce. Tuttavia, il loro volume può essere piuttosto elevato. L'abilitazione di questi audit log di accesso ai dati potrebbe quindi comportare costi aggiuntivi per l'importazione, l'archiviazione, l'esportazione e l'elaborazione di questi log. Questa sezione spiega come abilitare questi log e presenta alcune best practice per aiutarti a trovare un compromesso tra valore e costo.

Nota: gli audit log di accesso ai dati potrebbero contenere informazioni che consentono l'identificazione personale (PII) come identità del chiamante e indirizzi IP. Devi applicare le impostazioni appropriate di controllo dell'accesso dell'accesso e conservazione disponibili nello strumento di analisi per proteggere i dati di log, conservarli solo per il tempo necessario e poi smaltirli in modo sicuro.

Gli audit log per l'accesso ai dati, tranne quelli di BigQuery, sono disabilitati per impostazione predefinita. Per configurare gli audit log di accesso ai dati per servizi Google Cloud diversi da BigQuery, devi abilitarli esplicitamente utilizzando la console Google Cloud o utilizzando Google Cloud CLI per modificare gli oggetti dei criteri di Identity and Access Management (IAM). Quando abiliti gli audit log di accesso ai dati, puoi anche configurare i tipi di operazioni registrati. Esistono tre tipi di audit log di accesso ai dati:

• ADMIN_READ: registra le operazioni che leggono i metadati o le informazioni di configurazione.
• DATA_READ: registra le operazioni che leggono i dati forniti dall'utente.
• DATA_WRITE: registra le operazioni che scrivono i dati forniti dall'utente.

Tieni presente che non puoi configurare la registrazione delle operazioni ADMIN_WRITE, ovvero operazioni che scrivono metadati o informazioni di configurazione. Le operazioni ADMIN_WRITE sono incluse negli audit log delle attività di amministrazione di Cloud Audit Logs e, pertanto, non possono essere disabilitate.

Best practice: abilita gli audit log di accesso ai dati a livello di cartella o organizzazione per garantire la conformità in tutti i progetti figlio di quella cartella o organizzazione. Quando abiliti gli audit log a livello di cartella o organizzazione, il criterio di audit si applica a tutti i progetti esistenti e nuovi in quella cartella o organizzazione. Questo criterio di audit non può essere disabilitato a livello di progetto.

Gestire il volume degli audit log di accesso ai dati

Quando si abilitano gli audit log di accesso ai dati, l'obiettivo è massimizzare il loro valore in termini di visibilità della sicurezza, limitando al contempo i costi e i costi generali di gestione. Per raggiungere questo obiettivo, ti consigliamo di procedere come segue per filtrare i log di scarso valore e con volumi elevati:

• Dai la priorità ai servizi pertinenti, ad esempio i servizi che ospitano carichi di lavoro, chiavi e dati sensibili. Per esempi specifici di servizi a cui potresti voler dare la priorità rispetto ad altri, consulta Esempio di configurazione degli audit log di accesso ai dati.

• Dai la priorità ai progetti pertinenti, ad esempio quelli che ospitano carichi di lavoro di produzione anziché quelli che ospitano ambienti di sviluppo e gestione temporanea. Per filtrare tutti i log di un determinato progetto, aggiungi la seguente espressione al filtro di log per il sink. Sostituisci PROJECT_ID con l'ID del progetto da cui vuoi filtrare tutti i log:

  Progetto	Espressione di filtro di log
  Escludi tutti i log di un determinato progetto	NOT logName =~ "^projects/PROJECT_ID"

• Dai la priorità a un sottoinsieme di operazioni di accesso ai dati come ADMIN_READ, DATA_READ o DATA_WRITE per un insieme minimo di operazioni registrate. Ad esempio, alcuni servizi come Cloud DNS scrivono tutti e tre i tipi di operazioni, ma puoi abilitare il logging solo per le operazioni ADMIN_READ. Dopo aver configurato uno o più di questi tre tipi di operazioni di accesso ai dati, potresti voler escludere operazioni specifiche che generano volumi elevati. Puoi escludere queste operazioni ad alto volume modificando il filtro di log del sink. Ad esempio, decidi di abilitare l'audit logging completo dell'accesso ai dati, incluse le operazioni DATA_READ su alcuni servizi di archiviazione critici. Per escludere le operazioni di lettura di dati a traffico elevato in questa situazione, puoi aggiungere le seguenti espressioni di filtro di log consigliate al filtro di log del sink:

  Servizio	Espressione di filtro di log
  Escludi i log di volumi elevati da Cloud Storage	NOT (resource.type="gcs_bucket" AND (protoPayload.methodName="storage.buckets.get" OR protoPayload.methodName="storage.buckets.list"))
  Escludi i log di volumi elevati da Cloud SQL	NOT (resource.type="cloudsql_database" AND protoPayload.request.cmd="select")

• Dai la priorità alle risorse pertinenti, ad esempio le risorse che ospitano i carichi di lavoro e i dati più sensibili. Puoi classificare le risorse in base al valore dei dati elaborati e ai rischi per la sicurezza, ad esempio se sono accessibili dall'esterno o meno. Anche se gli audit log di accesso ai dati sono abilitati per servizio, puoi filtrare risorse o tipi di risorse specifici mediante il filtro di log.

• Escludi entità specifiche dalla registrazione degli accessi ai dati. Ad esempio, puoi escludere i tuoi account di test interni dalla registrazione delle loro operazioni. Per saperne di più, consulta Impostare le esenzioni nella documentazione degli audit log di accesso ai dati.

Nota: oltre a utilizzare il filtro di log del sink per filtrare i log aggiuntivi come discusso in questa sezione, potresti voler escludere l'importazione di questi log in Cloud Logging per motivi di costo. Per impedire l'importazione di questi log, puoi applicare le espressioni di filtro dei log elencate in questa sezione come filtri di esclusione nel sink _Default predefinito che instrada i log (inclusi gli audit log di accesso ai dati) al bucket di log _Default. I filtri di esclusione hanno l'effetto opposto di un filtro di log, che è un filtro di inclusione. Di conseguenza, quando configuri queste espressioni come filtri di esclusione, devi rimuovere il precedente operatore booleano NOT dalle espressioni di filtro mostrate in questa sezione.

Esempio di configurazione degli audit log di accesso ai dati

La tabella seguente fornisce una configurazione di base degli audit log di accesso ai dati che puoi utilizzare per i progetti Google Cloud per limitare i volumi dei log e ottenere una preziosa visibilità sulla sicurezza:

Livello	Servizi	Tipi di audit log di accesso ai dati	Tattiche MITRE ATT&CK
Servizi di autenticazione e autorizzazione	IAM Identity-Aware Proxy (IAP)^1 Cloud KMS Secret Manager Resource Manager	ADMIN_READ DATA_READ	Discovery Accesso alle credenziali Escalation dei privilegi
Servizi di archiviazione	BigQuery (attivato per impostazione predefinita) Cloud Storage^1, 2	LETTURA_DATI SCRITTURA_DATI	Raccolta Esfiltrazione
Servizi di infrastruttura	Criterio dell'organizzazione di Compute Engine	ADMIN_READ	Scoperta

¹ L'abilitazione degli audit log di accesso ai dati per IAP o Cloud Storage può generare grandi volumi di log in caso di traffico elevato verso risorse web protette da IAP o verso oggetti Cloud Storage.

² L'abilitazione degli audit log di accesso ai dati per Cloud Storage potrebbe interrompere l'uso dei download del browser autenticati per oggetti non pubblici. Per ulteriori dettagli e soluzioni alternative suggerite per questo problema, consulta la guida alla risoluzione dei problemi di Cloud Storage.

Nella configurazione di esempio, nota come i servizi vengono raggruppati in livelli di sensibilità in base ai dati, ai metadati o alla configurazione sottostanti. Questi livelli mostrano la seguente granularità consigliata per l'audit logging di accesso ai dati:

• Servizi di autenticazione e autorizzazione: per questo livello di servizio, consigliamo di controllare tutte le operazioni di accesso ai dati. Questo livello di controllo consente di monitorare l'accesso a chiavi, secret e criteri IAM sensibili. Il monitoraggio di questo accesso potrebbe aiutarti a rilevare tattiche MITRE ATT&CK come discovery, accesso alle credenziali e escalation dei privilegi.
• Servizi di archiviazione: per questo livello di servizi, consigliamo di controllare le operazioni di accesso ai dati che coinvolgono i dati forniti dagli utenti. Questo livello di controllo consente di monitorare l'accesso ai tuoi dati importanti e sensibili. Il monitoraggio di questo accesso potrebbe aiutarti a rilevare tattiche MITRE ATT&CK come Raccolta ed Esfiltrazione sui tuoi dati.
• Servizi di infrastruttura: per questo livello di servizi, consigliamo di controllare le operazioni di accesso ai dati che coinvolgono metadati o informazioni di configurazione. Questo livello di controllo consente di monitorare l'analisi della configurazione dell'infrastruttura. Il monitoraggio di questo accesso potrebbe aiutarti a rilevare tattiche MITRE ATT&CK come il rilevamento rispetto ai tuoi carichi di lavoro.

Log di route

Dopo aver identificato e abilitato i log, il passaggio successivo consiste nell'instradarli a un'unica destinazione. La destinazione, il percorso e la complessità del routing variano a seconda degli strumenti di analisi utilizzati, come illustrato nel diagramma seguente.

Il diagramma mostra le seguenti opzioni di routing:

• Se utilizzi Analisi dei log, ti serve un sink aggregato per aggregare i log dell'intera organizzazione Google Cloud in un singolo bucket Cloud Logging.

• Se utilizzi BigQuery, hai bisogno di un sink aggregato per aggregare i log della tua organizzazione Google Cloud in un singolo set di dati BigQuery.

• Se utilizzi Google Security Operations e questo sottoinsieme di log predefinito soddisfa le tue esigenze di analisi della sicurezza, puoi aggregare automaticamente questi log nel tuo account Google Security Operations utilizzando l'importazione integrata di Google Security Operations. Puoi visualizzare questo insieme predefinito di log anche nella colonna Esportabile direttamente in Google Security Operations dello strumento di definizione dell'ambito dei log. Per maggiori informazioni sull'esportazione di questi log predefiniti, consulta Importare i log di Google Cloud in Google Security Operations.

• Se utilizzi BigQuery o un SIEM di terze parti o vuoi esportare un set espanso di log in Google Security Operations, il diagramma mostra che è necessario un passaggio aggiuntivo tra l'abilitazione dei log e l'analisi. Questo passaggio aggiuntivo consiste nella configurazione di un sink aggregato che instrada in modo appropriato i log selezionati. Se utilizzi BigQuery, questo sink è tutto ciò di cui hai bisogno per instradare i log a BigQuery. Se utilizzi una piattaforma SIEM di terze parti, devi fare in modo che il sink aggrega i log selezionati in Pub/Sub o Cloud Storage prima che i log possano essere inseriti nello strumento di analisi.

Nota: se utilizzi Analisi dei log (o BigQuery) e hai già configurato un sink aggregato per archiviare i log in un bucket Logging centrale (o in un set di dati BigQuery centrale), puoi saltare questa sezione della guida e aggiornare il sink con il filtro di log della sezione precedente. Nel caso di Analisi dei log, assicurati di eseguire l'upgrade del bucket di log esistente per utilizzare Analisi dei log.

Le opzioni di routing per Google Security Operations e una piattaforma SIEM di terze parti non sono trattate in questa guida. Tuttavia, le seguenti sezioni forniscono i passaggi dettagliati per indirizzare i log ad Analisi dei log o BigQuery:

1. Configura un'unica destinazione
2. Crea un sink di log aggregato.
3. Concedi l'accesso al sink.
4. Configura l'accesso in lettura alla destinazione.
5. Verifica che i log siano instradati alla destinazione.

Configura un'unica destinazione

Analisi dei log

Nota: puoi saltare questo passaggio se utilizzi un bucket Cloud Logging già esistente nel progetto Google Cloud in cui vuoi aggregare i log. Puoi utilizzare il bucket _Default, ma ti consigliamo di creare un bucket separato per questo caso d'uso.

1. Apri la console Google Cloud nel progetto Google Cloud in cui vuoi aggregare i log.

   Vai alla console Google Cloud

2. In un terminale Cloud Shell, esegui questo comando gcloud per creare un bucket di log:

   gcloud logging buckets create BUCKET_NAME \
     --location=BUCKET_LOCATION \
     --project=PROJECT_ID
   

   Sostituisci quanto segue:

   • PROJECT_ID: l'ID del progetto Google Cloud in cui verranno archiviati i log aggregati.
   • BUCKET_NAME: il nome del nuovo bucket Logging.

   • BUCKET_LOCATION: la posizione geografica del nuovo bucket Logging. Le località supportate sono global, us o eu. Per saperne di più su queste regioni di archiviazione, consulta Regioni supportate. Se non specifichi una località, viene utilizzata la regione global, il che significa che i log potrebbero trovarsi fisicamente in una qualsiasi delle regioni.

     Nota: dopo aver creato il bucket, non puoi modificare la regione del bucket.

3. Verifica che il bucket sia stato creato:

   gcloud logging buckets list --project=PROJECT_ID
   

4. (Facoltativo) Imposta il periodo di conservazione dei log nel bucket. L'esempio seguente estende la conservazione dei log archiviati nel bucket a 365 giorni:

   gcloud logging buckets update BUCKET_NAME \
     --location=BUCKET_LOCATION \
     --project=PROJECT_ID \
     --retention-days=365
   

5. Esegui l'upgrade del nuovo bucket per utilizzare Analisi dei log seguendo questi passaggi.

BigQuery

1. Apri la console Google Cloud nel progetto Google Cloud in cui vuoi aggregare i log.

   Vai alla console Google Cloud

2. In un terminale Cloud Shell, esegui questo comando bq mk per creare un set di dati:

   bq --location=DATASET_LOCATION mk \
       --dataset \
       --default_partition_expiration=PARTITION_EXPIRATION \
       PROJECT_ID:DATASET_ID
   

   Sostituisci quanto segue:

   • PROJECT_ID: l'ID del progetto Google Cloud in cui verranno archiviati i log aggregati.
   • DATASET_ID: l'ID del nuovo set di dati BigQuery.

   • DATASET_LOCATION: la posizione geografica del set di dati. Dopo aver creato un set di dati, la località non può essere modificata.

     Nota: se scegli UE o una regione basata sull'UE come località del set di dati, i dati principali dei clienti BigQuery risiedono nell'UE. I dati principali dei clienti BigQuery sono definiti nei Termini specifici dei servizi.

   • PARTITION_EXPIRATION: la durata predefinita (in secondi) delle partizioni nelle tabelle partizionate create dal sink di log. Configurerai il sink di log nella sezione successiva. Il sink di log che configuri utilizza tabelle partizionate, partizionate per giorno, in base al timestamp della voce di log. Le partizioni (incluse le voci di log associate) vengono eliminate PARTITION_EXPIRATION secondi dopo la data della partizione.

     Best practice: imposta la proprietà scadenza predefinita della partizione del set di dati in base ai requisiti di conservazione dei log in modo che i log meno recenti scadano e scadano. Puoi farlo durante o dopo la creazione del set di dati. In questo modo puoi conservare i log per tutto il tempo necessario, limitando al contempo la dimensione totale dell'archiviazione dei log e il costo associato. Se hai requisiti di conservazione più granulari in base al tipo di log, puoi eseguire l'override di questa proprietà a livello di tabella dopo che il sink di log ha avviato il routing dei log e creato le tabelle partizionate corrispondenti. Ad esempio, potrebbe essere necessario conservare i dati di Cloud Audit Logs per tre anni, ma i log di flusso VPC e i log delle regole firewall devono essere conservati solo per 90 giorni. Se non imposti una scadenza predefinita per le partizioni a livello del set di dati e non ne imposti una quando viene creata la tabella, le partizioni non scadono mai.

Crea un sink di log aggregato

Instrada i log dell'organizzazione alla destinazione creando un sink aggregato a livello di organizzazione. Per includere tutti i log selezionati nello strumento di definizione dell'ambito dei log, devi configurare il sink con il filtro di log generato dallo strumento.

Nota: il routing dei log a questa nuova destinazione non significa che i log vengono reindirizzati alla nuova destinazione. I log vengono invece archiviati due volte: una nel progetto Google Cloud padre e una nella nuova destinazione. Per evitare questa duplicazione dell'archiviazione dei log, aggiungi un filtro di esclusione al sink _Default di ogni progetto Google Cloud secondario della tua organizzazione. Per impedire l'importazione dei log nei sink _Default dei progetti Google Cloud futuri nella tua organizzazione, disattiva il sink _Default nelle impostazioni predefinite dell'organizzazione.

Analisi dei log

1. In un terminale Cloud Shell, esegui questo comando gcloud per creare un sink aggregato a livello di organizzazione:

   gcloud logging sinks create SINK_NAME \
     logging.googleapis.com/projects/PROJECT_ID/locations/BUCKET_LOCATION/buckets/BUCKET_NAME \
     --log-filter="LOG_FILTER" \
     --organization=ORGANIZATION_ID \
     --include-children
   

   Sostituisci quanto segue:

   • SINK_NAME: il nome del sink che instrada i log.
   • PROJECT_ID: l'ID del progetto Google Cloud in cui verranno archiviati i log aggregati.
   • BUCKET_LOCATION: la località del bucket di Logging che hai creato per l'archiviazione dei log.
   • BUCKET_NAME: il nome del bucket di Logging che hai creato per l'archiviazione dei log.
   • LOG_FILTER: il filtro di log che hai salvato dallo strumento di definizione dell'ambito dei log.
   • ORGANIZATION_ID: l'ID risorsa della tua organizzazione.

   Il flag --include-children è importante per includere anche i log di tutti i progetti Google Cloud all'interno della tua organizzazione. Per ulteriori informazioni, consulta Facoltare e indirizzare i log a livello di organizzazione alle destinazioni supportate.

2. Verifica che il sink sia stato creato:

   gcloud logging sinks list --organization=ORGANIZATION_ID
   

3. Recupera il nome dell'account di servizio associato al sink che hai appena creato:

   gcloud logging sinks describe SINK_NAME --organization=ORGANIZATION_ID
   

   L'output è simile al seguente:

   writerIdentity: serviceAccount:[e-mail]`
   

4. Copia l'intera stringa per writerIdentity iniziando con serviceAccount:. Questo identificatore è l'account di servizio del sink. Finché non concedi a questo account di servizio l'accesso in scrittura al bucket di log, il routing dei log da questo sink non riuscirà. Concederai l'accesso in scrittura all'identità writer del sink nella sezione successiva.

BigQuery

1. In un terminale Cloud Shell, esegui questo comando gcloud per creare un sink aggregato a livello di organizzazione:

   gcloud logging sinks create SINK_NAME \
     bigquery.googleapis.com/projects/PROJECT_ID/datasets/DATASET_ID \
     --log-filter="LOG_FILTER" \
     --organization=ORGANIZATION_ID \
     --use-partitioned-tables \
     --include-children
   

   Sostituisci quanto segue:

   • SINK_NAME: il nome del sink che instrada i log.
   • PROJECT_ID: l'ID del progetto Google Cloud in cui vuoi aggregare i log.
   • DATASET_ID: l'ID del set di dati BigQuery che hai creato.
   • LOG_FILTER: il filtro di log che hai salvato dallo strumento di definizione dell'ambito dei log.
   • ORGANIZATION_ID: l'ID risorsa della tua organizzazione.

   Il flag --include-children è importante per includere anche i log di tutti i progetti Google Cloud all'interno della tua organizzazione. Per ulteriori informazioni, consulta Facoltare e indirizzare i log a livello di organizzazione alle destinazioni supportate.

   Il flag --use-partitioned-tables è importante affinché i dati vengano partizionati per giorno in base al campo timestamp della voce di log. Ciò semplifica l'esecuzione di query sui dati e contribuisce a ridurre i costi delle query mediante la riduzione della quantità di dati scansionati dalle query. Un altro vantaggio delle tabelle partizionate è che puoi impostare una scadenza predefinita delle partizioni a livello del set di dati per soddisfare i requisiti di conservazione dei log. Hai già impostato una scadenza predefinita per la partizione quando hai creato la destinazione del set di dati nella sezione precedente. Puoi anche scegliere di impostare una scadenza della partizione a livello di singola tabella, in modo da avere controlli granulari sulla conservazione dei dati in base al tipo di log.

2. Verifica che il sink sia stato creato:

   gcloud logging sinks list --organization=ORGANIZATION_ID
   

3. Recupera il nome dell'account di servizio associato al sink che hai appena creato:

   gcloud logging sinks describe SINK_NAME --organization=ORGANIZATION_ID
   

   L'output è simile al seguente:

   writerIdentity: serviceAccount:[e-mail]`
   

4. Copia l'intera stringa per writerIdentity iniziando con serviceAccount:. Questo identificatore è l'account di servizio del sink. Finché non concedi a questo account di servizio l'accesso in scrittura al set di dati BigQuery, il routing dei log da questo sink non riuscirà. Concederai l'accesso in scrittura all'identità writer del sink nella sezione successiva.

Concedi l'accesso al sink

Dopo aver creato il sink di log, devi concedere al sink l'accesso in scrittura nella destinazione, che si tratti del bucket Logging o del set di dati BigQuery.

Nota: per eseguire il routing dei log a una risorsa protetta da un perimetro di servizio, devi anche aggiungere l'account di servizio per quel sink a un livello di accesso e assegnarlo al perimetro di servizio di destinazione. Questa operazione non è necessaria per i sink non aggregati. Per maggiori dettagli, consulta Controlli di servizio VPC: Cloud Logging.

Analisi dei log

Per aggiungere le autorizzazioni all'account di servizio del sink, segui questi passaggi:

1. Nella console Google Cloud, vai alla pagina IAM:

   Vai alla pagina IAM

2. Assicurati di aver selezionato il progetto Google Cloud di destinazione che contiene il bucket Logging che hai creato per l'archiviazione centrale dei log.

3. Fai clic su Concedi l'accesso.

4. Nel campo Nuove entità, inserisci l'account di servizio del sink senza il prefisso serviceAccount:. Ricorda che questa identità proviene dal campo writerIdentity che hai recuperato nella sezione precedente dopo aver creato il sink.

5. Nel menu a discesa Seleziona un ruolo, scegli Writer bucket di log.

6. Fai clic su Aggiungi condizione IAM per limitare l'accesso dell'account di servizio solo al bucket di log che hai creato.

7. Inserisci un Titolo e una Descrizione per la condizione.

8. Nel menu a discesa Tipo di condizione, seleziona Risorsa > Nome.

9. Nel menu a discesa Operatore, seleziona Termina con.

10. Nel campo Valore, inserisci la località e il nome del bucket come segue:

    locations/BUCKET_LOCATION/buckets/BUCKET_NAME
    

11. Fai clic su Salva per aggiungere la condizione.

12. Fai clic su Salva per impostare le autorizzazioni.

BigQuery

Per aggiungere le autorizzazioni all'account di servizio del sink, segui questi passaggi:

1. Nella console Google Cloud, vai a BigQuery:

   Vai a BigQuery

2. Apri il set di dati BigQuery che hai creato per l'archiviazione centrale dei log.

3. Nella scheda Informazioni sul set di dati, fai clic sul menu a discesa Condivisione e poi su Autorizzazioni.

4. Nel riquadro laterale Autorizzazioni del set di dati, fai clic su Aggiungi entità.

5. Nel campo Nuove entità, inserisci l'account di servizio del sink senza il prefisso serviceAccount:. Ricorda che questa identità proviene dal campo writerIdentity che hai recuperato nella sezione precedente dopo aver creato il sink.

6. Nel menu a discesa Ruolo, seleziona Editor dati BigQuery.

7. Fai clic su Salva.

Dopo aver concesso l'accesso al sink, le voci di log iniziano a completare la destinazione del sink: il bucket Logging o il set di dati BigQuery.

Configura l'accesso in lettura alla destinazione

Ora che il sink di log instrada i log dell'intera organizzazione in un'unica destinazione, puoi cercare in tutti questi log. Utilizza le autorizzazioni IAM per gestire le autorizzazioni e concedere l'accesso in base alle esigenze.

Analisi dei log

Per concedere l'accesso per visualizzare ed eseguire query sui log nel nuovo bucket di log, segui questi passaggi.

1. Nella console Google Cloud, vai alla pagina IAM:

   Vai alla pagina IAM

   Assicurati di aver selezionato il progetto Google Cloud che stai utilizzando per aggregare i log.

2. Fai clic su Aggiungi.

3. Nel campo Nuova entità, aggiungi il tuo account email.

4. Nel menu a discesa Seleziona un ruolo, seleziona Accesso alle viste log.

   Questo ruolo fornisce all'entità appena aggiunta l'accesso in lettura a tutte le viste per qualsiasi bucket nel progetto Google Cloud. Per limitare l'accesso di un utente, aggiungi una condizione che consenta all'utente di leggere solo dal nuovo bucket.

   1. Fai clic su Aggiungi condizione.

   2. Inserisci un Titolo e una Descrizione per la condizione.

   3. Nel menu a discesa Tipo di condizione, seleziona Risorsa > Nome.

   4. Nel menu a discesa Operatore, seleziona Termina con.

   5. Nel campo Valore, inserisci la località e il nome del bucket e la visualizzazione del log predefinita _AllLogs come segue:

      locations/BUCKET_LOCATION/buckets/BUCKET_NAME/views/_AllLogs
      

      Nota: Cloud Logging crea automaticamente la vista _AllLogs per ogni bucket, che mostra tutti i log che contiene. Per un controllo più granulare su quali log è possibile visualizzare ed eseguire query all'interno del bucket di log, puoi creare e utilizzare una vista di log personalizzata anziché _AllLogs.

   6. Fai clic su Salva per aggiungere la condizione.

5. Fai clic su Salva per impostare le autorizzazioni.

BigQuery

Per concedere l'accesso per visualizzare ed eseguire query sui log nel tuo set di dati BigQuery, segui i passaggi nella sezione Concedere l'accesso a un set di dati della documentazione di BigQuery.

Verifica che i log siano instradati alla destinazione

Analisi dei log

Quando esegui il routing dei log a un bucket di log di cui è stato eseguito l'upgrade ad Analisi dei log, puoi visualizzare ed eseguire query su tutte le voci di log tramite un'unica vista di log con uno schema unificato per tutti i tipi di log. Segui questi passaggi per verificare che i log siano instradati correttamente.

1. Nella console Google Cloud, vai alla pagina Analisi dei log:

   Vai ad Analisi dei log

   Assicurati di aver selezionato il progetto Google Cloud che stai utilizzando per aggregare i log.

2. Fai clic sulla scheda Visualizzazioni log.

3. Espandi le visualizzazioni dei log sotto il bucket di log che hai creato (BUCKET_NAME), se non è già stato espanso.

4. Seleziona la visualizzazione log predefinita _AllLogs. Ora puoi esaminare l'intero schema di log nel riquadro a destra, come mostrato nello screenshot seguente:

   

5. Accanto a _AllLogs, fai clic su Query . Compila l'editor Query con una query SQL di esempio per recuperare le voci di log indirizzate di recente.

6. Fai clic su Esegui query per visualizzare le voci di log indirizzate di recente.

A seconda del livello di attività nei progetti Google Cloud dell'organizzazione, potrebbe essere necessario attendere alcuni minuti prima che alcuni log vengano generati, quindi indirizzati al bucket di log.

BigQuery

Quando esegui il routing dei log su un set di dati BigQuery, Cloud Logging crea tabelle BigQuery per contenere le voci di log, come mostrato nello screenshot seguente:

Lo screenshot mostra come Cloud Logging assegna un nome a ogni tabella BigQuery in base al nome del log a cui appartiene una voce di log. Ad esempio, la tabella cloudaudit_googleapis_com_data_access selezionata nello screenshot contiene gli audit log di accesso ai dati il cui ID log è cloudaudit.googleapis.com%2Fdata_access. Oltre ad essere denominata in base alla voce di log corrispondente, ogni tabella viene partizionata in base ai timestamp di ogni voce di log.

A seconda del livello di attività nei progetti Google Cloud dell'organizzazione, potrebbe essere necessario attendere alcuni minuti prima che alcuni log vengano generati, per poi indirizzati al set di dati BigQuery.

Nota: i log relativi all'attività di amministrazione e all'accesso ai dati vengono caricati in BigQuery e il campo della voce di log protoPayload è rinominato protoPayload_auditlog in BigQuery. Per saperne di più sulle conversioni dello schema eseguite da Cloud Logging prima di scrivere in BigQuery, consulta Campi negli audit log esportati.

Analisi dei log

Puoi eseguire una vasta gamma di query sui log di controllo e della piattaforma. L'elenco seguente fornisce un insieme di domande di sicurezza di esempio che potresti porre ai tuoi log. Per ogni domanda in questo elenco, esistono due versioni della query CSA corrispondente: una per l'utilizzo con Analisi dei log e una per l'utilizzo con BigQuery. Usa la versione della query corrispondente alla destinazione del sink configurata in precedenza.

Analisi dei log

Prima di utilizzare una qualsiasi delle query SQL seguenti, sostituisci MY_PROJECT_ID con l'ID del progetto Google Cloud in cui hai creato il bucket di log (ossia PROJECT_ID), e MY_DATASET_ID con la regione e il nome del bucket di log (ovvero BUCKET_LOCATION.BUCKET_NAME).

Vai ad Analisi dei log

BigQuery

Prima di utilizzare una qualsiasi delle query SQL seguenti, sostituisci MY_PROJECT_ID con l'ID del progetto Google Cloud in cui hai creato il set di dati BigQuery (ossia PROJECT_ID) e MY_DATASET_ID con il nome del set di dati, ovvero DATASET_ID.

Vai a BigQuery

1. Domande relative ad accesso e accesso
   • Google Workspace ha segnalato qualche tentativo di accesso sospetto?
   • Sono presenti eccessivi errori di accesso da parte di qualsiasi identità utente?
   • Ci sono tentativi di accesso che violano i Controlli di servizio VPC?
   • Ci sono tentativi di accesso che violano i controlli dell'accesso di Identity-Aware Proxy?
2. Domande sulle modifiche alle autorizzazioni
   • Sono presenti utenti aggiunti a gruppi con privilegi elevati?
   • Ci sono autorizzazioni concesse per un account di servizio?
   • Ci sono account di servizio o chiavi creati da identità non approvate?
   • Qualsiasi utente aggiunto (o rimosso da) al criterio IAM sensibile?
3. Domande sull'attività di provisioning
   • Sono state apportate modifiche alle impostazioni di logging?
   • Eventuali log di flusso VPC disabilitati?
   • È stato modificato un numero insolito di regole firewall la scorsa settimana?
   • Sono state eliminate le VM nell'ultima settimana?
4. Domande sull'utilizzo del carico di lavoro
   • Utilizzo insolitamente elevato dell'API da parte di qualsiasi identità utente nell'ultima settimana?
   • Qual è l'utilizzo della scalabilità automatica al giorno nell'ultimo mese?
5. Domande sull'accesso ai dati
   • Quali utenti hanno avuto accesso più spesso ai dati nell'ultima settimana?
   • Quali utenti hanno avuto accesso ai dati della tabella "account" il mese scorso?
   • Quali tabelle vengono consultate più di frequente e da chi?
   • Quali sono le prime 10 query rispetto a BigQuery la scorsa settimana?
   • Quali sono le azioni più comuni registrate nel log di accesso ai dati lo scorso mese?
6. Domande sulla sicurezza di rete
   • Sono presenti connessioni da un nuovo indirizzo IP a una subnet specifica?
   • Ci sono connessioni bloccate da Google Cloud Armor?
   • Sono presenti virus o malware ad alta gravità rilevati da Cloud IDS?
   • Quali sono i principali domini per le query Cloud DNS della tua rete VPC?

Domande relative ad accesso e accesso

Questi esempi di query eseguono analisi per rilevare i tentativi di accesso sospetti o iniziali di accesso al tuo ambiente Google Cloud.

Nota: l'attività di accesso viene acquisita nei log di Cloud Identity inclusi nel controllo degli accessi di Google Workspace. Per analizzare l'attività di accesso e utilizzare alcune delle query in questa sezione, devi abilitare la condivisione dei dati di Google Workspace con Google Cloud. Per scoprire di più sulla condivisione dei log di controllo di Google Workspace con Google Cloud, vedi Visualizzare e gestire i log di controllo per Google Workspace.

Google Workspace segnala un tentativo di accesso sospetto?

Eseguendo una ricerca nei log di Cloud Identity che fanno parte del controllo degli accessi di Google Workspace, la seguente query rileva tentativi di accesso sospetti segnalati da Google Workspace. Questi tentativi di accesso potrebbero provenire dalla console Google Cloud, dalla Console di amministrazione o da gcloud CLI.

Analisi dei log

SELECT
  timestamp,
  proto_payload.audit_log.authentication_info.principal_email,
  proto_payload.audit_log.request_metadata.caller_ip,
  proto_payload.audit_log.method_name, parameter
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`,
  UNNEST(JSON_QUERY_ARRAY(proto_payload.audit_log.metadata.event[0].parameter)) AS parameter
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
  AND proto_payload.audit_log IS NOT NULL
  AND proto_payload.audit_log.service_name = "login.googleapis.com"
  AND proto_payload.audit_log.method_name = "google.login.LoginService.loginSuccess"
  AND JSON_VALUE(parameter.name) = "is_suspicious"
  AND JSON_VALUE(parameter.boolValue) = "true"

BigQuery

SELECT
  timestamp,
  protopayload_auditlog.authenticationInfo.principalEmail,
  protopayload_auditlog.requestMetadata.callerIp,
  protopayload_auditlog.methodName
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_data_access`,
  UNNEST(JSON_QUERY_ARRAY(protopayload_auditlog.metadataJson, '$.event[0].parameter')) AS parameter
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
  AND protopayload_auditlog.metadataJson IS NOT NULL
  AND protopayload_auditlog.serviceName = "login.googleapis.com"
  AND protopayload_auditlog.methodName = "google.login.LoginService.loginSuccess"
  AND JSON_VALUE(parameter, '$.name') = "is_suspicious"
  AND JSON_VALUE(parameter, '$.boolValue') = "true"

Si sono verificati troppi errori di accesso da qualsiasi identità utente?

Eseguendo una ricerca nei log di Cloud Identity che fanno parte del controllo degli accessi di Google Workspace, la seguente query rileva gli utenti che si sono verificati tre o più errori di accesso successivi nelle ultime 24 ore.

Analisi dei log

SELECT
  proto_payload.audit_log.authentication_info.principal_email,
  MIN(timestamp) AS earliest,
  MAX(timestamp) AS latest,
  count(*) AS attempts
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY)
  AND proto_payload.audit_log.service_name = "login.googleapis.com"
  AND proto_payload.audit_log.method_name = "google.login.LoginService.loginFailure"
GROUP BY
  1
HAVING
  attempts >= 3

BigQuery

SELECT
  protopayload_auditlog.authenticationInfo.principalEmail,
  MIN(timestamp) AS earliest,
  MAX(timestamp) AS latest,
  count(*) AS attempts
FROM
 `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_data_access`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY)
  AND protopayload_auditlog.serviceName="login.googleapis.com"
  AND protopayload_auditlog.methodName="google.login.LoginService.loginFailure"
GROUP BY
  1
HAVING
  attempts >= 3

Sono stati effettuati tentativi di accesso in violazione dei Controlli di servizio VPC?

Analizzando gli audit log dei criteri negati di Cloud Audit Logs, la seguente query rileva i tentativi di accesso bloccati dai Controlli di servizio VPC. I risultati delle query potrebbero indicare potenziali attività dannose, come i tentativi di accesso da parte di reti non autorizzate utilizzando credenziali rubate.

Analisi dei log

SELECT
  timestamp,
  log_name,
  proto_payload.audit_log.authentication_info.principal_email,
  proto_payload.audit_log.request_metadata.caller_ip,
  proto_payload.audit_log.method_name,
  proto_payload.audit_log.service_name,
  JSON_VALUE(proto_payload.audit_log.metadata.violationReason) as violationReason, 
  IF(JSON_VALUE(proto_payload.audit_log.metadata.ingressViolations) IS NULL, 'ingress', 'egress') AS violationType,
  COALESCE(
    JSON_VALUE(proto_payload.audit_log.metadata.ingressViolations[0].targetResource),
    JSON_VALUE(proto_payload.audit_log.metadata.egressViolations[0].targetResource)
  ) AS  targetResource,
  COALESCE(
    JSON_VALUE(proto_payload.audit_log.metadata.ingressViolations[0].servicePerimeter),
    JSON_VALUE(proto_payload.audit_log.metadata.egressViolations[0].servicePerimeter)
  ) AS  servicePerimeter
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND proto_payload.audit_log IS NOT NULL
  AND JSON_VALUE(proto_payload.audit_log.metadata, '$."@type"') = 'type.googleapis.com/google.cloud.audit.VpcServiceControlAuditMetadata'
ORDER BY
  timestamp DESC
LIMIT 1000

BigQuery

SELECT
  timestamp,
  protopayload_auditlog.authenticationInfo.principalEmail,
  protopayload_auditlog.requestMetadata.callerIp,
  protopayload_auditlog.methodName,
  protopayload_auditlog.serviceName,
  JSON_VALUE(protopayload_auditlog.metadataJson, '$.violationReason') as violationReason, 
  IF(JSON_VALUE(protopayload_auditlog.metadataJson, '$.ingressViolations') IS NULL, 'ingress', 'egress') AS violationType,
  COALESCE(
    JSON_VALUE(protopayload_auditlog.metadataJson, '$.ingressViolations[0].targetResource'),
    JSON_VALUE(protopayload_auditlog.metadataJson, '$.egressViolations[0].targetResource')
  ) AS  targetResource,
  COALESCE(
    JSON_VALUE(protopayload_auditlog.metadataJson, '$.ingressViolations[0].servicePerimeter'),
    JSON_VALUE(protopayload_auditlog.metadataJson, '$.egressViolations[0].servicePerimeter')
  ) AS  servicePerimeter
FROM
 `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_policy`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 400 DAY)
  AND JSON_VALUE(protopayload_auditlog.metadataJson, '$."@type"') = 'type.googleapis.com/google.cloud.audit.VpcServiceControlAuditMetadata'
ORDER BY
  timestamp DESC
LIMIT 1000

Tentativi di accesso che violano i controlli di accesso IAP?

Analizzando i log del bilanciatore del carico delle applicazioni esterno, la seguente query rileva i tentativi di accesso bloccati da IAP. Qualsiasi risultato della query potrebbe indicare un tentativo di accesso iniziale o un tentativo di exploit della vulnerabilità.

Analisi dei log

SELECT
  timestamp,
  http_request.remote_ip,
  http_request.request_method,
  http_request.status,
  JSON_VALUE(resource.labels.backend_service_name) AS backend_service_name,
  http_request.request_url
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND resource.type="http_load_balancer"
  AND JSON_VALUE(json_payload.statusDetails) = "handled_by_identity_aware_proxy"
ORDER BY
  timestamp DESC

BigQuery

SELECT
  timestamp,
  httpRequest.remoteIp,
  httpRequest.requestMethod,
  httpRequest.status,
  resource.labels.backend_service_name,
  httpRequest.requestUrl,
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].requests`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND resource.type="http_load_balancer"
  AND jsonpayload_type_loadbalancerlogentry.statusdetails = "handled_by_identity_aware_proxy"
ORDER BY
  timestamp DESC

Domande sulle modifiche alle autorizzazioni

Questi esempi di query eseguono analisi sull'attività degli amministratori che modifica le autorizzazioni, incluse le modifiche ai criteri IAM, ai gruppi e alle iscrizioni ai gruppi, agli account di servizio ed eventuali chiavi associate. Queste modifiche alle autorizzazioni potrebbero fornire un livello elevato di accesso ad ambienti o dati sensibili.

Nota: le modifiche ai gruppi vengono acquisite nel controllo della Console di amministrazione di Google Workspace. Per analizzare le attività di modifica dei gruppi e utilizzare alcune delle query in questa sezione, devi abilitare la condivisione dei dati di Google Workspace con Google Cloud. Per scoprire di più sulla condivisione dei log di controllo di Google Workspace con Google Cloud, vedi Visualizzare e gestire i log di controllo per Google Workspace.

Sono stati aggiunti utenti a gruppi con privilegi elevati?

Analizzando i log di controllo dei controlli della Console di amministrazione di Google Workspace, la seguente query rileva gli utenti che sono stati aggiunti a uno qualsiasi dei gruppi con privilegi elevati elencati nella query. Puoi utilizzare l'espressione regolare nella query per definire quali gruppi (ad esempio [e-mail] o [e-mail]) monitorare. Qualsiasi risultato della query potrebbe indicare un'escalation dei privilegi dannosa o accidentale.

Analisi dei log

SELECT
  timestamp,
  proto_payload.audit_log.authentication_info.principal_email,
  proto_payload.audit_log.method_name,
  proto_payload.audit_log.resource_name,
  (SELECT JSON_VALUE(x.value)
   FROM UNNEST(JSON_QUERY_ARRAY(proto_payload.audit_log.metadata.event[0].parameter)) AS x
   WHERE JSON_VALUE(x.name) = "USER_EMAIL") AS user_email,
  (SELECT JSON_VALUE(x.value)
   FROM UNNEST(JSON_QUERY_ARRAY(proto_payload.audit_log.metadata.event[0].parameter)) AS x
   WHERE JSON_VALUE(x.name) = "GROUP_EMAIL") AS group_email,
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 120 DAY)
  AND proto_payload.audit_log.service_name = "admin.googleapis.com"
  AND proto_payload.audit_log.method_name = "google.admin.AdminService.addGroupMember"
  AND EXISTS(
    SELECT * FROM UNNEST(JSON_QUERY_ARRAY(proto_payload.audit_log.metadata.event[0].parameter)) AS x
    WHERE
      JSON_VALUE(x.name) = "GROUP_EMAIL"
      AND REGEXP_CONTAINS(JSON_VALUE(x.value), r'(admin|prod).*') -- Update regexp with other sensitive groups if applicable
  )

BigQuery

SELECT
  timestamp,
  protopayload_auditlog.authenticationInfo.principalEmail,
  protopayload_auditlog.methodName,
  protopayload_auditlog.resourceName,
  (SELECT JSON_VALUE(x, '$.value')
   FROM UNNEST(JSON_QUERY_ARRAY(protopayload_auditlog.metadataJson, '$.event[0].parameter')) AS x
   WHERE JSON_VALUE(x, '$.name') = "USER_EMAIL") AS userEmail,
  (SELECT JSON_VALUE(x, '$.value')
   FROM UNNEST(JSON_QUERY_ARRAY(protopayload_auditlog.metadataJson, '$.event[0].parameter')) AS x
   WHERE JSON_VALUE(x, '$.name') = "GROUP_EMAIL") AS groupEmail,
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 120 DAY)
  AND protopayload_auditlog.serviceName = "admin.googleapis.com"
  AND protopayload_auditlog.methodName = "google.admin.AdminService.addGroupMember"
  AND EXISTS(
    SELECT * FROM UNNEST(JSON_QUERY_ARRAY(protopayload_auditlog.metadataJson, '$.event[0].parameter')) AS x
    WHERE
      JSON_VALUE(x, '$.name') = 'GROUP_EMAIL'
      AND REGEXP_CONTAINS(JSON_VALUE(x, '$.value'), r'(admin|prod).*') -- Update regexp with other sensitive groups if applicable
  )

Qualche autorizzazione concessa su un account di servizio?

Analizzando gli audit log delle attività di amministrazione da Cloud Audit Logs, la seguente query rileva le autorizzazioni concesse a qualsiasi entità su un account di servizio. Esempi di autorizzazioni che potrebbero essere concesse sono la possibilità di impersonare quell'account di servizio o di creare chiavi dell'account di servizio. Qualsiasi risultato delle query potrebbe indicare un'istanza di escalation dei privilegi o un rischio di fuga di credenziali.

Analisi dei log

SELECT
  timestamp,
  proto_payload.audit_log.authentication_info.principal_email as grantor,
  JSON_VALUE(bindingDelta.member) as grantee,
  JSON_VALUE(bindingDelta.role) as role,
  proto_payload.audit_log.resource_name,
  proto_payload.audit_log.method_name
FROM
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`,
  UNNEST(JSON_QUERY_ARRAY(proto_payload.audit_log.service_data.policyDelta.bindingDeltas)) AS bindingDelta
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 400 DAY)
  -- AND log_id = "cloudaudit.googleapis.com/activity"
  AND (
    (resource.type = "service_account"
    AND proto_payload.audit_log.method_name LIKE "google.iam.admin.%.SetIAMPolicy")
    OR
    (resource.type IN ("project", "folder", "organization")
    AND proto_payload.audit_log.method_name = "SetIamPolicy"
    AND JSON_VALUE(bindingDelta.role) LIKE "roles/iam.serviceAccount%")
  )
  AND JSON_VALUE(bindingDelta.action) = "ADD"
  -- Principal (grantee) exclusions
  AND JSON_VALUE(bindingDelta.member) NOT LIKE "[e-mail]"
ORDER BY
  timestamp DESC

BigQuery

SELECT
  timestamp,
  protopayload_auditlog.authenticationInfo.principalEmail as grantor,
  bindingDelta.member as grantee,
  bindingDelta.role,
  protopayload_auditlog.resourceName,
  protopayload_auditlog.methodName,
FROM
  `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`,
  UNNEST(protopayload_auditlog.servicedata_v1_iam.policyDelta.bindingDeltas) AS bindingDelta
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 180 DAY)
  AND (
    (resource.type = "service_account"
    AND protopayload_auditlog.methodName LIKE "google.iam.admin.%.SetIAMPolicy")
    OR
    (resource.type IN ("project", "folder", "organization")
    AND protopayload_auditlog.methodName = "SetIamPolicy"
    AND bindingDelta.role LIKE "roles/iam.serviceAccount%")
  )
  AND bindingDelta.action = 'ADD'
  -- Principal (grantee) exclusions
  AND bindingDelta.member NOT LIKE "[e-mail]"
ORDER BY
  timestamp DESC

Esistono chiavi o account di servizio creati da identità non approvate?

Analizzando gli audit log delle attività di amministrazione, la seguente query rileva le chiavi o gli account di servizio creati manualmente da un utente. Ad esempio, potresti seguire una best practice per consentire la creazione di account di servizio solo da parte di un account di servizio approvato nell'ambito di un flusso di lavoro automatizzato. Pertanto, qualsiasi creazione di account di servizio al di fuori di tale flusso di lavoro è considerata non conforme e potenzialmente dannosa.

Analisi dei log

SELECT
  timestamp,
  proto_payload.audit_log.authentication_info.principal_email,
  proto_payload.audit_log.method_name,
  proto_payload.audit_log.resource_name,
  JSON_VALUE(proto_payload.audit_log.response.email) as service_account_email
FROM
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND resource.type="service_account"
  AND proto_payload.audit_log.method_name LIKE "%CreateServiceAccount%"
  AND proto_payload.audit_log.authentication_info.principal_email NOT LIKE "%.gserviceaccount.com"

BigQuery

SELECT
  timestamp,
  protopayload_auditlog.authenticationInfo.principalEmail,
  protopayload_auditlog.methodName,
  protopayload_auditlog.resourceName,
  JSON_VALUE(protopayload_auditlog.responseJson, "$.email") as serviceAccountEmail
FROM
  `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 180 DAY)
  AND resource.type="service_account"
  AND protopayload_auditlog.methodName LIKE "%CreateServiceAccount%"
  AND protopayload_auditlog.authenticationInfo.principalEmail NOT LIKE "%.gserviceaccount.com"

Qualsiasi utente aggiunto (o rimosso da) al criterio IAM sensibile?

Cercando gli audit log delle attività di amministrazione, la seguente query rileva eventuali modifiche di accesso di utenti o gruppi per una risorsa protetta da IAP, ad esempio un servizio di backend di Compute Engine. La seguente query cerca in tutti gli aggiornamenti dei criteri IAM le risorse IAP che coinvolgono il ruolo IAM roles/iap.httpsResourceAccessor. Questo ruolo fornisce le autorizzazioni per accedere alla risorsa HTTPS o al servizio di backend. Qualsiasi risultato della query potrebbe indicare che si tenta di aggirare le difese di un servizio di backend che potrebbe essere esposto a internet.

Analisi dei log

SELECT
  timestamp,
  proto_payload.audit_log.authentication_info.principal_email,
  resource.type,
  proto_payload.audit_log.resource_name,
  JSON_VALUE(binding, '$.role') as role,
  JSON_VALUE_ARRAY(binding, '$.members') as members
FROM
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`,
  UNNEST(JSON_QUERY_ARRAY(proto_payload.audit_log.response, '$.bindings')) AS binding
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  -- AND log_id = "cloudaudit.googleapis.com/activity"
  AND proto_payload.audit_log.service_name = "iap.googleapis.com"
  AND proto_payload.audit_log.method_name LIKE "%.IdentityAwareProxyAdminService.SetIamPolicy"
  AND JSON_VALUE(binding, '$.role') = "roles/iap.httpsResourceAccessor"
ORDER BY
  timestamp DESC

BigQuery

SELECT
  timestamp,
  protopayload_auditlog.authenticationInfo.principalEmail,
  resource.type,
  protopayload_auditlog.resourceName,
  JSON_VALUE(binding, '$.role') as role,
  JSON_VALUE_ARRAY(binding, '$.members') as members
FROM
  `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`,
  UNNEST(JSON_QUERY_ARRAY(protopayload_auditlog.responseJson, '$.bindings')) AS binding
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 400 DAY)
  AND protopayload_auditlog.serviceName = "iap.googleapis.com"
  AND protopayload_auditlog.methodName LIKE "%.IdentityAwareProxyAdminService.SetIamPolicy"
  AND JSON_VALUE(binding, '$.role') = "roles/iap.httpsResourceAccessor"
ORDER BY
  timestamp DESC

Domande sull'attività di provisioning

Queste query di esempio eseguono analisi per rilevare attività amministrative sospette o anomale come il provisioning e la configurazione delle risorse.

Sono state apportate modifiche alle impostazioni di logging?

Cercando gli audit log delle attività di amministrazione, la seguente query rileva eventuali modifiche apportate alle impostazioni di logging. Le impostazioni di logging del monitoraggio consentono di rilevare la disattivazione involontaria o dannosa degli audit log e di tecniche di evasione della difesa simili.

Analisi dei log

SELECT
  receive_timestamp, timestamp AS eventTimestamp,
  proto_payload.audit_log.request_metadata.caller_ip,
  proto_payload.audit_log.authentication_info.principal_email, 
  proto_payload.audit_log.resource_name,
  proto_payload.audit_log.method_name
FROM 
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  proto_payload.audit_log.service_name = "logging.googleapis.com"
  AND log_id = "cloudaudit.googleapis.com/activity"

BigQuery

SELECT
  receiveTimestamp, timestamp AS eventTimestamp,
  protopayload_auditlog.requestMetadata.callerIp,
  protopayload_auditlog.authenticationInfo.principalEmail, 
  protopayload_auditlog.resourceName,
  protopayload_auditlog.methodName
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`
WHERE
  protopayload_auditlog.serviceName = "logging.googleapis.com"

Eventuali log di flusso VPC sono attivamente disabilitati?

Cercando gli audit log delle attività di amministrazione, la seguente query rileva qualsiasi subnet i cui log di flusso VPC sono stati disattivati attivamente . Il monitoraggio delle impostazioni dei log di flusso VPC consente di rilevare la disattivazione accidentale o dannosa dei log di flusso VPC e simili tecniche di evasione della difesa.

Analisi dei log

SELECT
  receive_timestamp, timestamp AS eventTimestamp,
  proto_payload.audit_log.request_metadata.caller_ip,
  proto_payload.audit_log.authentication_info.principal_email, 
  proto_payload.audit_log.resource_name,
  proto_payload.audit_log.method_name
FROM 
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  proto_payload.audit_log.method_name = "v1.compute.subnetworks.patch" 
  AND (
    JSON_VALUE(proto_payload.audit_log.request, "$.logConfig.enable") = "false"
    OR JSON_VALUE(proto_payload.audit_log.request, "$.enableFlowLogs") = "false"
  )

BigQuery

SELECT
  receiveTimestamp, timestamp AS eventTimestamp,
  protopayload_auditlog.requestMetadata.callerIp,
  protopayload_auditlog.authenticationInfo.principalEmail, 
  protopayload_auditlog.resourceName,
  protopayload_auditlog.methodName
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`
WHERE
protopayload_auditlog.methodName = "v1.compute.subnetworks.patch" 
AND JSON_VALUE(protopayload_auditlog.requestJson, "$.logConfig.enable") = "false"

È stato modificato un numero insolitamente elevato di regole firewall la scorsa settimana?

Cercando negli audit log delle attività di amministrazione, la seguente query rileva un numero insolitamente elevato di modifiche alle regole firewall in un determinato giorno dell'ultima settimana. Per determinare se è presente un outlier, la query esegue un'analisi statistica sul conteggio giornaliero delle modifiche alle regole firewall. Le medie e le deviazioni standard vengono calcolate per ogni giorno osservando i conteggi giornalieri precedenti con una finestra temporale di 90 giorni. Un outlier viene considerato quando il conteggio giornaliero supera più di due deviazioni standard alla media. La query, inclusi il fattore di deviazione standard e le finestre temporali, possono essere tutte configurate per adattarsi al tuo profilo di attività di provisioning del cloud e per ridurre al minimo i falsi positivi.

Analisi dei log

SELECT
  *
FROM (
  SELECT
    *,
    AVG(counter) OVER (
      ORDER BY day
      ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS avg,
    STDDEV(counter) OVER (
      ORDER BY day
      ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS stddev,
    COUNT(*) OVER (
      RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS numSamples
  FROM (
    SELECT
      EXTRACT(DATE FROM timestamp) AS day,
      ARRAY_AGG(DISTINCT proto_payload.audit_log.method_name IGNORE NULLS) AS actions,
      ARRAY_AGG(DISTINCT proto_payload.audit_log.authentication_info.principal_email IGNORE NULLS) AS actors,
      COUNT(*) AS counter
    FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
    WHERE
      timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 90 DAY)
      AND proto_payload.audit_log.method_name LIKE "v1.compute.firewalls.%"
      AND proto_payload.audit_log.method_name NOT IN ("v1.compute.firewalls.list", "v1.compute.firewalls.get")
    GROUP BY
      day
  )
)
WHERE
  counter > avg + 2 * stddev
  AND day >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY) 
ORDER BY
  counter DESC

BigQuery

SELECT
  *,
  AVG(counter) OVER (
    ORDER BY day
    ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS avg,
  STDDEV(counter) OVER (
    ORDER BY day
    ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS stddev,
  COUNT(*) OVER (
    RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS numSamples
FROM (
  SELECT
    EXTRACT(DATE FROM timestamp) AS day,
    ARRAY_AGG(DISTINCT protopayload_auditlog.methodName IGNORE NULLS) AS actions,
    ARRAY_AGG(DISTINCT protopayload_auditlog.authenticationInfo.principalEmail IGNORE NULLS) AS actors,
    COUNT(*) AS counter
  FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`
  WHERE
    timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 90 DAY)
    AND protopayload_auditlog.methodName LIKE "v1.compute.firewalls.%"
    AND protopayload_auditlog.methodName NOT IN ("v1.compute.firewalls.list", "v1.compute.firewalls.get")
  GROUP BY
    day
)
WHERE TRUE
QUALIFY
  counter > avg + 2 * stddev
  AND day >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY) 
ORDER BY
  counter DESC

Sono state eliminate le VM la scorsa settimana?

Se cerchi gli audit log delle attività di amministrazione, la seguente query elenca tutte le istanze di Compute Engine eliminate nell'ultima settimana. Questa query può aiutarti a controllare le eliminazioni delle risorse e a rilevare potenziali attività dannose.

Analisi dei log

SELECT
  timestamp,
  JSON_VALUE(resource.labels.instance_id) AS instance_id,
  proto_payload.audit_log.authentication_info.principal_email, 
  proto_payload.audit_log.resource_name,
  proto_payload.audit_log.method_name
FROM 
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  resource.type = "gce_instance"
  AND proto_payload.audit_log.method_name = "v1.compute.instances.delete"
  AND operation.first IS TRUE
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
ORDER BY
  timestamp desc,
  instance_id
LIMIT
  1000

BigQuery

SELECT
  timestamp,
  resource.labels.instance_id,
  protopayload_auditlog.authenticationInfo.principalEmail,
  protopayload_auditlog.resourceName,
  protopayload_auditlog.methodName
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`
WHERE
  resource.type = "gce_instance"
  AND protopayload_auditlog.methodName = "v1.compute.instances.delete"
  AND operation.first IS TRUE
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
ORDER BY
  timestamp desc,
  resource.labels.instance_id
LIMIT
  1000

Domande sull'utilizzo del carico di lavoro

Queste query di esempio eseguono analisi per capire chi e cosa consuma i tuoi carichi di lavoro e le tue API cloud e ti aiutano a rilevare potenziali comportamenti dannosi all'interno o all'esterno.

Utilizzo insolitamente elevato dell'API da parte di qualsiasi identità utente nella scorsa settimana?

Analizzando tutti Cloud Audit Logs, la seguente query rileva un utilizzo insolitamente elevato delle API da parte di qualsiasi identità utente in un determinato giorno della settimana precedente. Un utilizzo insolitamente elevato potrebbe essere un indicatore di potenziale abuso dell'API, minaccia interna o di credenziali trapelate. Per determinare se è presente un outlier, questa query esegue un'analisi statistica sul conteggio giornaliero di azioni per entità. Le medie e le deviazioni standard vengono calcolate per ogni giorno e per ogni entità esaminando i conteggi giornalieri precedenti con una finestra temporale di 60 giorni. Un outlier viene considerato quando il conteggio giornaliero per un utente è superiore di oltre tre deviazioni standard alla media. La query, compreso il fattore di deviazione standard e le finestre temporali, sono tutti configurabili per adattarsi al profilo di attività di provisioning del cloud e per ridurre al minimo i falsi positivi.

Analisi dei log

SELECT
  *
FROM (
  SELECT
    *,
    AVG(counter) OVER (
      PARTITION BY principal_email
      ORDER BY day
      ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS avg,
    STDDEV(counter) OVER (
      PARTITION BY principal_email
      ORDER BY day
      ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS stddev,
    COUNT(*) OVER (
      PARTITION BY principal_email
      RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS numSamples
  FROM (
    SELECT
      proto_payload.audit_log.authentication_info.principal_email,
      EXTRACT(DATE FROM timestamp) AS day,
      ARRAY_AGG(DISTINCT proto_payload.audit_log.method_name IGNORE NULLS) AS actions,
      COUNT(*) AS counter
    FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
    WHERE
      timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
      AND proto_payload.audit_log.authentication_info.principal_email IS NOT NULL
      AND proto_payload.audit_log.method_name NOT LIKE "storage.%.get"
      AND proto_payload.audit_log.method_name NOT LIKE "v1.compute.%.list"
      AND proto_payload.audit_log.method_name NOT LIKE "beta.compute.%.list"
    GROUP BY
      proto_payload.audit_log.authentication_info.principal_email,
      day
  )
)
WHERE
  counter > avg + 3 * stddev
  AND day >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY) 
ORDER BY
  counter DESC

BigQuery

SELECT
  *,
  AVG(counter) OVER (
    PARTITION BY principalEmail
    ORDER BY day
    ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS avg,
  STDDEV(counter) OVER (
    PARTITION BY principalEmail
    ORDER BY day
    ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) AS stddev,
  COUNT(*) OVER (
    PARTITION BY principalEmail
    RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS numSamples
FROM (
  SELECT
    protopayload_auditlog.authenticationInfo.principalEmail,
    EXTRACT(DATE FROM timestamp) AS day,
    ARRAY_AGG(DISTINCT protopayload_auditlog.methodName IGNORE NULLS) AS actions,
    COUNT(*) AS counter
  FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_*`
  WHERE
    timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
    AND protopayload_auditlog.authenticationInfo.principalEmail IS NOT NULL
    AND protopayload_auditlog.methodName NOT LIKE "storage.%.get"
    AND protopayload_auditlog.methodName NOT LIKE "v1.compute.%.list"
    AND protopayload_auditlog.methodName NOT LIKE "beta.compute.%.list"
  GROUP BY
    protopayload_auditlog.authenticationInfo.principalEmail,
    day
)
WHERE TRUE
QUALIFY
  counter > avg + 3 * stddev
  AND day >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY) 
ORDER BY
  counter DESC

Qual è l'utilizzo della scalabilità automatica al giorno nell'ultimo mese?

Analizzando gli audit log delle attività di amministrazione, la seguente query segnala l'utilizzo della scalabilità automatica in base al giorno nell'ultimo mese. Questa query può essere utilizzata per identificare pattern o anomalie che richiedono ulteriori indagini sulla sicurezza.

Analisi dei log

SELECT
  TIMESTAMP_TRUNC(timestamp, DAY) AS day,
  proto_payload.audit_log.method_name,
  COUNT(*) AS counter
FROM
   `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  resource.type = "gce_instance_group_manager"
  AND log_id = "cloudaudit.googleapis.com/activity"
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY
  1, 2
ORDER BY
  1, 2

BigQuery

SELECT
  TIMESTAMP_TRUNC(timestamp, DAY) AS day,
  protopayload_auditlog.methodName AS methodName,
  COUNT(*) AS counter
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_activity`
WHERE
  resource.type = "gce_instance_group_manager"
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY
  1, 2
ORDER BY
  1, 2

Domande sull'accesso ai dati

Questi esempi di query eseguono analisi per capire chi accede o modifica i dati in Google Cloud.

Quali utenti hanno avuto accesso ai dati con maggiore frequenza la scorsa settimana?

La seguente query utilizza gli audit log di accesso ai dati per trovare le identità utente che hanno avuto accesso più spesso ai dati delle tabelle BigQuery nell'ultima settimana.

Analisi dei log

SELECT
  proto_payload.audit_log.authentication_info.principal_email,
  COUNT(*) AS COUNTER
FROM 
   `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  (proto_payload.audit_log.method_name = "google.cloud.bigquery.v2.JobService.InsertJob" OR
   proto_payload.audit_log.method_name = "google.cloud.bigquery.v2.JobService.Query")
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
  AND log_id = "cloudaudit.googleapis.com/data_access"
GROUP BY
  1
ORDER BY
  2 desc, 1
LIMIT
  100

BigQuery

SELECT
  protopayload_auditlog.authenticationInfo.principalEmail,
  COUNT(*) AS COUNTER
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_data_access`
WHERE
  (protopayload_auditlog.methodName = "google.cloud.bigquery.v2.JobService.InsertJob" OR
   protopayload_auditlog.methodName = "google.cloud.bigquery.v2.JobService.Query")
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
GROUP BY
  1
ORDER BY
  2 desc, 1
LIMIT
  100

Quali utenti hanno avuto accesso ai dati della tabella "account" il mese scorso?

La seguente query utilizza gli audit log di accesso ai dati per trovare le identità utente che hanno eseguito più frequentemente query su una determinata tabella accounts nell'ultimo mese. Oltre ai segnaposto MY_DATASET_ID e MY_PROJECT_ID per la destinazione di esportazione BigQuery, la seguente query utilizza i segnaposto DATASET_ID e PROJECT_ID. Devi sostituire con i segnaposto DATASET_ID e PROJECT_ID per specificare la tabella di destinazione di cui viene analizzato l'accesso, ad esempio la tabella accounts in questo esempio.

Analisi dei log

SELECT
  proto_payload.audit_log.authentication_info.principal_email,
  COUNT(*) AS COUNTER
FROM 
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`,
  UNNEST(proto_payload.audit_log.authorization_info) authorization_info
WHERE
  (proto_payload.audit_log.method_name = "google.cloud.bigquery.v2.JobService.InsertJob" OR
   proto_payload.audit_log.method_name = "google.cloud.bigquery.v2.JobService.Query")
  AND authorization_info.permission = "bigquery.tables.getData"
  AND authorization_info.resource = "projects/[PROJECT_ID]/datasets/[DATASET_ID]/tables/accounts"
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY
  1
ORDER BY
  2 desc, 1
LIMIT
  100

BigQuery

SELECT
  protopayload_auditlog.authenticationInfo.principalEmail,
  COUNT(*) AS COUNTER
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_data_access`,
  UNNEST(protopayload_auditlog.authorizationInfo) authorizationInfo
WHERE
  (protopayload_auditlog.methodName = "google.cloud.bigquery.v2.JobService.InsertJob" OR
   protopayload_auditlog.methodName = "google.cloud.bigquery.v2.JobService.Query")
  AND authorizationInfo.permission = "bigquery.tables.getData"
  AND authorizationInfo.resource = "projects/[PROJECT_ID]/datasets/[DATASET_ID]/tables/accounts"
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY
  1
ORDER BY
  2 desc, 1
LIMIT
  100

Quali tabelle vengono consultate più di frequente e da chi?

La seguente query utilizza gli audit log di accesso ai dati per trovare le tabelle BigQuery con i dati letti e modificati più di frequente nell'ultimo mese. Viene visualizzata l'identità utente associata con l'analisi del numero totale di volte in cui i dati sono stati letti e modificati.

Analisi dei log

SELECT
  proto_payload.audit_log.resource_name,
  proto_payload.audit_log.authentication_info.principal_email,
  COUNTIF(JSON_VALUE(proto_payload.audit_log.metadata, "$.tableDataRead") IS NOT NULL) AS dataReadEvents,
  COUNTIF(JSON_VALUE(proto_payload.audit_log.metadata, "$.tableDataChange") IS NOT NULL) AS dataChangeEvents,
  COUNT(*) AS totalEvents
FROM 
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  STARTS_WITH(resource.type, 'bigquery') IS TRUE
  AND (JSON_VALUE(proto_payload.audit_log.metadata, "$.tableDataRead") IS NOT NULL
    OR JSON_VALUE(proto_payload.audit_log.metadata, "$.tableDataChange") IS NOT NULL)
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY
  1, 2
ORDER BY
  5 DESC, 1, 2
LIMIT 1000

BigQuery

SELECT
  protopayload_auditlog.resourceName,
  protopayload_auditlog.authenticationInfo.principalEmail,
  COUNTIF(JSON_EXTRACT(protopayload_auditlog.metadataJson, "$.tableDataRead") IS NOT NULL) AS dataReadEvents,
  COUNTIF(JSON_EXTRACT(protopayload_auditlog.metadataJson, "$.tableDataChange") IS NOT NULL) AS dataChangeEvents,
  COUNT(*) AS totalEvents
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_data_access`
WHERE
  STARTS_WITH(resource.type, 'bigquery') IS TRUE
  AND (JSON_EXTRACT(protopayload_auditlog.metadataJson, "$.tableDataRead") IS NOT NULL
    OR JSON_EXTRACT(protopayload_auditlog.metadataJson, "$.tableDataChange") IS NOT NULL)
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY
  1, 2
ORDER BY
  5 DESC, 1, 2
LIMIT 1000

Quali sono le dieci query principali rispetto a BigQuery la scorsa settimana?

La seguente query utilizza gli audit log di accesso ai dati per trovare le query più comuni dell'ultima settimana. Elenca anche gli utenti corrispondenti e le tabelle di riferimento.

Analisi dei log

SELECT
  COALESCE(
   JSON_VALUE(proto_payload.audit_log.metadata, "$.jobChange.job.jobConfig.queryConfig.query"),
   JSON_VALUE(proto_payload.audit_log.metadata, "$.jobInsertion.job.jobConfig.queryConfig.query")) as query,
  STRING_AGG(DISTINCT proto_payload.audit_log.authentication_info.principal_email, ',') as users,
  ANY_VALUE(COALESCE(
   JSON_EXTRACT_ARRAY(proto_payload.audit_log.metadata, "$.jobChange.job.jobStats.queryStats.referencedTables"),
   JSON_EXTRACT_ARRAY(proto_payload.audit_log.metadata, "$.jobInsertion.job.jobStats.queryStats.referencedTables"))) as tables,
  COUNT(*) AS counter
FROM 
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  (resource.type = 'bigquery_project' OR resource.type = 'bigquery_dataset')
  AND operation.last IS TRUE
  AND (JSON_VALUE(proto_payload.audit_log.metadata, "$.jobChange") IS NOT NULL
    OR JSON_VALUE(proto_payload.audit_log.metadata, "$.jobInsertion") IS NOT NULL)
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
GROUP BY
  query
ORDER BY
  counter DESC
LIMIT 10

BigQuery

SELECT
  COALESCE(
   JSON_EXTRACT_SCALAR(protopayload_auditlog.metadataJson, "$.jobChange.job.jobConfig.queryConfig.query"),
   JSON_EXTRACT_SCALAR(protopayload_auditlog.metadataJson, "$.jobInsertion.job.jobConfig.queryConfig.query")) as query,
  STRING_AGG(DISTINCT protopayload_auditlog.authenticationInfo.principalEmail, ',') as users,
  ANY_VALUE(COALESCE(
   JSON_EXTRACT_ARRAY(protopayload_auditlog.metadataJson, "$.jobChange.job.jobStats.queryStats.referencedTables"),
   JSON_EXTRACT_ARRAY(protopayload_auditlog.metadataJson, "$.jobInsertion.job.jobStats.queryStats.referencedTables"))) as tables,
  COUNT(*) AS counter
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_data_access`
WHERE
  (resource.type = 'bigquery_project' OR resource.type = 'bigquery_dataset')
  AND operation.last IS TRUE
  AND (JSON_EXTRACT(protopayload_auditlog.metadataJson, "$.jobChange") IS NOT NULL
    OR JSON_EXTRACT(protopayload_auditlog.metadataJson, "$.jobInsertion") IS NOT NULL)
  AND timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY)
GROUP BY
  query
ORDER BY
  counter DESC
LIMIT 10

Quali sono le azioni più comuni registrate nel log di accesso ai dati nell'ultimo mese?

La seguente query utilizza tutti i log di Cloud Audit Logs per trovare le 100 azioni più frequenti registrate nell'ultimo mese.

Analisi dei log

SELECT
  proto_payload.audit_log.method_name,
  proto_payload.audit_log.service_name,
  resource.type,
  COUNT(*) AS counter
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND log_id="cloudaudit.googleapis.com/data_access"
GROUP BY
  proto_payload.audit_log.method_name,
  proto_payload.audit_log.service_name,
  resource.type
ORDER BY
  counter DESC
LIMIT 100

BigQuery

SELECT
  protopayload_auditlog.methodName,
  protopayload_auditlog.serviceName,
  resource.type,
  COUNT(*) AS counter
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].cloudaudit_googleapis_com_data_access`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
GROUP BY
  protopayload_auditlog.methodName,
  protopayload_auditlog.serviceName,
  resource.type
ORDER BY
  counter DESC
LIMIT 100

Domande sulla sicurezza di rete

Questi esempi di query eseguono un'analisi dell'attività di rete in Google Cloud.

Esistono connessioni da un nuovo indirizzo IP a una subnet specifica?

La seguente query rileva le connessioni da qualsiasi nuovo indirizzo IP di origine a una determinata subnet analizzando i log di flusso VPC. In questo esempio, un indirizzo IP di origine viene considerato nuovo se è stato visualizzato per la prima volta nelle ultime 24 ore in una finestra temporale di 60 giorni. Potresti voler usare e ottimizzare questa query su una subnet nell'ambito di un particolare requisito di conformità come PCI.

Analisi dei log

SELECT
  JSON_VALUE(json_payload.connection.src_ip) as src_ip,
  -- TIMESTAMP supports up to 6 digits of fractional precision, so drop any more digits to avoid parse errors
  MIN(TIMESTAMP(REGEXP_REPLACE(JSON_VALUE(json_payload.start_time), r'\.(\d{0,6})\d+(Z)?$', '.\\1\\2'))) AS firstInstance,
  MAX(TIMESTAMP(REGEXP_REPLACE(JSON_VALUE(json_payload.start_time), r'\.(\d{0,6})\d+(Z)?$', '.\\1\\2'))) AS lastInstance,
  ARRAY_AGG(DISTINCT JSON_VALUE(resource.labels.subnetwork_name)) as subnetNames,
  ARRAY_AGG(DISTINCT JSON_VALUE(json_payload.dest_instance.vm_name)) as vmNames,
  COUNT(*) numSamples
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
  AND JSON_VALUE(json_payload.reporter) = 'DEST'
  AND JSON_VALUE(resource.labels.subnetwork_name) IN ('prod-customer-data')
GROUP BY
  src_ip
HAVING firstInstance >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY)
ORDER BY
  lastInstance DESC,
  numSamples DESC

BigQuery

SELECT
  jsonPayload.connection.src_ip as src_ip,
  -- TIMESTAMP supports up to 6 digits of fractional precision, so drop any more digits to avoid parse errors
  MIN(TIMESTAMP(REGEXP_REPLACE(jsonPayload.start_time, r'\.(\d{0,6})\d+(Z)?$', '.\\1\\2'))) AS firstInstance,
  MAX(TIMESTAMP(REGEXP_REPLACE(jsonPayload.start_time, r'\.(\d{0,6})\d+(Z)?$', '.\\1\\2'))) AS lastInstance,
  ARRAY_AGG(DISTINCT resource.labels.subnetwork_name) as subnetNames,
  ARRAY_AGG(DISTINCT jsonPayload.dest_instance.vm_name) as vmNames,
  COUNT(*) numSamples
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].compute_googleapis_com_vpc_flows`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
  AND jsonPayload.reporter = 'DEST'
  AND resource.labels.subnetwork_name IN ('prod-customer-data')
GROUP BY
  src_ip
HAVING firstInstance >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY)
ORDER BY
  lastInstance DESC,
  numSamples DESC

Sono presenti connessioni bloccate da Google Cloud Armor?

La seguente query consente di rilevare potenziali tentativi di exploit analizzando i log esterni del bilanciatore del carico delle applicazioni per trovare eventuali connessioni bloccate dal criterio di sicurezza configurato in Google Cloud Armor. Questa query presuppone che tu abbia configurato un criterio di sicurezza di Google Cloud Armor sul bilanciatore del carico delle applicazioni esterno. Questa query presuppone anche che tu abbia abilitato il logging del bilanciatore del carico delle applicazioni esterno come descritto nelle istruzioni fornite tramite il link Abilita nello strumento di definizione dell'ambito dei log.

Analisi dei log

SELECT
  timestamp,
  http_request.remote_ip,
  http_request.request_method,
  http_request.status,
  JSON_VALUE(json_payload.enforcedSecurityPolicy.name) AS security_policy_name,
  JSON_VALUE(resource.labels.backend_service_name) AS backend_service_name,
  http_request.request_url,
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND resource.type="http_load_balancer"
  AND JSON_VALUE(json_payload.statusDetails) = "denied_by_security_policy"
ORDER BY
  timestamp DESC

BigQuery

SELECT
  timestamp,
  httpRequest.remoteIp,
  httpRequest.requestMethod,
  httpRequest.status,
  jsonpayload_type_loadbalancerlogentry.enforcedsecuritypolicy.name,
  resource.labels.backend_service_name,
  httpRequest.requestUrl,
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].requests`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND resource.type="http_load_balancer"
  AND jsonpayload_type_loadbalancerlogentry.statusdetails = "denied_by_security_policy"
ORDER BY
  timestamp DESC

Qualche virus o malware ad alta gravità rilevato da Cloud IDS?

La seguente query mostra eventuali virus o malware ad alta gravità rilevati da Cloud IDS cercando nei log delle minacce di Cloud IDS. Questa query presuppone che tu abbia configurato un endpoint Cloud IDS.

Analisi dei log

SELECT
  JSON_VALUE(json_payload.alert_time) AS alert_time,
  JSON_VALUE(json_payload.name) AS name,
  JSON_VALUE(json_payload.details) AS details,
  JSON_VALUE(json_payload.application) AS application,
  JSON_VALUE(json_payload.uri_or_filename) AS uri_or_filename,
  JSON_VALUE(json_payload.ip_protocol) AS ip_protocol,
FROM `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND resource.type="ids.googleapis.com/Endpoint"
  AND JSON_VALUE(json_payload.alert_severity) IN ("HIGH", "CRITICAL")
  AND JSON_VALUE(json_payload.type) = "virus"
ORDER BY 
  timestamp DESC

BigQuery

SELECT
  jsonPayload.alert_time,
  jsonPayload.name,
  jsonPayload.details,
  jsonPayload.application,
  jsonPayload.uri_or_filename,
  jsonPayload.ip_protocol
FROM `[MY_PROJECT_ID].[MY_DATASET_ID].ids_googleapis_com_threat`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND resource.type="ids.googleapis.com/Endpoint"
  AND jsonPayload.alert_severity IN ("HIGH", "CRITICAL")
  AND jsonPayload.type = "virus"
ORDER BY 
  timestamp DESC

Quali sono i principali domini sottoposti a query Cloud DNS dalla tua rete VPC?

La seguente query elenca i primi 10 domini sottoposti a query Cloud DNS dalle tue reti VPC negli ultimi 60 giorni. Questa query presuppone che tu abbia abilitato il logging di Cloud DNS per le tue reti VPC, come descritto nelle istruzioni fornite dal link Abilita nello strumento di definizione dell'ambito dei log.

Analisi dei log

SELECT
  JSON_VALUE(json_payload.queryName) AS query_name,
  COUNT(*) AS total_queries
FROM
  `[MY_PROJECT_ID].[MY_LOG_BUCKET_REGION].[MY_LOG_BUCKET_NAME]._AllLogs`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
  AND log_id="dns.googleapis.com/dns_queries"
GROUP BY
  query_name
ORDER BY
  total_queries DESC
LIMIT
  10

BigQuery

SELECT
 jsonPayload.queryname AS query_name,
 COUNT(*) AS total_queries
FROM
 `[MY_PROJECT_ID].[MY_DATASET_ID].dns_googleapis_com_dns_queries`
WHERE
  timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 60 DAY)
GROUP BY
 query_name
ORDER BY
 total_queries DESC
LIMIT
 10

Passaggi successivi

• Guarda gli altri scenari di esportazione:

  • Scenario: esportazione per requisiti di conformità.
  • Scenario: esportazione in Splunk.

• Importazione dei log di Google Cloud in Google Security Operations.

• Esportazione dei dati sulla sicurezza di Google Cloud nel sistema SIEM.

• Esplora le architetture di riferimento, i diagrammi e le best practice su Google Cloud. Visita il nostro Cloud Architecture Center.