Raccogli i log SaaS di IBM Security Verify

Supportata in:

Questo documento spiega come importare i log SaaS di IBM Security Verify in Google Security Operations utilizzando Cloud Storage V2.

IBM Security Verify SaaS è una piattaforma di gestione di identità e accessi basata su cloud che fornisce SSO, MFA e controlli di accesso adattivi. Genera log di controllo per eventi di autenticazione, decisioni relative alle norme e gestione del ciclo di vita degli utenti.

Prima di iniziare

Assicurati di soddisfare i seguenti prerequisiti:

  • Un'istanza Google SecOps
  • Un progetto Google Cloud con l'API Storage di Cloud Storage abilitata
  • Autorizzazioni per creare e gestire i bucket Cloud Storage
  • Autorizzazioni per gestire le policy di Identity and Access Management (IAM) sui bucket Cloud Storage
  • Autorizzazioni per creare servizi Cloud Run, argomenti Pub/Sub e job Cloud Scheduler
  • Accesso con privilegi a IBM Security Verify SaaS (ruolo di amministratore)

Crea un bucket Cloud Storage

  1. Vai alla consoleGoogle Cloud .
  2. Seleziona il tuo progetto o creane uno nuovo.
  3. Nel menu di navigazione, vai a Cloud Storage > Bucket.
  4. Fai clic su Crea bucket.
  5. Fornisci i seguenti dettagli di configurazione:

    Impostazione Valore
    Assegna un nome al bucket Inserisci un nome globalmente univoco (ad esempio ibm-verify-saas-logs)
    Tipo di località Scegli in base alle tue esigenze (Regione, A due regioni, Multiregionale)
    Località Seleziona la località (ad esempio us-central1)
    Classe di archiviazione Standard (consigliato per i log ad accesso frequente)
    Controllo degli accessi Uniforme (consigliato)
    Strumenti di protezione (Facoltativo) Abilita il controllo delle versioni degli oggetti o la policy di conservazione
  6. Fai clic su Crea.

Raccogli le credenziali API SaaS di IBM Security Verify

Crea client API

  1. Accedi alla console di amministrazione di IBM Security Verify.
  2. Vai a Sicurezza > Accesso API.
  3. Fai clic su Aggiungi client API.
  4. Inserisci un nome per il client API (ad esempio, Google Security Operations Integration).
  5. Assegna le seguenti autorizzazioni:
    • Leggi i log eventi
    • Leggi i report
  6. Fai clic su Salva.
  7. Copia e salva i seguenti dettagli in una posizione sicura:
    • ID client: l'identificatore del client API.
    • Client secret: la chiave client secret dell'API.

Determina l'URL del tenant

L'URL di base dell'API deriva dal tuo tenant IBM Security Verify. Il formato è:

URL console URL di base dell'API
https://YOUR_TENANT.verify.ibm.com https://YOUR_TENANT.verify.ibm.com
  • Sostituisci YOUR_TENANT con il nome effettivo del tenant IBM Security Verify.

Verifica le autorizzazioni

Per verificare che il client API disponga delle autorizzazioni richieste:

  1. Accedi alla console di amministrazione di IBM Security Verify.
  2. Vai a Sicurezza > Accesso API.
  3. Fai clic sul nome del client API.
  4. Verifica che le autorizzazioni Lettura log eventi e Lettura report siano attive.
  5. Se mancano le autorizzazioni, contatta l'amministratore di IBM Security Verify.

Testa l'accesso all'API

  • Testa le tue credenziali prima di procedere con l'integrazione:

    # Replace with your actual credentials
    CLIENT_ID="your-client-id"
    CLIENT_SECRET="your-client-secret"
    TENANT_URL="https://YOUR_TENANT.verify.ibm.com"
    
    # Get OAuth token
    TOKEN=$(curl -s -X POST "${TENANT_URL}/v1.0/endpoint/default/token" \
      -H "Content-Type: application/x-www-form-urlencoded" \
      -d "grant_type=client_credentials&client_id=${CLIENT_ID}&client_secret=${CLIENT_SECRET}" \
      | jq -r '.access_token')
    
    # Test API access
    curl -v -H "Authorization: Bearer ${TOKEN}" "${TENANT_URL}/v1.0/events?size=1"
    

Crea un account di servizio per la funzione Cloud Run

La funzione Cloud Run richiede un account di servizio con le autorizzazioni per scrivere nel bucket Cloud Storage ed essere richiamata da Pub/Sub.

Crea il account di servizio

  1. Nella console Google Cloud , vai a IAM e amministrazione > Account di servizio.
  2. Fai clic su Crea account di servizio.
  3. Fornisci i seguenti dettagli di configurazione:
    • Nome service account: inserisci ibm-verify-collector-sa.
    • Descrizione service account: inserisci Service account for Cloud Run function to collect IBM Security Verify SaaS logs.
  4. Fai clic su Crea e continua.
  5. Nella sezione Concedi a questo account di servizio l'accesso al progetto, aggiungi i seguenti ruoli:
    1. Fai clic su Seleziona un ruolo.
    2. Cerca e seleziona Storage Object Admin.
    3. Fai clic su + Aggiungi un altro ruolo.
    4. Cerca e seleziona Cloud Run Invoker.
    5. Fai clic su + Aggiungi un altro ruolo.
    6. Cerca e seleziona Cloud Functions Invoker.
  6. Fai clic su Continua.
  7. Fai clic su Fine.

Questi ruoli sono obbligatori per:

  • Storage Object Admin: scrive i log nel bucket Cloud Storage e gestisce i file di stato
  • Cloud Run Invoker: consente a Pub/Sub di richiamare la funzione
  • Cloud Functions Invoker: consente la chiamata della funzione

Concedi le autorizzazioni IAM sul bucket Cloud Storage

Concedi al account di servizio le autorizzazioni in scrittura sul bucket Cloud Storage:

  1. Vai a Cloud Storage > Bucket.
  2. Fai clic sul nome del bucket (ad esempio ibm-verify-saas-logs).
  3. Vai alla scheda Autorizzazioni.
  4. Fai clic su Concedi l'accesso.
  5. Fornisci i seguenti dettagli di configurazione:
    • Aggiungi entità: inserisci l'indirizzo email del account di servizio (ad esempio ibm-verify-collector-sa@your-project.iam.gserviceaccount.com).
    • Assegna i ruoli: seleziona Storage Object Admin.
  6. Fai clic su Salva.

Crea un argomento Pub/Sub

Crea un argomento Pub/Sub in cui Cloud Scheduler pubblicherà i messaggi e a cui la funzione Cloud Run si iscriverà.

  1. Nella console Google Cloud , vai a Pub/Sub > Argomenti.
  2. Fai clic su Crea argomento.
  3. Fornisci i seguenti dettagli di configurazione:
    • ID argomento: inserisci ibm-verify-trigger.
    • Lascia invariate le altre impostazioni predefinite.
  4. Fai clic su Crea.

Crea una funzione Cloud Run per raccogliere i log

La funzione Cloud Run verrà attivata dai messaggi Pub/Sub di Cloud Scheduler per recuperare i log dall'API IBM Security Verify SaaS e scriverli in Cloud Storage.

  1. Nella console Google Cloud , vai a Cloud Run.
  2. Fai clic su Crea servizio.
  3. Seleziona Funzione (utilizza un editor per la modifica in linea per creare una funzione).
  4. Nella sezione Configura, fornisci i seguenti dettagli di configurazione:

    Impostazione Valore
    Nome servizio ibm-verify-collector
    Regione Seleziona la regione corrispondente al tuo bucket Cloud Storage (ad esempio, us-central1)
    Tempo di esecuzione Seleziona Python 3.12 o versioni successive
  5. Nella sezione Trigger (facoltativo):

    1. Fai clic su + Aggiungi trigger.
    2. Seleziona Cloud Pub/Sub.
    3. In Seleziona un argomento Cloud Pub/Sub, scegli l'argomento ibm-verify-trigger.
    4. Fai clic su Salva.
  6. Nella sezione Autenticazione:

    1. Seleziona Richiedi autenticazione.
    2. Controlla Identity and Access Management (IAM).
  7. Scorri verso il basso ed espandi Container, networking, sicurezza.

  8. Vai alla scheda Sicurezza:

    • Service account: seleziona il account di servizio ibm-verify-collector-sa.
  9. Vai alla scheda Container:

    1. Fai clic su Variabili e secret.
    2. Fai clic su + Aggiungi variabile per ogni variabile di ambiente:
    Nome variabile Valore di esempio Descrizione
    GCS_BUCKET ibm-verify-saas-logs Nome bucket Cloud Storage
    GCS_PREFIX ibm-verify Prefisso per i file di log
    STATE_KEY ibm-verify/state.json Percorso del file di stato
    TENANT_URL https://YOUR_TENANT.verify.ibm.com URL tenant IBM Security Verify
    CLIENT_ID your-client-id ID client API
    CLIENT_SECRET your-client-secret Client secret API
    MAX_RECORDS 10000 Numero massimo di record per esecuzione
    PAGE_SIZE 1000 Record per pagina
    LOOKBACK_HOURS 24 Periodo di riferimento iniziale
  10. Scorri verso il basso nella scheda Variabili e secret fino a Richieste:

    • Timeout della richiesta: inserisci 600 secondi (10 minuti).
  11. Vai alla scheda Impostazioni in Container:

    • Nella sezione Risorse:
      • Memoria: seleziona 512 MiB o un valore superiore.
      • CPU: seleziona 1.
  12. Nella sezione Scalabilità della revisione:

    • Numero minimo di istanze: inserisci 0.
    • Numero massimo di istanze: inserisci 100 (o regola in base al carico previsto).
  13. Fai clic su Crea.

  14. Attendi la creazione del servizio (1-2 minuti).

  15. Dopo aver creato il servizio, l'editor di codice incorporato si aprirà automaticamente.

Aggiungi codice per la funzione

  1. Inserisci main in Entry point della funzione.
  2. Nell'editor di codice incorporato, crea due file:

    • Primo file - main.py:

      import functions_framework
      from google.cloud import storage
      import json
      import os
      import urllib3
      from datetime import datetime, timezone, timedelta
      import time
      import base64
      
      # Initialize HTTP client with timeouts
      http = urllib3.PoolManager(
        timeout=urllib3.Timeout(connect=5.0, read=30.0),
        retries=False,
      )
      
      # Initialize Storage client
      storage_client = storage.Client()
      
      # Environment variables
      GCS_BUCKET = os.environ.get('GCS_BUCKET')
      GCS_PREFIX = os.environ.get('GCS_PREFIX', 'ibm-verify')
      STATE_KEY = os.environ.get('STATE_KEY', 'ibm-verify/state.json')
      TENANT_URL = os.environ.get('TENANT_URL', '').rstrip('/')
      CLIENT_ID = os.environ.get('CLIENT_ID', '')
      CLIENT_SECRET = os.environ.get('CLIENT_SECRET', '')
      MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '10000'))
      PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '1000'))
      LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '24'))
      
      def parse_datetime(value: str) -> datetime:
        """Parse ISO datetime string to datetime object."""
        if value.endswith("Z"):
          value = value[:-1] + "+00:00"
        return datetime.fromisoformat(value)
      
      def get_token():
        """Get OAuth 2.0 access token using client credentials flow."""
        token_url = f"{TENANT_URL}/v1.0/endpoint/default/token"
      
        body = f"grant_type=client_credentials&client_id={CLIENT_ID}&client_secret={CLIENT_SECRET}"
      
        headers = {
          'Content-Type': 'application/x-www-form-urlencoded',
          'Accept': 'application/json'
        }
      
        backoff = 1.0
        max_retries = 3
      
        for attempt in range(max_retries):
          response = http.request('POST', token_url, body=body.encode('utf-8'), headers=headers)
      
          if response.status == 429:
            retry_after = int(response.headers.get('Retry-After', str(int(backoff))))
            print(f"Rate limited (429) on token request. Retrying after {retry_after}s...")
            time.sleep(retry_after)
            backoff = min(backoff * 2, 30.0)
            continue
      
          if response.status != 200:
            raise RuntimeError(f"Failed to get access token: {response.status} - {response.data.decode('utf-8')}")
      
          data = json.loads(response.data.decode('utf-8'))
          return data['access_token']
      
        raise RuntimeError(f"Failed to get token after {max_retries} retries due to rate limiting")
      
      @functions_framework.cloud_event
      def main(cloud_event):
        """
        Cloud Run function triggered by Pub/Sub to fetch IBM Security Verify SaaS logs and write to GCS.
      
        Args:
          cloud_event: CloudEvent object containing Pub/Sub message
        """
      
        if not all([GCS_BUCKET, TENANT_URL, CLIENT_ID, CLIENT_SECRET]):
          print('Error: Missing required environment variables')
          return
      
        try:
          bucket = storage_client.bucket(GCS_BUCKET)
      
          # Load state
          state = load_state(bucket, STATE_KEY)
      
          # Determine time window
          now = datetime.now(timezone.utc)
          last_time = None
      
          if isinstance(state, dict) and state.get("last_event_time"):
            try:
              last_time = parse_datetime(state["last_event_time"])
              last_time = last_time - timedelta(minutes=2)
            except Exception as e:
              print(f"Warning: Could not parse last_event_time: {e}")
      
          if last_time is None:
            last_time = now - timedelta(hours=LOOKBACK_HOURS)
      
          print(f"Fetching logs from {last_time.isoformat()} to {now.isoformat()}")
      
          # Get access token
          token = get_token()
      
          # Fetch logs
          records, newest_event_time = fetch_logs(
            token=token,
            start_time=last_time,
            end_time=now,
            page_size=PAGE_SIZE,
            max_records=MAX_RECORDS,
          )
      
          if not records:
            print("No new log records found.")
            save_state(bucket, STATE_KEY, now.isoformat())
            return
      
          # Write to GCS as NDJSON
          timestamp = now.strftime('%Y%m%d_%H%M%S')
          object_key = f"{GCS_PREFIX}/logs_{timestamp}.ndjson"
          blob = bucket.blob(object_key)
      
          ndjson = '\n'.join([json.dumps(record, ensure_ascii=False) for record in records]) + '\n'
          blob.upload_from_string(ndjson, content_type='application/x-ndjson')
      
          print(f"Wrote {len(records)} records to gs://{GCS_BUCKET}/{object_key}")
      
          if newest_event_time:
            save_state(bucket, STATE_KEY, newest_event_time)
          else:
            save_state(bucket, STATE_KEY, now.isoformat())
      
          print(f"Successfully processed {len(records)} records")
      
        except Exception as e:
          print(f'Error processing logs: {str(e)}')
          raise
      
      def load_state(bucket, key):
        """Load state from GCS."""
        try:
          blob = bucket.blob(key)
          if blob.exists():
            state_data = blob.download_as_text()
            return json.loads(state_data)
        except Exception as e:
          print(f"Warning: Could not load state: {e}")
      
        return {}
      
      def save_state(bucket, key, last_event_time_iso: str):
        """Save the last event timestamp to GCS state file."""
        try:
          state = {'last_event_time': last_event_time_iso}
          blob = bucket.blob(key)
          blob.upload_from_string(
            json.dumps(state, indent=2),
            content_type='application/json'
          )
          print(f"Saved state: last_event_time={last_event_time_iso}")
        except Exception as e:
          print(f"Warning: Could not save state: {e}")
      
      def fetch_logs(token: str, start_time: datetime, end_time: datetime, page_size: int, max_records: int):
        """
        Fetch logs from IBM Security Verify SaaS Events API with pagination and rate limiting.
      
        Args:
          token: OAuth 2.0 access token
          start_time: Start time for log query
          end_time: End time for log query
          page_size: Number of records per page
          max_records: Maximum total records to fetch
      
        Returns:
          Tuple of (records list, newest_event_time ISO string)
        """
        endpoint = f"{TENANT_URL}/v1.0/events"
      
        headers = {
          'Authorization': f'Bearer {token}',
          'Accept': 'application/json',
          'User-Agent': 'GoogleSecOps-IBMVerifyCollector/1.0'
        }
      
        records = []
        newest_time = None
        page_num = 0
        backoff = 1.0
      
        start_iso = start_time.strftime('%Y-%m-%dT%H:%M:%S.000Z')
        end_iso = end_time.strftime('%Y-%m-%dT%H:%M:%S.000Z')
      
        # IBM Verify Events API uses filter and sort_order with pagination
        search_after = None
      
        while True:
          page_num += 1
      
          if len(records) >= max_records:
            print(f"Reached max_records limit ({max_records})")
            break
      
          params = []
          params.append(f"size={min(page_size, max_records - len(records))}")
          params.append(f"filter=time+ge+\"{start_iso}\"+and+time+le+\"{end_iso}\"")
          params.append("sort_order=asc")
          if search_after:
            params.append(f"search_after={search_after}")
      
          url = f"{endpoint}?{'&'.join(params)}"
      
          try:
            response = http.request('GET', url, headers=headers)
      
            if response.status == 429:
              retry_after = int(response.headers.get('Retry-After', str(int(backoff))))
              print(f"Rate limited (429). Retrying after {retry_after}s...")
              time.sleep(retry_after)
              backoff = min(backoff * 2, 30.0)
              continue
      
            backoff = 1.0
      
            if response.status != 200:
              print(f"HTTP Error: {response.status}")
              response_text = response.data.decode('utf-8')
              print(f"Response body: {response_text}")
              return [], None
      
            data = json.loads(response.data.decode('utf-8'))
      
            page_results = data.get('events', [])
      
            if not page_results:
              print(f"No more results (empty page)")
              break
      
            print(f"Page {page_num}: Retrieved {len(page_results)} events")
            records.extend(page_results)
      
            # Track newest event time
            for event in page_results:
              try:
                event_time = event.get('time')
                if event_time:
                  if newest_time is None or parse_datetime(event_time) > parse_datetime(newest_time):
                    newest_time = event_time
              except Exception as e:
                print(f"Warning: Could not parse event time: {e}")
      
            # Check for more results using search_after pagination
            if len(page_results) < page_size:
              print(f"Reached last page (size={len(page_results)} < limit={page_size})")
              break
      
            # Use the last event's sort value for pagination
            last_event = page_results[-1]
            search_after = last_event.get('time', '')
      
          except Exception as e:
            print(f"Error fetching logs: {e}")
            return [], None
      
        print(f"Retrieved {len(records)} total records from {page_num} pages")
        return records, newest_time
      
    • Secondo file - requirements.txt:

      functions-framework==3.*
      google-cloud-storage==2.*
      urllib3>=2.0.0
      
  3. Fai clic su Esegui il deployment per salvare la funzione ed eseguirne il deployment.

  4. Attendi il completamento del deployment (2-3 minuti).

Crea un job Cloud Scheduler

Cloud Scheduler pubblicherà i messaggi nell'argomento Pub/Sub a intervalli regolari, attivando la funzione Cloud Run.

  1. Nella console Google Cloud , vai a Cloud Scheduler.
  2. Fai clic su Crea job.
  3. Fornisci i seguenti dettagli di configurazione:

    Impostazione Valore
    Nome ibm-verify-collector-hourly
    Regione Seleziona la stessa regione della funzione Cloud Run
    Frequenza 0 * * * * (ogni ora, allo scoccare dell'ora)
    Fuso orario Seleziona il fuso orario (consigliato UTC)
    Tipo di target Pub/Sub
    Argomento Seleziona l'argomento ibm-verify-trigger
    Corpo del messaggio {} (oggetto JSON vuoto)
  4. Fai clic su Crea.

Opzioni di frequenza di pianificazione

Scegli la frequenza in base al volume dei log e ai requisiti di latenza:

Frequenza Espressione cron Caso d'uso
Ogni 5 minuti */5 * * * * Volume elevato, bassa latenza
Ogni 15 minuti */15 * * * * Volume medio
Ogni ora 0 * * * * Standard (consigliato)
Ogni 6 ore 0 */6 * * * Basso volume, elaborazione batch
Ogni giorno 0 0 * * * Raccolta dei dati storici

Testa l'integrazione

  1. Nella console Cloud Scheduler, individua il tuo job (ibm-verify-collector-hourly).
  2. Fai clic su Forza esecuzione per attivare manualmente.
  3. Attendi qualche secondo e vai a Cloud Run > Servizi > ibm-verify-collector > Log.
  4. Verifica che la funzione sia stata eseguita correttamente. Cerca:

    Fetching logs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
    Page 1: Retrieved X events
    Wrote X records to gs://ibm-verify-saas-logs/ibm-verify/logs_YYYYMMDD_HHMMSS.ndjson
    Successfully processed X records
    
  5. Controlla il bucket Cloud Storage (ibm-verify-saas-logs) per verificare che i log siano stati scritti.

Se visualizzi errori nei log:

  • HTTP 401: controlla le credenziali API nelle variabili di ambiente
  • HTTP 403: verifica che il client API disponga delle autorizzazioni richieste nella console di amministrazione di IBM Security Verify
  • HTTP 429: limitazione di frequenza. La funzione riproverà automaticamente con backoff
  • Impossibile ottenere il token di accesso: verifica che TENANT_URL, CLIENT_ID e CLIENT_SECRET siano corretti

Configura un feed in Google SecOps per importare i log di IBM Security Verify SaaS

  1. Vai a Impostazioni > Gestione dei dati > Feed. Se utilizzi una piattaforma solo SIEM, vai a Impostazioni > Feed.
  2. Fai clic su Aggiungi nuovo feed di notizie.
  3. Fai clic su Configura un singolo feed.
  4. Nel campo Nome feed, inserisci un nome per il feed (ad es. IBM Security Verify SaaS Logs).
  5. Seleziona Google Cloud Storage V2 come Tipo di origine.
  6. Seleziona IBM Security Verify SaaS come Log type (Tipo di log).
  7. Fai clic su Ottieni service account. Verrà visualizzato un indirizzo email univoco del account di servizio, ad esempio:

    chronicle-12345678@chronicle-gcp-prod.iam.gserviceaccount.com
    
  8. Copia l'indirizzo email. Lo utilizzerai nel prossimo passaggio.

  9. Fai clic su Avanti.

  10. Specifica i valori per i seguenti parametri di input:

    • URL bucket di archiviazione: inserisci l'URI del bucket Cloud Storage con il percorso del prefisso:

      gs://ibm-verify-saas-logs/ibm-verify/
      
      • Sostituisci:
        • ibm-verify-saas-logs: il nome del tuo bucket Cloud Storage.
        • ibm-verify: prefisso/percorso della cartella facoltativo in cui sono archiviati i log (lascia vuoto per la directory principale).
    • Opzione di eliminazione dell'origine: seleziona l'opzione di eliminazione in base alle tue preferenze:

      • Mai: non elimina mai i file dopo i trasferimenti (opzione consigliata per i test).
      • Elimina i file trasferiti: elimina i file dopo il trasferimento riuscito.
      • Elimina i file trasferiti e le directory vuote: elimina i file e le directory vuote dopo il trasferimento riuscito.

    • Età massima del file: includi i file modificati negli ultimi giorni (il valore predefinito è 180 giorni).

    • Spazio dei nomi dell'asset: lo spazio dei nomi dell'asset.

    • Etichette di importazione: l'etichetta da applicare agli eventi di questo feed.

  11. Fai clic su Avanti.

  12. Controlla la nuova configurazione del feed di notizie nella schermata Finalizza, quindi fai clic su Invia.

Concedi le autorizzazioni IAM al account di servizio Google SecOps

Il account di servizio Google SecOps deve avere il ruolo Storage Object Viewer nel bucket Cloud Storage.

  1. Vai a Cloud Storage > Bucket.
  2. Fai clic sul nome del bucket (ibm-verify-saas-logs).
  3. Vai alla scheda Autorizzazioni.
  4. Fai clic su Concedi l'accesso.
  5. Fornisci i seguenti dettagli di configurazione:
    • Aggiungi entità: incolla l'indirizzo email del account di servizio Google SecOps.
    • Assegna ruoli: seleziona Visualizzatore oggetti Storage.
  6. Fai clic su Salva.

Tabella di mappatura UDM

Campo log Mappatura UDM Logica
data.realm, geoip.continent_name, data.applicationtype, data.id_token, data.grant_id, data.grant_type, data.at_hash, data.rt_hash, id, data.scope, data.uasessionid, data.performedby_type, data.subject_type, data.target_type, data.templateid, data.subjectid, data.performedby, data.action, data.performedby_clientname, geoip.as_org, geoip.country_iso_code, operation.op, operation.path, operation.value, operation.value.name, operation.value.values additional.fields Campi di metadati aggiuntivi non coperti dai campi UDM standard
auth_type extensions.auth.type Tipo di autenticazione utilizzato
meta_event_type metadata.event_type Tipo di evento (ad es. USER_LOGIN, NETWORK_CONNECTION)
tenantid metadata.product_deployment_id Identificatore del deployment del prodotto
event_type metadata.product_event_type Tipo di evento specifico del prodotto
data.ib_request_id metadata.product_log_id Identificatore di log specifico del prodotto
data.devicetype network.http.parsed_user_agent Stringa user agent analizzata
data.devicetype network.http.user_agent Stringa dello user agent
data.sessionid network.session_id Identificatore sessione
tenantname observer.hostname Nome host dell'osservatore
data.applicationname principal.application Applicazione associata all'entità
data.origin, geoip.ip principal.ip Indirizzo IP dell'entità
geoip.city_name principal.location.city Città della località del responsabile
geoip.country_name principal.location.country_or_region Paese o regione della località dell'entità
geoip.location.lat principal.location.region_latitude Latitudine della località dell'entità
geoip.location.lon principal.location.region_longitude Longitudine della località del proprietario
geoip.region_name principal.location.state Stato della località dell'entità
data.applicationid principal.resource.product_object_id Identificatore dell'oggetto del prodotto per la risorsa
data.subtype principal.resource.resource_subtype Sottotipo della risorsa
data.redirecturl principal.url URL associato all'entità
data.username principal.user.user_display_name Nome visualizzato dell'utente
data.userid principal.user.userid Identificatore dell'utente
security_result security_result Informazioni sui risultati della sicurezza
data.client_id, data.client_name, data.client_type security_result.about.resource.attribute.labels Etichette per gli attributi delle risorse
action1 security_result.action Azione intrapresa dal sistema di sicurezza
data.result security_result.action_details Dettagli dell'azione di sicurezza
data.status_code, correlationid security_result.detection_fields Campi relativi al rilevamento
servicename target.application Applicazione scelta come target
data.targetid target.resource.id Identificatore della risorsa di destinazione
data.account_name target.user.user_display_name Nome visualizzato dell'utente di destinazione
data.target target.user.userid Identificatore dell'utente del target
metadata.product_name Nome del prodotto
metadata.vendor_name Nome del fornitore/dell'azienda
data.status_code", "data.performedby_type", "data.subject_type", "data.target_type", "data.templateid", "data.subjectid", "data.performedby", "data.action", and "data.performedby_clientname additional.fields Mappato dal log delle modifiche
data.cause security_result.summary Mappato dal log delle modifiche
data.json.Operations.path", "data.json.Operations.op", and "data.json.Operations.value additional.fields Mappato dal log delle modifiche
geoip.as_org", "geoip.country_iso_code additional.fields Mappato dal log delle modifiche

Log delle modifiche

Visualizza il log delle modifiche per questo parser

Hai bisogno di ulteriore assistenza? Ricevi risposte dai membri della community e dai professionisti di Google SecOps.