Splunk Attack Analyzer 로그 수집

다음에서 지원:

Google secops SIEM

이 문서에서는 Google Cloud Storage V2를 사용하여 Splunk Attack Analyzer 로그를 Google Security Operations로 수집하는 방법을 설명합니다.

Splunk Attack Analyzer (이전 명칭: TwinWave)는 행동 분석을 통해 피싱과 멀웨어를 감지하는 자동화된 위협 분석 플랫폼입니다. REST API를 통해 완료된 작업 결과와 정규화된 포렌식 데이터를 제공합니다.

시작하기 전에

다음 기본 요건이 충족되었는지 확인합니다.

• Google SecOps 인스턴스
• Cloud Storage API가 사용 설정된 GCP 프로젝트
• GCS 버킷을 만들고 관리할 수 있는 권한
• GCS 버킷의 IAM 정책을 관리할 수 있는 권한
• Cloud Run 서비스, Pub/Sub 주제, Cloud Scheduler 작업을 만들 수 있는 권한
• API 키 생성 권한이 있는 Splunk Attack Analyzer에 대한 독점 액세스

Google Cloud Storage 버킷 만들기

1. Google Cloud 콘솔로 이동합니다.
2. 프로젝트를 선택하거나 새 프로젝트를 만듭니다.
3. 탐색 메뉴에서 Cloud Storage> 버킷으로 이동합니다.
4. 버킷 만들기를 클릭합니다.

5. 다음 구성 세부정보를 제공합니다.

   설정	값
   버킷 이름 지정	전역적으로 고유한 이름 (예: splunk-attack-analyzer-logs)을 입력합니다.
   위치 유형	필요에 따라 선택 (리전, 이중 리전, 멀티 리전)
   위치	위치를 선택합니다 (예: us-central1).
   스토리지 클래스	Standard (자주 액세스하는 로그에 권장)
   액세스 제어	균일 (권장)
   보호 조치	선택사항: 객체 버전 관리 또는 보관 정책 사용 설정

6. 만들기를 클릭합니다.

Splunk Attack Analyzer API 사용자 인증 정보 수집

API 키 생성

1. Splunk Attack Analyzer에 로그인합니다.
2. 오른쪽 상단에서 사용자 이름을 선택한 다음 API 키를 선택합니다.
3. + 새 키를 클릭합니다.
4. 키를 설명하는 이름을 입력합니다 (예: Google Security Operations Integration).
5. 만들기를 클릭합니다.

6. 모달에 표시된 API 비밀번호를 복사하여 안전한 위치에 저장합니다.

   참고: 다른 곳으로 이동한 후에는 이 보안 비밀을 다시 볼 수 없습니다. Splunk Attack Analyzer에는 최대 20개의 활성 API 키가 있을 수 있습니다.

권한 확인

API 키에 필요한 액세스 권한이 있는지 확인하려면 다음 단계를 따르세요.

1. Splunk Attack Analyzer에 로그인합니다.
2. 오른쪽 상단에서 사용자 이름을 선택한 다음 API 키를 선택합니다.

3. API 키가 나열되어 있고 활성 상태인지 확인합니다.

   참고: 전체 API 문서를 보려면 Splunk Attack Analyzer에 로그인하고 사용자 이름 > 기술 자료 > API 문서 보기를 선택하세요.

API 액세스 테스트

• 통합을 진행하기 전에 사용자 인증 정보를 테스트하세요.

  # Replace with your actual API key
  API_KEY="your-api-key"
  
  # Test API access - list completed jobs
  curl -v -H "Authorization: Bearer ${API_KEY}" \
    "https://app.twinwave.io/api/v1/jobs?done=true&limit=1"
  

Cloud Run 함수의 서비스 계정 만들기

Cloud Run 함수에는 GCS 버킷에 쓸 수 있고 Pub/Sub에서 호출할 수 있는 권한이 있는 서비스 계정이 필요합니다.

서비스 계정 만들기

1. GCP 콘솔에서 IAM 및 관리자 > 서비스 계정으로 이동합니다.
2. 서비스 계정 만들기를 클릭합니다.
3. 다음 구성 세부정보를 제공합니다.
   • 서비스 계정 이름: saa-collector-sa을 입력합니다.
   • 서비스 계정 설명: Service account for Cloud Run function to collect Splunk Attack Analyzer logs을 입력합니다.
4. 만들고 계속하기를 클릭합니다.
5. 이 서비스 계정에 프로젝트에 대한 액세스 권한 부여 섹션에서 다음 역할을 추가합니다.
   1. 역할 선택을 클릭합니다.
   2. 스토리지 객체 관리자를 검색하여 선택합니다.
   3. + 다른 역할 추가를 클릭합니다.
   4. Cloud Run 호출자를 검색하여 선택합니다.
   5. + 다른 역할 추가를 클릭합니다.
   6. Cloud Functions 호출자를 검색하여 선택합니다.
6. 계속을 클릭합니다.
7. 완료를 클릭합니다.

이러한 역할은 다음 작업에 필요합니다.

• 스토리지 객체 관리자: GCS 버킷에 로그를 쓰고 상태 파일을 관리합니다.
• Cloud Run 호출자: Pub/Sub가 함수를 호출하도록 허용
• Cloud Functions 호출자: 함수 호출 허용

GCS 버킷에 IAM 권한 부여

GCS 버킷에 대한 쓰기 권한을 서비스 계정에 부여합니다.

1. Cloud Storage> 버킷으로 이동합니다.
2. 버킷 이름 (예: splunk-attack-analyzer-logs)을 클릭합니다.
3. 권한 탭으로 이동합니다.
4. 액세스 권한 부여를 클릭합니다.
5. 다음 구성 세부정보를 제공합니다.
   • 주 구성원 추가: 서비스 계정 이메일 (예: [e-mail])을 입력합니다.
   • 역할 할당: 스토리지 객체 관리자를 선택합니다.
6. 저장을 클릭합니다.

Pub/Sub 주제 만들기

Cloud Scheduler가 게시하고 Cloud Run 함수가 구독할 Pub/Sub 주제를 만듭니다.

1. GCP Console에서 Pub/Sub > 주제로 이동합니다.
2. 주제 만들기를 클릭합니다.
3. 다음 구성 세부정보를 제공합니다.
   • 주제 ID: saa-trigger를 입력합니다.
   • 다른 설정은 기본값으로 둡니다.
4. 만들기를 클릭합니다.

로그를 수집하는 Cloud Run 함수 만들기

Cloud Run 함수는 Cloud Scheduler의 Pub/Sub 메시지에 의해 트리거되어 Splunk Attack Analyzer API에서 로그를 가져오고 GCS에 씁니다.

1. GCP 콘솔에서 Cloud Run으로 이동합니다.
2. 서비스 만들기를 클릭합니다.
3. 함수를 선택합니다 (인라인 편집기를 사용하여 함수 만들기).

4. 구성 섹션에서 다음 구성 세부정보를 제공합니다.

   설정	값
   서비스 이름	saa-collector
   리전	GCS 버킷과 일치하는 리전을 선택합니다 (예: us-central1).
   런타임	Python 3.12 이상 선택

5. 트리거 (선택사항) 섹션에서 다음을 수행합니다.

   1. + 트리거 추가를 클릭합니다.
   2. Cloud Pub/Sub를 선택합니다.
   3. Cloud Pub/Sub 주제 선택에서 saa-trigger 주제를 선택합니다.
   4. 저장을 클릭합니다.

6. 인증 섹션에서 다음을 구성합니다.

   1. 인증 필요를 선택합니다.
   2. Identity and Access Management (IAM)을 확인합니다.
   참고: 함수를 호출할 때 Pub/Sub에서 인증을 자동으로 처리합니다.

7. 아래로 스크롤하고 컨테이너, 네트워킹, 보안을 펼칩니다.

8. 보안 탭으로 이동합니다.

   • 서비스 계정: 서비스 계정 saa-collector-sa를 선택합니다.

9. 컨테이너 탭으로 이동합니다.

   1. 변수 및 보안 비밀을 클릭합니다.
   2. 각 환경 변수에 대해 + 변수 추가를 클릭합니다.

   변수 이름	예시 값	설명
   GCS_BUCKET	splunk-attack-analyzer-logs	GCS 버킷 이름
   GCS_PREFIX	saa	로그 파일의 접두사
   STATE_KEY	saa/state.json	상태 파일 경로
   API_KEY	your-api-key	Splunk Attack Analyzer API 키
   API_BASE	https://app.twinwave.io	API 기본 URL
   MAX_RECORDS	5000	실행당 최대 레코드 수
   PAGE_SIZE	100	페이지당 레코드 수
   LOOKBACK_HOURS	24	초기 전환 확인 기간

10. 변수 및 보안 비밀 탭에서 요청까지 아래로 스크롤합니다.

    • 요청 제한 시간: 600초 (10분)를 입력합니다.

11. 컨테이너의 설정 탭으로 이동합니다.

    • 리소스 섹션에서 다음을 수행합니다.
      • 메모리: 512MiB 이상을 선택합니다.
      • CPU: 1을 선택합니다.

12. 버전 확장 섹션에서 다음을 수행합니다.

    • 최소 인스턴스 수: 0를 입력합니다.
    • 최대 인스턴스 수: 100을 입력합니다 (또는 예상 부하에 따라 조정).

13. 만들기를 클릭합니다.

14. 서비스가 생성될 때까지 기다립니다 (1~2분).

15. 서비스가 생성되면 인라인 코드 편집기가 자동으로 열립니다.

함수 코드 추가

1. 함수 진입점에 main을 입력합니다.

2. 인라인 코드 편집기에서 다음 두 파일을 만듭니다.

   • 첫 번째 파일: main.py:

     import functions_framework
     from google.cloud import storage
     import json
     import os
     import urllib3
     from datetime import datetime, timezone, timedelta
     import time
     
     # 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', 'saa')
     STATE_KEY = os.environ.get('STATE_KEY', 'saa/state.json')
     API_KEY = os.environ.get('API_KEY', '')
     API_BASE = os.environ.get('API_BASE', 'https://app.twinwave.io').rstrip('/')
     MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '5000'))
     PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '100'))
     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)
     
     @functions_framework.cloud_event
     def main(cloud_event):
       """
       Cloud Run function triggered by Pub/Sub to fetch Splunk Attack Analyzer logs and write to GCS.
     
       Args:
         cloud_event: CloudEvent object containing Pub/Sub message
       """
     
       if not all([GCS_BUCKET, API_KEY]):
         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 jobs from {last_time.isoformat()} to {now.isoformat()}")
     
         # Fetch completed jobs
         jobs, newest_event_time = fetch_jobs(
           start_time=last_time,
           end_time=now,
           page_size=PAGE_SIZE,
           max_records=MAX_RECORDS,
         )
     
         if not jobs:
           print("No new completed jobs found.")
           save_state(bucket, STATE_KEY, now.isoformat())
           return
     
         # Fetch forensics for each job
         all_records = []
         for job in jobs:
           job_id = job.get('id', '')
           if not job_id:
             continue
     
           forensics = fetch_forensics(job_id)
           if forensics:
             # Combine job metadata with forensics
             record = {
               'job': job,
               'forensics': forensics
             }
             all_records.append(record)
     
         if not all_records:
           print("No forensics data retrieved.")
           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 all_records]) + '\n'
         blob.upload_from_string(ndjson, content_type='application/x-ndjson')
     
         print(f"Wrote {len(all_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(all_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_jobs(start_time: datetime, end_time: datetime, page_size: int, max_records: int):
       """
       Fetch completed jobs from Splunk Attack Analyzer API with pagination and rate limiting.
     
       Args:
         start_time: Start time for job query
         end_time: End time for job query
         page_size: Number of records per page
         max_records: Maximum total records to fetch
     
       Returns:
         Tuple of (jobs list, newest_event_time ISO string)
       """
       endpoint = f"{API_BASE}/api/v1/jobs"
     
       headers = {
         'Authorization': f'Bearer {API_KEY}',
         'Accept': 'application/json',
         'User-Agent': 'GoogleSecOps-SAACollector/1.0'
       }
     
       records = []
       newest_time = None
       page_num = 0
       backoff = 1.0
       offset = 0
     
       while True:
         page_num += 1
     
         if len(records) >= max_records:
           print(f"Reached max_records limit ({max_records})")
           break
     
         current_limit = min(page_size, max_records - len(records))
         url = f"{endpoint}?done=true&limit={current_limit}&offset={offset}"
     
         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('jobs', [])
     
           if not page_results:
             print(f"No more results (empty page)")
             break
     
           # Filter by time window
           filtered = []
           for job in page_results:
             created = job.get('created_at', '')
             if created:
               try:
                 job_time = parse_datetime(created)
                 if start_time <= job_time <= end_time:
                   filtered.append(job)
                   if newest_time is None or job_time > parse_datetime(newest_time):
                     newest_time = created
               except Exception as e:
                 print(f"Warning: Could not parse job time: {e}")
                 filtered.append(job)
     
           print(f"Page {page_num}: Retrieved {len(page_results)} jobs, {len(filtered)} in time window")
           records.extend(filtered)
     
           if len(page_results) < page_size:
             print(f"Reached last page (size={len(page_results)} < limit={page_size})")
             break
     
           offset += len(page_results)
     
         except Exception as e:
           print(f"Error fetching jobs: {e}")
           return [], None
     
       print(f"Retrieved {len(records)} total jobs from {page_num} pages")
       return records, newest_time
     
     def fetch_forensics(job_id: str):
       """
       Fetch normalized forensics for a specific job.
     
       Args:
         job_id: The job ID
     
       Returns:
         Forensics data dict or None
       """
       endpoint = f"{API_BASE}/api/v1/jobs/{job_id}/normalizedforensics"
     
       headers = {
         'Authorization': f'Bearer {API_KEY}',
         'Accept': 'application/json',
         'User-Agent': 'GoogleSecOps-SAACollector/1.0'
       }
     
       backoff = 1.0
       max_retries = 3
     
       for attempt in range(max_retries):
         try:
           response = http.request('GET', endpoint, headers=headers)
     
           if response.status == 429:
             retry_after = int(response.headers.get('Retry-After', str(int(backoff))))
             print(f"Rate limited (429) on forensics for job {job_id}. Retrying after {retry_after}s...")
             time.sleep(retry_after)
             backoff = min(backoff * 2, 30.0)
             continue
     
           if response.status != 200:
             print(f"Warning: Could not fetch forensics for job {job_id}: HTTP {response.status}")
             return None
     
           return json.loads(response.data.decode('utf-8'))
     
         except Exception as e:
           print(f"Warning: Error fetching forensics for job {job_id}: {e}")
           if attempt < max_retries - 1:
             time.sleep(backoff)
             backoff = min(backoff * 2, 30.0)
             continue
           return None
     
       return None
     

   • 두 번째 파일: requirements.txt:

     functions-framework==3.*
     google-cloud-storage==2.*
     urllib3>=2.0.0
     

3. 배포를 클릭하여 함수를 저장하고 배포합니다.

4. 배포가 완료될 때까지 기다립니다 (2~3분).

   참고: Pub/Sub 트리거 구성은 필요한 구독과 권한을 자동으로 만듭니다.

Cloud Scheduler 작업 만들기

Cloud Scheduler는 일정 간격으로 Pub/Sub 주제에 메시지를 게시하여 Cloud Run 함수를 트리거합니다.

1. GCP Console에서 Cloud Scheduler로 이동합니다.
2. 작업 만들기를 클릭합니다.

3. 다음 구성 세부정보를 제공합니다.

   설정	값
   이름	saa-collector-hourly
   리전	Cloud Run 함수와 동일한 리전 선택
   주파수	0 * * * * (매시간 정각)
   시간대	시간대 선택 (UTC 권장)
   타겟 유형	Pub/Sub
   주제	saa-trigger 주제를 선택합니다.
   메일 본문	{} (빈 JSON 객체)

4. 만들기를 클릭합니다.

일정 빈도 옵션

로그 볼륨 및 지연 시간 요구사항에 따라 빈도를 선택합니다.

빈도	크론 표현식	사용 사례
5분마다	*/5 * * * *	대용량, 저지연
15분마다	*/15 * * * *	검색량 보통
1시간마다	0 * * * *	표준 (권장)
6시간마다	0 */6 * * *	양이 적은 일괄 처리
매일	0 0 * * *	이전 데이터 수집

통합 테스트

1. Cloud Scheduler 콘솔에서 작업을 찾습니다 (saa-collector-hourly).
2. 강제 실행을 클릭하여 수동으로 트리거합니다.
3. 몇 초간 기다린 후 Cloud Run > 서비스 > saa-collector > 로그로 이동합니다.

4. 함수가 성공적으로 실행되었는지 확인합니다. 다음 항목을 찾습니다.

   Fetching jobs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
   Page 1: Retrieved X jobs, Y in time window
   Wrote Z records to gs://splunk-attack-analyzer-logs/saa/logs_YYYYMMDD_HHMMSS.ndjson
   Successfully processed Z records
   

5. GCS 버킷 (splunk-attack-analyzer-logs)을 확인하여 로그가 작성되었는지 확인합니다.

로그에 오류가 표시되는 경우:

• HTTP 401: 환경 변수에서 API 키 확인
• HTTP 403: API 키에 필요한 권한이 있는지 확인
• HTTP 429: 비율 제한 - 함수가 백오프를 사용하여 자동으로 재시도됩니다.
• 환경 변수 누락: 필요한 변수가 모두 설정되었는지 확인

Splunk Attack Analyzer 로그를 수집하도록 Google SecOps에서 피드 구성

1. SIEM 설정> 피드로 이동합니다.
2. 새 피드 추가를 클릭합니다.
3. 단일 피드 구성을 클릭합니다.
4. 피드 이름 필드에 피드 이름을 입력합니다(예: Splunk Attack Analyzer Logs).
5. 소스 유형으로 Google Cloud Storage V2를 선택합니다.
6. 로그 유형으로 Splunk Attack Analyzer를 선택합니다.

7. 서비스 계정 가져오기를 클릭합니다. 고유한 서비스 계정 이메일이 표시됩니다. 예를 들면 다음과 같습니다.

   [e-mail]
   

8. 이 이메일 주소를 복사합니다. 다음 단계에서 사용합니다.

   참고: 각 Google SecOps 인스턴스에는 고유한 서비스 계정이 있습니다. 다른 문서나 예의 서비스 계정을 사용하지 마세요.

9. 다음을 클릭합니다.

10. 다음 입력 매개변수의 값을 지정합니다.

    • 스토리지 버킷 URL: 다음 접두사 경로를 사용하여 GCS 버킷 URI를 입력합니다.

      gs://splunk-attack-analyzer-logs/saa/
      

      • 다음과 같이 바꿉니다.
        • splunk-attack-analyzer-logs: GCS 버킷 이름입니다.
        • saa: 로그가 저장되는 선택적 접두사/폴더 경로입니다 (루트의 경우 비워 둠).
    참고: 항상 URI 끝에 후행 슬래시 (/)를 포함하세요.

    • 소스 삭제 옵션: 환경설정에 따라 삭제 옵션을 선택합니다.

      • 삭제 안함: 전송 후 파일을 삭제하지 않습니다 (테스트에 권장).
      • 전송된 파일 삭제: 전송이 완료되면 파일을 삭제합니다.

      • 전송된 파일 및 빈 디렉터리 삭제: 전송이 완료되면 파일과 빈 디렉터리를 삭제합니다.

        참고: 삭제 옵션을 선택하는 경우 서비스 계정에는 스토리지 객체 뷰어 대신 스토리지 객체 관리자 역할이 있어야 합니다. 이에 따라 IAM 권한을 업데이트합니다.

    • 최대 파일 기간: 지난 일수 동안 수정된 파일을 포함합니다 (기본값은 180일).

    • 애셋 네임스페이스: 애셋 네임스페이스입니다.

    • 수집 라벨: 이 피드의 이벤트에 적용할 라벨입니다.

11. 다음을 클릭합니다.

12. 확정 화면에서 새 피드 구성을 검토한 다음 제출을 클릭합니다.

Google SecOps 서비스 계정에 IAM 권한 부여

Google SecOps 서비스 계정에는 GCS 버킷에 대한 스토리지 객체 뷰어 역할이 필요합니다.

1. Cloud Storage> 버킷으로 이동합니다.
2. 버킷 이름 (splunk-attack-analyzer-logs)을 클릭합니다.
3. 권한 탭으로 이동합니다.
4. 액세스 권한 부여를 클릭합니다.
5. 다음 구성 세부정보를 제공합니다.
   • 주 구성원 추가: Google SecOps 서비스 계정 이메일을 붙여넣습니다.
   • 역할 할당: 스토리지 객체 뷰어를 선택합니다.

6. 저장을 클릭합니다.

   참고: '전송된 파일 삭제' 또는 '전송된 파일 및 빈 디렉터리 삭제' 삭제 옵션을 사용하려면 스토리지 객체 뷰어 대신 스토리지 객체 관리자 역할을 부여하세요.

UDM 매핑 테이블

로그 필드	UDM 매핑	논리
when	metadata.event_timestamp	이벤트가 발생한 시점
deviceName	principal.hostname	주 구성원의 호스트 이름
messageid	metadata.id	이벤트의 고유 식별자
action	security_result.action	보안 제품에서 취한 조치
프로토콜	network.ip_protocol	IP 프로토콜
srcAddr	principal.ip	주 구성원의 IP 주소
srcPort	principal.port	주 구성원의 포트 번호
dstAddr	target.ip	타겟의 IP 주소
dstPort	target.port	타겟의 포트 번호
	metadata.event_type	이벤트 유형
	metadata.product_name	제품 이름
	metadata.vendor_name	공급업체/회사 이름

도움이 더 필요하신가요? 커뮤니티 회원 및 Google SecOps 전문가에게 문의하여 답변을 받으세요.