收集 Alveo 風險資料管理記錄

剖析器版本：1.0

支援的國家/地區：

本文說明如何使用 Google Cloud Storage V2，將 Alveo Risk Data Management (RDM) 記錄檔擷取至 Google Security Operations。

Alveo RDM 是 Gresham Technologies Prime EDM 平台的一部分，也是雲端金融資料管理解決方案，可協助銀行、資產管理公司、保險公司和其他金融機構管理多個資產類別的市場資料、風險因素和參考資料。這個平台透過 Ops360 介面提供 RESTful API，可透過程式輔助存取資料作業、稽核追蹤記錄和資料歷程資訊。您可以透過 REST API 匯出這些稽核和作業記錄，並寫入 GCS bucket，供 Google SecOps 擷取。

事前準備

請確認您已完成下列事前準備事項：

  • Google SecOps 執行個體
  • 已啟用 Cloud Storage API 的 GCP 專案
  • 建立及管理 GCS bucket 的權限
  • 建立 Cloud Run 服務、Pub/Sub 主題和 Cloud Scheduler 工作的權限
  • 已啟用 REST API 存取權的 Alveo RDM (Prime EDM) 執行個體
  • Alveo 使用者帳戶，具備 API 憑證和稽核記錄資料存取權
  • 從 Alveo 管理控制台產生的 API 用戶端憑證 (用戶端 ID 和用戶端密鑰)

收集 Alveo RDM API 憑證

取得 Alveo 執行個體詳細資料

  1. 登入 Alveo RDM (Prime EDM) 執行個體。

  2. 請記下瀏覽器網址列中的下列值：

    • 基準網址：API 伺服器位址 (例如 https://yourcompany.alveotech.com)
    • 租戶 ID：貴機構的租戶 ID，顯示在管理控制台中

建立 API 憑證

  1. 登入 Alveo RDM 管理控制台。
  2. 依序前往「Administration」(管理) >「API Access」(API 存取權) >「Client Credentials」(用戶端憑證)。
  3. 按一下「Create New Client」(建立新用戶端)。
  4. 請提供下列設定詳細資料：
    • 用戶端名稱：輸入描述性名稱 (例如 Google SecOps Integration)
    • 範圍：選取「audit:read」和「data:read」
  5. 點選「建立」。

  6. 複製並妥善儲存產生的憑證：

    • 用戶端 ID：複製這個值
    • 用戶端密鑰：複製這個值

驗證權限

如要確認帳戶是否具備必要權限，請按照下列步驟操作：

  1. 使用 API 使用者憑證登入 Alveo RDM 控制台。
  2. 依序前往「管理」>「稽核記錄」。
  3. 確認稽核記錄可見且可存取。
  4. 如果看不到「稽核記錄」部分，請與 Alveo 管理員聯絡，要求對方授予必要權限。

測試 API 存取權

  • 請先測試憑證，再繼續進行整合：

    ALVEO_BASE_URL="https://yourcompany.alveotech.com"
ALVEO_CLIENT_ID="your-client-id"
ALVEO_CLIENT_SECRET="your-client-secret"

# Get OAuth2 access token
TOKEN=$(curl -s -X POST "${ALVEO_BASE_URL}/oauth/token" \
  -H "Content-Type: application/x-www-form-urlencoded" \
  -d "grant_type=client_credentials&client_id=${ALVEO_CLIENT_ID}&client_secret=${ALVEO_CLIENT_SECRET}" \
  | python3 -c "import sys,json; print(json.load(sys.stdin).get('access_token',''))")

echo "Token: ${TOKEN}"

# Test audit trail API access
curl -v "${ALVEO_BASE_URL}/api/v1/audit/events?limit=1" \
  -H "Authorization: Bearer ${TOKEN}" \
  -H "Accept: application/json"

建立 Google Cloud Storage bucket

  1. 前往 Google Cloud 控制台。
  2. 選取專案或建立新專案。
  3. 在導覽選單中，依序前往「Cloud Storage」>「Bucket」。
  4. 按一下「建立值區」。

  5. 請提供下列設定詳細資料：

    設定 值
    為 bucket 命名 輸入全域不重複的名稱 (例如 alveo-rdm-audit-logs)
    位置類型 根據需求選擇 (區域、雙區域、多區域)
    位置 選取位置 (例如 us-central1)
    儲存空間級別 標準 (建議用於經常存取的記錄)
    存取控管 統一 (建議)
    保護工具 選用：啟用物件版本管理或保留政策

  6. 點選「建立」。

為 Cloud Run 函式建立服務帳戶

Cloud Run 函式需要具備 GCS bucket 寫入權限，且可由 Pub/Sub 叫用的服務帳戶。

建立服務帳戶

  1. 在 GCP 控制台中，依序前往「IAM & Admin」(IAM 與管理) >「Service Accounts」(服務帳戶)。
  2. 按一下「Create Service Account」(建立服務帳戶)。
  3. 請提供下列設定詳細資料：
    • 服務帳戶名稱：輸入 alveo-rdm-logs-collector-sa
    • 服務帳戶說明：輸入 Service account for Cloud Run function to collect Alveo RDM audit logs
  4. 按一下「建立並繼續」。
  5. 在「將專案存取權授予這個服務帳戶」部分，新增下列角色：
    1. 按一下「選擇角色」。
    2. 搜尋並選取「Storage 物件管理員」。
    3. 點選「+ 新增其他角色」。
    4. 搜尋並選取「Cloud Run Invoker」。
    5. 點選「+ 新增其他角色」。
    6. 搜尋並選取「Cloud Functions Invoker」(Cloud Functions 叫用者)。
  6. 按一下「繼續」。
  7. 按一下 [完成]。

這些角色適用於：

  • Storage 物件管理員：將記錄檔寫入 GCS bucket，並管理狀態檔案
  • Cloud Run 叫用者：允許 Pub/Sub 叫用函式
  • Cloud Functions 叫用者：允許函式叫用

授予 GCS 值區的 IAM 權限

將 GCS bucket 的寫入權限授予服務帳戶：

  1. 依序前往「Cloud Storage」>「Buckets」。
  2. 按一下 bucket 名稱。
  3. 前往「權限」分頁標籤。
  4. 按一下「授予存取權」。
  5. 請提供下列設定詳細資料：
    • 新增主體：輸入服務帳戶電子郵件地址 (例如 alveo-rdm-logs-collector-sa@PROJECT_ID.iam.gserviceaccount.com)
    • 指派角色：選取「Storage 物件管理員」
  6. 按一下 [儲存]。

建立 Pub/Sub 主題

建立 Pub/Sub 主題，Cloud Scheduler 會將訊息發布至該主題，而 Cloud Run 函式會訂閱該主題。

  1. 在 GCP Console 中，前往「Pub/Sub」>「Topics」(主題)。
  2. 按一下「建立主題」。
  3. 請提供下列設定詳細資料：
    • 主題 ID：輸入 alveo-rdm-logs-trigger
    • 其他設定保留預設值
  4. 點選「建立」。

建立 Cloud Run 函式來收集記錄

Cloud Run 函式會由 Cloud Scheduler 的 Pub/Sub 訊息觸發，從 Alveo RDM REST API 擷取稽核追蹤記錄，並將記錄寫入 GCS。

  1. 前往 GCP Console 的「Cloud Run」。
  2. 按一下「Create service」(建立服務)。
  3. 選取「函式」 (使用內嵌編輯器建立函式)。

  4. 在「設定」部分，提供下列設定詳細資料：

    設定 值
    服務名稱 alveo-rdm-logs-collector
    區域 選取與 GCS bucket 相符的區域 (例如 us-central1)
    執行階段 選取 Python 3.12 以上版本

  5. 在「Trigger (optional)」(觸發條件 (選用)) 專區：

    1. 按一下「+ 新增觸發條件」。
    2. 選取「Cloud Pub/Sub」。
    3. 在「選取 Cloud Pub/Sub 主題」中，選擇主題 alveo-rdm-logs-trigger。
    4. 按一下 [儲存]。

  6. 在「Authentication」(驗證) 部分：

    1. 選取「需要驗證」。
    2. 檢查 Identity and Access Management (IAM)。

  7. 向下捲動並展開「容器」、「網路」和「安全性」。

  8. 前往「安全性」分頁：

    • 服務帳戶：選取服務帳戶 alveo-rdm-logs-collector-sa

  9. 前往「容器」分頁：

    1. 按一下「變數與密鑰」。
    2. 針對每個環境變數，按一下「+ 新增變數」：
    變數名稱 範例值 說明
    GCS_BUCKET alveo-rdm-audit-logs GCS bucket 名稱
    GCS_PREFIX alveo-rdm 記錄檔的前置字串
    STATE_KEY alveo-rdm/state.json 狀態檔案路徑
    ALVEO_BASE_URL https://yourcompany.alveotech.com Alveo RDM API 基礎網址
    ALVEO_CLIENT_ID your-client-id OAuth2 用戶端 ID
    ALVEO_CLIENT_SECRET your-client-secret OAuth2 用戶端密鑰
    PAGE_SIZE 100 每個 API 頁面的記錄
    MAX_RECORDS 10000 每次執行的記錄數上限
    LOOKBACK_HOURS 2 初始回溯期

  10. 在「變數與密鑰」部分中，向下捲動至「要求」：

    • 要求逾時：輸入 600 秒 (10 分鐘)

  11. 前往「設定」分頁：

    • 在「資源」部分：
      • 記憶體：選取 512 MiB 以上
      • CPU：選取 1

  12. 在「修訂版本資源調度」部分：

    • 執行個體數量下限：輸入 0
    • 執行個體數量上限：輸入 100 (或根據預期負載調整)

  13. 點選「建立」。

  14. 等待服務建立完成 (1 到 2 分鐘)。

  15. 服務建立完成後，系統會自動開啟內嵌程式碼編輯器。

新增函式程式碼

  1. 在「進入點」欄位中輸入「main」。

  2. 在內嵌程式碼編輯器中，建立兩個檔案：

    • 第一個檔案 - main.py:

      import functions_framework
from google.cloud import storage
import json
import os
import urllib3
import urllib.parse
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', 'alveo-rdm').strip('/')
STATE_KEY = os.environ.get('STATE_KEY') or f"{GCS_PREFIX}/state.json"
ALVEO_BASE_URL = os.environ.get('ALVEO_BASE_URL', '').rstrip('/')
ALVEO_CLIENT_ID = os.environ.get('ALVEO_CLIENT_ID')
ALVEO_CLIENT_SECRET = os.environ.get('ALVEO_CLIENT_SECRET')
PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '100'))
MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '10000'))
LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '2'))

def parse_datetime(value):
  """Parse ISO datetime string to datetime object."""
  if not value:
    return None
  if value.endswith("Z"):
    value = value[:-1] + "+00:00"
  try:
    return datetime.fromisoformat(value)
  except Exception:
    return None

def get_access_token():
  """Get OAuth2 access token using client credentials."""
  token_url = f"{ALVEO_BASE_URL}/oauth/token"
  body = urllib.parse.urlencode({
    'grant_type': 'client_credentials',
    'client_id': ALVEO_CLIENT_ID,
    'client_secret': ALVEO_CLIENT_SECRET,
  }).encode('utf-8')

  response = http.request(
    'POST',
    token_url,
    body=body,
    headers={'Content-Type': 'application/x-www-form-urlencoded'},
  )

  if response.status != 200:
    raise Exception(
      f"Failed to get access token: HTTP {response.status} "
      f"{response.data.decode('utf-8')}"
    )

  data = json.loads(response.data.decode('utf-8'))
  return data['access_token']

@functions_framework.cloud_event
def main(cloud_event):
  """
  Cloud Run function triggered by Pub/Sub to fetch
  Alveo RDM audit trail records and write to GCS.

  Args:
    cloud_event: CloudEvent object containing Pub/Sub message
  """

  if not all([GCS_BUCKET, ALVEO_BASE_URL, ALVEO_CLIENT_ID,
        ALVEO_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"])
        # Overlap by 2 minutes to catch delayed events
        if last_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 audit logs from {last_time.isoformat()} "
      f"to {now.isoformat()}"
    )

    # Get OAuth2 token
    token = get_access_token()
    print("Successfully obtained OAuth2 access token")

    # Fetch audit logs
    records, newest_event_time = fetch_audit_logs(
      token=token,
      start_time=last_time,
      end_time=now,
    )

    if not records:
      print("No new audit 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 "
      f"gs://{GCS_BUCKET}/{object_key}"
    )

    # Update state
    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 audit 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):
  """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_audit_logs(token, start_time, end_time):
  """
  Fetch audit trail logs from Alveo RDM REST API with pagination.

  Args:
    token: OAuth2 access token
    start_time: Start time for log query
    end_time: End time for log query

  Returns:
    Tuple of (records list, newest_event_time ISO string)
  """
  endpoint = f"{ALVEO_BASE_URL}/api/v1/audit/events"

  headers = {
    'Authorization': f'Bearer {token}',
    'Accept': 'application/json',
    'Content-Type': 'application/json',
    'User-Agent': 'GoogleSecOps-AlveoRDMCollector/1.0'
  }

  start_iso = start_time.isoformat()
  end_iso = end_time.isoformat()

  records = []
  newest_time = None
  offset = 0
  page_num = 0
  backoff = 1.0

  while True:
    if len(records) >= MAX_RECORDS:
      print(f"Reached max_records limit ({MAX_RECORDS})")
      break

    params = (
      f"?startTime={urllib.parse.quote(start_iso)}"
      f"&endTime={urllib.parse.quote(end_iso)}"
      f"&offset={offset}"
      f"&limit={min(PAGE_SIZE, MAX_RECORDS - len(records))}"
    )
    url = f"{endpoint}{params}"

    try:
      response = http.request('GET', url, headers=headers)

      # Handle rate limiting with exponential backoff
      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 {page_num})")
        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('timestamp')
          if event_time:
            if newest_time is None:
              newest_time = event_time
            else:
              current_dt = parse_datetime(event_time)
              newest_dt = parse_datetime(newest_time)
              if (current_dt and newest_dt
                  and current_dt > newest_dt):
                newest_time = event_time
        except Exception as e:
          print(
            f"Warning: Could not parse event time: {e}"
          )

      # Check pagination
      if len(page_results) < PAGE_SIZE:
        print(
          f"Reached last page "
          f"(size={len(page_results)} < limit={PAGE_SIZE})"
        )
        break

      offset += len(page_results)
      page_num += 1

    except Exception as e:
      print(f"Error fetching audit logs: {e}")
      return [], None

  print(
    f"Retrieved {len(records)} total records "
    f"from {page_num + 1} pages"
  )
  return records, newest_time

    • 第二個檔案 - requirements.txt:

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

  3. 點選「部署」即可儲存並部署函式。

  4. 等待部署作業完成 (2 到 3 分鐘)。

建立 Cloud Scheduler 工作

Cloud Scheduler 會定期將訊息發布至 Pub/Sub 主題，觸發 Cloud Run 函式。

  1. 前往 GCP 主控台的「Cloud Scheduler」。
  2. 點選「建立工作」。

  3. 請提供下列設定詳細資料：

    設定 值
    名稱 alveo-rdm-logs-collector-hourly
    區域 選取與 Cloud Run 函式相同的區域
    頻率 0 * * * * (每小時整點)
    時區 選取時區 (建議使用世界標準時間)
    目標類型 Pub/Sub
    主題 選取主題 alveo-rdm-logs-trigger
    郵件內文 {} (空白 JSON 物件)

  4. 點選「建立」。

排程頻率選項

根據記錄檔量和延遲時間要求選擇頻率：

頻率 Cron 運算式 用途
每小時 0 * * * * 標準 (建議)
每 2 小時 0 */2 * * * 調低音量
每 6 小時 0 */6 * * * 少量、批次處理

測試整合項目

  1. 在 Cloud Scheduler 控制台中找出您的工作。
  2. 按一下「強制執行」即可手動觸發工作。
  3. 稍等幾秒鐘。
  4. 前往「Cloud Run」>「Services」。
  5. 按一下函式名稱 alveo-rdm-logs-collector。
  6. 按一下 [Logs] (記錄) 分頁標籤。

  7. 確認函式是否已順利執行。尋找：

    Successfully obtained OAuth2 access token
Fetching audit logs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
Page 0: Retrieved X events
Wrote X records to gs://alveo-rdm-audit-logs/alveo-rdm/logs_YYYYMMDD_HHMMSS.ndjson
Successfully processed X records

  8. 依序前往「Cloud Storage」>「Buckets」。

  9. 按一下 bucket 名稱。

  10. 前往前置字元資料夾 alveo-rdm/。

  11. 確認是否已建立新的 .ndjson 檔案，且檔案名稱包含目前的時間戳記。

如果記錄中顯示錯誤：

  • HTTP 401：檢查環境變數中的 OAuth2 憑證。確認用戶端 ID 和用戶端密鑰正確無誤。
  • HTTP 403：確認 API 用戶端是否具備必要範圍 (audit:read、data:read)。
  • HTTP 429：頻率限制 - 函式會自動重試，並延遲一段時間。
  • 權杖錯誤：請檢查 ALVEO_BASE_URL 是否正確，以及 OAuth2 權杖端點是否可連線。
  • 缺少環境變數：請檢查是否已設定所有必要變數。

在 Google SecOps 中設定動態饋給，擷取 Alveo RDM 記錄

  1. 依序前往「SIEM 設定」>「動態饋給」。
  2. 按一下「新增動態消息」。
  3. 按一下「設定單一動態饋給」。
  4. 在「動態饋給名稱」欄位中輸入動態饋給名稱 (例如 Alveo RDM Audit Logs)。
  5. 選取「Google Cloud Storage V2」做為「來源類型」。
  6. 選取「Alveo Risk Data Management」(Alveo 風險資料管理) 做為「記錄類型」。

  7. 按一下「取得服務帳戶」。系統會顯示專屬服務帳戶電子郵件地址，例如：

    chronicle-12345678@chronicle-gcp-prod.iam.gserviceaccount.com

  8. 複製這個電子郵件地址，以便在下一步中使用。

  9. 點選「下一步」。

  10. 指定下列輸入參數的值：

    • 儲存空間 bucket URL：輸入 GCS bucket URI，並加上前置路徑：

      gs://alveo-rdm-audit-logs/alveo-rdm/
      • 取代：
        • alveo-rdm-audit-logs：您的 GCS bucket 名稱。
        • alveo-rdm：選用的前置字元/資料夾路徑，用於儲存記錄 (如為根目錄，請留空)。

    • 來源刪除選項：根據偏好設定選取刪除選項：

      • 永不：移轉後一律不刪除任何檔案 (建議用於測試)。
      • 刪除已轉移的檔案：成功轉移檔案後刪除檔案。
      • 刪除已轉移的檔案和空白目錄：成功轉移後刪除檔案和空白目錄。

    • 檔案存在時間上限：包含在過去天數內修改的檔案 (預設為 180 天)

    • 資產命名空間：資產命名空間

    • 擷取標籤：要套用至這個動態饋給事件的標籤

  11. 點選「下一步」。

  12. 在「Finalize」(完成) 畫面中檢查新的動態饋給設定，然後按一下「Submit」(提交)。

將 IAM 權限授予 Google SecOps 服務帳戶

Google SecOps 服務帳戶需要 GCS bucket 的「Storage 物件檢視者」角色。

  1. 依序前往「Cloud Storage」>「Buckets」。
  2. 按一下 bucket 名稱。
  3. 前往「權限」分頁標籤。
  4. 按一下「授予存取權」。
  5. 請提供下列設定詳細資料：
    • 新增主體：貼上 Google SecOps 服務帳戶電子郵件地址
    • 指派角色：選取「Storage 物件檢視者」

  6. 按一下 [儲存]。

UDM 對應表

記錄欄位 UDM 對應 邏輯
function_label additional.fields 已合併
interface_attribute_label additional.fields 已合併
interface_datafile_label additional.fields 已合併
log_level_label additional.fields 已合併
new_value_label additional.fields 已合併
object_label additional.fields 已合併
old_value_label additional.fields 已合併
operation_type_label additional.fields 已合併
register_type_label additional.fields 已合併
status_process_label additional.fields 已合併
msg extensions.auth.type 已對應：logon → MACHINE
date metadata.event_timestamp 已剖析為 MMM dd yyyy HH:mm:ss
date_hours metadata.event_timestamp 已剖析為 yyyyMMdd HHmmss
has_principal metadata.event_type 已對應：true → NETWORK_CONNECTION、true → STATUS_UPDATE
has_user metadata.event_type 已對應：true → USER_UNCATEGORIZED
msg metadata.event_type 已對應：logon → USER_LOGIN
host_name principal.asset.hostname 直接對應
src_ip principal.asset.ip 已合併
host_name principal.hostname 直接對應
src_ip principal.ip 已合併
country principal.location.country_or_region 直接對應
object_type principal.user.role_name 直接對應
modified_user principal.user.userid 直接對應
act security_result.action 已合併
msg security_result.action 已對應：failed → act
msg security_result.description 直接對應
process_id target.process.pid 直接對應
affected_user target.user.userid 直接對應
user_id target.user.userid 直接對應
不適用 extensions.auth.type 常數：MACHINE
不適用 metadata.event_type 常數：USER_LOGIN
不適用 metadata.product_name 常數：ALVEO RDM
不適用 metadata.vendor_name 常數：ALVEO RDM

變更記錄

查看這個剖析器的變更記錄

還有其他問題嗎？向社群成員和 Google SecOps 專業人員尋求答案。