收集 Asset Panda 日志

解析器版本：1.0

支持的平台：

本文档介绍了如何使用 Google Cloud Storage V2 将 Asset Panda 日志注入到 Google Security Operations。

Asset Panda 是一款基于云的资产管理平台，可让组织在整个生命周期内跟踪、管理和报告实体资产和数字资产。Asset Panda REST API 可用于访问变更日志，这些日志会记录所有资产组的字段级修改、资产转移、操作历史记录和用户活动。这些更改日志可以通过 API 收集，并写入 GCS 存储桶以供 Google SecOps 提取。

准备工作

请确保满足以下前提条件：

  • Google SecOps 实例
  • 启用了 Cloud Storage API 的 GCP 项目
  • 创建和管理 GCS 存储桶的权限
  • 创建 Cloud Run 服务、Pub/Sub 主题和 Cloud Scheduler 作业的权限
  • 具有管理员访问权限的 Asset Panda 账号（API 配置需要此账号）
  • 具有读取权限的 Asset Panda API 密钥和 Secret

生成 Asset Panda API 凭据

  1. 以管理员身份登录您的 Asset Panda 账号。
  2. 点击右上角的设置（齿轮）图标。
  3. 选择 API 配置。

创建 API 密钥

  1. 在 API 配置页面上，点击创建新的 API 密钥。

  2. 提供以下配置详细信息：

    • 名称：为密钥输入一个描述性名称（例如 SIEM Change Log Collector）
    • 权限：选择读取

  3. 点击保存。

  4. 记录页面底部显示的以下凭据：

    • API 密钥（也称为客户端 ID）
    • API 密钥（也称为客户端密钥）

识别群组 ID

Cloud Run 函数需要群组 ID 才能查询对象及其更改日志。如需查找群组 ID，请执行以下操作：

  1. 在 Asset Panda 中，依次前往设置 > 群组设置。
  2. 点击群组名称旁边的修改链接。
  3. 记下浏览器网址末尾附近的数值。这是群组 ID（例如 12345）。
  4. 针对您要收集其更改日志的每个群组重复执行上述步骤。

测试 API 访问权限

  • 在继续进行集成之前，请测试您的凭据：

    API_KEY="your-api-key"
API_SECRET="your-api-secret"

# Test authentication by retrieving account settings
curl -s "https://api.assetpanda.com/v3/settings" \
  -H "Accept: application/json" \
  -H "Access-Key-Id: ${API_KEY}" \
  -H "Access-Key-Secret: ${API_SECRET}"

创建 Google Cloud Storage 存储桶

  1. 前往 Google Cloud 控制台。
  2. 选择您的项目或创建一个新项目。
  3. 在导航菜单中，依次前往 Cloud Storage > 存储桶。
  4. 点击创建存储分区。

  5. 提供以下配置详细信息：

    设置 值
    为存储桶命名 输入一个全局唯一的名称（例如 asset-panda-change-logs）
    位置类型 根据您的需求进行选择（区域级、双区域级、多区域级）
    位置 选择位置（例如 us-central1）
    存储类别 标准（建议用于频繁访问的日志）
    访问权限控制 均匀（推荐）
    保护工具 可选：启用对象版本控制或保留政策

  6. 点击创建。

为 Cloud Run 函数创建服务账号

Cloud Run 函数需要一个服务账号，该账号具有写入 GCS 存储桶和被 Pub/Sub 调用的权限。

创建服务账号

  1. 在 GCP 控制台中，依次前往 IAM 和管理 > 服务账号。
  2. 点击创建服务账号。
  3. 提供以下配置详细信息：
    • 服务账号名称：输入 asset-panda-logs-collector-sa
    • 服务账号说明：输入 Service account for Cloud Run function to collect Asset Panda change logs
  4. 点击创建并继续。
  5. 在向此服务账号授予对项目的访问权限部分，添加以下角色：
    1. 点击选择角色。
    2. 搜索并选择 Storage Object Admin。
    3. 点击 + 添加其他角色。
    4. 搜索并选择 Cloud Run Invoker。
    5. 点击 + 添加其他角色。
    6. 搜索并选择 Cloud Functions Invoker。
  6. 点击继续。
  7. 点击完成。

以下操作需要这些角色：

  • Storage Object Admin：将日志写入 GCS 存储桶并管理状态文件
  • Cloud Run Invoker：允许 Pub/Sub 调用函数
  • Cloud Functions Invoker：允许调用函数

授予对 GCS 存储桶的 IAM 权限

向服务账号授予对 GCS 存储桶的写入权限：

  1. 前往 Cloud Storage > 存储桶。
  2. 点击您的存储桶名称。
  3. 前往权限标签页。
  4. 点击授予访问权限。
  5. 提供以下配置详细信息：
    • 添加主账号：输入服务账号电子邮件地址（例如 asset-panda-logs-collector-sa@PROJECT_ID.iam.gserviceaccount.com）
    • 分配角色：选择 Storage Object Admin
  6. 点击保存。

创建 Pub/Sub 主题

创建一个 Pub/Sub 主题，供 Cloud Scheduler 发布消息，并供 Cloud Run 函数订阅。

  1. 在 GCP 控制台中，前往 Pub/Sub > 主题。
  2. 点击创建主题。
  3. 提供以下配置详细信息：
    • 主题 ID：输入 asset-panda-logs-trigger
    • 将其他设置保留为默认值
  4. 点击创建。

创建 Cloud Run 函数以收集日志

Cloud Run 函数将由来自 Cloud Scheduler 的 Pub/Sub 消息触发，以从 Asset Panda REST API 中提取更改日志并将其写入 GCS。

  1. 在 GCP 控制台中，前往 Cloud Run。
  2. 点击创建服务。
  3. 选择函数（使用内嵌编辑器创建函数）。

  4. 在配置部分中，提供以下配置详细信息：

    设置 值
    Service 名称 asset-panda-logs-collector
    区域 选择与您的 GCS 存储桶匹配的区域（例如 us-central1）
    运行时 选择 Python 3.12 或更高版本

  5. 在触发器（可选）部分中：

    1. 点击 + 添加触发器。
    2. 选择 Cloud Pub/Sub。
    3. 在选择 Cloud Pub/Sub 主题中，选择主题 asset-panda-logs-trigger。
    4. 点击保存。

  6. 在身份验证部分中：

    1. 选择需要进行身份验证。
    2. 检查 Identity and Access Management (IAM)。

  7. 向下滚动并展开容器、网络、安全性。

  8. 前往安全标签页：

    • 服务账号：选择服务账号 asset-panda-logs-collector-sa

  9. 前往容器标签页：

    1. 点击变量和密钥。
    2. 为每个环境变量点击 + 添加变量：
    变量名称 示例值 说明
    GCS_BUCKET asset-panda-change-logs GCS 存储桶名称
    GCS_PREFIX asset-panda 日志文件的前缀
    STATE_KEY asset-panda/state.json 状态文件路径
    AP_API_KEY your-api-key Asset Panda API 密钥
    AP_API_SECRET your-api-secret Asset Panda API 密钥
    AP_GROUP_IDS 12345,67890 要监控的以逗号分隔的群组 ID
    PAGE_SIZE 50 每个 API 页面的记录数（最多 50 条）
    MAX_RECORDS 10000 每次运行的记录数上限
    LOOKBACK_HOURS 2 初始回溯期

  10. 在变量和 Secret 部分中，向下滚动到请求：

    • 请求超时：输入 600 秒（10 分钟）

  11. 前往设置标签页：

    • 在资源部分中：
      • 内存：选择 512 MiB 或更高值
      • CPU：选择 1

  12. 在修订版本伸缩部分中：

    • 实例数下限：输入 0
    • 实例数上限：输入 100（或根据预期负载进行调整）

  13. 点击创建。

  14. 等待服务创建完成（1-2 分钟）。

  15. 创建服务后，系统会自动打开内嵌代码编辑器。

添加函数代码

  1. 在入口点字段中输入 main。

  2. 在内嵌代码编辑器中，创建两个文件：

    • 第一个文件 - 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', 'asset-panda').strip('/')
STATE_KEY = os.environ.get('STATE_KEY') or f"{GCS_PREFIX}/state.json"
AP_API_KEY = os.environ.get('AP_API_KEY')
AP_API_SECRET = os.environ.get('AP_API_SECRET')
AP_GROUP_IDS = os.environ.get('AP_GROUP_IDS', '')
PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '50'))
MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '10000'))
LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '2'))

BASE_URL = 'https://api.assetpanda.com'

# Rate limiting: 400 calls per 3 minutes
RATE_LIMIT_CALLS = 400
RATE_LIMIT_WINDOW = 180  # seconds
call_timestamps = []

def rate_limit_wait():
  """Enforce rate limiting of 400 calls per 3-minute window."""
  global call_timestamps
  now = time.time()
  call_timestamps = [t for t in call_timestamps if now - t < RATE_LIMIT_WINDOW]
  if len(call_timestamps) >= RATE_LIMIT_CALLS:
    sleep_time = RATE_LIMIT_WINDOW - (now - call_timestamps[0]) + 1
    print(f"Rate limit approaching. Sleeping {sleep_time:.1f}s...")
    time.sleep(sleep_time)
    call_timestamps = [t for t in call_timestamps if time.time() - t < RATE_LIMIT_WINDOW]
  call_timestamps.append(time.time())

def api_request(method, path, params=None):
  """Make an authenticated request to the Asset Panda API."""
  rate_limit_wait()

  url = f"{BASE_URL}{path}"
  headers = {
    'Accept': 'application/json',
    'Content-Type': 'application/json',
    'Access-Key-Id': AP_API_KEY,
    'Access-Key-Secret': AP_API_SECRET,
  }

  backoff = 1.0
  for attempt in range(3):
    try:
      if method == 'GET':
        response = http.request(method, url, headers=headers, fields=params)
      else:
        body = json.dumps(params or {}).encode('utf-8')
        response = http.request(method, url, headers=headers, body=body)

      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, 60.0)
        continue

      if response.status == 200:
        return json.loads(response.data.decode('utf-8'))

      print(f"HTTP {response.status}: {response.data.decode('utf-8')[:500]}")
      return None

    except Exception as e:
      print(f"Request error (attempt {attempt + 1}): {e}")
      if attempt < 2:
        time.sleep(backoff)
        backoff *= 2

  return None

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

@functions_framework.cloud_event
def main(cloud_event):
  """
  Cloud Run function triggered by Pub/Sub to fetch
  Asset Panda change logs and write to GCS.

  Args:
    cloud_event: CloudEvent object containing Pub/Sub message
  """
  if not all([GCS_BUCKET, AP_API_KEY, AP_API_SECRET, AP_GROUP_IDS]):
    print('Error: Missing required environment variables')
    return

  group_ids = [gid.strip() for gid in AP_GROUP_IDS.split(',') if gid.strip()]
  if not group_ids:
    print('Error: No group IDs configured')
    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_run_time"):
      try:
        last_time = parse_datetime(state["last_run_time"])
        if last_time:
          last_time = last_time - timedelta(minutes=2)
      except Exception as e:
        print(f"Warning: Could not parse last_run_time: {e}")

    if last_time is None:
      last_time = now - timedelta(hours=LOOKBACK_HOURS)

    print(f"Collecting change logs from {last_time.isoformat()} to {now.isoformat()}")

    all_records = []

    for group_id in group_ids:
      if len(all_records) >= MAX_RECORDS:
        print(f"Reached max_records limit ({MAX_RECORDS})")
        break

      records = fetch_group_change_logs(group_id, last_time, now)
      all_records.extend(records)
      print(f"Group {group_id}: collected {len(records)} change log entries")

    if not all_records:
      print("No new change 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 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}")

    # Update state
    save_state(bucket, STATE_KEY, now.isoformat())
    print(f"Successfully processed {len(all_records)} records")

  except Exception as e:
    print(f'Error processing change logs: {str(e)}')
    raise

def fetch_group_change_logs(group_id, start_time, end_time):
  """
  Fetch change logs for all objects in a group.

  Args:
    group_id: Asset Panda group ID
    start_time: Start time for log query
    end_time: End time for log query

  Returns:
    List of change log records
  """
  records = []
  offset = 0

  # Iterate through objects in the group
  while True:
    if len(records) >= MAX_RECORDS:
      break

    search_data = api_request(
      'POST',
      f'/v3/groups/{group_id}/search_objects',
      {'offset': offset, 'limit': PAGE_SIZE}
    )

    if not search_data:
      break

    objects = search_data.get('objects', [])
    if not objects:
      break

    for obj in objects:
      object_id = obj.get('id')
      if not object_id:
        continue

      change_logs = fetch_object_change_logs(
        object_id, group_id, start_time, end_time
      )
      records.extend(change_logs)

      if len(records) >= MAX_RECORDS:
        break

    total = search_data.get('totals', {}).get('objects', 0)
    offset += len(objects)
    if offset >= total:
      break

  return records

def fetch_object_change_logs(object_id, group_id, start_time, end_time):
  """
  Fetch change logs for a specific object.

  Args:
    object_id: Asset Panda object ID
    group_id: Asset Panda group ID
    start_time: Start time filter
    end_time: End time filter

  Returns:
    List of change log records with metadata
  """
  records = []
  offset = 0

  while True:
    data = api_request(
      'GET',
      f'/v3/entity_objects/{object_id}/change_logs',
      {'limit': PAGE_SIZE, 'offset': offset}
    )

    if not data:
      break

    logs = data.get('change_logs', data.get('data', []))
    if isinstance(logs, dict):
      logs = [logs]

    if not logs:
      break

    for log_entry in logs:
      log_time = parse_datetime(
        log_entry.get('created_at') or log_entry.get('updated_at', '')
      )

      if log_time and log_time < start_time:
        return records
      if log_time and log_time > end_time:
        continue

      log_entry['_group_id'] = group_id
      log_entry['_object_id'] = object_id
      records.append(log_entry)

    if len(logs) < PAGE_SIZE:
      break

    offset += len(logs)

  return records

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_run_time_iso):
  """Save the last run timestamp to GCS state file."""
  try:
    state = {'last_run_time': last_run_time_iso}
    blob = bucket.blob(key)
    blob.upload_from_string(
      json.dumps(state, indent=2),
      content_type='application/json'
    )
    print(f"Saved state: last_run_time={last_run_time_iso}")
  except Exception as e:
    print(f"Warning: Could not save state: {e}")

    • 第二个文件 - requirements.txt:：

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

  3. 点击部署以保存并部署函数。

  4. 等待部署完成（2-3 分钟）。

创建 Cloud Scheduler 作业

Cloud Scheduler 将定期向 Pub/Sub 主题发布消息，从而触发 Cloud Run 函数。

  1. 在 GCP 控制台中，前往 Cloud Scheduler。
  2. 点击创建作业。

  3. 提供以下配置详细信息：

    设置 值
    名称 asset-panda-logs-collector-hourly
    区域 选择与 Cloud Run 函数相同的区域
    频率 0 * * * *（每小时整点）
    时区 选择时区（建议选择世界协调时间 [UTC]）
    目标类型 Pub/Sub
    主题 选择主题 asset-panda-logs-trigger
    消息正文 {}（空 JSON 对象）

  4. 点击创建。

时间表频率选项

根据日志量和延迟时间要求选择频次：

频率 Cron 表达式 使用场景
每小时 0 * * * * 标准（推荐）
每 2 小时 0 */2 * * * 调低音量
每 6 小时 0 */6 * * * 低量批处理

测试集成

  1. 在 Cloud Scheduler 控制台中，找到您的作业。
  2. 点击强制运行以手动触发作业。
  3. 等待几秒钟。
  4. 前往 Cloud Run > 服务。
  5. 点击函数名称 asset-panda-logs-collector。
  6. 点击日志标签页。

  7. 验证函数是否已成功执行。查找：

    Collecting change logs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
Group 12345: collected X change log entries
Wrote X records to gs://asset-panda-change-logs/asset-panda/logs_YYYYMMDD_HHMMSS.ndjson
Successfully processed X records

  8. 前往 Cloud Storage > 存储桶。

  9. 点击您的存储桶名称。

  10. 前往前缀文件夹 asset-panda/。

  11. 验证是否已创建具有当前时间戳的新 .ndjson 文件。

如果您在日志中看到错误，请执行以下操作：

  • HTTP 401：检查环境变量中的 API 凭据。验证 API 密钥和 Secret 是否正确。
  • HTTP 403：验证 API 密钥是否已启用读取权限。
  • HTTP 429：速率限制 - 函数将自动重试并进行退避。
  • 结果为空：验证配置的群组 ID 是否存在，以及是否包含具有更改历史记录的对象。
  • 缺少环境变量：检查是否已设置所有必需的变量。

在 Google SecOps 中配置 Feed 以注入 Asset Panda 日志

  1. 前往 SIEM 设置 > Feed。
  2. 点击添加新 Feed。
  3. 点击配置单个 Feed。
  4. 在 Feed 名称字段中，输入 Feed 的名称（例如 Asset Panda Change Logs）。
  5. 选择 Google Cloud Storage V2 作为来源类型。
  6. 选择 Asset Panda 作为日志类型。

  7. 点击获取服务账号。系统会显示一个唯一的服务账号电子邮件地址，例如：

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

  8. 复制此电子邮件地址，以便在下一步中使用。

  9. 点击下一步。

  10. 为以下输入参数指定值：

    • 存储桶网址：输入带有前缀路径的 GCS 存储桶 URI：

      gs://asset-panda-change-logs/asset-panda/
      • 替换：
        • asset-panda-change-logs：您的 GCS 存储桶名称。
        • asset-panda：存储日志的可选前缀/文件夹路径（留空表示根目录）。

    • 来源删除选项：根据您的偏好选择删除选项：

      • 永不：转移后永不删除任何文件（建议用于测试）。
      • 删除已转移的文件：成功转移后删除文件。
      • 删除已转移的文件和空目录：成功转移后删除文件和空目录。

    • 文件存在时间上限：包含在过去指定天数内修改过的文件（默认值为 180 天）

    • 资源命名空间：资源命名空间

    • 注入标签：要应用于此 Feed 中事件的标签

  11. 点击下一步。

  12. 在最终确定界面中查看新的 Feed 配置，然后点击提交。

向 Google SecOps 服务账号授予 IAM 权限

Google SecOps 服务账号需要您的 GCS 存储桶的 Storage Object Viewer 角色。

  1. 前往 Cloud Storage > 存储桶。
  2. 点击您的存储桶名称。
  3. 前往权限标签页。
  4. 点击授予访问权限。
  5. 提供以下配置详细信息：
    • 添加主账号：粘贴 Google SecOps 服务账号电子邮件地址
    • 分配角色：选择 Storage Object Viewer

  6. 点击保存。

UDM 映射表

日志字段 UDM 映射 逻辑
array_values_label additional.fields 已合并
data_label additional.fields 已合并
field_values_label additional.fields 已合并
low_values_label additional.fields 已合并
value_ids_label additional.fields 已合并
values_label additional.fields 已合并
display_with_secondary intermediary.user.user_display_name 直接映射
secondary_name intermediary.user.userid 直接映射
created_at metadata.event_timestamp 解析为 RFC 3339
has_user metadata.event_type 已映射：true → USER_UNCATEGORIZED
object_version_ids metadata.product_version 直接映射
share_url metadata.url_back_to_product 直接映射
display_name principal.user.user_display_name 直接映射
id principal.user.userid 直接映射
account_id_label security_result.detection_fields 已合并
change_source_label security_result.detection_fields 已合并
change_trigger_label security_result.detection_fields 已合并
created_at_label security_result.detection_fields 已合并
date_format_label security_result.detection_fields 已合并
docusign_envelope_id_label security_result.detection_fields 已合并
embedded_into_object_id_label security_result.detection_fields 已合并
entity_action_id_label security_result.detection_fields 已合并
entity_id_label security_result.detection_fields 已合并
entity_id_label1 security_result.detection_fields 已合并
entity_key_label security_result.detection_fields 已合并
google_calendar_sync_label security_result.detection_fields 已合并
gps_coordinates_label security_result.detection_fields 已合并
has_audit_history_label security_result.detection_fields 已合并
id_label security_result.detection_fields 已合并
is_archived_label security_result.detection_fields 已合并
is_deletable_label security_result.detection_fields 已合并
is_editable_label security_result.detection_fields 已合并
is_locked_label security_result.detection_fields 已合并
linked_action_object_id_label security_result.detection_fields 已合并
modifier_id_label security_result.detection_fields 已合并
next_step_reservation_uid_label security_result.detection_fields 已合并
object_appreciation_label security_result.detection_fields 已合并
object_depreciation_label security_result.detection_fields 已合并
oid_label security_result.detection_fields 已合并
old_id_label security_result.detection_fields 已合并
parent_action_object_id_label security_result.detection_fields 已合并
predefined_forms_label security_result.detection_fields 已合并
reservation_notification_label security_result.detection_fields 已合并
reservation_uid_label security_result.detection_fields 已合并
returned_label security_result.detection_fields 已合并
state_label security_result.detection_fields 已合并
status_label security_result.detection_fields 已合并
updated_at_label security_result.detection_fields 已合并
user_id_label security_result.detection_fields 已合并
version_label security_result.detection_fields 已合并
不适用 metadata.event_type 常量：USER_UNCATEGORIZED

更新日志

查看相应解析器的更新日志

需要更多帮助？获得社区成员和 Google SecOps 专业人士的解答。