收集 Asset Panda 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 Asset Panda 記錄擷取至 Google Security Operations。

Asset Panda 是雲端資產管理平台，可協助機構在實體和數位資產的整個生命週期中，追蹤、管理及回報這些資產。Asset Panda REST API 可存取變更記錄，記錄所有資產群組的欄位層級修改、資產轉移、動作記錄和使用者活動。您可以透過 API 收集這些變更記錄，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
  • 具備管理員存取權的 Asset Panda 帳戶 (API 設定時必須具備這項權限)
  • 具有讀取權限的 Asset Panda API 金鑰和密鑰

產生 Asset Panda API 憑證

  1. 以管理員身分登入 Asset Panda 帳戶。
  2. 按一下右上角的「設定」 (齒輪) 圖示。
  3. 選取「API 設定」。

建立 API 金鑰

  1. 在「API 設定」頁面中，按一下「建立新的 API 金鑰」。

  2. 請提供下列設定詳細資料：

    • 名稱：輸入金鑰的描述性名稱 (例如 SIEM Change Log Collector)
    • 權限：選取「讀取」

  3. 按一下 [儲存]。

  4. 記錄頁面底部顯示的下列憑證：

    • API 金鑰 (也稱為用戶端 ID)
    • API 密鑰 (也稱為用戶端密鑰)

找出群組 ID

Cloud Run 函式需要群組 ID，才能查詢物件及其變更記錄。如要找出群組 ID，請按照下列步驟操作：

  1. 在 Asset Panda 中，依序前往「Settings」>「Group Settings」。
  2. 按一下群組名稱旁邊的「編輯」連結。
  3. 請注意瀏覽器網址結尾附近的數值。這是群組 ID (例如 12345)。
  4. 針對要收集變更記錄的每個群組重複執行上述步驟。

測試 API 存取權

  • 請先測試憑證，再繼續進行整合：

    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}"

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 asset-panda-change-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 asset-panda-logs-collector-sa
    • 服務帳戶說明：輸入 Service account for Cloud Run function to collect Asset Panda change 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 asset-panda-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 asset-panda-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 傳送的 Pub/Sub 訊息觸發，從 Asset Panda REST API 擷取變更記錄，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 asset-panda-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 asset-panda-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 asset-panda-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 asset-panda-change-logs GCS bucket 名稱
    GCS_PREFIX asset-panda 記錄檔的前置字串
    STATE_KEY asset-panda/state.json 狀態檔案路徑
    AP_API_KEY your-api-key Asset Panda API 金鑰
    AP_API_SECRET your-api-secret Asset Panda API 密鑰
    AP_GROUP_IDS 12345,67890 要監控的群組 ID，以半形逗號分隔
    PAGE_SIZE 50 每個 API 頁面的記錄數 (最多 50 筆)
    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
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 asset-panda-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 asset-panda-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 asset-panda-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：

    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. 依序前往「Cloud Storage」>「Buckets」。

  9. 按一下 bucket 名稱。

  10. 前往前置字元資料夾 asset-panda/。

  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 API 憑證。確認 API 金鑰和密鑰正確無誤。
  • HTTP 403：確認 API 金鑰已啟用讀取權限。
  • HTTP 429：頻率限制 - 函式會自動重試，並延遲一段時間。
  • 結果為空：確認已設定的群組 ID 存在，且包含具有變更記錄的物件。
  • 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 Asset Panda 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 Asset Panda Change Logs)。
  5. 選取「Google Cloud Storage V2」做為「來源類型」。
  6. 選取「Asset Panda」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://asset-panda-change-logs/asset-panda/
      • 取代：
        • asset-panda-change-logs：您的 GCS bucket 名稱。
        • asset-panda：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
array_values_label additional.fields 已合併
data_label additional.fields 已合併
field_values_label additional.fields 已合併
low_values_label additional.fields 已合併
value_ids_label additional.fields 已合併
values_label additional.fields 已合併
display_with_secondary intermediary.user.user_display_name 直接對應
secondary_name intermediary.user.userid 直接對應
created_at metadata.event_timestamp 已剖析為 RFC 3339
has_user metadata.event_type 已對應：true → USER_UNCATEGORIZED
object_version_ids metadata.product_version 直接對應
share_url metadata.url_back_to_product 直接對應
display_name principal.user.user_display_name 直接對應
id principal.user.userid 直接對應
account_id_label security_result.detection_fields 已合併
change_source_label security_result.detection_fields 已合併
change_trigger_label security_result.detection_fields 已合併
created_at_label security_result.detection_fields 已合併
date_format_label security_result.detection_fields 已合併
docusign_envelope_id_label security_result.detection_fields 已合併
embedded_into_object_id_label security_result.detection_fields 已合併
entity_action_id_label security_result.detection_fields 已合併
entity_id_label security_result.detection_fields 已合併
entity_id_label1 security_result.detection_fields 已合併
entity_key_label security_result.detection_fields 已合併
google_calendar_sync_label security_result.detection_fields 已合併
gps_coordinates_label security_result.detection_fields 已合併
has_audit_history_label security_result.detection_fields 已合併
id_label security_result.detection_fields 已合併
is_archived_label security_result.detection_fields 已合併
is_deletable_label security_result.detection_fields 已合併
is_editable_label security_result.detection_fields 已合併
is_locked_label security_result.detection_fields 已合併
linked_action_object_id_label security_result.detection_fields 已合併
modifier_id_label security_result.detection_fields 已合併
next_step_reservation_uid_label security_result.detection_fields 已合併
object_appreciation_label security_result.detection_fields 已合併
object_depreciation_label security_result.detection_fields 已合併
oid_label security_result.detection_fields 已合併
old_id_label security_result.detection_fields 已合併
parent_action_object_id_label security_result.detection_fields 已合併
predefined_forms_label security_result.detection_fields 已合併
reservation_notification_label security_result.detection_fields 已合併
reservation_uid_label security_result.detection_fields 已合併
returned_label security_result.detection_fields 已合併
state_label security_result.detection_fields 已合併
status_label security_result.detection_fields 已合併
updated_at_label security_result.detection_fields 已合併
user_id_label security_result.detection_fields 已合併
version_label security_result.detection_fields 已合併
不適用 metadata.event_type 常數：USER_UNCATEGORIZED

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。