收集 Privacy-i 記錄

支援：

本文說明如何使用 Google Cloud Storage V2，將 Privacy-i 記錄檔擷取至 Google Security Operations。

Privacy-i 是由 Somansa (現已由三井物產 Secure Directions 收購) 開發的端點資料隱私權和法規遵循監控平台。這個平台可探索及分類端點上的機密資料，並強制執行政策。Privacy-i REST API 可讓您透過程式輔助方式，存取檢查記錄、事故通報和代理程式活動資料。

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
  • 管理 Google Cloud Storage 值區 IAM 政策的權限
  • 建立 Cloud Run 服務、Pub/Sub 主題和 Cloud Scheduler 工作的權限
  • Privacy-i 管理控制台的管理員權限
  • Privacy-i REST API 的 API 憑證 (API 金鑰或 OAuth2 憑證)

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. 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 privacy-i-logs)
    位置類型 請根據需求選擇 (單一區域、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」。

收集 Privacy-i API 憑證

取得 API 金鑰

  1. 使用管理員憑證登入 Privacy-i 管理控制台。
  2. 依序前往「設定」>「API 管理」 (或「系統」>「API 設定」)。
  3. 點按「Generate API Key」。
  4. 輸入 API 金鑰名稱 (例如 Google SecOps Integration)。

  5. 複製下列詳細資料並存放在安全位置：

    • API 金鑰：產生的 API 金鑰值
    • 伺服器網址：Privacy-i 管理伺服器網址 (例如 https://privacy-i.your-domain.com)

判斷 API 基準網址

Privacy-i API 基準網址是管理伺服器網址：

格式 範例
伺服器網址 https://privacy-i.your-domain.com/api

測試 API 存取權

  • 請先測試憑證，再繼續整合：

    # Replace with your actual credentials
PRIVACY_I_API_KEY="your-api-key"
PRIVACY_I_BASE_URL="https://privacy-i.your-domain.com/api"

# Test API access - list recent events
curl -s -X GET "${PRIVACY_I_BASE_URL}/v1/events?limit=1" \
  -H "Authorization: Bearer ${PRIVACY_I_API_KEY}" \
  -H "Accept: application/json"

建立 Cloud Run 函式的服務帳戶

Cloud Run 函式需要服務帳戶，並具備寫入 GCS bucket 的權限，且可由 Pub/Sub 叫用。

建立服務帳戶

  1. 在 GCP 控制台中，依序前往「IAM 與管理」>「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 privacy-i-logs-collector-sa
    • 服務帳戶說明：輸入 Service account for Cloud Run function to collect Privacy-i 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「請選擇角色」。
    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：允許叫用函式

授予 GCS bucket 的 IAM 權限

授予服務帳戶 GCS bucket 的寫入權限：

  1. 依序前往「Cloud Storage」>「Buckets」。
  2. 點按 bucket 名稱 (例如 privacy-i-logs)。
  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 privacy-i-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，供 Cloud Scheduler 發布訊息，以及 Cloud Run 函式訂閱訊息。

  1. 在 GCP 控制台中，前往「Pub/Sub」>「主題」。
  2. 按一下「建立主題」。
  3. 提供下列設定詳細資料：
    • 主題 ID：輸入 privacy-i-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 Privacy-i REST API 擷取記錄，並將記錄寫入 GCS。

  1. 前往 GCP 控制台的「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 privacy-i-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「觸發條件 (選用)」部分：

    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 privacy-i-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、安全性」。

  8. 前往「安全性」分頁：

    • 服務帳戶：選取服務帳戶 privacy-i-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 privacy-i-logs GCS bucket 名稱
    GCS_PREFIX privacy-i 記錄檔的前置字串
    STATE_KEY privacy-i/state.json 狀態檔案路徑
    PRIVACY_I_API_KEY your-api-key Privacy-i API 金鑰
    PRIVACY_I_BASE_URL https://privacy-i.your-domain.com/api Privacy-i API 基準網址
    MAX_RECORDS 5000 每次執行的記錄數上限
    PAGE_SIZE 1000 每頁記錄數
    LOOKBACK_HOURS 24 初始回溯期

  10. 在「Variables & Secrets」(變數與密鑰) 部分，向下捲動至「Requests」(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', 'privacy-i')
STATE_KEY = os.environ.get('STATE_KEY', 'privacy-i/state.json')
PRIVACY_I_API_KEY = os.environ.get('PRIVACY_I_API_KEY')
PRIVACY_I_BASE_URL = os.environ.get('PRIVACY_I_BASE_URL')
MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '5000'))
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)

@functions_framework.cloud_event
def main(cloud_event):
  """
  Cloud Run function triggered by Pub/Sub to fetch Privacy-i
  inspection and incident logs and write to GCS.

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

  if not all([GCS_BUCKET, PRIVACY_I_API_KEY, PRIVACY_I_BASE_URL]):
    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 any delayed events
        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()}")

    # Fetch logs from multiple endpoints
    all_records = []
    newest_event_time = None

    for endpoint_type in ['events', 'incidents']:
      records, newest_time = fetch_logs(
        endpoint_type=endpoint_type,
        start_time=last_time,
        end_time=now,
        page_size=PAGE_SIZE,
        max_records=MAX_RECORDS,
      )
      all_records.extend(records)
      if newest_time:
        if newest_event_time is None or parse_datetime(newest_time) > parse_datetime(newest_event_time):
          newest_event_time = newest_time

    if not all_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 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 with newest event time
    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_logs(endpoint_type: str, start_time: datetime, end_time: datetime, page_size: int, max_records: int):
  """
  Fetch logs from Privacy-i REST API
  with offset-based pagination and rate limiting.

  Args:
    endpoint_type: API endpoint type (events, incidents)
    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)
  """
  api_base = PRIVACY_I_BASE_URL.rstrip('/')
  endpoint = f"{api_base}/v1/{endpoint_type}"

  headers = {
    'Authorization': f'Bearer {PRIVACY_I_API_KEY}',
    'Accept': 'application/json',
    'User-Agent': 'GoogleSecOps-PrivacyICollector/1.0'
  }

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

  start_iso = start_time.strftime('%Y-%m-%dT%H:%M:%SZ')
  end_iso = end_time.strftime('%Y-%m-%dT%H:%M:%SZ')

  while True:
    page_num += 1

    if len(records) >= max_records:
      print(f"Reached max_records limit ({max_records}) for {endpoint_type}")
      break

    url = f"{endpoint}?startDate={start_iso}&endDate={end_iso}&limit={min(page_size, max_records - len(records))}&offset={offset}"

    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 records, newest_time

      data = json.loads(response.data.decode('utf-8'))

      page_results = data.get('data', data.get('results', data.get('items', [])))

      if not page_results:
        print(f"No more results (empty page) for {endpoint_type}")
        break

      print(f"{endpoint_type} page {page_num}: Retrieved {len(page_results)} events")

      # Add endpoint type for identification
      for event in page_results:
        event['_privacy_i_log_type'] = endpoint_type

      records.extend(page_results)

      # Track newest event time
      for event in page_results:
        try:
          event_ts = event.get('timestamp') or event.get('eventTime') or event.get('createdAt')
          if event_ts:
            event_time = str(event_ts)
            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
      total = data.get('total', data.get('totalCount', 0))
      if total and (offset + len(page_results)) >= total:
        print(f"No more pages for {endpoint_type} (reached total)")
        break

      if len(page_results) < page_size:
        print(f"No more pages for {endpoint_type} (last page not full)")
        break

      offset += len(page_results)

    except Exception as e:
      print(f"Error fetching {endpoint_type} logs: {e}")
      return records, newest_time

  print(f"Retrieved {len(records)} total {endpoint_type} records from {page_num} 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 控制台中的「Cloud Scheduler」。
  2. 點選「建立工作」。

  3. 提供下列設定詳細資料：

    設定 值
    名稱 privacy-i-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「privacy-i-logs-trigger」
    郵件內文 {} (空白 JSON 物件)

  4. 點選「建立」。

排程頻率選項

請根據記錄量和延遲時間需求選擇頻率：

頻率 Cron 運算式 用途
每 5 分鐘 */5 * * * * 高流量、低延遲
每 15 分鐘 */15 * * * * 中等音量
每小時 0 * * * * 標準 (建議)
每 6 小時 0 */6 * * * 低量、批次處理
每天 0 0 * * * 歷來資料集合

測試整合項目

  1. 在 Cloud Scheduler 控制台中找到工作。
  2. 按一下「強制執行」，手動觸發工作。
  3. 稍等幾秒鐘。
  4. 依序前往「Cloud Run」 > 「服務」。
  5. 按一下 privacy-i-logs-collector。
  6. 點選「記錄」分頁標籤。

  7. 確認函式是否執行成功。尋找：

    Fetching logs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
events page 1: Retrieved X events
incidents page 1: Retrieved X events
Wrote X records to gs://privacy-i-logs/privacy-i/logs_YYYYMMDD_HHMMSS.ndjson
Successfully processed X records

  8. 依序前往「Cloud Storage」>「Buckets」。

  9. 點選 bucket 名稱 (privacy-i-logs)。

  10. 前往 privacy-i/ 資料夾。

  11. 確認系統已建立新的 .ndjson 檔案，並加上目前的時間戳記。

如果記錄中顯示錯誤：

  • HTTP 401：檢查環境變數中的 API 金鑰
  • HTTP 403：確認 API 金鑰在 Privacy-i 管理控制台中具備必要權限
  • HTTP 429：頻率限制 - 函式會自動重試，並採用輪詢機制
  • 缺少環境變數：確認已設定所有必要變數

在 Google SecOps 中設定動態消息，擷取 Privacy-i 記錄

  1. 依序前往 「SIEM 設定」 > 「動態饋給」。
  2. 按一下「新增動態饋給」。
  3. 按一下「設定單一動態饋給」。
  4. 在「Feed name」(動態饋給名稱) 欄位中，輸入動態饋給名稱 (例如 Privacy-i Logs)。
  5. 選取「Google Cloud Storage V2」做為「來源類型」。
  6. 選取「Privacy-i」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。

  9. 點選「下一步」。

  10. 指定下列輸入參數的值：

    • Storage bucket URL：輸入 GCS bucket URI，並加上前置字元路徑：

      gs://privacy-i-logs/privacy-i/
      • 取代：
        • privacy-i-logs：您的 GCS bucket 名稱。
        • privacy-i：儲存記錄的選用前置字元/資料夾路徑 (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：一律不會在轉移後刪除任何檔案 (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：成功轉移檔案後，刪除檔案和空白目錄。

    • 檔案存在時間上限：納入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 服務帳戶必須具備 GCS bucket 的 Storage 物件檢視者角色。
  1. 依序前往「Cloud Storage」>「Buckets」。
  2. 點按 bucket 名稱。
  3. 前往「權限」分頁。
  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
has_principal、has_target_file、has_user metadata.event_type 如果 has_principal 和 has_target_file，則設為 SCAN_FILE；如果 has_user，則設為 USER_UNCATEGORIZED；如果 has_principal，則設為 STATUS_UPDATE；否則設為 GENERIC_EVENT
elog_incidentlogguid、efile_incidentlogguid、guid metadata.product_log_id elog_incidentlogguid 的值 (如果不是空白)，否則為 efile_incidentlogguid 的值 (如果不是空白)，否則為 guid
資料類型 metadata.product_event_type 直接複製值
productversion metadata.product_version 直接複製值
metadata.product_name 設為「PRIVACY_I」
metadata.vendor_name 設為「PRIVACY_I」
dfile_agentip, ip principal.asset.ip 如果 dfile_agentip 不為空白，則從 dfile_agentip 合併，否則從 ip 合併
dfile_agentip、ip principal.ip 如果 dfile_agentip 不為空白，則從 dfile_agentip 合併，否則從 ip 合併
dfile_computername principal.asset.asset_id 串連為「Computer:%{dfile_computername}」
電腦名稱 principal.asset.hostname 串連為「Computer:%{computername}」
osserial_label, computerguid_label principal.asset.attribute.labels 從 osserial_label 和 computerguid_label 合併
productid principal.asset.product_object_id 直接複製值
dlog_ostype、osname principal.platform 根據 dlog_ostype 列舉 (0=WINDOWS、1=LINUX、2=MAC) 設定，然後根據 osname 規則運算式覆寫
macaddr principal.mac 從 macaddr 合併
dfile_userid、userid、admin_id principal.user.userid 設為 dfile_userid，然後在不為空值時由 userid 覆寫，接著在不為空值時由 admin_id 覆寫
dfile_username、empname、admin_name principal.user.user_display_name 設為 dfile_username，然後由 empname (如不為空白) 覆寫，再由 admin_name (如不為空白) 覆寫
dfile_deptname principal.user.department 直接複製值
logintime principal.user.last_login_time 使用日期格式 yyyy-MM-dd HH:mm:ss 轉換
工作 principal.user.title 直接複製值
dfile_patterninfo security_result 從 JSON 擷取並整理為偵測欄位
category security_result.category_details 直接複製值
logtype security_result.action 直接複製值
elog_detectedapplicationname target.application 直接複製值
dfile_filecreatedtime target.file.create_time 使用 ISO8601 日期格式轉換
dfile_fileextension target.file.mime_type 直接複製值
dfile_filename target.file.names 從 dfile_filename 合併
dfile_filesize target.file.size 已轉換為整數
dfile_firstscannedpath target.file.full_path 直接複製值
dfile_firstscannedtime target.file.first_seen_time 使用 ISO8601 日期格式轉換
dfile_filemodifiedtime target.file.last_modification_time 使用 ISO8601 日期格式轉換
efile_fileaccessedtime target.file.last_access_time 使用日期格式 yyyy-MM-dd HH:mm:ss 轉換
efile_resulttime target.file.last_analysis_time 使用 ISO8601 日期格式轉換
efile_patternguid_label、dfile_dataformatname_label、dfile_filerelationguid_label、dfile_inspectcount_label、dfile_inspectendtime_label、dfile_inspectstarttime_label、dfile_inspectfilecount_label、dfile_inspectpropertycount_label、dfile_inspectpropertyfilecount_label、dfile_inspectlogtime_label、dfile_filetype_label、dlog_inspectinfo_label、dlog_inspectexaminationtype_label、dlog_inspecttype_label、dfile_encryptfiletype_label、dfile_scanlogtype_label、dfile_policyname_label、elog_mediaguid_label、elog_mediaid_label、loggroup_label、agent_id_label、logouttime_label、packageinstalledtime_label、registeredtime_label、detail_label additional.fields 從多個標籤欄位合併

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 專業人員尋求解答。