收集 Fastly 下一代 WAF（原 Signal Sciences）日志

支持的平台：

本文档介绍了如何使用 Google Cloud Storage V2 将 Fastly 下一代 WAF（以前称为 Signal Sciences）日志注入到 Google Security Operations。

Fastly 下一代 WAF 是一款基于云的 Web 应用防火墙，可为 Web 应用、API 和微服务提供实时威胁检测和拦截功能。它采用基于信号的方法来识别和缓解 SQL 注入、跨站脚本攻击、账号入侵和应用滥用等攻击。Signal Sciences REST API 提供对请求 Feed 数据的程序化访问，其中包含有关已标记和已屏蔽请求的详细信息。

准备工作

请确保您满足以下前提条件：

  • 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
  • 拥有管理 GCS 存储桶 IAM 政策的权限
  • 创建 Cloud Run 服务、Pub/Sub 主题和 Cloud Scheduler 作业的权限
  • 通过 API 访问权限对 Fastly Next-Gen WAF 控制面板进行特权访问
  • 一个 Fastly 下一代 WAF 账号，其中包含公司名称和至少一个已配置的网站

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，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 sigsci-waf-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 统一（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。

收集 Fastly Next-Gen WAF API 凭据

获取 API 访问令牌

  1. 登录 Fastly Next-Gen WAF 控制面板。
  2. 点击右上角的用户名，然后选择我的个人资料。
  3. 前往 API 访问令牌。
  4. 点击添加 API 访问令牌。
  5. 为令牌输入一个描述性名称（例如 Google SecOps Integration）。
  6. 点击创建 API 访问令牌。

  7. 请复制以下详细信息并将其保存在安全的位置：

    • API 令牌：生成的令牌值（仅显示一次）
    • 电子邮件地址：用于身份验证的账号电子邮件地址

获取公司和网站名称

  1. 登录 Fastly 下一代 WAF 信息中心。
  2. 依次点击管理 > 公司 > 公司概览。
  3. 记下页面上显示的公司简称（例如 my_corp）。
  4. 依次前往管理 > 网站。
  5. 记下要从中收集日志的网站的网站简称（例如 my_site）。

验证权限

如需验证账号是否具有所需权限，请执行以下操作：

  1. 登录 Fastly Next-Gen WAF 控制面板。
  2. 依次前往管理>Corp > Corp 用户。
  3. 在列表中找到您的用户账号。
  4. 验证您的角色是否为管理员、所有者或观察者。这些角色具有检索请求 Feed 数据所需的 API 访问权限。
  5. 如果您的角色没有 API 访问权限，请与 Fastly 下一代 WAF 管理员联系，让其授予您适当的角色。

测试 API 访问权限

  • 在继续进行集成之前，请测试您的凭据：

    # Replace with your actual credentials
SIGSCI_EMAIL="your-email@example.com"
SIGSCI_TOKEN="your-api-token"
SIGSCI_CORP="your-corp-name"
SIGSCI_SITE="your-site-name"

# Test API access - get site overview
curl -v \
  -H "x-api-user:${SIGSCI_EMAIL}" \
  -H "x-api-token:${SIGSCI_TOKEN}" \
  "[https://dashboard.signalsciences.net/api/v0/corps/$](https://dashboard.signalsciences.net/api/v0/corps/$){SIGSCI_CORP}/sites/${SIGSCI_SITE}"

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，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 sigsci-waf-collector-sa
    • 服务账号说明：输入 Service account for Cloud Run function to collect Fastly Next-Gen WAF logs

  4. 点击创建并继续。

  5. 在为此服务账号授予项目访问权限部分，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（例如 sigsci-waf-logs）。
  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 sigsci-waf-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 sigsci-waf-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 Cloud Scheduler 中的 Pub/Sub 消息触发，以从 Fastly Next-Gen WAF API 中提取请求 Feed 数据并将日志写入 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 sigsci-waf-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 sigsci-waf-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 sigsci-waf-collector-sa。

  9. 前往容器标签页：

    1. 点击变量和密钥。
    2. 针对每个环境变量，点击 + 添加变量：
    变量名称 示例值 说明
    GCS_BUCKET sigsci-waf-logs GCS 存储桶名称
    GCS_PREFIX sigsci-waf 日志文件的前缀
    STATE_KEY sigsci-waf/state.json 状态文件路径
    SIGSCI_EMAIL your-email@example.com Signal Sciences API 电子邮件地址
    SIGSCI_TOKEN your-api-token Signal Sciences API 令牌
    SIGSCI_CORP your-corp-name Signal Sciences 公司的简称
    SIGSCI_SITE your-site-name Signal Sciences 网站简称
    MAX_RECORDS 10000 每次运行的记录数上限
    PAGE_SIZE 1000 每页的记录数（最多 1,000 条）
    LOOKBACK_HOURS 24 初始回溯期

  10. 在变量和密钥部分中，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
      • 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：

    • 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', 'sigsci-waf')
STATE_KEY = os.environ.get('STATE_KEY', 'sigsci-waf/state.json')
SIGSCI_EMAIL = os.environ.get('SIGSCI_EMAIL')
SIGSCI_TOKEN = os.environ.get('SIGSCI_TOKEN')
SIGSCI_CORP = os.environ.get('SIGSCI_CORP')
SIGSCI_SITE = os.environ.get('SIGSCI_SITE')
MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '10000'))
PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '1000'))
LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '24'))

# Signal Sciences API base URL
API_BASE = '[https://dashboard.signalsciences.net/api/v0](https://dashboard.signalsciences.net/api/v0)'

@functions_framework.cloud_event
def main(cloud_event):
  """
  Cloud Run function triggered by Pub/Sub to fetch Fastly Next-Gen WAF
  request feed data and write to GCS.

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

  if not all([GCS_BUCKET, SIGSCI_EMAIL, SIGSCI_TOKEN, SIGSCI_CORP, SIGSCI_SITE]):
    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 = datetime.fromisoformat(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)

    # Convert to Unix epoch seconds (Signal Sciences API uses seconds)
    from_epoch = int(last_time.timestamp())
    until_epoch = int(now.timestamp())

    print(f"Fetching request feed from {last_time.isoformat()} to {now.isoformat()}")
    print(f"Corp: {SIGSCI_CORP}, Site: {SIGSCI_SITE}")

    # Fetch request feed
    records, newest_event_time = fetch_request_feed(
      corp=SIGSCI_CORP,
      site=SIGSCI_SITE,
      from_epoch=from_epoch,
      until_epoch=until_epoch,
      page_size=PAGE_SIZE,
      max_records=MAX_RECORDS,
    )

    if not records:
      print("No new request feed 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 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(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_request_feed(corp: str, site: str, from_epoch: int, until_epoch: int, page_size: int, max_records: int):
  """
  Fetch request feed from Fastly Next-Gen WAF (Signal Sciences) API
  with cursor-based pagination and rate limiting.

  Args:
    corp: Signal Sciences corp short name
    site: Signal Sciences site short name
    from_epoch: Start time as Unix epoch seconds
    until_epoch: End time as Unix epoch seconds
    page_size: Number of records per page (max 1000)
    max_records: Maximum total records to fetch (max 10000)

  Returns:
    Tuple of (records list, newest_event_time ISO string)
  """
  headers = {
    'x-api-user': SIGSCI_EMAIL,
    'x-api-token': SIGSCI_TOKEN,
    'Accept': 'application/json',
    'User-Agent': 'GoogleSecOps-SignalSciencesWAFCollector/1.0'
  }

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

  # Initial URL with time range parameters
  url = f"{API_BASE}/corps/{corp}/sites/{site}/feed/requests?from={from_epoch}&until={until_epoch}&limit={min(page_size, 1000)}"

  while url:
    page_num += 1

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

    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('data', [])

      if not page_results:
        print(f"No more results (empty page)")
        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_timestamp = event.get('timestamp')
          if event_timestamp:
            event_dt = datetime.fromtimestamp(event_timestamp, tz=timezone.utc)
            event_time = event_dt.isoformat()
            if newest_time is None or event_dt > datetime.fromisoformat(newest_time):
              newest_time = event_time
        except Exception as e:
          print(f"Warning: Could not parse event time: {e}")

      # Cursor-based pagination using next URI
      next_url = data.get('next', {}).get('uri', '')
      if next_url:
        url = f"[https://dashboard.signalsciences.net](https://dashboard.signalsciences.net){next_url}"
      else:
        print("No more pages (no next cursor)")
        break

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

  print(f"Retrieved {len(records)} total records from {page_num} pages")
  return records, newest_time
    • requirements.txt:
    functions-framework==3.*
google-cloud-storage==2.*
urllib3>=2.0.0

  3. 点击部署以保存和部署函数。

  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 sigsci-waf-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 sigsci-waf-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
每隔 5 分钟 */5 * * * * 大容量、低延迟
每隔 15 分钟 */15 * * * * 搜索量中等
每小时 0 * * * * 标准（推荐）
每 6 小时 0 */6 * * * 低量批处理
每天 0 0 * * * 历史数据收集

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 sigsci-waf-collector。
  6. 点击日志标签页。

  7. 验证函数是否已成功执行。查找：

    Fetching request feed from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
Corp: my_corp, Site: my_site
Page 1: Retrieved X events
Wrote X records to gs://sigsci-waf-logs/sigsci-waf/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 (sigsci-waf-logs)。

  10. 转到 sigsci-waf/ 文件夹。

  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 电子邮件地址和令牌
  • HTTP 403：验证账号在 Fastly Next-Gen WAF 控制台中是否具有管理员、所有者或观察者角色
  • HTTP 429：速率限制 - 函数将自动重试并进行退避
  • 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 Fastly Next-Gen WAF 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 Signal Sciences WAF Logs）。
  5. 选择 Google Cloud Storage V2 作为来源类型。
  6. 选择 Signal Sciences WAF 作为日志类型。

  7. 点击获取服务账号。系统会显示一个专属的服务账号邮箱，例如：

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

  8. 复制此电子邮件地址。

  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://sigsci-waf-logs/sigsci-waf/
      • 替换：
        • sigsci-waf-logs：您的 GCS 存储桶名称。
        • sigsci-waf：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（建议在测试时使用）。
      • 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）

    • 资产命名空间：资产命名空间

    • 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新闻信息流配置，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 服务账号邮箱
    • 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
metadata.event_type 设置为“NETWORK_HTTP”
metadata.vendor_name 设置为“Signal Sciences”
metadata.product_name 设置为“WAF”
id metadata.product_log_id 直接复制的值
时间戳 metadata.event_timestamp 从 Unix 纪元秒数转换而来
remoteIP principal.ip 直接复制值
remoteHostname principal.hostname 直接复制的值
remoteCountryCode principal.location.country_or_region 直接复制的值
serverHostname target.hostname 直接复制值
serverName target.asset.hostname 直接复制值
方法 network.http.method 直接复制值
协议 network.application_protocol 直接复制值
路径 target.url 直接复制值
uri network.http.referral_url 直接复制值
userAgent network.http.user_agent 直接复制值
responseCode network.http.response_code 已转换为整数
responseSize network.received_bytes 已转换为无符号整数
responseMillis additional.fields 映射为 response_millis 标签
标签 security_result.category_details 映射到类别的代码对象数组
headersIn additional.fields 映射为键值对的请求标头
headersOut additional.fields 映射为键值对的响应标头
created metadata.timestamp 从更新日志映射
eventType metadata.product_event_type 从更新日志映射
message_data metadata.description 从更新日志映射
username target.user.user_display_name 从更新日志映射
userid target.user.userid 从更新日志映射
attachments.Fields.Title" , "attachments.Fields.Value metadata.ingestion_labels 从更新日志映射
msgData.detailLink network.http.referral_url 从更新日志映射
msgData.name target.resource.name 从更新日志映射
msgData.changes target.resource.attribute.labels 从更新日志映射
msgData.reason security_result.summary 从更新日志映射
msgData.conditions security_result.description 从更新日志映射
msgData.sites network.http.user_agent 从更新日志映射

更新日志

查看此解析器的更新日志

需要更多帮助？获得社区成员和 Google SecOps 专业人士的解答。