收集 TeamViewer 日志

支持的平台：

本文档介绍了如何使用 Google Cloud Storage 将 TeamViewer 日志注入到 Google Security Operations。解析器从 JSON 格式的日志中提取审核事件。它会遍历活动详细信息，将特定属性映射到统一数据模型 (UDM) 字段，处理参与者和演示者信息，并根据用户活动对活动进行分类。解析器还会执行数据转换，例如合并标签和将时间戳转换为标准化格式。

准备工作

确保您满足以下前提条件：

  • Google SecOps 实例
  • 启用了 Cloud Storage API 的 Google Cloud 项目
  • 创建和管理 Cloud Storage 存储桶的权限
  • 管理 Cloud Storage 存储桶的 IAM 政策的权限
  • 创建 Cloud Run 服务、Pub/Sub 主题和 Cloud Scheduler 作业的权限
  • 对 TeamViewer 管理控制台的特权访问权限
  • TeamViewer Business、Premium、Corporate 或 Tensor 许可（访问 API 时需要）

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 teamviewer-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。

获取 TeamViewer 前提条件

  1. 前往 https://login.teamviewer.com/，登录 TeamViewer 管理控制台。
  2. 点击右上角的用户图标，然后选择修改个人资料。
  3. 选择应用。
  4. 点击创建脚本令牌。
  5. 提供以下配置详细信息：
    • 令牌名称：输入一个描述性名称（例如 Google SecOps Integration）。
    • 权限：选择以下权限：
      • 账号管理 > 查看账号数据
      • 会话管理 > 查看会话数据
      • 连接报告 > 查看连接报告
  6. 点击创建。

  7. 复制生成的脚本令牌并将其保存在安全的位置。

  8. 记录您的 TeamViewer API 基本网址：https://webapi.teamviewer.com/api/v1

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 TeamViewer 管理控制台。
  2. 依次前往编辑个人资料 > 应用。
  3. 在列表中找到您的脚本令牌。
  4. 验证是否已启用连接报告 > 查看连接报告。
  5. 如果未启用此权限，请修改令牌并添加所需权限。

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 script token
SCRIPT_TOKEN="your-script-token"
API_BASE="https://webapi.teamviewer.com/api/v1"

# Test API access
curl -v -X POST -H "Authorization: Bearer ${SCRIPT_TOKEN}" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json" \
  -d '{"StartDate": "2024-01-01T00:00:00Z", "EndDate": "2024-01-01T01:00:00Z"}' \
  "${API_BASE}/EventLogging"

如果您收到包含 JSON 数据的 200 响应，则表示您的凭据配置正确。

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 Cloud Storage 存储桶和被 Pub/Sub 调用的权限。

创建服务账号

  1. 在 Google Cloud 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 teamviewer-collector-sa。
    • 服务账号说明：输入 Service account for Cloud Run function to collect TeamViewer 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 Cloud Storage 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 Cloud Storage 存储桶的 IAM 权限

向服务账号授予 Cloud Storage 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 teamviewer-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 teamviewer-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 Google Cloud 控制台中，依次前往 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 teamviewer-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 函数由来自 Cloud Scheduler 的 Pub/Sub 消息触发，用于从 TeamViewer API 中提取日志并将其写入 Cloud Storage。

  1. 在 Google Cloud 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 teamviewer-logs-collector
    区域 选择与您的 Cloud Storage 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 Pub/Sub 主题 (teamviewer-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. 找到并展开容器、网络、安全性。

  8. 前往安全标签页：

    • 服务账号：选择服务账号 (teamviewer-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
    GCS_BUCKET teamviewer-logs
    GCS_PREFIX teamviewer/audit/
    STATE_KEY teamviewer/audit/state.json
    WINDOW_SECONDS 3600
    HTTP_TIMEOUT 60
    MAX_RETRIES 3
    USER_AGENT teamviewer-to-gcs/1.0
    SCRIPT_TOKEN your-script-token（来自 TeamViewer 前提条件）
    API_BASE_URL https://webapi.teamviewer.com/api/v1

  10. 在变量和密钥部分中，前往请求：

    • 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. 在函数入口点中输入 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 urllib.request
import urllib.parse
import urllib.error
from datetime import datetime, timezone
import time
import uuid

# Initialize Storage client
storage_client = storage.Client()

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

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

    # Get environment variables
    bucket_name = os.environ.get('GCS_BUCKET')
    prefix = os.environ.get('GCS_PREFIX', 'teamviewer/audit/')
    state_key = os.environ.get('STATE_KEY', 'teamviewer/audit/state.json')
    window_sec = int(os.environ.get('WINDOW_SECONDS', '3600'))
    http_timeout = int(os.environ.get('HTTP_TIMEOUT', '60'))
    max_retries = int(os.environ.get('MAX_RETRIES', '3'))
    user_agent = os.environ.get('USER_AGENT', 'teamviewer-to-gcs/1.0')

    # TeamViewer API credentials
    api_base_url = os.environ.get('API_BASE_URL')
    script_token = os.environ.get('SCRIPT_TOKEN')

    if not all([bucket_name, api_base_url, script_token]):
        print('Error: Missing required environment variables')
        return

    try:
        # Get GCS bucket
        bucket = storage_client.bucket(bucket_name)

        # Load state (last processed timestamp)
        state = load_state(bucket, state_key)
        now = time.time()
        from_ts = float(state.get('last_to_ts') or (now - window_sec))
        to_ts = now

        print(f'Fetching TeamViewer audit data from {iso_format(from_ts)} to {iso_format(to_ts)}')

        # Build audit API URL
        url = build_audit_url(api_base_url)

        print(f'Fetching TeamViewer audit data from: {url}')

        # Fetch audit data with retries and pagination
        all_records = []
        continuation_token = None

        # Inside main() loop:
        while True:
            blob_data, content_type, next_token = fetch_audit_data(
                url, script_token, user_agent, http_timeout, max_retries, from_ts, to_ts, continuation_token
            )

            # Validate JSON data
            try:
                audit_data = json.loads(blob_data)
                records = audit_data.get('AuditEvents', [])
                all_records.extend(records)
                print(f"Retrieved {len(records)} audit records (total: {len(all_records)})")

                # Check for pagination
                if next_token:
                    continuation_token = next_token
                    print(f"Fetching next page with ContinuationToken: {continuation_token}")
                else:
                    break

            except json.JSONDecodeError as e:
                print(f"Warning: Invalid JSON received: {e}")
                break

        if all_records:
            # Write to GCS
            key = put_audit_data(bucket, prefix, json.dumps({'AuditEvents': all_records}), 
                'application/json', from_ts, to_ts)
            print(f'Successfully wrote {len(all_records)} audit records to {key}')
        else:
            print('No audit records found')

        # Update state
        state['last_to_ts'] = to_ts
        state['last_successful_run'] = now
        save_state(bucket, state_key, state)

    except Exception as e:
        print(f'Error processing TeamViewer 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: {str(e)}')
    return {}

def save_state(bucket, key, state):
    """Save state to GCS."""
    try:
        blob = bucket.blob(key)
        blob.upload_from_string(
            json.dumps(state, separators=(',', ':')),
            content_type='application/json'
        )
    except Exception as e:
        print(f'Warning: Could not save state: {str(e)}')

def iso_format(ts):
    """Convert Unix timestamp to ISO 8601 format."""
    return time.strftime('%Y-%m-%dT%H:%M:%SZ', time.gmtime(ts))

def build_audit_url(api_base_url):
    """Build URL for TeamViewer audit API endpoint."""
    return f"{api_base_url.rstrip('/')}/EventLogging"

def fetch_audit_data(url, script_token, user_agent, http_timeout, max_retries, from_ts, to_ts, continuation_token=None):
    """Fetch audit data from TeamViewer API with retries and pagination support."""

    # Construct JSON payload
    payload = {
        "StartDate": iso_format(from_ts),
        "EndDate": iso_format(to_ts)
    }
    if continuation_token:
        payload["ContinuationToken"] = continuation_token

    attempt = 0
    while True:
        req = urllib.request.Request(url, method='POST')
        req.add_header('User-Agent', user_agent)
        req.add_header('Authorization', f'Bearer {script_token}')
        req.add_header('Content-Type', 'application/json')
        req.add_header('Accept', 'application/json')

        # Encode payload as bytes for POST body
        data = json.dumps(payload).encode('utf-8')

        try:
            with urllib.request.urlopen(req, data=data, timeout=http_timeout) as r:
                response_data = r.read()
                content_type = r.headers.get('Content-Type') or 'application/json'

                try:
                    data = json.loads(response_data)
                    next_token = data.get('ContinuationToken')
                except:
                    next_token = None

                return response_data, content_type, next_token

        except urllib.error.HTTPError as e:
            if e.code == 429:
                attempt += 1
                print(f'Rate limited (429) on attempt {attempt}')
                if attempt > max_retries:
                    raise
                time.sleep(min(60, 2 ** attempt) + (time.time() % 1))
            else:
                print(f'HTTP error {e.code}: {e.reason}')
                raise
        except urllib.error.URLError as e:
            attempt += 1
            print(f'URL error on attempt {attempt}: {e}')
            if attempt > max_retries:
                raise
            time.sleep(min(60, 2 ** attempt) + (time.time() % 1))

def put_audit_data(bucket, prefix, blob_data, content_type, from_ts, to_ts):
    """Write audit data to GCS."""
    ts_path = time.strftime('%Y/%m/%d', time.gmtime(to_ts))
    uniq = f"{int(time.time() * 1e6)}_{uuid.uuid4().hex[:8]}"
    key = f"{prefix}{ts_path}/teamviewer_audit_{int(from_ts)}_{int(to_ts)}_{uniq}.json"

    blob = bucket.blob(key)
    blob.metadata = {
        'source': 'teamviewer-audit',
        'from_timestamp': str(int(from_ts)),
        'to_timestamp': str(int(to_ts))
    }
    blob.upload_from_string(blob_data, content_type=content_type)

    return key

    • 第二个文件：requirements.txt:：
    functions-framework==3.*
google-cloud-storage==2.*

  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 会定期向 Pub/Sub 主题发布消息，从而触发 Cloud Run function。

  1. 在 Google Cloud 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 teamviewer-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 Pub/Sub 主题 (teamviewer-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 (teamviewer-logs-collector-hourly)。
  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 (teamviewer-logs-collector)。
  6. 点击日志标签页。

  7. 验证函数是否已成功执行。查找以下项：

    Fetching TeamViewer audit data from YYYY-MM-DDTHH:MM:SSZ to YYYY-MM-DDTHH:MM:SSZ
Retrieved X audit records (total: X)
Successfully wrote X audit records to teamviewer/audit/YYYY/MM/DD/teamviewer_audit_...json

  8. 前往 Cloud Storage > 存储桶。

  9. 点击您的存储桶名称 (teamviewer-logs)。

  10. 前往前缀文件夹 (teamviewer/audit/)。

  11. 验证是否已创建具有当前时间戳的新 .json 文件。

如果您在日志中看到错误，请执行以下操作：

  • HTTP 401：检查 SCRIPT_TOKEN 环境变量是否与您的 TeamViewer 脚本令牌一致
  • HTTP 403：验证脚本令牌是否具有连接报告 > 查看连接报告权限
  • HTTP 429：速率限制 - 函数将自动重试，并采用指数退避算法
  • 缺少环境变量：检查是否已设置所有必需的变量（GCS_BUCKET、API_BASE_URL、SCRIPT_TOKEN）

检索 Google SecOps 服务账号

Google SecOps 使用唯一的服务账号从您的 Cloud Storage 存储桶中读取数据。您必须向此服务账号授予对您的存储桶的访问权限。

获取服务账号电子邮件地址

  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 TeamViewer logs）。
  5. 选择 Google Cloud Storage V2 作为来源类型。
  6. 选择 TeamViewer 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。

向 Google SecOps 服务账号授予 IAM 权限

Google SecOps 服务账号需要拥有 Cloud Storage 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 (teamviewer-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：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。

在 Google SecOps 中配置 Feed 以注入 TeamViewer 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 TeamViewer logs）。
  5. 选择 Google Cloud Storage V2 作为来源类型。
  6. 选择 TeamViewer 作为日志类型。
  7. 点击下一步。

  8. 为以下输入参数指定值：

    • 存储桶网址：输入带有前缀路径的 Cloud Storage 存储桶 URI：

      gs://teamviewer-logs/teamviewer/audit/

      • 将

        • teamviewer-logs：您的 Cloud Storage 存储桶名称。
        • teamviewer/audit/：存储日志的前缀或路径。

    • 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。

  9. 点击下一步。

  10. 在最终确定界面中查看新的 Feed 配置，然后点击提交。

UDM 映射表

日志字段 UDM 映射 逻辑
AffectedItem metadata.product_log_id 原始日志中的 AffectedItem 值直接映射到此 UDM 字段。
EventDetails.NewValue principal.resource.attribute.labels.value 如果 PropertyName 包含 (server)，则 NewValue 用作 principal.resource.attribute.labels 中标签的值。
EventDetails.NewValue principal.user.user_display_name 如果 PropertyName 是参与者的名称，则 NewValue 会用作主账号的用户显示名称。
EventDetails.NewValue principal.user.userid 如果 PropertyName 是参与者的 ID，则 NewValue 用作主账号的用户 ID。
EventDetails.NewValue security_result.about.labels.value 对于所有其他 PropertyName 值（由特定条件处理的值除外），NewValue 用作 security_result.about.labels 数组中标签的值。
EventDetails.NewValue target.file.full_path 如果 PropertyName 是“源文件”，则 NewValue 用作目标文件的完整路径。
EventDetails.NewValue target.resource.attribute.labels.value 如果 PropertyName 包含 (client)，则 NewValue 用作 target.resource.attribute.labels 中标签的值。
EventDetails.NewValue target.user.user_display_name 如果 PropertyName 是演示者的姓名，则会解析 NewValue。如果它是整数，则会被舍弃。否则，它将用作目标的显示名称。
EventDetails.NewValue target.user.userid 如果 PropertyName 是演示者的 ID，则 NewValue 会用作目标的相应用户 ID。
EventDetails.PropertyName principal.resource.attribute.labels.key 如果 PropertyName 包含 (server)，则 PropertyName 用作 principal.resource.attribute.labels 中标签的键。
EventDetails.PropertyName security_result.about.labels.key 对于所有其他 PropertyName 值（由特定条件处理的值除外），PropertyName 用作 security_result.about.labels 数组中标签的键。
EventDetails.PropertyName target.resource.attribute.labels.key 如果 PropertyName 包含 (client)，则 PropertyName 用作 target.resource.attribute.labels 中标签的键。
EventName metadata.product_event_type 原始日志中的 EventName 值直接映射到此 UDM 字段。
时间戳 metadata.event_timestamp 系统会解析原始日志中的时间戳值，并将其用作元数据中的事件时间戳。
metadata.event_type 如果 src_user（从参与者的 ID 派生）不为空，则设置为 USER_UNCATEGORIZED；否则设置为 USER_RESOURCE_ACCESS。
metadata.vendor_name 硬编码为 TEAMVIEWER。
metadata.product_name 硬编码为 TEAMVIEWER。
network.application_protocol 硬编码为 TEAMVIEWER。

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。