收集 Vectra XDR 日志

支持的平台：

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

Vectra XDR 是一种扩展检测和响应平台，可关联网络、身份、云和 SaaS 环境中的威胁。Vectra AI Platform REST API v3 可让您以编程方式访问检测、评分、锁定、审核和健康状况日志。

准备工作

请确保满足以下前提条件：

  • Google SecOps 实例
  • 已启用 Cloud Storage API 的 GCP 项目
  • 创建和管理 GCS 存储分区的权限
  • 管理 GCS 存储分区的 IAM 政策的权限
  • 创建 Cloud Run 服务、Pub/Sub 主题和 Cloud Scheduler 作业的权限
  • 具有管理员权限的 Vectra AI 平台特权访问权限
  • 在 Vectra AI 平台中配置了客户端 ID 和客户端密钥的 API 客户端

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新项目。
  3. 在导航菜单中，依次前往 Cloud Storage > 存储分区。
  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 vectra-xdr-logs）
    位置类型 根据您的需求进行选择（区域级、双区域、多区域）
    位置 选择营业地点（例如 us-central1）
    存储类别 标准（建议用于经常访问的日志）
    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。

收集 Vectra XDR API 凭据

创建 API 客户端

  1. 登录您的 Vectra AI Platform 实例（例如 https://your-tenant.vectra.ai）。
  2. 依次前往管理 > API 客户端。
  3. 点击添加 API 客户端。
  4. 输入 API 客户端的名称（例如 Google SecOps Integration）。
  5. 选择所需的角色（例如只读或具有检测和审核访问权限的自定义角色）。
  6. 点击生成凭据。

  7. 复制以下详细信息并将其保存在安全的位置：

    • 客户端 ID：API 客户端 ID
    • 客户端密钥：API 客户端密钥

确定 API 基准网址

Vectra API 基准网址是您的租户网址：

格式 示例
租户网址 https://your-tenant.vectra.ai

测试 API 访问权限

  • 在继续进行集成之前，请先测试您的凭据：

    # Replace with your actual credentials
VECTRA_CLIENT_ID="your-client-id"
VECTRA_CLIENT_SECRET="your-client-secret"
VECTRA_BASE_URL="https://your-tenant.vectra.ai"

# Get access token using HTTP Basic Auth
TOKEN=$(curl -s -X POST "${VECTRA_BASE_URL}/oauth2/token" \
  -u "${VECTRA_CLIENT_ID}:${VECTRA_CLIENT_SECRET}" \
  -H "Content-Type: application/x-www-form-urlencoded" \
  -d "grant_type=client_credentials" \
  | jq -r '.access_token')

# Test API access - list detection events
curl -s -X GET "${VECTRA_BASE_URL}/api/v3.4/events/detections/?limit=1" \
  -H "Authorization: Bearer ${TOKEN}"

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 存储桶的权限，并且可以由 Pub/Sub 调用。

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 vectra-xdr-logs-collector-sa
    • 服务账号说明：输入 Service account for Cloud Run function to collect Vectra XDR 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中，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。

必须拥有这些角色，才能：

  • 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 > 存储分区。
  2. 点击您的存储桶名称（例如 vectra-xdr-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 vectra-xdr-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，Cloud Scheduler 将向该主题发布消息，而 Cloud Run 函数将订阅该主题。

  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 vectra-xdr-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 Vectra AI Platform REST API 中提取日志并将其写入 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 vectra-xdr-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 主题部分，选择主题 vectra-xdr-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. 滚动到容器、网络、安全性并展开该部分。

  8. 前往安全性标签页：

    • 服务账号：选择服务账号 vectra-xdr-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 vectra-xdr-logs GCS 存储桶名称
      GCS_PREFIX vectra 日志文件的前缀
      STATE_KEY vectra/state.json 状态文件路径
      VECTRA_CLIENT_ID your-client-id Vectra API 客户端 ID
      VECTRA_CLIENT_SECRET your-client-secret Vectra API 客户端密钥
      VECTRA_BASE_URL https://your-tenant.vectra.ai Vectra 租户网址
      MAX_RECORDS 5000 每次运行的记录数上限
      BATCH_SIZE 500 每个 API 请求的事件数（最多 1,000 个）
      LOOKBACK_HOURS 24 初始回溯期

  10. 在变量和 Secret 部分中，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 base64
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', 'vectra')
STATE_KEY = os.environ.get('STATE_KEY', 'vectra/state.json')
VECTRA_CLIENT_ID = os.environ.get('VECTRA_CLIENT_ID')
VECTRA_CLIENT_SECRET = os.environ.get('VECTRA_CLIENT_SECRET')
VECTRA_BASE_URL = os.environ.get('VECTRA_BASE_URL')
MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '5000'))
BATCH_SIZE = int(os.environ.get('BATCH_SIZE', '500'))
LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '24'))

def get_access_token():
  """
  Obtain OAuth2 access token using HTTP Basic Auth
  with client credentials grant per Vectra API docs.
  """
  base_url = VECTRA_BASE_URL.rstrip('/')
  token_url = f"{base_url}/oauth2/token"

  credentials = base64.b64encode(
    f"{VECTRA_CLIENT_ID}:{VECTRA_CLIENT_SECRET}".encode()
  ).decode()

  headers = {
    'Content-Type': 'application/x-www-form-urlencoded',
    'Authorization': f'Basic {credentials}',
    'Accept': 'application/json'
  }

  body = 'grant_type=client_credentials'

  backoff = 1.0
  for attempt in range(3):
    response = http.request('POST', token_url, body=body, headers=headers)

    if response.status == 429:
      retry_after = int(response.headers.get('Retry-After', str(int(backoff))))
      print(f"Rate limited (429) on token request. Retrying after {retry_after}s...")
      time.sleep(retry_after)
      backoff = min(backoff * 2, 30.0)
      continue

    if response.status != 200:
      raise RuntimeError(f"Failed to get access token: {response.status} - {response.data.decode('utf-8')}")

    data = json.loads(response.data.decode('utf-8'))
    return data['access_token']

  raise RuntimeError("Failed to get access token after 3 retries")

@functions_framework.cloud_event
def main(cloud_event):
  """
  Cloud Run function triggered by Pub/Sub to fetch Vectra XDR
  detection and audit event logs and write to GCS.
  Uses the Vectra REST API v3.4 Events endpoints with
  checkpoint-based pagination.
  """

  if not all([GCS_BUCKET, VECTRA_CLIENT_ID, VECTRA_CLIENT_SECRET, VECTRA_BASE_URL]):
    print('Error: Missing required environment variables')
    return

  try:
    bucket = storage_client.bucket(GCS_BUCKET)

    # Load state (stores per-endpoint checkpoints)
    state = load_state(bucket, STATE_KEY)

    now = datetime.now(timezone.utc)
    token = get_access_token()

    # Fetch detection events and audit events
    all_records = []
    new_state = dict(state)

    for event_type in ['detections', 'audits']:
      checkpoint = state.get(f'{event_type}_checkpoint')
      last_time = state.get(f'{event_type}_last_time')

      # On first run, use lookback window
      start_time = None
      if not checkpoint and not last_time:
        start_time = now - timedelta(hours=LOOKBACK_HOURS)

      records, next_checkpoint = fetch_events(
        token=token,
        event_type=event_type,
        checkpoint=checkpoint,
        start_time=start_time,
        batch_size=BATCH_SIZE,
        max_records=MAX_RECORDS,
      )
      all_records.extend(records)

      # Save checkpoint for next run
      if next_checkpoint is not None:
        new_state[f'{event_type}_checkpoint'] = next_checkpoint
      new_state[f'{event_type}_last_time'] = now.isoformat()

    if not all_records:
      print("No new event records found.")
      save_state(bucket, STATE_KEY, new_state)
      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}")

    save_state(bucket, STATE_KEY, new_state)
    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():
      return json.loads(blob.download_as_text())
  except Exception as e:
    print(f"Warning: Could not load state: {e}")
  return {}

def save_state(bucket, key, state: dict):
  """Save state to GCS."""
  try:
    blob = bucket.blob(key)
    blob.upload_from_string(
      json.dumps(state, indent=2),
      content_type='application/json'
    )
    print(f"Saved state: {state}")
  except Exception as e:
    print(f"Warning: Could not save state: {e}")

def fetch_events(token: str, event_type: str, checkpoint: int = None,
        start_time: datetime = None, batch_size: int = 500,
        max_records: int = 5000):
  """
  Fetch events from Vectra AI Platform REST API v3.4
  using checkpoint-based pagination.

  Endpoints:
    - /api/v3.4/events/detections/
    - /api/v3.4/events/audits/

  Args:
    token: OAuth2 access token
    event_type: 'detections' or 'audits'
    checkpoint: Resume from this event ID (from previous run)
    start_time: Only used on first run when no checkpoint exists
    batch_size: Number of events per request (max 1000)
    max_records: Maximum total events to fetch per run

  Returns:
    Tuple of (events list, next_checkpoint int or None)
  """
  base_url = VECTRA_BASE_URL.rstrip('/')
  endpoint = f"{base_url}/api/v3.4/events/{event_type}/"

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

  records = []
  batch_num = 0
  backoff = 1.0
  next_checkpoint = checkpoint

  while True:
    batch_num += 1

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

    # Build query parameters
    params = {
      'limit': min(batch_size, max_records - len(records)),
      'ordering': 'event_timestamp',
    }

    if next_checkpoint is not None:
      params['from'] = next_checkpoint
    elif start_time is not None:
      params['event_timestamp_gte'] = start_time.strftime('%Y-%m-%dT%H:%M:%SZ')

    # Include INFO detections (excluded by default in v3.4)
    if event_type == 'detections':
      params['include_info_category'] = 'true'

    query_string = '&'.join(f'{k}={v}' for k, v in params.items())
    url = f"{endpoint}?{query_string}"

    try:
      response = http.request('GET', url, headers=headers)

      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 {response.status}: {response.data.decode('utf-8')}")
        break

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

      events = data.get('events', [])
      remaining = data.get('remaining_count', 0)
      batch_checkpoint = data.get('next_checkpoint')

      if not events:
        print(f"No more events for {event_type}")
        break

      print(f"{event_type} batch {batch_num}: {len(events)} events, {remaining} remaining")

      # Tag events with source type
      for event in events:
        event['_vectra_event_type'] = event_type

      records.extend(events)

      # Update checkpoint for next batch/run
      if batch_checkpoint is not None:
        next_checkpoint = batch_checkpoint

      # No more events remaining
      if remaining == 0:
        print(f"All events fetched for {event_type}")
        break

    except Exception as e:
      print(f"Error fetching {event_type} events: {e}")
      break

  print(f"Retrieved {len(records)} total {event_type} events from {batch_num} batches")
  return records, next_checkpoint

    • 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该函数。

  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 函数。

  1. 在 GCP Console 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 vectra-xdr-logs-collector-hourly
    区域 选择与 Cloud Run 函数相同的区域
    频率 0 * * * *（每小时一次，整点时）
    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 vectra-xdr-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 * * * * 大批量、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 * * * 低成交量、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 vectra-xdr-logs-collector。
  6. 点击日志标签页。

  7. 验证函数是否已成功执行。查找：

    detections batch 1: X events, Y remaining
All events fetched for detections
audits batch 1: X events, Y remaining
All events fetched for audits
Wrote X records to gs://vectra-xdr-logs/vectra/logs_YYYYMMDD_HHMMSS.ndjson
Successfully processed X records

  8. 前往 Cloud Storage > 存储分区。

  9. 点击您的存储桶名称 (vectra-xdr-logs)。

  10. 转到 vectra/ 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：检查环境变量中的客户端凭据
  • HTTP 403：验证 API 客户端是否在 Vectra AI 平台中拥有必需的权限
  • 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 Vectra XDR 日志

  1. 依次前往 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 Vectra XDR Logs）。
  5. 选择 Google Cloud Storage V2 作为来源类型。
  6. 选择 Vectra XDR 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。

  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://vectra-xdr-logs/vectra/
      • 替换：
        • vectra-xdr-logs：您的 GCS 存储桶名称。
        • vectra：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：在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 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 > 存储分区。
  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
log_type_lable、id_label、triaged_label、detail_label、properties_label、event_object_label additional.fields 根据日志类型与各种标签合并
msg, d_type_vname extensions.auth.auth_details 对于 USER_LOGIN，设置为 msg；对于其他用户登录，设置为 d_type_vname
d_type_vname、category、type、msg metadata.event_type 最初设置为 GENERIC_EVENT；根据日志类型和条件替换为特定类型
d_type_vname、category、type、event_action metadata.product_event_type 在检测中设置为 d_type_vname，在评分中设置为 category，在锁定中设置为 type，在审核中设置为 event_action
detection_id, id metadata.product_log_id 设置为“检测”中的 detection_id、“锁定和审核”中的 id
版本、system.version.vectra_version metadata.product_version 在“审核”中设置为版本，在“健康”中设置为 system.version.vectra_version
_sensor.serial_number observer.asset_id 直接复制值
_sensor.name observer.hostname 直接复制值
_sensor.ip_address observer.ip 直接复制值
_sensor.location observer.location.name 直接复制值
entity_id principal.asset_id 直接复制的值，如果未以英文冒号分隔，则添加“Vectra:”前缀
entity_uid principal.hostname 如果匹配模式，则直接复制值
src_ip、source_ip principal.ip 如果 src_ip 是有效的 IP，则从检测中的 src_ip 设置；如果 source_ip 是有效的 IP，则从审核中的 source_ip 设置
var_entity_uid、var_username、var_api_client_id、var_user_type、var_entity_name principal.user.attribute.labels 根据日志类型与各种 var_ 合并
user_role principal.user.attribute.roles 直接复制值
entity_uid、name、entity_name、username principal.user.email_addresses 如果为电子邮件地址格式，则在检测中从 entity_uid 设置，在评分中从名称设置，在锁定中从 entity_name 设置，在审核中从用户名设置
locked_by principal.user.user_display_name 直接复制值
entity_id、user_id principal.user.userid 在检测/评分/锁定中，设置为 entity_id；在审核中，设置为 user_id
result_status security_result.action 如果成功，则设置为 ALLOW；如果失败，则设置为 FAIL
result_status security_result.action_details 直接复制值
斜接 security_result.attack_details.techniques 从斜接数组合并
类别 security_result.category 根据对“命令和控制”“僵尸网络活动”等的正则表达式匹配结果，映射到 category_temp。
类别 security_result.category_details 直接复制值
确定性 security_result.confidence_score 转换为浮点数
urgency_reason, msg security_result.description 在 Scoring 中设置为 urgency_reason，在 Audit 中设置为 msg
var_type、var_detection_type、var_triaged、var_id、var_active_detection_types、var_breadth_contrib、var_attack_rating、var_importance、var_last_detection_id、var_last_detection_type、var_last_detection_url、var_urgency_score、var_velocity_contrib、unlock_event_timestamp_label、var_detection_updated_at、var_sensor_connectivity_sensors_error、var_connectivity_sensors_affected_metadata_hours、var_connectivity_sensors_status、var_connectivity_updated_at、var_cpu_idle_percent、var_cpu_nice_percent、var_cpu_system_percent、var_cpu_updated_at、var_cpu_user_percent、var_disk_disk_utilization_free_bytes、var_disk_raid_disks_missing_output_label、var_disk_raid_disks_missing_error、var_disk_raid_disks_missing_status、var_disk_degraded_raid_volume_output、var_disk_degraded_raid_volume_error、var_disk_degraded_raid_volume_status、var_disk_disk_raid_error、var_disk_disk_raid_status、var_disk_disk_raid_output、var_disk_disk_utilization_total_bytes、var_disk_disk_utilization_usage_percent、var_disk_disk_utilization_used_bytes、var_disk_updated_at、var_hostid_artifact_counts_arsenic、var_hostid_artifact_counts_carbon_black、var_hostid_artifact_counts_cb_cloud、var_hostid_artifact_counts_clear_state、var_hostid_artifact_counts_cookie、var_hostid_artifact_counts_crowdstrike、var_hostid_artifact_counts_cybereason、var_hostid_artifact_counts_dhcp、var_hostid_artifact_counts_dns、var_hostid_artifact_counts_end_time、var_hostid_artifact_counts_fireeye、var_hostid_artifact_counts_generic_edr、var_hostid_artifact_counts_idle_end、var_hostid_artifact_counts_idle_start、var_hostid_artifact_counts_invalid、var_hostid_artifact_counts_kerberos_user、var_hostid_artifact_counts_kerberos、var_hostid_artifact_counts_mdns、var_hostid_artifact_counts_netbios、var_hostid_artifact_counts_proxy_ip、var_hostid_artifact_counts_rdns、var_hostid_artifact_counts_sentinelone、var_hostid_artifact_counts_split、var_hostid_artifact_counts_src_port、var_hostid_artifact_counts_static_ip、var_hostid_artifact_counts_TestEDR、var_hostid_artifact_counts_total、var_hostid_artifact_counts_uagent、var_hostid_artifact_counts_vmachine_info、var_hostid_artifact_counts_windows_defender、var_hostid_artifact_counts_zpa_user、var_hostid_ip_always_percent、var_hostid_ip_never_percent、var_hostid_ip_sometimes_percent、var_hostid_updated_at、var_dimm_stat_dimm、var_dimm_stat_status、var_memory_free_bytes、var_memory_total_bytes、var_memory_updated_at、var_memory_usage_percent、var_memory_used_bytes、network_interfaces_brain_label、var_network_interfaces_sensors_w4ftj0a8_eth0_link、var_network_traffic_brain_aggregated_peak_traffic_mbps、var_network_traffic_brain_interface_peak_traffic_label、var_network_traffic_sensors_edr_sensor_aggregated_peak_traffic_mbps、var_sensor_interface_peak_traffic_eth0_peak_traffic_mbps、var_network_updated_at、var_network_vlans_count、var_network_vlans_vlan_ids、var_power_error、var_power_status、var_power_updated_at、var_power_power_supply、var_sensors_headend_uri、var_sensors_id、var_sensors_last_seen、var_sensors_luid、var_sensors_mode、var_sensors_original_version、var_sensors_product_name、var_sensors_public_key、var_sensors_ssh_tunnel_port、var_sensors_status、var_sensors_update_count、var_sensors_version、var_trafficdrop_sensors_error、var_trafficdrop_sensors_ip_address、var_trafficdrop_sensors_luid、var_trafficdrop_sensors_name、var_trafficdrop_sensors_output_end、var_trafficdrop_sensors_output_interface_cutoff、var_trafficdrop_sensors_output_start、var_trafficdrop_sensors_output_interface_baseline、var_trafficdrop_sensors_output_interface_name、var_trafficdrop_sensors_output_interface_traffic、var_trafficdrop_sensors_serial_number、var_trafficdrop_sensors_status、var_trafficdrop_updated_at security_result.detection_fields 根据日志类型与各种 var_ 和标签合并
is_prioritized security_result.priority 如果为 true，则设置为 HIGH；如果为 false，则设置为 LOW
is_prioritized security_result.priority_details 直接复制值
威胁 security_result.risk_score 转换为浮点数
和程度上减少 security_result.severity 如果匹配 (?i)high，则设置为 HIGH；如果匹配 (?i)medium，则设置为 MEDIUM；如果匹配 (?i)low，则设置为 LOW
和程度上减少 security_result.severity_details 直接复制值
detection_href、url security_result.url_back_to_product 在 Detection 中设置为 detection_href，在 Scoring 中设置为网址
entity_id target.asset_id 直接复制的值，如果未以英文冒号分隔，则添加“Vectra:”前缀
entity_name、name target.hostname 如果不是 IP，则从锁定中的 entity_name 设置，从评分中的名称设置
target_ip_temp target.ip 直接复制值
lock_event_timestamp target.user.account_lockout_time 从字符串转换为时间戳
var_entity_name target.user.attribute.labels 已与 var_entity_name 合并
name, entity_name target.user.email_addresses 如果电子邮件模式，则在评分中设置发件人名称；如果电子邮件模式，则在锁定中设置实体名称
entity_id target.user.userid 直接复制值
metadata.product_name 设置为“XDR”
metadata.vendor_name 设置为“Vectra”
entity_uid principal.mac 或 principal.ip 从变更日志映射

更新日志

查看相应解析器的更改日志

需要更多帮助？获得社区成员和 Google SecOps 专业人士的解答。