收集 D3 Banking 日志

解析器版本：2.0

支持的平台：

Google SecOps SIEM

本文档介绍了如何使用 Google Cloud Storage V2 将 D3 Banking 日志注入到 Google Security Operations。

D3 Banking（现为 NCR Voyix Digital Banking）是一个云托管的数字银行平台，可为网上银行业务、用户会话和管理操作生成审核日志和交易日志。NCR Voyix Digital Banking REST API 提供对审核日志和事件数据的程序化访问。

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
• 以管理员角色对 D3 Banking (NCR Voyix) 平台进行特权访问
• NCR Voyix Digital Banking API 的 OAuth2 凭据（客户端 ID 和客户端密钥）

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 d3-banking-audit-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 D3 Banking API 凭据

获取 OAuth2 凭据

1. 登录 D3 Banking (NCR Voyix) 管理员门户。
2. 依次前往管理 > API 管理（或设置 > 集成）。
3. 点击注册应用或创建 API 客户端。
4. 输入应用的名称（例如 Google Security Operations Integration）。
5. 请注意以下凭据：
   • 客户端 ID：OAuth2 客户端标识符
   • 客户端密钥：OAuth2 客户端密钥

6. 记下您租户的 API 基准网址（例如 https://api.d3banking.com/v1 或特定于租户的网址）。

   注意： 如果“API 管理”部分不可用，或者您需要为自己的账号预配 OAuth2 凭据，请与您的 NCR Voyix 客户代表联系。

验证 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
  CLIENT_ID="your-client-id"
  CLIENT_SECRET="your-client-secret"
  D3_BASE="https://api.d3banking.com/v1"
  
  # Obtain access token
  TOKEN=$(curl -s -X POST "${D3_BASE}/oauth/token" \
      -H "Content-Type: application/x-www-form-urlencoded" \
      -d "grant_type=client_credentials&client_id=${CLIENT_ID}&client_secret=${CLIENT_SECRET}" \
      | python3 -c "import sys,json; print(json.load(sys.stdin)['access_token'])")
  
  # Test audit log access
  curl -s -H "Authorization: Bearer ${TOKEN}" \
      "${D3_BASE}/audit-logs?limit=1" | head -c 500
  

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 d3-banking-logs-collector-sa
   • 服务账号说明：输入 Service account for Cloud Run function to collect D3 Banking 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 d3-banking-audit-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 d3-banking-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 d3-banking-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 NCR Voyix Digital Banking 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	d3-banking-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 d3-banking-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)。
   注意： 调用函数时，Pub/Sub 会自动处理身份验证。

7. 向下滚动并展开容器、网络、安全性。

8. 前往安全性标签页：

   • 服务账号：选择服务账号 d3-banking-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	d3-banking-audit-logs	GCS 存储桶名称
   GCS_PREFIX	d3banking	日志文件的前缀
   STATE_KEY	d3banking/state.json	状态文件路径
   D3_API_BASE	https://api.d3banking.com/v1	D3 Banking API 基本网址
   D3_CLIENT_ID	your-client-id	OAuth2 客户端 ID
   D3_CLIENT_SECRET	your-client-secret	OAuth2 客户端密钥
   MAX_RECORDS	5000	每次运行的记录数上限
   PAGE_SIZE	1000	每页记录数
   LOOKBACK_HOURS	24	初始回溯期

10. 在变量和 Secret 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 json
     import os
     import urllib3
     from datetime import datetime, timezone, timedelta
     import time
     import base64
     
     # 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', 'd3banking')
     STATE_KEY = os.environ.get('STATE_KEY', 'd3banking/state.json')
     D3_API_BASE = os.environ.get('D3_API_BASE', 'https://api.d3banking.com/v1')
     D3_CLIENT_ID = os.environ.get('D3_CLIENT_ID')
     D3_CLIENT_SECRET = os.environ.get('D3_CLIENT_SECRET')
     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 to_unix_millis(dt: datetime) -> int:
       """Convert datetime to Unix epoch milliseconds."""
       if dt.tzinfo is None:
         dt = dt.replace(tzinfo=timezone.utc)
       dt = dt.astimezone(timezone.utc)
       return int(dt.timestamp() * 1000)
     
     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)
     
     def get_access_token():
       """
       Obtain an OAuth2 access token using client credentials.
       """
       api_base = D3_API_BASE.rstrip('/')
       token_url = f"{api_base}/oauth/token"
     
       headers = {
         'Content-Type': 'application/x-www-form-urlencoded',
         'Accept': 'application/json'
       }
     
       body = f"grant_type=client_credentials&client_id={D3_CLIENT_ID}&client_secret={D3_CLIENT_SECRET}"
     
       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 D3 Banking
       audit logs and write to GCS.
     
       Args:
         cloud_event: CloudEvent object containing Pub/Sub message
       """
     
       if not all([GCS_BUCKET, D3_CLIENT_ID, D3_CLIENT_SECRET]):
         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()}")
     
         # Get access token
         token = get_access_token()
     
         # Fetch audit logs
         records, newest_event_time = fetch_logs(
           token=token,
           start_time=last_time,
           end_time=now,
           page_size=PAGE_SIZE,
           max_records=MAX_RECORDS,
         )
     
         if not 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 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_logs(token: str, start_time: datetime, end_time: datetime, page_size: int, max_records: int):
       """
       Fetch audit logs from NCR Voyix Digital Banking REST API
       with pagination and rate limiting.
     
       Args:
         token: OAuth2 access token
         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 = D3_API_BASE.rstrip('/')
       endpoint = f"{api_base}/audit-logs"
     
       headers = {
         'Authorization': f'Bearer {token}',
         'Accept': 'application/json',
         'User-Agent': 'GoogleSecOps-D3BankingCollector/1.0'
       }
     
       records = []
       newest_time = None
       page_num = 0
       backoff = 1.0
       offset = 0
     
       while True:
         page_num += 1
     
         if len(records) >= max_records:
           print(f"Reached max_records limit ({max_records})")
           break
     
         # Build query parameters
         params = {
           'startDate': start_time.strftime('%Y-%m-%dT%H:%M:%SZ'),
           'endDate': end_time.strftime('%Y-%m-%dT%H:%M:%SZ'),
           'limit': min(page_size, max_records - len(records)),
           'offset': offset
         }
     
         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
           )
     
           # 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('auditLogs', data.get('events', 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_ts = event.get('timestamp') or event.get('created') or event.get('eventDate')
               if event_ts:
                 if isinstance(event_ts, (int, float)):
                   event_dt = datetime.fromtimestamp(event_ts / 1000, tz=timezone.utc)
                   event_time = event_dt.isoformat()
                 else:
                   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
           offset += len(page_results)
           if len(page_results) < page_size:
             print("No more pages (partial page received)")
             break
     
         except Exception as e:
           print(f"Error fetching logs: {e}")
           return [], None
     
       print(f"Retrieved {len(records)} total records from {page_num} pages")
       return records, newest_time
     

   • 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）。

   注意： Pub/Sub 触发器配置会自动创建必要的订阅和权限。

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	d3-banking-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 UTC）
   目标类型	Pub/Sub
   主题	选择主题 d3-banking-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 d3-banking-logs-collector。
6. 点击日志标签页。

7. 验证函数是否已成功执行。查找：

   Fetching logs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
   Page 1: Retrieved X events
   Wrote X records to gs://d3-banking-audit-logs/d3banking/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 (d3-banking-audit-logs)。

10. 转到 d3banking/ 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 OAuth2 凭据
• HTTP 403：验证账号是否在 D3 Banking 管理员门户中拥有所需的管理员权限
• 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 D3 Banking 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 D3 Banking Logs）。
5. 选择 Google Cloud Storage V2 作为来源类型。
6. 选择 D3 Banking 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：

   [e-mail]
   

8. 复制此电子邮件地址。

   注意： 每个 Google SecOps 实例都有一个唯一的服务账号。请勿使用其他文档或示例中的服务账号。

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://d3-banking-audit-logs/d3banking/
      

      • 替换：
        • d3-banking-audit-logs：您的 GCS 存储桶名称。
        • d3banking：存储日志的可选前缀/文件夹路径（留空表示根目录）。
    注意： 请务必在 URI 末尾添加尾随斜杠 (/)。

    • 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。

        注意 ：如果您选择删除选项，服务账号必须具有 Storage Object Admin 角色，而不是 Storage Object Viewer 角色。相应地更新 IAM 权限。

    • 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。

注意： 如果您打算使用“删除已转移的文件”或“删除已转移的文件和空目录”删除选项，请授予存储对象管理员角色，而不是存储对象查看者角色。

UDM 映射表

日志字段	UDM 映射	逻辑
USER_DEVICE_TOKEN_label	additional.fields	已合并
actingProfileType_label	additional.fields	已合并
companyId_label	additional.fields	已合并
component_label	additional.fields	已合并
deleted_label	additional.fields	已合并
enrolledInBiometricAuth_label	additional.fields	已合并
errors_label	additional.fields	已合并
eventClass_label	additional.fields	已合并
issue_label	additional.fields	已合并
q_status_label	additional.fields	已合并
settingsSecQuest_label	additional.fields	已合并
shadowAssistUserId_label	additional.fields	已合并
shadowAssistUsername_label	additional.fields	已合并
source_label	additional.fields	已合并
status_label	additional.fields	已合并
topic_label	additional.fields	已合并
mechanism	extensions.auth.mechanism	已合并
LOGIN_SESSION_TYPE	extensions.auth.type	直接映射
defined.message	metadata.description	直接映射
@timestamp	metadata.event_timestamp	解析为 ISO8601
event_type	metadata.event_type	直接映射
auditId	metadata.product_event_type	直接映射
messageId	metadata.product_event_type	直接映射
@version	metadata.product_version	直接映射
http	network.http	已重命名/已映射
sessionId	network.session_id	直接映射
clientIp	principal.ip	已合并
userClass	principal.user.group_identifiers	已合并
username	principal.user.user_display_name	直接映射
userId	principal.user.userid	直接映射
sec_result	security_result	已合并
application	target.application	直接映射
deviceUuid	target.asset_id	直接映射
subcomponent	target.file.names	已合并
producerHostname	target.hostname	直接映射
producerIp	target.ip	已合并
fullAddress	target.location.name	直接映射
resource	target.resource	已重命名/已映射
userId	target.user.userid	直接映射
不适用	extensions.auth.type	常量：AUTHTYPE_UNSPECIFIED
不适用	metadata.event_type	常量：GENERIC_EVENT
不适用	metadata.product_name	常量：D3_BANKING
不适用	metadata.vendor_name	常量：D3_BANKING

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。