收集 Privacy-i 日志

支持的平台：

Google SecOps SIEM

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

Privacy-i 是由 Somansa（现已被 Mitsui Bussan Secure Directions 收购）开发的端点数据隐私权和合规性监控平台。该平台可在各个端点上提供敏感数据发现、分类和政策强制执行功能。Privacy-i REST API 可通过程序化方式访问日志、突发事件报告和代理活动数据。

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
• 对 Privacy-i 管理控制台的管理员访问权限
• Privacy-i REST API 的 API 凭据（API 密钥或 OAuth2 凭据）

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 privacy-i-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 Privacy-i API 凭据

获取 API 密钥

1. 使用管理员凭据登录 Privacy-i 管理控制台。
2. 依次前往设置 > API 管理（或系统 > API 配置）。
3. 点击 Generate API Key。
4. 输入 API 密钥的名称（例如 Google SecOps Integration）。

5. 复制以下详细信息并将其保存在安全的位置：

   • API 密钥：生成的 API 密钥值
   • 服务器网址：Privacy-i 管理服务器网址（例如 https://privacy-i.your-domain.com）
   注意： API 密钥仅显示一次。请妥善保管。如果丢失，您需要重新生成该密钥。

确定 API 基准网址

Privacy-i API 基准网址是您的管理服务器网址：

格式	示例
服务器网址	https://privacy-i.your-domain.com/api

注意： 请将 privacy-i.your-domain.com 替换为您的实际 Privacy-i 管理服务器主机名。

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
  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"
  

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 privacy-i-logs-collector-sa
   • 服务账号说明：输入 Service account for Cloud Run function to collect Privacy-i 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 privacy-i-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 privacy-i-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 privacy-i-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 Privacy-i 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	privacy-i-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 privacy-i-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 privacy-i-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	privacy-i-logs	GCS 存储桶名称
   GCS_PREFIX	privacy-i	日志文件的前缀
   STATE_KEY	privacy-i/state.json	状态文件路径
   PRIVACY_I_API_KEY	your-api-key	Privacy-i API 密钥
   PRIVACY_I_BASE_URL	https://privacy-i.your-domain.com/api	Privacy-i API 基本网址
   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
     
     # 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	privacy-i-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 privacy-i-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 privacy-i-logs-collector。
6. 点击日志标签页。

7. 验证函数是否已成功执行。请查找以下内容：

   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. 前往 Cloud Storage > 存储分区。

9. 点击您的存储桶名称 (privacy-i-logs)。

10. 转到 privacy-i/ 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 密钥
• HTTP 403：在 Privacy-i 管理控制台中验证 API 密钥是否具有所需权限
• 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 Privacy-i 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 Privacy-i Logs）。
5. 选择 Google Cloud Storage V2 作为来源类型。
6. 选择 Privacy-i 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://privacy-i-logs/privacy-i/
      

      • 替换：
        • privacy-i-logs：您的 GCS 存储桶名称。
        • privacy-i：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
has_principal、has_target_file、has_user	metadata.event_type	如果具有委托人和目标文件，则设置为 SCAN_FILE；如果具有用户，则设置为 USER_UNCATEGORIZED；如果具有委托人，则设置为 STATUS_UPDATE；否则设置为 GENERIC_EVENT
elog_incidentlogguid、efile_incidentlogguid、guid	metadata.product_log_id	如果 elog_incidentlogguid 不为空，则使用该值；否则，如果 efile_incidentlogguid 不为空，则使用该值；否则，使用 guid
数据类型	metadata.product_event_type	直接复制值
productversion	metadata.product_version	直接复制值
	metadata.product_name	设置为“PRIVACY_I”
	metadata.vendor_name	设置为“PRIVACY_I”
dfile_agentip, ip	principal.asset.ip	如果不为空，则从 dfile_agentip 合并；如果不为空，则从 ip 合并
dfile_agentip, ip	principal.ip	如果不为空，则从 dfile_agentip 合并；如果不为空，则从 ip 合并
dfile_computername	principal.asset.asset_id	串联为“Computer:%{dfile_computername}”
computername	principal.asset.hostname	串联为“Computer:%{computername}”
osserial_label、computerguid_label	principal.asset.attribute.labels	从 osserial_label 和 computerguid_label 合并而来
productid	principal.asset.product_object_id	直接复制值
dlog_ostype, osname	principal.platform	根据 dlog_ostype 枚举 (0=WINDOWS,1=LINUX,2=MAC) 设置，然后根据 osname 正则表达式覆盖
macaddr	principal.mac	从 macaddr 合并
dfile_userid、userid、admin_id	principal.user.userid	设置为 dfile_userid，然后如果非空，则由 userid 覆盖，如果仍非空，则由 admin_id 覆盖
dfile_username、empname、admin_name	principal.user.user_display_name	设置为 dfile_username，然后如果 empname 不为空，则将其覆盖，如果 admin_name 不为空，则再将其覆盖
dfile_deptname	principal.user.department	直接复制值
logintime	principal.user.last_login_time	已使用日期格式 yyyy-MM-dd HH:mm:ss 进行转换
作业	principal.user.title	直接复制值
dfile_patterninfo	security_result	从 JSON 中提取并结构化为检测字段
类别	security_result.category_details	直接复制值
logtype	security_result.action	直接复制值
elog_detectedapplicationname	target.application	直接复制值
dfile_filecreatedtime	target.file.create_time	使用日期格式 ISO8601 进行转换
dfile_fileextension	target.file.mime_type	直接复制值
dfile_filename	target.file.names	从 dfile_filename 合并
dfile_filesize	target.file.size	转换为整数
dfile_firstscannedpath	target.file.full_path	直接复制值
dfile_firstscannedtime	target.file.first_seen_time	使用日期格式 ISO8601 进行转换
dfile_filemodifiedtime	target.file.last_modification_time	使用日期格式 ISO8601 进行转换
efile_fileaccessedtime	target.file.last_access_time	已使用日期格式 yyyy-MM-dd HH:mm:ss 进行转换
efile_resulttime	target.file.last_analysis_time	使用日期格式 ISO8601 进行转换
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	从多个标签字段合并

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。