Tabel data penelusuran
Tabel data adalah konstruksi data multikolom yang memungkinkan Anda memasukkan data Anda sendiri ke Google Security Operations. Tabel data dapat berfungsi sebagai tabel pemeta dengan kolom yang ditentukan dan data yang disimpan dalam baris. Anda dapat membuat atau mengimpor tabel data ke akun Google SecOps menggunakan antarmuka web Google SecOps, API tabel data, atau menggunakan kueri Ringkasan YARA-L 2.0.
Menetapkan cakupan ke tabel data menggunakan RBAC data
Untuk menggunakan tabel data, Anda harus menetapkan cakupan ke tabel data menggunakan kontrol akses berbasis peran data (RBAC data). Dengan menetapkan cakupan ke tabel data, Anda dapat mengontrol pengguna dan resource mana yang dapat mengakses dan menggunakannya. Untuk mengetahui informasi selengkapnya, lihat Mengonfigurasi RBAC data untuk tabel data.
Mengelola tabel data menggunakan antarmuka web Google SecOps
Bagian berikut menjelaskan cara mengelola tabel data menggunakan antarmuka web, termasuk cara mengakses tabel data, menambahkan tabel data baru, mengedit kontennya, menambahkan baris, dan cara menghapus tabel data dari akun Anda.
Mengakses tabel data Anda
Untuk mengakses halaman Tabel Data, lakukan tindakan berikut:
- Di sidebar, pilih Investigation > Data Tables.
Untuk menemukan tabel data tertentu, di bagian atas sidebar Tabel Data, masukkan namanya di kolom Telusuri.
Menambahkan tabel data baru
Saat menambahkan tabel data baru, Anda dapat memasukkan data CSV secara manual, menempelkan data CSV, atau mengimpor file CSV atau TSV ke dalam tabel data.
Konfigurasi berikut bersifat permanen dan tidak dapat diubah setelah tabel data baru disimpan:
Untuk menambahkan tabel data baru ke Google SecOps, lakukan hal berikut:
Di sidebar, pilih Investigation > Data Tables.
Di bagian atas sidebar Data Tables, klik Create.
Dalam dialog Create New Data Table, beri nama tabel dan, jika perlu, tambahkan deskripsi.
Lakukan salah satu hal berikut:
- Masukkan data CSV secara manual atau tempelkan data CSV ke area Teks (mode edit).
- Lakukan hal berikut untuk mengimpor data dari file CSV atau TSV ke tabel data:
- Klik Import File.
- Buka file, lalu klik Buka. Dialog Import File akan terbuka.
- Jika Anda memilih file TSV pada langkah sebelumnya, lakukan hal berikut:
- Dari daftar Jenis Pemisah, pilih Deteksi otomatis atau Tab.
- Dari daftar Mulai impor di baris, tentukan baris dalam file tempat data akan diimpor.
- Klik Impor Data.
Pilih mode edit Table dan konfigurasikan hal berikut sesuai kebutuhan:
Klik Simpan. Tabel data baru akan ditampilkan di sidebar Data Tables dan siap menerima data tambahan.
Memetakan jenis data ke kolom tabel data
Saat menambahkan tabel data baru, Anda dapat memetakan jenis data (string, ekspresi reguler, CIDR, atau angka) ke kolom tabel data.
Anda dapat memetakan kolom data tunggal ke kolom data, dan memetakan kolom data berulang ke kolom data menggunakan antarmuka web atau API, sebagai berikut:
Di antarmuka web dan API, pisahkan nilai kolom data menggunakan garis vertikal (
|). Di antarmuka web, jika ada nilai yang menyertakan garis vertikal (|), nilai tersebut akan diperlakukan sebagai nilai berulang secara default.Untuk permintaan API, tetapkan
repeated_valuesketrue.
Untuk mengetahui informasi selengkapnya, lihat Kolom berulang.
Dalam contoh berikut, kolom tabel data Field_value berisi nilai untuk beberapa kolom:
| Field_value | Field_name |
|---|---|
| altostrat.com | FQDN |
| 192.0.2.135 | IP |
| charlie | userid |
| contoh | hostname |
Tabel sebelumnya dibagi menjadi empat kolom dengan setiap kolom dipetakan ke hanya satu jenis kolom sebelum dapat digunakan untuk salah satu kasus penggunaan tabel data yang disajikan dalam dokumen ini.
| FQDN | IP | Userid | Hostname |
|---|---|---|---|
| altostrat.com | 192.0.2.135 | charlie | contoh |
| … | … | … | … |
Menentukan kolom kunci
Saat menambahkan tabel data baru, Anda dapat menetapkan kolom tertentu sebagai kolom kunci.
Menandai kolom sebagai kolom kunci akan mengidentifikasi nilai dalam kolom tersebut secara unik, mencegah duplikasi data, dan meningkatkan penemuan data untuk aturan dan penelusuran.
Menetapkan kolom untuk mendukung kolom berulang
Saat menambahkan tabel data baru, Anda dapat menetapkan kolom tertentu untuk mendukung kolom berulang.
Kolom yang dimaksudkan untuk menyimpan kolom multinilai atau kolom berulang, harus ditetapkan secara eksplisit sebagai berulang saat tabel data dibuat.
Memetakan nama kolom ke kolom entity (opsional)
Saat menambahkan tabel data baru, Anda dapat memetakan nama kolom tabel data ke kolom entity.
Dalam tabel data contoh berikut, kolom Userid dan Role masing-masing dipetakan ke entity.user.userid dan entity.user.attribute.role.name:
| Userid (petakan ke entity.user.userid) |
Role (petakan ke entity.user.attribute.role.name) |
|
|---|---|---|
| jack | jack123@gmail.com | administrator |
| tony | tony123@gmail.com | engineer |
Anda dapat memetakan kolom tabel data ke kolom proto entity menggunakan kolom mapped_column_path dari resource DataTable.
Untuk kolom tanpa jalur entity yang ditentukan, seperti Email dalam tabel contoh ini, Anda harus menentukan jenis data secara manual. Seperti halnya
daftar referensi, jenis data yang didukung
untuk tabel data adalah number, string, regex, dan cidr.
Anda dapat menyertakan kolom yang dipetakan dan tidak dipetakan dalam tabel data dengan menentukan kondisi join.
Kolom yang tidak dipetakan disimpan di kolom additional entity yang digabungkan dengan tabel. Nilai ini ditambahkan sebagai key-value pair, dengan key sebagai nama kolom dan value sebagai nilai baris yang sesuai.
Menambahkan baris baru ke tabel data
Untuk menambahkan baris baru, lakukan tindakan berikut:
- Di tab Detail, pilih mode edit Tabel.
- Klik kanan baris yang ada, lalu pilih Tambahkan baris di atas.
- Masukkan data untuk baris baru. Baris pertama diperlakukan sebagai header tabel. Pastikan untuk mencocokkan setiap item data dengan kolom data dan jenis data yang sesuai.
- Klik Simpan.
Mengedit baris dalam tabel data
Untuk mengedit baris, lakukan tindakan berikut:
- Klik kolom yang ingin Anda ubah. Kolom akan dapat diedit.
- Buat perubahan.
- Klik Simpan.
Baris tabel data penelusuran
Anda dapat menelusuri informasi tertentu dalam tabel data menggunakan antarmuka web. Di tab Details, masukkan string penelusuran di kolom penelusuran, lalu klik Search. Baris yang berisi string penelusuran Anda akan ditampilkan.
Mengelola TTL baris tabel
Untuk mengelola nilai time to live (TTL) untuk baris tabel, lakukan hal berikut:
Klik Show TTL per row. Kolom TTL akan ditampilkan, yang menunjukkan apakah setiap baris telah habis masa berlakunya. Jika belum habis masa berlakunya, status ini akan menampilkan sisa waktu sebelum habis masa berlaku.
Klik waktu Default row expiration untuk menampilkan dialog Update default row expiration dan sesuaikan TTL baris tabel.
Masukkan nilai TTL baru dalam Jam atau Hari. Nilai minimumnya adalah 1 jam. Nilai maksimumnya adalah 365 hari.
Klik Simpan.
Perilaku penggantian TTL tingkat baris
Baris mewarisi TTL yang diterapkan di tingkat tabel. Anda juga dapat menetapkan TTL tertentu untuk setiap baris, dan TTL tingkat baris ini lebih diutamakan daripada default tingkat tabel. Saat Anda menambahkan baris baru, TTL-nya dimulai dari waktu pembuatan.
Menghapus baris tabel
Untuk menghapus baris, klik kanan baris, lalu pilih Hapus baris.
Untuk menghapus beberapa baris, pilih setiap baris yang ingin Anda hapus. Kemudian, klik kanan baris yang dipilih dan pilih Hapus baris.
Menghapus tabel data
Untuk menghapus tabel data, lakukan tindakan berikut:
Pilih tabel data dari daftar Tabel Data di sidebar.
Klik Hapus.
Mengelola tabel data menggunakan Chronicle API
Anda juga dapat menggunakan resource REST yang tersedia di Chronicle API untuk mengelola tabel data di Google SecOps. API ini dapat mereplikasi semua fitur yang tersedia di antarmuka web, dan menyertakan beberapa fitur tambahan yang memungkinkan Anda mengelola tabel data dengan performa dan skala yang lebih besar.
Berikut adalah resource REST tabel data:
Contoh: sintaksis filter
Contoh Chronicle API berikut menunjukkan cara menggunakan sintaksis filter untuk menelusuri google.com di baris tabel data:
curl -X GET \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://staging-chronicle.sandbox.googleapis.com/v1alpha/projects/{$PROJECT}/locations/${REGION}/instances/${INSTANCE}/dataTables/${DATA_TABLE_NAME}/dataTableRows?filter=google.com"
Menggunakan tabel data di Google SecOps
Setelah menambahkan tabel data ke instance Google SecOps, Anda dapat menggunakannya untuk memfilter, meningkatkan, dan memperkaya data menggunakan kueri YARA-L. Dokumen ini menyertakan banyak contoh dalam sintaksis YARA-L, yang dapat Anda gabungkan ke dalam Google SecOps.
Anda dapat menggunakan tabel data bersama dengan kueri YARA-L di Penelusuran dan aturan.
Tabel data dapat digunakan dengan cara berikut:
Memfilter data peristiwa atau entity UDM menggunakan tabel data
Anda dapat memfilter peristiwa dan entity telemetri UDM dengan membandingkannya dengan entri dalam tabel data.
Menggunakan tabel data sebagai daftar referensi multikolom
Anda dapat menggunakan tabel data sebagai daftar referensi multikolom. Meskipun daftar referensi dapat mengakses data dalam satu dimensi, tabel data memungkinkan Anda mengakses data dalam beberapa dimensi, sehingga memungkinkan pemfilteran data.
Menggabungkan tabel data dengan peristiwa atau entity
Anda dapat menautkan peristiwa UDM ke tabel data menggunakan operator kesetaraan (
=) untuk perbandingan berbasis baris. Perbandingan ini memungkinkan Anda memfilter data. Perbandingan berbasis baris akan dievaluasi sebagaitruehanya jika semua kondisi dalam pernyataan cocok dengan satu baris dalam tabel data.
Memfilter data peristiwa dan entity UDM menggunakan tabel data
Anda dapat memfilter peristiwa dan entity UDM dengan membandingkannya dengan entri dalam tabel data. Gabungkan tabel data dengan peristiwa atau entity UDM menggunakan perbandingan berbasis baris atau berbasis kolom.
Perbandingan berbasis baris dan berbasis kolom dalam tabel data
| Jenis perbandingan | Logika kunci | Operator umum | Contoh sintaksis | Kapan digunakan |
|---|---|---|---|---|
| Berbasis baris | Semua kondisi harus cocok dalam baris yang SAMA | =, !=, >, >=, <, <= |
$e.field = %table.col_a |
Saat hubungan antara beberapa nilai kolom di baris yang sama penting. |
| Berbasis kolom | Nilai harus ada di MANA SAJA dalam kolom | IN, IN regex, IN cidr |
$e.field IN %table.col_b |
Saat memeriksa keberadaan nilai dalam kumpulan nilai di satu kolom. |
Tautkan peristiwa UDM ke tabel data menggunakan metode perbandingan Berbasis baris atau Berbasis kolom:
Perbandingan berbasis baris untuk menautkan peristiwa UDM ke tabel data
Untuk menautkan peristiwa UDM ke tabel data menggunakan perbandingan berbasis baris, gunakan operator kesetaraan (
=,!=,>,>=,<,<=).Contoh:
$<udm_variable>.<field_path> = %<data_table_name>.<column_name>- Jika Anda menggunakan beberapa pernyataan perbandingan, semua kolom atau kondisi harus cocok pada baris tabel data yang sama.
Untuk menggunakan operator (seperti
not,!=,>,>=,<,<=) dalam kueri, Anda harus menyertakan setidaknya satu kondisijoinantara kolom UDM dan baris tabel data.Google SecOps memperlakukan aturan apa pun dengan
jointabel data sebagai aturan multi-peristiwa, yang memerlukan bagianmatchdalam definisi aturan.
Untuk memfilter data dengan mencocokkan nilai dari peristiwa UDM dengan baris dalam tabel data, pertimbangkan sintaksis join berikut:
Sintaksis join yang benar:
Aturan deteksi (anti-join kiri): Untuk mengecualikan peristiwa saat kombinasi tertentu dari beberapa kolom cocok dengan baris yang sama dalam tabel data (anti-join), ikat kolom peristiwa ke kolom tabel data menggunakan kesetaraan (
=) di bagianevents, dan tentukan$e and #<data_table_name> = 0di bagiancondition. Atau, sertakan#<data_table_name> >= 0di bagianconditionagar compiler melakukan left outer join (misalnya,$e and #<data_table_name> >= 0 and $match_count = 0saat menghitung baris yang cocok dioutcomemenggunakan$match_count = count(%<data_table_name>.<column_name>)). Jika ada baris dalam tabel data yang cocok dengan semua kolom terikat, jumlah baris akan lebih besar dari nol dan aturan akan mengecualikan peristiwa. Untuk mengetahui informasi selengkapnya, lihat Contoh anti-join kiri (pengecualian) dalam aturan.Penelusuran dan dasbor:
- Dengan bagian
match(Penelusuran dan dasbor gabungan): Ulangileft joinpada setiap kolom yang digabungkan di bagianevents(misalnya,left join $e.field1 = %<data_table_name>.col1danleft join $e.field2 = %<data_table_name>.col2), dan tambahkan#<data_table_name> = 0di bagiancondition(atau hitung kolom yang cocok dioutcomedan evaluasi$match_count = 0dicondition). - Tanpa bagian
match(Penelusuran dan dasbor multi-level yang tidak digabungkan): Tempatkan pernyataanleft joinberulang dalamstagebernama yang menghasilkan kolom tabel data dioutcome(misalnya,$matched_col = %<data_table_name>.<column_name>), filter untuk$<stage_name>.matched_col = ""di bagianeventsutama (output string tahap yang tidak cocok ditetapkan secara default ke string kosong, bukan null), dan proyeksikan kolom tahap yang diperlukan di bagianoutcomeutama.
- Dengan bagian
Sintaksis join yang salah:
Jangan gabungkan
NOTdengan beberapa kondisi kesetaraan berbasis baris (misalnya,NOT ($e.field1 = %table.col1 AND $e.field2 = %table.col2)). Pencocokan akan mengevaluasi baris demi baris terhadap tabel data. Jika ada baris yang gagal memenuhi kondisi gabungan dalam,NOTakan dievaluasi ketrue, yang berpotensi menyertakan peristiwa, bukan mengecualikannya.Jangan gunakan operator ketidaksetaraan independen di beberapa kolom (misalnya,
$e.field1 != %table.col1 AND $e.field2 != %table.col2) tanpa kondisi join positif (=), yang menyebabkan error kompilasi. Bahkan saat dipasangkan dengan join positif di kolom lain, operator ketidaksetaraan mengevaluasi kolom di baris yang digabungkan yang sama dan cocok setiap kali ada baris yang digabungkan yang berbeda, bukan memverifikasi bahwa tidak ada baris yang cocok dengan tuple.Jangan bingung antara perbandingan berbasis baris dengan pemeriksaan keanggotaan berbasis kolom (
not $e.field1 in %table.col1 and not $e.field2 in %table.col2). Pemeriksaaninberbasis kolom mengevaluasi setiap kolom secara independen di seluruh tabel data, dengan mengecualikan peristiwa jikafield1muncul di satu baris danfield2muncul di baris lain, meskipun kedua nilai tersebut tidak pernah muncul bersamaan di baris yang sama.
Untuk menggunakan kolom tabel data berjenis
CIDRatauregexuntuk perbandingan berbasis baris, gunakan sintaksis berikut:net.ip_in_range_cidr($e.principal.ip, %<data_table_name>.<column_name>) re.regex($e.principal.hostname, %<data_table_name>.<column_name>)
Perbandingan berbasis kolom untuk menautkan peristiwa UDM ke tabel data
Untuk menautkan peristiwa UDM ke tabel data menggunakan perbandingan berbasis kolom, gunakan kata kunci
in.Contoh:
$<udm_variable>.<field_path> in %<data_table_name>.<column_name>Untuk memfilter peristiwa yang nilai kolomnya ada di kolom yang ditentukan (misalnya, daftar yang tidak diizinkan atau daftar yang diizinkan), gunakan sintaksis ini:
NOT (... IN %table.column)Contoh:
not ($evt_username in %my_data_table.username)Untuk menggunakan kolom tabel data berjenis
CIDRatauregexuntuk perbandingan berbasis kolom, gunakan sintaksis berikut:$e.principal.ip in cidr %cidr_data_table.column_name $e.principal.hostname in regex %regex_data_table.column_nameSaat membandingkan kolom dalam tabel data yang merupakan jenis data CIDR atau ekspresi reguler, kata kunci
cidrdanregexbersifat opsional.Anda juga dapat menggunakan operator
notdengan tabel data.Contoh kueri berikut memfilter entri yang alamat IP-nya (
$e.principal.ip) tidak cocok dengan rentang CIDR yang tercantum di kolombenign_ipdicidr_data_table:not $e.principal.ip in %data_table.benign_ip
Menggunakan tabel data sebagai daftar referensi multikolom
Anda dapat menggunakan tabel data sebagai daftar referensi multikolom. Meskipun daftar referensi dapat mengakses data dalam satu dimensi (satu kolom), tabel data mendukung beberapa kolom, sehingga Anda dapat memfilter dan mengakses data di beberapa dimensi.
Anda dapat menautkan peristiwa UDM ke tabel data menggunakan kata kunci in untuk perbandingan berbasis kolom, sehingga Anda dapat mencocokkan nilai di kolom UDM tertentu dengan nilai di satu kolom tabel data.
Dalam contoh berikut, tabel data badApps berisi dua kolom:
hostname dan ip. Kueri mencocokkan kedua nilai (nilai berdasarkan kolom UDM dan
nilai berdasarkan tabel data, keduanya berjenis data string) secara independen.
Contoh aturan:
rule udm_in_data_table { meta: description = "Use data table as multicolumn reference list" events: $e.metadata.event_type = "NETWORK_CONNECTION" $e.security_result.action = "ALLOW" $e.target.asset.asset_id = $assetid // Event hostname matches at least one value in table column hostname. $e.target.hostname in %badApps.hostname // Event IP matches at least one value in table column ip. $e.target.ip in %badApps.ip match: $assetid over 1h condition: $e }Contoh penelusuran:
events: $e.metadata.event_type = "NETWORK_CONNECTION" $e.security_result.action = "ALLOW" $e.target.asset.asset_id = $assetid // Event hostname matches at least one value in table column hostname. $e.target.hostname in %badApps.hostname // Event IP matches at least one value in table column ip. $e.target.ip in %badApps.ip
Gabungan berbasis baris antara tabel data dan peristiwa atau entity UDM
Anda dapat menautkan peristiwa UDM ke tabel data menggunakan operator kesetaraan dan perbandingan (=, !=, >, >=,
<, <=) untuk melakukan perbandingan berbasis baris. Pendekatan ini memungkinkan Anda memfilter data dengan
mencocokkan nilai dari peristiwa UDM dengan baris dalam tabel data. Jika Anda menggunakan
beberapa pernyataan perbandingan, semua kolom atau kondisi harus cocok pada baris tabel data
yang sama.
Anda harus menyertakan setidaknya satu kondisi join antara kolom UDM dan baris tabel data untuk menggunakan operator (seperti not, !=, >, >=, <, <=) dalam kueri Anda.
Google SecOps memperlakukan aturan apa pun dengan tabel data join sebagai aturan multi-peristiwa, yang memerlukan bagian match yang sesuai dalam definisi aturan.
Saat penggabungan terjadi, baris tabel data tertaut akan terlihat di Penelusuran. Untuk mengetahui informasi selengkapnya, lihat Melihat baris tabel data di Penelusuran.
Placeholder didukung untuk tabel data di bagian
eventkueri, tetapi harus terhubung ke peristiwa UDM atau entity UDM.Contoh berikut menggunakan kolom tabel data jenis
string.Contoh kueri YARA-L ini memeriksa apakah peristiwa login pengguna cocok dengan baris di
example_table.- Salah satu kondisinya adalah
user IDada diexample_table. - Kedua kondisi harus cocok pada baris yang sama di
example_tableagar aturan dapat dipicu.
- Salah satu kondisinya adalah
Contoh aturan:
// Check if user exists in a data table and is active in all user login events. rule udm_join_data_table { meta: description = "Join data table with UDM event" events: $e.metadata.event_type = "USER_LOGIN" $e.security_result.action = "ALLOW" $e.principal.user.userid = $userid // Event must match at least 1 row in the data table // where the uid in the data table row is the userid on the event // and the active date in the same data table row is before the event timestamp. %example_table.uid = $userid $e.principal.hostname = %example_table.hostname match: $userid over 1h condition: $e }Contoh penelusuran:
events: $e.metadata.event_type = "USER_LOGIN" $e.security_result.action = "ALLOW" $e.principal.user.userid = $userid // Event must match at least 1 row in the data table // where the uid in the data table row is the userid on the event // and the active date in the same data table row is before the event timestamp %example_table.uid = $userid $e.principal.hostname = %example_table.hostname
Contoh berikut menggambarkan cara kerja tabel data dan data peristiwa UDM bersama-sama.
Berdasarkan logika dalam kueri YARA-L sebelumnya, pengguna dengan
user ID 32452muncul dalam deteksi sebagaihostnamepengguna dari sistem, dan cocok denganhostnamedalam tabel data.Tabel data uid title hostname 32452 HR host1 64452 Keuangan host2 46364 IT host3 Tabel peristiwa UDM principal metadata security_result principal 32452 USER_LOGIN IZINKAN host1 64589 USER_LOGIN IZINKAN host9 87352 USER_LOGIN IZINKAN host4
Mengecualikan peristiwa menggunakan anti-join berbasis baris multi-kolom
Untuk mengecualikan peristiwa hanya jika kombinasi kolom tertentu cocok dengan baris yang sama dalam tabel data pengecualian (left anti-join), ikat setiap kolom peristiwa ke kolom tabel data yang sesuai di bagian events dan tentukan #<data_table_name> = 0 di bagian condition.
Contoh aturan deteksi berikut mengecualikan peristiwa jika nama aturan dan nama host utama cocok dengan baris yang sama di exclusion_table:
rule multi_column_row_exclusion {
meta:
author = "Google SecOps"
description = "Excludes events matching a specific rule and hostname combination in the same row of an exclusion data table."
events:
$e.metadata.event_type = "USER_LOGIN"
$e.security_result.rule_name = $rule_name
$e.principal.hostname = $hostname
// Both fields must match the SAME row in the exclusion data table
$rule_name = %exclusion_table.rule_name
$hostname = %exclusion_table.hostname
match:
$rule_name, $hostname over 5m
condition:
// Triggers only when the event exists and no matching combination row exists in the data table
$e and #exclusion_table = 0
}
Untuk contoh outer join dan anti-join lainnya, lihat Menghubungkan data menggunakan outer join.
Menulis hasil dari kueri YARA-L ke tabel data
Anda dapat menulis hasil dari kueri YARA-L ke tabel data. Dengan menggunakan fitur ini, Anda dapat membuat tabel data dari data Google SecOps dan menggunakan tabel tersebut untuk memfilter dan meningkatkan kualitas data lainnya.
Anda dapat menggunakan sintaksis penulisan kueri YARA-L untuk hal berikut:
Menentukan sintaksis YARA-L untuk menulis hasil kueri ke tabel data.
Gunakan tabel data untuk threat intelligence, respons insiden, dan kasus penggunaan keamanan lainnya.
Data harus sesuai dengan sintaksis dan konvensi YARA-L.
Menulis deteksi dan pemberitahuan ke tabel data menggunakan YARA-L
Anda dapat menggunakan kueri YARA-L untuk mengirim deteksi dan pemberitahuan ke tabel data.
Dengan menggunakan fungsi write_row, Anda dapat menimpa baris tabel data dengan kunci yang cocok di tabel data menggunakan hasil dari aturan. Jika kunci tidak ditemukan dalam tabel, tambahkan baris baru.
Tentukan fungsi write_row di bagian ekspor kueri YARA-L. Menulis data ke tabel data harus menjadi tindakan terakhir kueri. Hal ini akan menyebabkan variabel hasil ditulis ke tabel data.
Contoh
export: %<data_table_name>.write_row( data_table_column_x_name: <value>, data_table_column_y_name: <value>, ..., ..., data_table_column_z_name: <value> ) // depending on the key column(s), the rows will be updated for existing keys and appended for new keysContoh: Mengekspor hasil penelusuran ke tabel data
events: $e.metadata.event_type = "USER_LOGIN" $e.security_result.action = "ALLOW" outcome: $user = $e.principal.user.userid $ip = $e.target.ip[0] // Assuming target.ip is an array $timestamp = $e.metadata.event_timestamp.seconds export: // Write to the data table named 'successful_logins' %successful_logins.write_row( user: $user, // Maps $user variable to 'user' column ip: $ip, // Maps $ip variable to 'ip' column first_seen: $timestamp // Maps $timestamp variable to 'first_seen' column )
Mengubah tabel data menggunakan YARA-L
Berikut ini cara mengubah tabel data menggunakan YARA-L:
TableName: ip_user_domain_table (kolom kunci untuk kunci utama ditentukan saat pembuatan)
| Alamat IP | employee_id* | domain |
|---|---|---|
| 192.0.2.10 | Dana | altostrat.com |
| 192.0.2.20 | Quinn | altostrat.com |
| 192.0.2.30 | Lee | cymbalgroup.com |
* menunjukkan kunci utama.
Kueri berikut menangkap kombinasi unik dari principal.ip,
principal.user.employee_id, dan target.domain. Filter ini memfilter hasil berdasarkan
prevalensi target.domain:
Contoh
events: $e.principal.ip = $principal_ip $e.principal.user.employee_id = $principal_user_employee_id $e.target.domain.name = $target_domain $e.target.domain.prevalence.day_count < 5 // To run this query as a rule, add Condition Section here // condition:$e
Hasil kueri:
| ip | empid | domain |
|---|---|---|
| 192.0.2.10 | Dana | altostrat.com |
| 192.0.2.30 | Lee | examplepetstore.com |
| 192.0.2.20 | Quinn | altostrat.com |
Contoh: Menggunakan write_row untuk menulis output kueri ke tabel data
Contoh aturan:
rule udm_write_data_table { meta: description = "Writeto data table" events: $e.principal.user.employee_id = $principal_user_employee_id $e.target.domain.name = $target_domain $e.target.domain.prevalence.day_count < 5 outcome: $hostname = $target_domain $principal_emp_id = $principal_user_employee_id condition: $e export: %ips_with_hostnames.write_row( employeeid:$principal_emp_id, hostname:$hostname ) }Contoh penelusuran:
events: $e.principal.user.employee_id = $principal_user_employee_id $e.target.domain.name = $target_domain $e.target.domain.prevalence.day_count < 5 outcome: $hostname = $target_domain $principal_emp_id = $principal_user_employee_id export: %ips_with_hostnames.write_row( employeeid:$principal_emp_id, hostname:$hostname )
Contoh: Memahami write_row
Dalam contoh berikut, user dan ip digunakan sebagai kunci utama. Setiap deteksi yang tetap ada dalam tabel deteksi menghasilkan satu evaluasi panggilan fungsi di bagian ekspor kueri.
Contoh aturan:
rule udm_write_data_table { meta: description = "Write data table" events: $e.metadata.event_type = "USER_LOGIN" all $e.security_result.action != "BLOCK" all $e.security_result.action != "UNKNOWN_ACTION" $user = $e.principal.user.userid $ip = $e.target.ip $ts = $e.metadata.event_timestamp.seconds match: $user, $ip over 1h outcome: $first_seen = min($ts) condition: $e export: %successful_logins.write_row(user:$user, ip:$ip) }Contoh penelusuran:
events: $e.metadata.event_type = "USER_LOGIN" all $e.security_result.action != "BLOCK" all $e.security_result.action != "UNKNOWN_ACTION" $ts = $e.metadata.event_timestamp.seconds outcome: $user = $e.principal.user.userid $ip = $e.target.ip[0] export: %successful_logins.write_row(user:$user, ip:$ip)Berikut data peristiwanya:
metadata: { event_type: USER_LOGIN event_timestamp: { seconds: 1283299200 } } principal: { user: { userid: "charlie" } } target: { ip: ["192.0.2.135", "192.0.2.136"] } security_result: { action: ALLOW }Deteksi berikut ditampilkan saat kueri ini dijalankan sebagai aturan:
ID Deteksi Cocokkan $user Match $ip 0 charlie 192.0.2.135 1 charlie 192.0.2.136 Tabel data berisi hal berikut:
user ip charlie 192.0.2.135 charlie 192.0.2.136 Kueri penelusuran berikut mengilustrasikan dukungan yang ditawarkan di Penelusuran untuk menulis nilai skalar ke tabel data.
events: $e.metadata.event_type = "NETWORK_CONNECTION" export: %summary_table.write_row(col_name: $e.metadata.product_name, Vendor_name: $e.metadata.vendor_name)
Memperkaya grafik entity dengan tabel data
Anda dapat menggunakan tabel data untuk menambahkan, menghapus, atau mengganti entity yang ditampilkan dalam grafik entity dari aturan. Gunakan fungsi di bagian setup aturan untuk menunjukkan cara
tabel data harus digabungkan, ditambahkan, atau digunakan untuk menghapus entity dari
peristiwa entity yang direferensikan di bagian events.
Anda dapat menggunakan template aturan berikut untuk mengubah grafik entity:
Template aturan
rule entity_graph_template { meta: ... setup: // import the data table into entity graph <enrichment_keyword> <join_condition> events: ... match: ... condition: ... }
Anda dapat menggunakan fungsi YARA-L 2.0 berikut untuk meningkatkan kualitas grafik entity dengan tabel data:
graph_override: Menimpa baris dalam grafik entity yang cocok dengan kondisi join dengan data dari tabel data.Contoh:
[graph_override](?tab=t.0#heading=h.v0fps7eke1if)graph_append: Menambahkan baris dari tabel data ke baris dalam grafik entity. Operasigraph_appendmemerlukan array yang menyertakan variabel tabel data dan variabel peristiwa entity, bukan kondisi gabungan.Dalam contoh berikut,
$g1adalah variabel grafik entity danexample_tableadalah tabel data:graph_append [$g1, %example_table]Untuk fungsi
append, tabel data harus menyertakan kolom berikut untuk memvalidasi entity:start_time(dipetakan kemetadata.interval.start_time.seconds)end_time(dipetakan kemetadata.interval.end_time.seconds)
Kolom tabel data tidak dapat dipetakan ke kolom metadata menggunakan antarmuka web. Untuk kasus penggunaan
append, tabel data harus dibuat menggunakan Chronicle API (https://docs.cloud.google.com/chronicle/docs/reference/rest/v1alpha/projects.locations.instances.dataTables/create)graph_exclude: Menghapus baris dalam grafik entity yang cocok dengan kondisijoin.Contoh:
[graph_exclude](?tab=t.0#heading=h.o0qbb5paki6g)
Kondisi gabungan harus berupa ekspresi kesetaraan antara kolom tabel data dan kolom grafik entity. Untuk fungsi graph_override dan graph_exclude,
sintaksis untuk mengakses tabel data adalah sebagai berikut:
<data_table_name>.<column_name>
Filter apa pun yang ditentukan untuk <entity_variable> di bagian peristiwa akan diterapkan
setelah penyempurnaannya dengan tabel data.
Setelah entity dalam grafik entity diperkaya dengan entity dalam tabel data, variabel entity dalam grafik entity harus digabungkan ke entity UDM.
Mengganti grafik entity dengan data dari tabel data
Dengan fungsi graph_override, kolom yang ada di grafik entity dan tabel data akan diganti dengan kolom dari tabel data. Kolom yang ada dalam grafik entity dan tidak ada dalam tabel data akan tetap sama. Kolom yang tidak ada dalam grafik entity, tetapi ada dalam tabel data akan disertakan.
Hanya kolom tabel data yang dipetakan yang menggantikan kolom
grafik entity. Kolom yang tidak dipetakan akan ditambahkan ke kolom additional
dari grafik entity tempat tabel data digabungkan.
Contoh: Pencocokan pada satu gabungan
Dalam contoh berikut, baris dalam grafik entity yang cocok dengan kondisi gabungan antara kolom tabel data dan kolom grafik entity ($g1.graph.entity.ip = %example_table.my_ip) akan diganti oleh tabel data.
Contoh
rule rule_override { meta: description = "Override entity context with data table before joining with UDM event" setup: //Rows in the entity graph that match the join condition are overridden by the data table graph_override ($g1.graph.entity.ip = %example_table.my_ip) events: $e.metadata.event_type = "NETWORK_CONNECTION" $e.security_result.action = "ALLOW" // Filter will be applied after graph is overridden by data table $g1.graph.entity.hostname = "ftp01" // Accessing unmapped columns $g1.graph.additional.fields["Owner"] = "alice" // Joining the UDM event with the enriched entity graph $e.target.ip = $iocip $g1.graph.entity.ip = $iocip match: $iocip over 1h condition: $e and $g1 }
Untuk menggunakan kolom yang tidak dipetakan (misalnya "Owner") dari tabel data, gunakan pernyataan yang setara untuk $g1.graph.entity.owner = "alice" is $g1.graph.additional.fields["Owner"] = "alice".
Hal ini karena semua kolom tabel data yang tidak dipetakan akan masuk ke kolom additional dari grafik entity ($g1).
Tabel berikut mengilustrasikan operasi penggantian, di mana baris dalam grafik entity diperkaya saat kolom IP dalam tabel data cocok dengan kolom IP dalam grafik entity.
| Grafik entity yang ada | ||
|---|---|---|
| Hostname | IP | MAC |
| ftp01 | 10.1.1.4 | …:01 |
| www01 | 10.1.1.5 | …:02 |
| Tabel data | |||
|---|---|---|---|
| Hostname | IP | MAC | Pemilik |
| ftp01 | 10.1.1.4 | : …:bb | alice |
| h1 | 10.1.1.6 | …:cc | bob |
| h2 | 10.1.1.7 | …:dd | chris |
| h3 | 10.1.1.4 | …:ee | doug |
| Grafik entity yang diperkaya | |||
|---|---|---|---|
| Hostname | IP | MAC | Pemilik |
| ftp01 | 10.1.1.4 | : …:bb | alice |
| www01 | 10.1.1.5 | …:02 | |
| h3 | 10.1.1.4 | …:ee | doug |
Contoh: Pencocokan pada beberapa gabungan
Dalam contoh berikut, baris dalam grafik entity yang cocok dengan beberapa kondisi join ($g1.graph.entity.ip = %example_table.my_ip dan $g1.graph.entity.hostname = %example_table.my_hostname) diganti oleh tabel data.
Contoh
rule rule_override { meta: description = "Override Entity context with Data Table before joining with UDM event" setup: // example with more than one condition graph_override ($g1.graph.entity.ip = %example_table.my_ip and $g1.graph.entity.hostname = %example_table.my_hostname) events: $e.metadata.event_type = "NETWORK_CONNECTION" $e.security_result.action = "ALLOW" // Filter will be applied after graph is overridden by data table $g1.graph.entity.hostname = "ftp01" // joining the UDM event with the enriched entity graph $e.target.ip = $iocip $g1.graph.entity.ip = $iocip match: $iocip over 1h condition: $e and $g1 }
Tabel berikut mengilustrasikan operasi penggantian, yang memperkaya baris grafik entity saat kolom IP dan kolom nama host dalam tabel data cocok dengan kolom IP dan kolom nama host dalam grafik entity.
| Grafik entity yang ada | ||
|---|---|---|
| Hostname | IP | MAC |
| ftp01 | 10.1.1.4 | …:01 |
| www01 | 10.1.1.5 | …:02 |
| Tabel data | |||
|---|---|---|---|
| Hostname | IP | MAC | Pemilik |
| ftp01 | 10.1.1.4 | : …:bb | alice |
| h1 | 10.1.1.5 | …:cc | bob |
| h2 | 10.1.1.6 | …:dd | chris |
| h3 | 10.1.1.4 | …:ee | doug |
| Grafik entity yang diperkaya | |||
|---|---|---|---|
| Hostname | IP | MAC | Pemilik |
| ftp01 | 10.1.1.4 | : …:bb | alice |
| www01 | 10.1.1.5 | …:02 | |
Menambahkan data dari tabel data ke grafik entity
Dengan fungsi graph_append, kondisi join tidak diperlukan.
Dalam contoh berikut, semua baris dalam tabel data ditambahkan ke baris dalam grafik entity.
Contoh
rule rule_append { meta: description = "Data table append entity" setup: graph_append [$g1, %example_table] events: // filter UDM events $e.metadata.event_type = "NETWORK_CONNECTION" $e.security_result.action = "ALLOW" // Join the filtered UDM events with the enriched graph $e.target.ip = $iocip $g1.graph.entity.ip = $iocip match: $iocip over 1h condition: $e and $g1 }
Tabel contoh berikut mengilustrasikan operasi penambahan, dengan baris tabel data ditambahkan ke baris dalam grafik entity:
| Grafik entity yang ada | ||
|---|---|---|
| Hostname | IP | MAC |
| ftp01 | 10.1.1.4 | …:01 |
| www01 | 10.1.1.5 | …:02 |
| Tabel data | ||
|---|---|---|
| IP | MAC | Pemilik |
| 10.1.1.4 | …:01 | alice |
| 10.1.1.6 | …:cc | bob |
| 10.1.1.7 | …:dd | chris |
| 10.1.1.4 | …:ee | doug |
| Grafik entity yang diperkaya | |||
|---|---|---|---|
| Hostname | IP | MAC | Pemilik |
| ftp01 | 10.1.1.4 | …:01 | |
| www01 | 10.1.1.5 | …:02 | |
| 10.1.1.4 | : …:bb | alice | |
| 10.1.1.6 | …:cc | bob | |
| 10.1.1.7 | …:dd | chris | |
| 10.1.1.4 | …:ee | doug | |
Menggunakan graph_exclude untuk menghapus baris dari grafik entity
Dengan fungsi graph_exclude, baris dalam grafik entity yang cocok dengan kondisi join akan dihapus dari grafik entity.
Dalam contoh berikut, semua baris dalam grafik entity yang cocok dengan kondisi gabungan yang diberikan (antara kolom tabel data dan kolom grafik entity) akan dihapus. Tidak ada baris dari tabel data yang ditambahkan ke grafik entity.
Contoh
rule rule_exclude { meta: setup: graph_exclude ($g1.graph.entity.ip = %example_table.ip) events: $e.metadata.event_type = "NETWORK_CONNECTION" $e.security_result.action = "ALLOW" $e.target.ip = $iocip $g1.graph.entity.ip = $iocip match: $iocip over 1h condition: $e and $g1 }
Tabel berikut mengilustrasikan operasi pengecualian yang menghapus baris grafik entity yang cocok dengan kolom IP tabel data:
| Grafik entity yang ada | ||
|---|---|---|
| Hostname | IP | MAC |
| ftp01 | 10.1.1.4 | …:01 |
| www01 | 10.1.1.5 | …:02 |
| Tabel data | ||
|---|---|---|
| IP | MAC | Pemilik |
| 10.1.1.4 | : …:bb | alice |
| 10.1.1.6 | …:cc | bob |
| 10.1.1.7 | …:dd | chris |
| Grafik entity yang diperkaya | ||
|---|---|---|
| Hostname | IP | MAC |
| www01 | 10.1.1.5 | …:02 |
Batas kapasitas API
Kuota kueri per menit (QPM) berikut diterapkan per project dan pengguna saat memanggil endpoint API REST Tabel Data dan Baris Tabel Data Google SecOps:
| Resource | Operasi API | Rate Limiting (STANDAR) |
|---|---|---|
| DataTables | CreateDataTable (data_table/create_requests) |
60 QPM |
| DataTables | GetDataTable (data_table/get_requests) |
120 QPM |
| DataTables | ListDataTables (data_table/list_requests) |
120 QPM |
| DataTables | UpdateDataTable (data_table/update_requests) |
60 QPM |
| DataTables | DeleteDataTable (data_table/delete_requests) |
60 QPM |
| DataTableRows | CreateDataTableRow (data_table_row/create_requests) |
60 QPM |
| DataTableRows | GetDataTableRow (data_table_row/get_requests) |
120 QPM |
| DataTableRows | ListDataTableRows (data_table_row/list_requests) |
120 QPM |
| DataTableRows | UpdateDataTableRow (data_table_row/update_requests) |
60 QPM |
| DataTableRows | DeleteDataTableRow (data_table_row/delete_requests) |
60 QPM |
| DataTableRows | BulkCreateDataTableRows (Sinkron/Asinkron) |
30 QPM |
| DataTableRows | BulkReplaceDataTableRows (Sinkron/Asinkron) |
30 QPM |
| DataTableRows | BulkUpdateDataTableRows (Sinkron/Asinkron) |
10 QPM |
| DataTableRows | BulkDeleteDataTableRows (Sinkron/Asinkron) |
30 QPM |
| DataTableRows | BulkGetDataTableRows (data_table_row/bulk_get_requests) |
120 QPM |
Batasan
Jumlah maksimum tabel data untuk akun Google SecOps: 1.000.
Tabel data hanya mendukung data CSV. Tabel data hanya mendukung nilai yang dipisahkan tab saat menambahkan tabel data baru dan mengimpor file nilai yang dipisahkan tab (TSV).
Kolom tabel data tidak mendukung karakter koma (
,).Batas jumlah pernyataan
insaat merujuk daftar referensi dalam kueri juga berlaku untuk pernyataanindalam tabel data.Jumlah maksimum pernyataan
indalam kueri untuk kolom berformat khusus jenis dataStringdanNumber: 10.Jumlah maksimum pernyataan
indengan operator ekspresi reguler: 5.Jumlah maksimum pernyataan
indengan operator CIDR: 5.Jumlah maksimum pernyataan
= (JOIN): 10.Kolom maksimum per tabel data: 1.000.
Baris maksimum per tabel data: 10 juta.
Batas tampilan maksimum di halaman web untuk baris tabel data dalam tampilan editor teks dan tabel: 10.000 baris.
Volume data maksimum dalam tabel data: 10 GB.
Placeholder tidak diizinkan di bagian penyiapan.
Kolom tabel data yang tidak dipetakan dengan jenis data yang ditetapkan ke
stringhanya dapat digabungkan dengan kolom string peristiwa UDM atau entity UDM.Hanya gunakan kolom yang belum dipetakan dalam tabel data dengan jenis data yang ditetapkan ke
cidratauregexuntuk CIDR atau ekspresi reguler.Pencarian tabel data: Karakter pengganti ekspresi reguler tidak didukung dan istilah penelusuran dibatasi hingga 100 karakter.
Batasan untuk penggabungan tabel data dalam aturan
Batasan berikut berlaku untuk penggabungan tabel data dalam aturan.
Mengambil semua sampel peristiwa untuk deteksi tidak didukung saat menggunakan gabungan tabel data dengan peristiwa.
Tidak seperti entity dan UDM, tabel data tidak mendukung placeholder. Hal ini menyebabkan batasan berikut:
Anda tidak dapat menerapkan satu set filter ke tabel data dan menggabungkannya dengan entitas UDM.
Anda tidak dapat menerapkan kumpulan filter yang berbeda ke tabel data yang sama saat menggabungkannya dengan placeholder UDM lain.
Misalnya, tabel data bernama
dtdengan tiga kolom:my_hostname,org, danmy_emailserta dengan aturan berikut:events: $e1.principal.hostname = %dt.my_hostname %dt.org ="hr" $e2.principal.email = %dt.my_email %dt.org !="hr"
Semua filter pada tabel data diterapkan terlebih dahulu, lalu baris yang difilter dari tabel data digabungkan dengan UDM. Dalam hal ini, filter yang bertentangan (%dt.org ="hr" and %dt.org !="hr") pada tabel dt menghasilkan tabel data kosong, yang kemudian digabungkan dengan e1 dan e2.
Batasan penggunaan tabel data dengan aturan
Batasan berikut berlaku untuk tabel data saat digunakan dengan aturan.
Batasan untuk frekuensi operasi
Frekuensi operasi real-time tidak didukung untuk aturan dengan tabel data.
Batasan untuk output ke tabel data
Pengubah
anydanalltidak didukung untuk kolom berulang di tabel data.Pengindeksan array tidak didukung untuk kolom berulang di tabel data.
Anda hanya dapat mengekspor variabel hasil ke tabel data. Anda tidak dapat mengekspor jalur peristiwa atau kolom tabel data secara langsung.
Daftar kolom harus menyertakan kolom kunci utama untuk tabel data.
Anda dapat memiliki maksimum 20 hasil.
Jika tabel data tidak ada, tabel baru akan dibuat dengan jenis data
stringdefault untuk semua kolom, mengikuti urutan yang ditentukan.Maksimum lima aturan dapat menulis ke tabel data secara serentak.
Tidak ada jaminan bahwa aturan produsen dapat menambahkan baris ke tabel data sebelum aturan konsumen untuk tabel data tersebut dimulai.
Satu aturan memiliki batas jumlah baris hasil. Batas maksimum 10.000 baris berlaku untuk hasil dan data yang dipertahankan serta tabel data.
Saat Anda memperbarui baris, nilai baru untuk semua kolom non-kunci akan menggantikan nilai lama. Semua update, termasuk penambahan baris baru, memerlukan waktu sekitar lima menit agar tersedia untuk kueri.
Batasan untuk pengayaan entity dari tabel data
Anda hanya dapat menerapkan satu operasi pengayaan (
override,append, atauexclude) ke satu variabel grafik entity.Setiap operasi pengayaan hanya dapat menggunakan satu tabel data.
Anda dapat menentukan maksimum dua operasi pengayaan dari jenis apa pun di bagian
setuppada aturan YARA-L.
Dalam contoh berikut, operasi override diterapkan ke variabel grafik entity $g1 dan operasi append diterapkan ke variabel grafik entity $g2.
none setup: graph_override($g1.graph.entity.user.userid = %table1.myids) graph_append [$g2, %table1]
Dalam contoh sebelumnya, tabel data yang sama (table1) digunakan untuk meningkatkan kualitas grafik entity yang berbeda. Anda juga dapat menggunakan tabel data yang berbeda untuk meningkatkan
grafik entity yang berbeda, sebagai berikut:
none setup: graph_override($g1.graph.entity.user.userid = %table1.myids) graph_append [$g2, %table2]
Batasan penggunaan tabel data dengan Penelusuran
Batasan berikut berlaku untuk tabel data saat digunakan dengan Penelusuran:
Satu eksekusi kueri dapat menghasilkan maksimum 1 juta baris ke tabel data atau 1 GB, mana pun batas yang tercapai terlebih dahulu.
Output penelusuran ke tabel data akan melewati baris peristiwa jika ukurannya melebihi 5 MB.
Pengayaan entity tidak didukung dengan Penelusuran.
Tabel data tidak didukung untuk pengguna kunci enkripsi yang dikelola pelanggan (CMEK).
Penulisan dibatasi hingga 6 per menit per pelanggan.
Tabel data dan penggabungan tabel data hanya didukung dengan peristiwa UDM, dan tidak dengan entity.
Didukung:
%datatable1.column1 = %datatable2.column1Tidak didukung:
graph.entity.hostname = %sample.testAnda tidak dapat menyertakan variabel
matchdi bagianexportkueri statistik.Misalnya, hal berikut tidak didukung:
match: principal.hostname export: %sample.write_row( row: principal.hostname )
Batasan saat mengganti nama atau menghapus tabel data dengan Chronicle API atau Terraform
- Penggantian nama tidak didukung melalui platform atau API.
- Anda tidak dapat menghapus tabel data (melalui platform atau API) jika tabel tersebut direferensikan oleh aturan.
- Di Terraform, mengganti nama tabel data akan memicu operasi penghancuran dan pembuatan ulang. Jika tabel data direferensikan oleh aturan, operasi ini akan gagal karena API memblokir penghapusan tabel lama.
- Risiko kehilangan data di Terraform: Meskipun tabel data tidak direferensikan oleh aturan, mengganti namanya menggunakan Terraform akan menyebabkan kehilangan data permanen. Terraform akan menghancurkan tabel yang ada dan menggantinya dengan tabel baru yang kosong dan tidak menyimpan data apa pun dari tabel asli.
- Solusi yang direkomendasikan:
- Buat tabel data baru dengan nama baru.
- Perbarui aturan untuk mulai menggunakan tabel data baru.
- Hapus tabel data lama.
Perlu bantuan lain? Dapatkan jawaban dari anggota Komunitas dan profesional Google SecOps.