Questa pagina è stata tradotta dall'API Cloud Translation.

Automazione delle risposte a errori di convalida dell'integrità

Scopri come utilizzare un trigger di Cloud Run per agire automaticamente sugli eventi di monitoraggio dell'integrità di VM schermate.

Panoramica

Il monitoraggio dell'integrità raccoglie le misurazioni dalle istanze Shielded VM e le mostra in Cloud Logging. Se le misurazioni di integrità cambiano attraverso gli avvii di un'istanza VM schermata, la convalida dell'integrità fallisce. Questo errore viene acquisito come evento registrato e viene anche generato in Cloud Monitoring.

A volte, le misurazioni di integrità della VM schermata vengono modificate per un motivo legittimo. Ad esempio, un aggiornamento di sistema potrebbe causare modifiche previste al kernel del sistema operativo. Per questo motivo, il monitoraggio dell'integrità consente di richiedere all'istanza VM schermata di apprendere una nuova baseline dei criteri di integrità nel caso di un errore di convalida dell'integrità previsto.

In questo tutorial, creerai innanzitutto un semplice sistema automatizzato che arresta le istanze VM schermate che non rientrano nella convalida dell'integrità:

Esporta tutti gli eventi di monitoraggio dell'integrità in un argomento Pub/Sub.
Crea un trigger di Cloud Run Functions che utilizza gli eventi in quell'argomento per identificare e arrestare le istanze Shielded VM che non rientrano nella convalida dell'integrità.

Successivamente, puoi espandere facoltativamente il sistema in modo che richieda alle istanze VM schermate che non rientrano nella convalida dell'integrità di apprendere la nuova baseline se questa corrisponde a una misurazione nota, o altrimenti di arrestarla:

Crea un database Firestore per mantenere un insieme di misurazioni di baseline di integrità note.
Aggiorna l'trigger delle funzioni Cloud Run in modo che richieda alle istanze Shielded VM che non rientrano nella convalida dell'integrità di apprendere la nuova baseline se questa si trova nel database, oppure di arrestarsi.

Se scegli di implementare la soluzione espansa, utilizzala nel modo seguente:

Ogni volta che è previsto un aggiornamento che causa un errore di convalida per un motivo legittimo, esegui tale aggiornamento su una singola istanza VM schermata nel gruppo di istanze.
Utilizzando l'evento della fase finale di avvio dall'istanza VM aggiornata come origine, aggiungi le nuove misurazioni di baseline dei criteri nel database creando un nuovo documento nella raccolta known_good_measurements. Per ulteriori informazioni, consulta Creazione di un database con misurazioni di baseline note.
Aggiorna le rimanenti istanze VM schermate. Il trigger richiede alle istanze rimanenti di apprendere la nuova baseline, perché può essere verificata come nota. Per ulteriori informazioni, consulta Aggiornamento del trigger di Cloud Run Functions per apprendere la baseline nota.

Prerequisiti

Utilizza un progetto che ha Firestore in modalità nativa selezionata come servizio di database. Puoi effettuare questa selezione al momento della creazione del progetto e non può essere modificata. Se il progetto non utilizza Firestore in modalità nativa, visualizzerai il messaggio "Questo progetto utilizza un altro servizio di database" quando apri la console di Firestore.
Disponi di un'istanza VM schermata di Compute Engine in quel progetto che funga da fonte delle misurazioni di baseline dell'integrità. L'istanza VM schermata deve essere stata riavviata almeno una volta.
Installa lo strumento a riga di comando gcloud.
Abilita le API Cloud Logging e Cloud Run seguendo questi passaggi:
1. Nella console Google Cloud, vai alla pagina API e servizi.
  
  Vai ad API e servizi
2. Verifica se l'API Cloud Functions e l'API Stackdriver Logging sono visualizzate nell'elenco API e servizi abilitati.
3. Se nessuna delle due API viene visualizzata, fai clic su Aggiungi API e servizi.
4. Cerca e abilita le API, se necessario.

Esportazione delle voci di log del monitoraggio di integrità in un argomento Pub/Sub

Utilizza Logging per esportare tutte le voci di log del monitoraggio di integrità generate dalle istanze Shielded VM in un argomento Pub/Sub. Utilizza questo argomento come origine dati per un trigger di Cloud Run al fine di automatizzare le risposte agli eventi di monitoraggio dell'integrità.

Esplora log

Nella console Google Cloud, vai alla pagina Esplora log.

Vai a Cloud Logging

In Query Builder, inserisci i seguenti valori.

resource.type="gce_instance"
AND logName:  "projects/YOUR_PROJECT_ID/logs/compute.googleapis.com/shielded_vm_integrity"

Fai clic su Esegui filtro.
Fai clic su Altre azioni e poi seleziona Crea sink.
Nella pagina Crea sink di routing dei log:
1. In Dettagli sink, in Nome sink, inserisci integrity-monitoring e poi fai clic su Avanti.
2. In Destinazione sink, espandi Servizio sink, quindi seleziona Cloud Pub/Sub.
3. Espandi Seleziona un argomento Cloud Pub/Sub e poi seleziona Crea un argomento.
4. Nella finestra di dialogo Crea un argomento, in ID argomento, inserisci integrity-monitoring e poi fai clic su Crea argomento.
5. Fai clic su Avanti, quindi su Crea sink.

Esplora log

Nella console Google Cloud, vai alla pagina Esplora log.

Vai a Cloud Logging
Fai clic su Opzioni e seleziona Torna a Esplora log legacy.
Espandi Filtra per etichetta o testo, quindi fai clic su Converti in filtro avanzato.

Inserisci il seguente filtro avanzato:

resource.type="gce_instance"
AND logName:  "projects/YOUR_PROJECT_ID/logs/compute.googleapis.com/shielded_vm_integrity"

Tieni presente che dopo logName: ci sono due spazi.

Fai clic su Invia filtro.
Fai clic su Crea esportazione.
In Nome sink, inserisci integrity-monitoring.
Per il Servizio sink, seleziona Cloud Pub/Sub.
Espandi Destinazione sink e poi fai clic su Crea nuovo argomento Cloud Pub/Sub.
In Nome, inserisci integrity-monitoring e fai clic su Crea.
Fai clic su Crea sink.

Creazione di un trigger di Cloud Run per rispondere agli errori di integrità

Crea un trigger di funzioni Cloud Run che legge i dati nell'argomento Pub/Sub e interrompe qualsiasi istanza Shielded VM che non supera la convalida dell'integrità.

Il codice seguente definisce l'attivatore delle funzioni Cloud Run. Copialo in un file denominato main.py.

import base64
import json
import googleapiclient.discovery

def shutdown_vm(data, context):
    """A Cloud Function that shuts down a VM on failed integrity check."""
    log_entry = json.loads(base64.b64decode(data['data']).decode('utf-8'))
    payload = log_entry.get('jsonPayload', {})
    entry_type = payload.get('@type')
    if entry_type != 'type.googleapis.com/cloud_integrity.IntegrityEvent':
      raise TypeError("Unexpected log entry type: %s" % entry_type)

    report_event = (payload.get('earlyBootReportEvent')
        or payload.get('lateBootReportEvent'))

    if report_event is None:
      # We received a different event type, ignore.
      return

    policy_passed = report_event['policyEvaluationPassed']
    if not policy_passed:
      print('Integrity evaluation failed: %s' % report_event)
      print('Shutting down the VM')

      instance_id = log_entry['resource']['labels']['instance_id']
      project_id = log_entry['resource']['labels']['project_id']
      zone = log_entry['resource']['labels']['zone']

      # Shut down the instance.
      compute = googleapiclient.discovery.build(
          'compute', 'v1', cache_discovery=False)

      # Get the instance name from instance id.
      list_result = compute.instances().list(
          project=project_id,
          zone=zone,
              filter='id eq %s' % instance_id).execute()
      if len(list_result['items']) != 1:
        raise KeyError('unexpected number of items: %d'
            % len(list_result['items']))
      instance_name = list_result['items'][0]['name']

      result = compute.instances().stop(project=project_id,
          zone=zone,
          instance=instance_name).execute()
      print('Instance %s in project %s has been scheduled for shut down.'
          % (instance_name, project_id))

Nella stessa posizione di main.py, crea un file denominato requirements.txt e copia le seguenti dipendenze:
```
google-api-python-client==1.6.6
google-auth==1.4.1
google-auth-httplib2==0.0.3
```
Apri una finestra del terminale e vai alla directory contenente main.py e requirements.txt.

Esegui il comando gcloud beta functions deploy per eseguire il deployment dell'attivatore:

gcloud beta functions deploy shutdown_vm \
    --project PROJECT_ID \
    --runtime python37 \
    --trigger-resource integrity-monitoring \
    --trigger-event google.pubsub.topic.publish

Creazione di un database con misurazioni di baseline note

Crea un database Firestore per fornire una fonte di misurazioni di baseline dei criteri di integrità note. Devi aggiungere manualmente le misurazioni di baseline per mantenere aggiornato questo database.

Nella console Google Cloud, vai alla pagina Istanze VM.

Vai alla pagina Istanze VM
Fai clic sull'ID dell'istanza VM schermata per aprire la pagina dei dettagli dell'istanza VM.
Sotto Log, fai clic su Stackdriver Logging.
Individua la voce di log lateBootReportEvent più recente.
Espandi la voce di log > jsonPayload > lateBootReportEvent > policyMeasurements.
Prendi nota dei valori per gli elementi contenuti in lateBootReportEvent > policyMeasurements.
Nella console Google Cloud, vai alla pagina Firestore.

Vai alla console di Firestore
Scegli Avvia raccolta.
Per ID raccolta, digita known_good_measurements.
Per ID documento, digita baseline1.
Per Nome campo, digita il valore del campo pcrNum dall'elemento 0 in lateBootReportEvent > policyMeasurements.
Per Tipo di campo, seleziona mappa.
Aggiungi tre campi stringa al campo mappa, rispettivamente denominati hashAlgo, pcrNum e value. Rendi i loro valori i valori dei campi elemento 0 in lateBootReportEvent > policyMeasurements.
Crea più campi mappa, uno per ogni elemento aggiuntivo in lateBootReportEvent > policyMeasurements. Fornisci loro gli stessi sottocampi del primo campo mappa. I valori per tali sottocampi dovrebbero essere mappati in quelli di ciascuno degli elementi aggiuntivi.

Ad esempio, se stai utilizzando una VM Linux, la raccolta dovrebbe apparire simile a quanto segue quando hai terminato:

Se utilizzi una VM Windows, vedrai più misurazioni, quindi la raccolta dovrebbe avere il seguente aspetto:

Aggiornamento dell'attivatore delle funzioni Cloud Run per apprendere la baseline nota

Il codice seguente crea un trigger di Cloud Run che consente a un'eventuale istanza Shielded VM che non rientra nella convalida dell'integrità di apprendere la nuova baseline se questa si trova nel database delle misurazioni note oppure di arrestarsi. Copia questo codice e utilizzalo per sovrascrivere il codice esistente in main.py.

import base64
import json
import googleapiclient.discovery

import firebase_admin
from firebase_admin import credentials
from firebase_admin import firestore

PROJECT_ID = 'PROJECT_ID'

firebase_admin.initialize_app(credentials.ApplicationDefault(), {
    'projectId': PROJECT_ID,
})

def pcr_values_to_dict(pcr_values):
  """Converts a list of PCR values to a dict, keyed by PCR num"""
  result = {}
  for value in pcr_values:
    result[value['pcrNum']] = value
  return result

def instance_id_to_instance_name(compute, zone, project_id, instance_id):
  list_result = compute.instances().list(
      project=project_id,
      zone=zone,
      filter='id eq %s' % instance_id).execute()
  if len(list_result['items']) != 1:
    raise KeyError('unexpected number of items: %d'
        % len(list_result['items']))
  return list_result['items'][0]['name']

def relearn_if_known_good(data, context):
    """A Cloud Function that shuts down a VM on failed integrity check.
    """
    log_entry = json.loads(base64.b64decode(data['data']).decode('utf-8'))
    payload = log_entry.get('jsonPayload', {})
    entry_type = payload.get('@type')
    if entry_type != 'type.googleapis.com/cloud_integrity.IntegrityEvent':
      raise TypeError("Unexpected log entry type: %s" % entry_type)

    # We only send relearn signal upon receiving late boot report event: if
    # early boot measurements are in a known good database, but late boot
    # measurements aren't, and we send relearn signal upon receiving early boot
    # report event, the VM will also relearn late boot policy baseline, which we
    # don't want, because they aren't known good.
    report_event = payload.get('lateBootReportEvent')
    if report_event is None:
      return

    evaluation_passed = report_event['policyEvaluationPassed']
    if evaluation_passed:
      # Policy evaluation passed, nothing to do.
      return

    # See if the new measurement is known good, and if it is, relearn.
    measurements = pcr_values_to_dict(report_event['actualMeasurements'])

    db = firestore.Client()
    kg_ref = db.collection('known_good_measurements')

    # Check current measurements against known good database.
    relearn = False
    for kg in kg_ref.get():

      kg_map = kg.to_dict()

      # Check PCR values for lateBootReportEvent measurements against the known good
      # measurements stored in the Firestore table

      if ('PCR_0' in kg_map and kg_map['PCR_0'] == measurements['PCR_0'] and
          'PCR_4' in kg_map and kg_map['PCR_4'] == measurements['PCR_4'] and
          'PCR_7' in kg_map and kg_map['PCR_7'] == measurements['PCR_7']):

        # Linux VM (3 measurements), only need to check above 3 measurements
        if len(kg_map) == 3:
          relearn = True

        # Windows VM (6 measurements), need to check 3 additional measurements
        elif len(kg_map) == 6:
          if ('PCR_11' in kg_map and kg_map['PCR_11'] == measurements['PCR_11'] and
              'PCR_13' in kg_map and kg_map['PCR_13'] == measurements['PCR_13'] and
              'PCR_14' in kg_map and kg_map['PCR_14'] == measurements['PCR_14']):
            relearn = True

    compute = googleapiclient.discovery.build('compute', 'beta',
        cache_discovery=False)

    instance_id = log_entry['resource']['labels']['instance_id']
    project_id = log_entry['resource']['labels']['project_id']
    zone = log_entry['resource']['labels']['zone']

    instance_name = instance_id_to_instance_name(compute, zone, project_id, instance_id)

    if not relearn:
      # Issue shutdown API call.
      print('New measurement is not known good. Shutting down a VM.')

      result = compute.instances().stop(project=project_id,
          zone=zone,
          instance=instance_name).execute()

      print('Instance %s in project %s has been scheduled for shut down.'
            % (instance_name, project_id))

    else:
      # Issue relearn API call.
      print('New measurement is known good. Relearning...')

      result = compute.instances().setShieldedInstanceIntegrityPolicy(
          project=project_id,
          zone=zone,
          instance=instance_name,
          body={'updateAutoLearnPolicy':True}).execute()

      print('Instance %s in project %s has been scheduled for relearning.'
        % (instance_name, project_id))

Copia le seguenti dipendenze e usale per sovrascrivere il codice esistente in requirements.txt:

google-api-python-client==1.6.6
google-auth==1.4.1
google-auth-httplib2==0.0.3
google-cloud-firestore==0.29.0
firebase-admin==2.13.0

Apri una finestra del terminale e vai alla directory contenente main.py e requirements.txt.

Esegui il comando gcloud beta functions deploy per eseguire il deployment dell'attivatore:

gcloud beta functions deploy relearn_if_known_good \
    --project PROJECT_ID \
    --runtime python37 \
    --trigger-resource integrity-monitoring \
    --trigger-event google.pubsub.topic.publish

Elimina manualmente la funzione shutdown_vm precedente nella console Cloud Functions.
Nella console Google Cloud, vai alla pagina Cloud Functions.

Vai a Cloud Functions
Seleziona la funzione shutdown_vm e fai clic su Elimina.

Verificare le risposte automatiche agli errori di convalida dell'integrità

Innanzitutto, controlla se hai un'istanza in esecuzione con l'avvio protetto abilitato come opzione Shielded VM. In caso contrario, puoi creare una nuova istanza con l'immagine Shielded VM (Ubuntu 18.04 LTS) e attivare l'opzione Avvio protetto. Potrebbero esserti addebitati pochi centesimi per l'istanza (questo passaggio può essere completato entro un'ora).
Supponiamo che, per qualche motivo, tu voglia eseguire l'upgrade manuale del kernel.
Connettiti all'istanza tramite SSH e utilizza il seguente comando per controllare il kernel corrente.
```
uname -sr
```
Dovresti vedere qualcosa del genere: Linux 4.15.0-1028-gcp.
Scarica un kernel generico da https://kernel.ubuntu.com/~kernel-ppa/mainline/
Utilizza il comando per l'installazione.
```
sudo dpkg -i *.deb
```
Riavvia la VM.
Dovresti notare che la VM non si avvia (non riesci ad accedere alla macchina tramite SSH). È quello che ci aspettavamo, perché la firma del nuovo kernel non è presente nella nostra whitelist Secure Boot. Questo dimostra anche come Avvio protetto possa impedire una modifica non autorizzata/dannosa del kernel.
Tuttavia, poiché sappiamo che questa volta l'upgrade del kernel non è dannoso ed è effettivamente eseguito da noi, possiamo disattivare l'avvio protetto per avviare il nuovo kernel.
Arresta la VM e deseleziona l'opzione Avvio protetto, quindi riavviala.
L'avvio della macchina dovrebbe fallire di nuovo. Tuttavia, questa volta viene chiuso automaticamente dalla funzione cloud che abbiamo creato perché l'opzione Secure Boot è stata modificata (anche a causa della nuova immagine del kernel) e questo ha causato una misurazione diversa rispetto al valore di riferimento. Possiamo verificarlo nel log Stackdriver della funzione cloud.
Poiché sappiamo che non si tratta di una modifica dannosa e conosciamo la causa principale, possiamo aggiungere la misurazione corrente in lateBootReportEvent alla tabella Firebase della misurazione nota come valida. Ricorda che vengono modificate due cose: 1. Opzione 2 di Avvio protetto. Immagine del kernel.)

Segui il passaggio precedente Creazione di un database con misurazioni di baseline note per aggiungere un nuovo baseline al database Firestore utilizzando la misurazione effettiva nell'lateBootReportEvent più recente.
Ora riavvia il computer. Quando controlli il log di Stackdriver, vedrai che lateBootReportEvent continua a mostrare false, ma la macchina ora dovrebbe avviarsi correttamente perché la funzione cloud ha considerato attendibile e riappreso la nuova misurazione. Possiamo verificarlo controllando Stackdriver della funzione cloud.
Ora che l'Avvio protetto è disabilitato, possiamo avviare il kernel. Accedi tramite SSH alla macchina e controlla di nuovo il kernel, vedrai la nuova versione del kernel.
```
uname -sr
```
Infine, puliamo le risorse e i dati utilizzati in questo passaggio.
Arresta la VM se ne hai creata una per questo passaggio per evitare addebiti aggiuntivi.
Nella console Google Cloud, vai alla pagina Istanze VM.

Vai alla pagina Istanze VM
Rimuovi le misurazioni di cui è nota la validità aggiunte in questo passaggio.
Nella console Google Cloud, vai alla pagina Firestore.

Vai alla pagina Firestore