Cartography项目中AWS Inspector跨账户漏洞发现的正确归属问题
2025-06-24 05:14:44作者:沈韬淼Beryl
问题背景
在云安全领域,AWS Inspector是一项重要的漏洞扫描服务,能够帮助用户识别EC2实例和其他AWS资源中的安全漏洞。Cartography作为一款云资产图谱工具,能够将AWS Inspector的扫描结果可视化呈现。然而,在处理跨账户场景时,当前版本存在一个关键问题。
问题描述
当AWS Inspector配置了委托管理员(delegated administrator)时,扫描结果可能来自不同的AWS账户。当前Cartography实现将所有Inspector资源错误地归属到执行同步操作的账户,而非实际拥有这些资源的账户。这导致了资产图谱中的错误关联关系。
技术细节分析
在Cartography的当前实现中,资源关系建模为:
(:AWSAccount)-[:RESOURCE]->(:AWSInspectorFinding)-[:AFFECTS]->(:EC2Instance)<-[:RESOURCE]-(:AWSAccount)
但在跨账户场景下,这种建模方式会产生以下问题:
- 错误的账户归属:Inspector发现(Finding)被错误地关联到执行同步的账户,而非实际拥有资源的账户
- 自动化清理问题:基于账户-资源关系的清理作业可能无法正常工作
- 数据一致性问题:图谱中显示的资产归属关系与实际情况不符
解决方案探讨
针对这一问题,社区提出了几种可能的解决方案:
-
完全移除账户关联:让Inspector发现不关联任何账户,仅保留与受影响资源的关系。这种方案的优点是简化了关系模型,但缺点是需要额外的清理机制来处理孤立节点。
-
引入委托关系:创建新的关系类型来表示委托关系:
(:AWSAccount)-[:RESOURCE]->(:AWSInspectorFinding)<-[:DELEGATE]-(:AWSAccount)这种方案保持了原有清理机制的有效性,同时准确表达了跨账户的委托关系。
-
混合模式:结合上述两种方案,根据实际情况动态选择关联方式。
最佳实践建议
基于技术讨论,推荐采用引入委托关系的方案,原因如下:
- 保持了数据完整性,准确反映了AWS中的实际权限关系
- 不影响现有的自动化清理机制
- 提供了更完整的审计追踪能力
- 符合AWS安全最佳实践中的责任分离原则
实施注意事项
在实际实施这一改进时,需要注意以下几点:
- 向后兼容性:确保变更不会影响现有查询和自动化流程
- 性能考量:评估新增关系类型对图谱查询性能的影响
- 文档更新:同步更新相关文档,说明跨账户场景下的数据模型变化
- 测试覆盖:增加跨账户场景的测试用例,确保功能正确性
总结
正确处理AWS Inspector跨账户漏洞发现的归属问题,对于构建准确的云安全态势图谱至关重要。通过引入委托关系模型,Cartography能够更准确地反映AWS环境中的实际安全状况,为安全团队提供更可靠的数据支持。这一改进也体现了Cartography项目对云安全可视化的持续优化和精进。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2