D
开发工具箱

阿里云安全从零到实战(九):ActionTrail、SLS 与检测告警,把日志变成发现能力

安全工具 2026年11月20日 约 12 分钟阅读

密钥泄露了三天,没人知道

有次帮一个团队做复盘,时间线拿出来大家都愣了:一把 RAM AK 被提交到公开仓库,大约十分钟后就被人拿去调 DescribeInstances,接着开了台按量 ECS 准备挖矿。从泄密到发现,中间隔了三天。最后发现它的方式也很偶然——有人看账单多出几百块,才倒查回去。

问题不是没有日志。ActionTrail 默认就是开的,控制台里能查到每一条调用。问题是没人看,也没有任何一条规则会在异常发生时主动告诉他。日志躺在那里,等于监控摄像头录了像但从没人回看。

这一篇讲的就是怎么把「事后能查」升级成「事中发现」。核心是三件事:把日志收全、收稳,把关键行为写成规则,把规则接到能叫醒人的通道上。

先分清楚三样东西

很多人把 ActionTrail、SLS、告警混着说,其实它们管的不是一层:

组件管什么不管什么
ActionTrail记录「谁在什么时候调了哪个 API」的管理事件与读事件不做实时分析,不负责长期保存的策略
SLS 日志服务采集、存储、检索、分析日志,跑 SQL 统计不决定云账号里产生哪些事件
检测规则与告警在日志上匹配异常模式,命中后通知人不阻止操作,它是发现不是拦截

一句话串起来:ActionTrail 负责「记下来」,SLS 负责「存得下、查得动」,规则与告警负责「叫醒人」。任何一层缺了,检测能力都是零。

六步把检测搭起来

排查和建设都按这六步走,前两步是把数据底子打好,后四步是在数据上做文章:

流程上半段 · 收全与存稳流程下半段 · 发现与响应 1开全 ActionTrail 跟踪管理事件 + 读事件,全部区域 2送独立日志账号留存对象锁定,源账号删不掉 3接入 SLS 解析字段拆出 eventName · IP · 身份 4定义检测规则异常登录 · 凭据 · 边界 · 审计 5配告警通道与降噪分级通知,先精准再增量 ✓演练与常态化造测试事件,验证能发现
图 1:云上检测告警的六步建设。前两步决定日志够不够全、够不够稳,后四步决定能不能在事中发现。点上面的「播放」看流程。

没有检测能力和有检测能力,差在哪

同一件事——一把 AK 被拿去开矿山——两种环境下的走向完全不同:

没有检测:靠账单和运气 AK 泄露后几分钟就被滥用 日志记了,但没有规则去看 攻击者有充足时间横向、开矿 三天后有人看账单才倒查 取证时日志可能已被删除 有检测:分钟级发现 新 IP 用 AK,规则立刻命中 告警到手机上,有人被叫醒 第一时间禁用密钥、收入口 日志在独立账号,删不掉 损失停在起步阶段 检测不改变攻击是否发生,它决定发现得有多早 早发现一小时,处置难度可能差一个数量级
图 2:有无检测能力的差别。攻击本身没变,变的是从发生到发现的时间——这个时间决定损失量级。

动手实验:搭一条能告警的规则

在实验账号做,别拿生产练。

1. 确认跟踪开了没有

aliyun actiontrail DescribeTrails --profile sec-lab

看返回的 EventRW 是不是 All。如果是 Write,说明只记了管理事件,读事件没开——这正是最常见的缺口。区域范围也要确认是多少个地域,别只开了一个。

2. 查一段事件,确认数据在

aliyun actiontrail LookupEvents \
  --StartTime 2026-11-20T00:00:00Z \
  --EndTime 2026-11-20T23:59:59Z \
  --profile sec-lab

先在控制台随手做几个动作——改一下安全组描述、查一下 ECS——再跑这条命令,看能不能查到刚才的操作。查得到,说明数据链路是通的。查不到,先别谈规则。

3. 把日志送到独立账号

控制台路线:ActionTrail → 跟踪 → 新建跟踪,事件类型选「全部事件」,区域选「全部区域」,投递到另一个账号的 OSS 桶或 SLS 项目。那个独立账号里,只给源账号写入权限,不开删除权限。

关键是验证:切到源账号,试着删一条投递过去的日志。删不掉,才算真的隔离了。

4. 在 SLS 里写一条查询

日志进 SLS 后,先跑一条统计,看看哪个事件名最多:

* | select eventName, count(*) as cnt group by eventName order by cnt desc limit 20

再写一条「找异常来源 IP」的查询:

* | select sourceIPAddress, count(*) as cnt
  where eventName = 'ConsoleLogin'
  group by sourceIPAddress order by cnt desc

能跑出结果,字段拆分就没问题。字段没拆好的话,这里会查不出东西——回到索引配置再看一遍。

5. 把查询变成告警

在 SLS 的告警配置里,把上面那条查询设成定时执行,条件是「结果里出现非白名单 IP」或「失败登录次数超过阈值」。通知渠道接一个你能真正收到的——钉钉群、短信都行,P0 级别的接电话。

先别设太多规则。一两条精准的,比十条天天误报的强。

6. 造个事件验证

用实验 RAM 用户从一个没用过的 IP(比如手机热点)登录一次控制台,看多久收到告警。收不到,沿着「跟踪 → 投递 → SLS 查询 → 告警」这条链逐段查是哪一环断了。

这个演练值得每季度做一次。规则写完后没人验证,往往等真出事才发现它早就不工作了。

告警降噪比写规则更难

有个团队一开始写二十多条规则,热热闹闹上线,两周后全员把告警群设成免打扰。原因很实在:一条「控制台登录失败」的规则,把每个人输错密码都算进去,一天能响几十次。真告警混在里面,没人分得清。

后来他们做了三件事:给每个人的常用 IP 段加白名单;把失败次数阈值从 1 提到 5;把告警按严重度分级,只有 P0 才电话通知。告警量降下来之后,规则才真正开始起作用。

写规则是技术活,降噪是对业务的理解。得知道哪些动作是真的异常,哪些只是人嘛。这条没有通用答案,只能一条一条地跟业务磨。

另一个坑是告警没人认领。规则命中了、通知发了,但没有明确的响应人,告警就烂在群里。每条规则最好都有一个负责人,以及命中之后的标准动作——是禁用密钥,还是先核实。这些问题不回答,告警就等于白响。

优先级

  • 审计没开全、日志留在被监控账号里,先处理。这是地基。
  • AK 被新 IP 使用、异常地点登录,优先做成规则。这是最常见的事故起点。
  • 安全组、公网入口被修改,做成规则。这是边界变更的直接信号。
  • 关闭跟踪、删除日志这类动作,单独设最高优先级告警。攻击者想藏痕迹,这就是信号。
  • 告警量失控时,先降噪再加规则。一条没人看的告警不如没有。

第 8 篇讲过 kubectl config current-context 那个教训——这里等价的动作是确认你配告警的账号、区域、日志项目是对的。配置写到别的账号上,一切白搭。

验收清单

  • ActionTrail 跟踪覆盖全部区域,管理事件和读事件都开
  • 日志投递到独立账号,源账号无删除权限
  • 投递目标开了版本控制或对象锁定,保留期明确
  • SLS 里关键字段已建索引,抽样查询能跑出结果
  • 至少有两条检测规则,命中条件和误报来源都写清楚
  • 告警分级,P0 有电话通知,有明确响应人
  • 做端到端演练,验证从事件发生到收到告警的链路通畅
  • 告警量在可承受范围,没有设成免打扰

常见问题(FAQ)

Q:ActionTrail 不是免费的吗,为什么还要开 SLS? ActionTrail 的跟踪本身有免费额度,管理事件默认可查一段时间。问题在于检索能力和留存策略——真要按字段统计、跑规则、长期保存,SLS 更合适。它俩不是二选一,是分工。

Q:日志投到独立账号,会不会查起来不方便? 一开始是麻烦一点,得切账号。但正是这份麻烦挡住了攻击者删日志。你可以给运维配一个只读角色跨账号查询,方便和不安全之间是有中间方案的。

Q:读事件也要记吗,量不是很大? 读事件量确实比管理事件大,但它记录了「谁看过什么」。攻击者列举资源、翻配置的动作全在读事件里,这是最早期的信号。省掉它,你就只能等对方开始动手才看见。

Q:规则写了但一直是零命中,是不是写错了? 不一定,也可能是真没发生。但更靠谱的做法是主动造一次测试事件——用实验账号触发一次你希望被检测的动作。能命中,说明规则活着;不能,就顺着链路查。零命中不等于健康。

Q:告警太多已经被屏蔽了,怎么救? 先停掉误报最凶的那几条,别一下全关。把高频误报加白名单或提阈值,只留真正有用的。宁可少几条精准的,也别让团队对告警麻木。麻木比漏报更危险。

Q:这条规则要不要接自动处置? 从告警开始,别一上来就自动封禁。信任一条规则要先看它误报率。跑一段时间确认准了,再考虑对最确定的场景做自动化——而且要有回滚开关。

相关工具与下一篇

下一篇是第 10 篇,也是这个系列的最后一篇:把这些检测能力和前面九篇的发现、修复串成一套云上应急响应流程。真出事的时候,前面搭的东西能不能兜住,就看那一篇了。