囤货，首发于跳跳糖。
原文链接：https://tttang.com/archive/4/
OSQuery 是一款由 facebook 开源的，面向 OSX 和 Linux 的监控与分析工具。OSQuery 允许使用 SQL 的方式来获取系统的相关信息，比如正在运行的进程，已加载的内核模块，已打开的网络连接，硬件事件等等。
OSQuery 拥有较高的社区活跃度，目前在 Github 上有一万多 star，四千多次 commit，两百多个开发者。大多数 issue 都能及时解决（这是亲身经历，感谢开发者的答疑解惑）。
理想状况下，OSQuery 作为 HIDS，线上运行时的整体架构应该是这样的：
其中，回传队列、日志存储可以根据公司的现状进行调整。比如，用 rsyslog 替换 kafka，ElasticSearch/ClickHouse 替换 Hive 等等。
OSQuery 本身只包含服务器上安装的 Agent，但是提供了丰富的配置项：
支持配置远程 Server，调用 http 接口拉取最新的配置文件（包括采集规则、Agent基础配置），并实时生效
支持多种日志回传方式，比如 syslog、kafka、filesystem、tls 等
支持实时语句的下发，语句拉取及结果回传都走 http(s) 接口，适合调试及单次执行（实测，非常有用）
OSQuery 提供了 200+ 数据表供查询：https://osquery.io/schema/3.3.0，数据来源也非常丰富：
直接读取文件，如：users、dnsresolvers、userssh_keys
执行系统命令，如：loggedinusers、deb_packages
audit，如：processevents、socketevents、user_events
inotify，如：file_events
syslog，如：syslog_events
如果 200 多张表仍然不能满足你的需求，可以通过编写插件来扩展。但是就不能热更新（直接通过 Server 端下发）了，需要更新 Agent 本身，并且重启相关服务。
OSQuery 安装后，会占用两个目录：
/etc/osquery/: osquery bin文件及部分配置文件
/var/osquery/osquery.db/: osquery本地存储
OSQuery 是支持差异回传的，比如：
1. `"users_snapshot": {`
2. `"interval": 86400,`
3. `"platform": "all",`
4. `"query": "SELECT * FROM users;",`
5. `"removed": true,`
6. `"shard": 100`
7. `}`
每隔 60s 执行一次获取系统用户，第一次执行时会回传所有的用户，第二次执行如果没有新增用户，就不会再回传信息。当然这是一个可选项，添加 snapshot:true 属性后，就可以禁用差异回传的功能。
为了实现这个功能，OSQuery 需要在 Agent 上存储历史数据，使用的是同样由 facebook 开源的 RocksDB。这是一个 key-value 形式的高速存储数据库，默认目录在 /var/osquery/osquery.db/。RocksDB 没有提供像 redis-cli 的 client，但是可以利用第三方工具读取 .sst 文件的内容。
正常情况下，日志会自动滚动存储（Log rotate），每次执行语句都会删除旧的记录，将新的结果存下来。但是有一个例外，就是 audit events 数据。audit events记录是通过限制总条数来进行的。但是这个地方的逻辑似乎存在一些问题，有时候会出现大量events日志未删除的情况（https://github.com/facebook/osquery/issues/5310），导致占用磁盘过高的问题。
暂且不提 bug 的事情，后面统一归纳总结。我们继续讲 audit 这个磨人的小妖精。
Audit 是 Linux 内核中的一个模块，内核的运行情况、各类系统调用（syscall）都会在 audit 中记录。在 CentOS 的各个发行版中均默认安装了 Audit，在 CentOS7 中还会默认启动 Auditd 进程，负责通过 netlink 与 Audit 模块建立连接，并且将指定的数据记录在磁盘中（默认路径为：/var/log/auditd/audit.log）。
当然默认是没有任何规则的，你可以用 auditctl 命令添加一条规则查看所有的进程：
1. `auditctl -a always,exit -F arch=b64 -S execve`
2. `tail -f /var/log/auditd/audit.log`
这也是 Audit 在入侵检测中最重要的功能之一，记录进程信息。对于新一代的 HIDS，进程信息是非常重要的数据。驭龙HIDS有一篇文章（https://xz.aliyun.com/t/2242）写到：
1. `Linux上的HIDS需要实时对执行的命令进行监控，分析异常或入侵行为，有助于安全事件的发现和预防。为了获取执行命令，大致有如下方法：`
2. `1. 遍历/proc目录，无法捕获瞬间结束的进程。`
3. `2. Linux kprobes调试技术，并非所有Linux都有此特性，需要编译内核时配置。`
4. `3. 修改glic库中的execve函数，但是可通过int0x80绕过glic库，这个之前360 A-TEAM一篇文章有写到过。`
5. `4. 修改sys_call_table，通过LKM(loadable kernel module)实时安装和卸载监控模块，但是内核模块需要适配内核版本。`
6. `综合上面方案的优缺点，我们选择修改sys_call_table中的execve系统调用，虽然要适配内核版本，但是能100%监控执行的命令。`
实际上是遗漏了接入成本最低的 audit。前一段时间，点融SRC的黑阔们也开源了自己的HIDS -- AgentSmith HIDS。
1. `我们采用了通过加载LKM来实现Hook execve,connectinit_module,finit_module 的system_call，execve是为了捕获执行的命令来监控异常操作，归档等；监控connect是为了捕获服务器的网络行为，不仅仅可以发现很多安全问题，也可以方便的和AgentSmith-NIDS联动；监控init_modle和finit_module是为了监控加载LKM的行为，可以在这个层面做一些Anti-Rootkit的检测。`
2.
3. `为什么要在内核态实现这些Hook呢？`
4.
5. `因为我们希望可以尽可能的全面的收集以上信息，避免被绕过。而且在这里做Hook如果将来需要做一些危险命令等拦截也成为了可能，如：rm -rf /等。我们认为，越接近底层，离真相越近。`
6.
7. `关于性能，我们为了尽可能的减少系统负载，放弃了最开始的传输方案：netlink，改用共享内存的方式来实现内核态到用户态到消息传输，经过测试对Hook的system_call的性能影响相较于netlink降低30%左右（更加详细的性能测试报告请见项目内）。`
实现方式与驭龙HIDS的方式相同。我个人观点，越接近底层越危险。业务需要安全，更需要SLA稳定性，安全往往也背不起那么大的锅。
Audit 当然不是完美的存在，也有自己的运行损耗。在使用 auditd 的时候，性能消耗（主要为CPU）会随着进程量的提升有所上升，甚至到达单核50%-100%。同理，在本身负载较高的机器上，osquery 连接 audit 的时候，也会出现占用CPU较多的问题。
最早手写 Agent 的时候，就是通过 Audit 去实现的进程监控。本身进程大的时候，audit处理的时间就会比较长，再加上还要有查询其他系统资产的步骤（比如，追溯父进程信息，判断是否存在漏洞等等），就导致在部分机器上的资源占用过高。
当时的解决方案是在 Agent 代码中添加进程白名单，现在想来太过局限了。Audit 本身提供了一些白名单过滤的功能：
1. `auditctl`
2. `-F [n=v | n!=v | n<v | n>v | n<=v | n>=v]`
3. `建立规则字段: 名称,操作,参数.一个命令行可以有64个字段,每个字段必须以-F开头.每个字段将会`
4. `触发一个audit记录.有=,!=,<,>,<=,>=运算符可以使用.`
5. `可以使用的字段有:`
6. `a0, a1, a2, a3, arch, auid, b32, devmajor, devminor, egid, euid, exit, fsgid, fsuid, gid, inode, key, msgtype, obj_user, obj_role, obj_type, obj_lev_low, obj_lev_high, path, pers, pid, ppid, subj_user, subj_role, subj_type, subj_sen, subj_clr, sgid, success, suid, uid`
比起在 Agent 中添加白名单的方式，这种通过调整 audit 配置来实现的白名单，效率更高，从源头上解决占用资源过多的问题，而不是等日志经过一系列处理之后，再想办法过滤掉。
当然这只是 audit 占用资源过高的解决方案，为了尽可能减少 Agent 在线上运行的时候对业务的影响，我们还要有兜底方案，给资源占用加上硬限制，绝对不能超过指定值。
我们从三个方向去评估 Agent 对机器的性能影响：
CPU
内存
磁盘
对 内存 和 CPU 的硬限制，是通过 CGroup 来实现。CGroup 在 centos7 下默认安装，可以通过 mount 命令来查看
1. `$ mount | grep cpu`
2. `cgroup on /sys/fs/cgroup/cpu,cpuacct type cgroup (rw,nosuid,nodev,noexec,relatime,cpuacct,cpu)`
3. `cgroup on /sys/fs/cgroup/cpuset type cgroup (rw,nosuid,nodev,noexec,relatime,cpuset)`
直接在 /sys/fs/cgroup/cpu 目录下新建文件夹，即可添加相应的规则。比如添加单核 20% CPU的限制规则：
将进程的 pid 写入到 cgroup.procs 后，即可实现对进程及其所有子进程的 CPU 限制。
当然实际使用的方式会更优雅，CentOS7 systemd 提供了对 CGroup 的支持，有需求的盆友可以自行搜索一下~
对磁盘的限制，主要是针对 /var/log/osquery.db/ 目录，也就是 RocksDB 的数据目录进行限制。目前对进程的磁盘占用，并没有很好的解决方案，只能通过挂载磁盘的方式间接实现。
1. `# 生成十个100M的文件`
2. `dd if=/dev/zero of=disk.img bs=100M count=10`
3. `# 把生成的文件虚拟为块设备`
4. `losetup /dev/loop0 disk.img`
5. `# 格式化设备`
6. `mkfs.ext4 /dev/loop0`
7. `mkdir /osquery`
8. `# 挂载`
9. `mount disk.img/osquery`
10. `# 卸载`
11. `umount testdit`
12. `# 卸载loop设备与文件的关联`
13. `losetup -d /dev/loop0`
这种方式的缺点是单独挂载的磁盘空间只能由 OSQuery 使用，即无论日志是 1M 还是 10M，都相当于占用了机器 1G 的空间。
是否实施磁盘限制的方案，需要根据业务的实际情况再做判断。
Agent 搞定后，就涉及到了“如何更新配置文件”的问题。OSQuery支持两种模式：
本地读取，以json形式存在文件中即可
远端读取，通过 https 协议拉取配置
第一种方案，修改完 json 文件后，需要重启 OSQuery 进程才能读取到最新的配置。第二种方案的话，可以做到热更新，准实时读取/更新配置文件（拉取间隔时间可以配置），甚至可以对机器进行分组，分发不同的规则。这么牛逼的功能，不用是傻子。
之前也提到了，OSQuery 本身只是个 Agent，FaceBook 没有开源自己 Server 端的代码。官方文档中提供了几个第三方开发者开源的 Server:
windmill by Ruby
doorman by Python Flask
zentral by Python Django
fleet by GoLang
其中，windmill 开发者删除了自己的项目(还好没用).....
zentral 是一个大型的监控软件，功能很多很乱，以至于我竟然没看懂它到底怎么用。fleet是长得最好看的，还提供了在线版的预览，对测试使用非常友好。doorman页面非常朴素，功能丰富，技术栈也非常匹配（python flask），最终选择了它。
具体的安装配置可以参考：INSTALL/SETUP DOORMAN + OSQUERY ON WINDOWS, MAC OSX, AND LINUX DEPLOYMENT
Doorman 主要功能包括：
通过tag管理机器（分组），一台机器可以对应多个tag
可以查看单个节点的概况，包括注册时间、执行的语句等
提供告警编辑页面，可以编辑告警规则
日志也可以通过 tls 进行收集，默认存储在 Postgres，也可以存到 ES 里
提供管理页面授权登录
实时下发单次执行的语句，并提供页面展示结果。
但是，doorman本身的设计算不上非常优秀。当 Agent 到达一定量之后，很可能出现并发量的瓶颈。重构/重写，就看各位大爷的心情了。
第一篇完结，第二篇会分享一些规则及后端数据分析的内容，敬请期待~~ 更多问题，欢迎微博私信联系 @吃瓜群众-Fr1day。