Analyse d’images de conteneurs pour la décomposition logicielle
Les Visibilité ITOM applications Schémas de découverte et de mappage des services et Kubernetes Visibility Agent s’intègrent Aqua Trivy pour collecter des données sur les images de conteneurs et les packages de système d’exploitation. Vous pouvez accroître votre contrôle sur le déploiement des conteneurs en ayant une visibilité sur les composants des conteneurs.
Avantages de la numérisation d’images
- Il vous aide à identifier les logiciels installés dans les conteneurs pour les cas d’utilisation de réglementation et de conformité.
- Cela vous aide à respecter les politiques de l’entreprise telles que l’utilisation d’images standard, de logiciels obsolètes, d’étiquettes obligatoires ou de politiques de configuration.
- Il vous aide également à gérer les logiciels sous licence exécutés dans des conteneurs.
- Vous pouvez également obtenir le contexte du service à l’aide de balises et de Service Mesh pour comprendre leur impact sur votre organisation.
Cas d’utilisation de numérisation d’images avec Visibilité ITOM
Vous pouvez utiliser deux Visibilité ITOM applications pour numériser des images Schémas de découverte et de mappage des services de conteneur et Kubernetes Agent de visibilité. Les modèles sont un ensemble de fonctionnalités utilisé par Découverte, Découverte dans le cloud, et Mappage des services. Kubernetes Visibility Agent est une fonctionnalité de Agent Client Collector. Alors que Kubernetes Visibility Agent (anciennement connu sous le nom de CNO-V) est plus adapté Kubernetes aux charges de travail conteneurisées dynamiques, la découverte basée sur le modèle est plus adaptée aux conteneurs non Kubernetes Docker .
- Cas d’utilisation # 1
- Une fois qu’une application a été encapsulée dans des images de conteneur, un professionnel de la sécurité peut analyser l’image de base, ainsi que l’image finale, pour détecter les vulnérabilités et identifier les packages de système d’exploitation, les dépendances logicielles et les enregistrements d’application. Ceci est spécifiquement destiné au serveur MSSQL conteneurisé.
| Méthodes de visibilité | Caractéristiques de la méthode | Ce qui a été découvert |
|---|---|---|
|
Schémas de découverte et de mappage des services et Aqua Trivy:
|
|
Détecté à l’aide de Schémas de découverte et de mappage des services:
Pour en savoir plus, consultez :
|
Kubernetes Agent de visibilité et Aqua Trivy:
|
Kubernetes La découverte basée sur Visibility Agent ne nécessite pas de configuration d’informations d’identification ni de Serveur MID. L’accès se fait via ServiceAccount/ClusterRole. L’installation se fait via un graphique en barres ou Kubernetes un fichier YAML. La découverte s’exécute quasiment en temps réel. Utilisez l’Explorateur Kubernetes pour télécharger SBOM. |
Détecté à l’aide d’Agent Kubernetes de visibilité
|
- Cas d’utilisation #2
- Un responsable de la conformité peut générer un pour SBOM obtenir une liste détaillée des dépendances de l’image du conteneur et pour s’assurer que le logiciel est conforme aux réglementations du secteur.
| Méthode de visibilité | Caractéristiques de la méthode |
|---|---|
| Kubernetes schéma ou Docker pattern (schéma) | SBOM La création fait partie de l’analyse du conteneur. |
| Kubernetes Agent de visibilité | SBOM La création fait également partie de l’analyse des conteneurs, mais l’utilisation d’ACC convient mieux aux entreprises qui ont besoin de flexibilité pour effectuer une découverte complète ou continue. |
- Cas d’utilisation #3
-
Un ingénieur a trouvé un défaut dans une image personnalisée et doit trouver tous les Kubernetes pods qui s’exécutent à l’aide de cette image.
| Méthode de visibilité | Caractéristiques de la méthode | Ce qui a été découvert |
|---|---|---|
| Kubernetes Modèle | Aqua Trivy L’analyse du conteneur n’est pas nécessaire. Vous pouvez identifier les pods à l’aide de schémas. |
|
| Kubernetes schéma avec découverte dans le cloud | Aqua Trivy L’analyse du conteneur n’est pas nécessaire. Vous pouvez identifier les pods à l’aide de schémas. | Tous les éléments ci-dessus et détails du compte ou de la région |
- Cas d’utilisation #4
- Un ingénieur trouve un défaut dans une image personnalisée et doit trouver tous les Docker conteneurs (non Kubernetes) qui s’exécutent à l’aide de cette image.
| Méthode de visibilité | Caractéristiques de la méthode | Ce qui a été découvert |
|---|---|---|
| Découverte horizontale du VM en cours d’exécution Docker (Docker schéma) | Aqua Trivy L’analyse du conteneur n’est pas nécessaire. Vous pouvez identifier les pods à l’aide de schémas. | Voir : Docker Virtualisation |
Numérisation d’images avec Schémas de découverte et de mappage des services
Kubernetes et Docker les schémas s’intègrent à l’outil et exécutent des travaux planifiés pour détecter les Aqua Trivy images de conteneurs et les packages de système d’exploitation à des intervalles fixes de 10 images par minute. Pendant l’analyse, le modèle indique l’état de l’analyse. Le modèle détecte les packages de système d’exploitation qui sont liés à une image. Ensuite, il trouve les attributs de commande d’image comme la classe CI. En fonction des attributs de commande, le modèle crée des enregistrements d’application. En outre, le modèle utilise des scripts enrichis pour ajouter des détails aux enregistrements d’application. Ensuite, le modèle mappe les relations entre les packages du système d’exploitation et les conteneurs.
Une partie des données est renseignée dans CMDB des tables et une autre dans des tables de transformation (tables temporaires non CMDB). Les tables de transformation sont installées avec le schéma. Par exemple, les informations obtenues en analysant comprennent le registre d’origine, le nom du logiciel et sa version.