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 Visibility Agent. 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 aux Kubernetes charges de travail conteneurisées dynamiques, la détection basée sur les modèles 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 est découvert |
|---|---|---|
|
Schémas de découverte et de mappage des services et Aqua Trivy:
|
|
Détecté à l’aide :Schémas de découverte et de mappage des services
Pour en savoir plus, consultez :
|
Kubernetes Visibility Agent et Aqua Trivy:
|
Kubernetes La découverte basée sur Visibility Agent ne nécessite pas de configuration d’informations d’identification, et aucun besoin de Serveur MID. L’accès se fait via ServiceAccount/ClusterRole. L’installation se fait via un graphique Helm ou Kubernetes un fichier YAML. La détection s’exécute quasiment en temps réel. Utilisez Kubernetes l’Explorateur pour télécharger SBOM. |
Détecté à l’aide de Kubernetes Visibility Agent
|
- Cas d’utilisation #2
- Un responsable de la conformité peut générer un SBOM pour 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 Modèle ou Docker modèle | 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 organisations qui ont besoin de flexibilité pour effectuer à la fois une découverte complète et 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 est découvert |
|---|---|---|
| Modèle Kubernetes | Aqua Trivy L’analyse des conteneurs n’est pas nécessaire. Vous pouvez identifier les pods à l’aide de modèles. |
|
| Kubernetes modèle avec découverte dans le cloud | Aqua Trivy L’analyse des conteneurs n’est pas nécessaire. Vous pouvez identifier les pods à l’aide de modèles. | 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 est découvert |
|---|---|---|
| Détection horizontale de l’exécution Docker du VM (Docker schéma) | Aqua Trivy L’analyse des conteneurs n’est pas nécessaire. Vous pouvez identifier les pods à l’aide de modèles. | Voir: Virtualisation Docker |
Numérisation d’images avec Schémas de découverte et de mappage des services
Kubernetes et Docker les modèles 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 découvre les packages de système d’exploitation qui sont liés à une image. Ensuite, il trouve les attributs de la 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. Après cela, le modèle mappe les relations entre les packages OS 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 modèle. Par exemple, les informations que vous obtenez en scannant comprennent le registre d’origine, le nom et la version du logiciel.