Opsgenie 的警报和待命功能现已在 Jira Service Management 和 Compass 中可用。使用我们的自动迁移工具在 2027 年 4 月 5 日之前迁移现有的 Opsgenie 数据和配置。了解更多

了解事件响应生命周期

关键要点

  • 事件响应生命周期为团队提供了一个结构化框架,可用于识别、管理服务中断和安全事件并从中恢复

  • NIST 提出了包含四个阶段的事件响应:准备;检测和分析;遏制、根除和恢复;以及事后活动

  • Atlassian 采用一种七阶段方法,它强调实时响应的实际协调,且涵盖从检测和严重性评估到沟通、上报、角色分配和解决

  • 明确的沟通渠道、职责以及上报程序有助于团队快速协调,并让利益相关者始终了解情况

  • 事件响应是一个循环,而不是严格的线性过程。事件后分析有助于团队解决根本原因,并改进未来的检测和响应

若您与安全和事件管理专家相处足够久的时间,便会注意到一种模式。这些行业的菁英采用循环式思考,而非直线型思考。

为何如此?究竟意味着什么?这意味着每一次事件和中断都不是一个有始有终的孤立事件(尽管看似这样)。事件同时也是一个学习机会。

只是服务再次“正常运行”,并不表示团队工作大功告成。事件后活动应包括制定未来路线图计划、改变准备应对未来事件的方式,以及告知可首先防止事件发生的程序性变更。这是一个永无止境的改进循环,而且您可通过几种方法来思考各个阶段,具体取决于您认同哪一种思想流派。

什么是事件响应生命周期?

事件响应是组织应对网络攻击、安全漏洞和服务器停机等 IT 威胁的过程。

事件响应生命周期是组织的分步框架,可用于识别和应对服务中断或安全威胁。

Atlassian 事件响应生命周期

Atlassian 事件响应生命周期图

1. 检测事件

我们的事件检测通常从监控与警报工具着手。但有些时候,我们首先是从客户或团队成员那里得知事件的。

事件警报可能来自不同的来源,因此,拥有一个集成各种警报与报告工具的解决方案,可能会成为脱节、繁琐的响应与连贯、协同的响应之间的区别所在。借助 Jira Service Management 等解决方案,团队可以自定义和筛选所有监控、日志记录及 CI/CD 工具中的警报,从而确保团队快速响应事件,同时避免出现警报疲劳。

2. 建立团队沟通渠道

一旦检测到事件,请为响应团队设置专属的沟通渠道。此时的目标是将团队沟通集中在熟悉的渠道中,例如专属的 Slack 通道和视频会议桥。

在 Jira Service Management 中,协调事件响应可成为一个顺畅的过程。它不仅能让团队以最适合自己的方式(例如,通过 Slack 和视频会议)进行交流,而且与客户的沟通也可借助自动化和自定义而变得更容易。我们将在第 4 步中介绍外部沟通。

3. 评估影响并应用严重性级别

现在,是时候评估事件的影响,以便团队能决定还应跟谁联系,以及与客户和利益相关者沟通哪些内容。指定严重性级别不仅可以识别事件的影响,还可以为解决计划和外部沟通奠定基础。在 Jira Service Management 中,上报事件和分配严重性会触发自动操作和通知,以使响应者始终能掌控解决进展。

4. 与客户沟通

我们致力于尽快与内部及外部利益相关者进行沟通。快速准确的沟通有助于与客户及组织的其他成员建立信任。可自定义的沟通选项允许团队以最适合自己的工作方式进行协作,同时控制与客户共享的信息内容和时间。而借助直接从事件工作单发送的自动回复,也可在响应期间节省时间。

5. 上报至正确的响应者

通过使用 Jira Service Management 中的警报功能,初始响应者通常需要邀请其他团队介入事件。通过将相关工作单分组到一起并直接在工作单上标记相关响应者,可将响应者直接关联到事件工作单。如此一来,通知便会实现有效协调,且每个人都可掌握完整的背景信息。

6. 委派事件响应角色

其他团队成员加入事件响应时,事件经理会向其分配角色。因此,提前编写恰当的事件响应行动手册来概述明确的角色和职责会有所帮助。如此一来,事件响应团队的成员会熟悉每个角色,并且清楚知晓自己在事件发生期间的职责。

7. 解决事件

如果当前或即将发生的业务影响已经消除,则表示事件已得到解决。此时,紧急响应结束,团队将过渡到处理所有未完成的善后任务和事后分析。

理想情况下,事件管理解决方案将保持稳健的事件时间线,而使用 Jira Service Management 便可做到这一点。之后,响应者可以访问关键事件数据并制作报告,帮助团队避免将来发生类似事件并寻找根本原因。事后分析也可以充当一种可靠的资源,以防未来发生类似状况。

NIST 事件响应生命周期

另一行业标准事件响应生命周期来自于美国国家标准与技术研究所(简称 NIST)。NIST 是一个政府机构,它负责围绕事件响应和网络安全等主题制定相关标准和实践。

与 Atlassian 一样,NIST 也认为并非所有事件都能预防。因此,做好万全准备才是上策:

“基于风险评估结果的预防性活动可以减少事件数量,但并非所有事件都能预防。因此,必须要具备事件响应能力,从而能快速检测事件、最大限度减少损失和破坏、消除被利用的漏洞,并且恢复 IT 服务。”

NIST 事件响应生命周期会将事件响应划分为四个主要阶段:准备;检测和分析;遏制、根除和恢复;以及事件后活动。

第 1 阶段:准备

准备阶段涵盖组织在事件发生前为提高准备度并减少潜在影响而采取的步骤。

  • 制定事件响应策略和行动手册。

  • 分配团队角色和职责。

  • 建立沟通与上报渠道。

  • 配置响应工具并集中管理日志记录。

  • 创建正常活动基线,以帮助识别异常行为。

  • 培训事件响应团队并开展演练。

第 2 阶段:检测和分析

此阶段侧重于识别潜在事件,以便确认发生的情况,并确定事件的严重程度。

  • 监控警报、日志和系统活动。

  • 寻找表明可能发生攻击的先兆。

  • 识别表明可能正在进行攻击的入侵指标。

  • 验证该事件是否真是安全事件。

  • 确定哪些系统、帐户、用户、网络或数据受到影响。

  • 评估事件的范围、影响和严重程度。

第 3 阶段:遏制、根除和恢复

此阶段可限制损害、消除威胁,并安全地恢复受影响的系统。

  • 使用短期遏制措施,例如隔离受感染的系统、禁用遭入侵帐户或阻止恶意流量。

  • 当无法立即进行彻底清理时,采取长期遏制措施。

  • 移除恶意软件、后门程序、未经授权的帐户以及其他威胁工件。

  • 修复导致事件发生的漏洞或配置错误。

  • 重建系统或从已知干净的备份中将其还原。

  • 在将系统重新投入生产之前,测试系统完整性。

  • 使用增强的监控来检测反复出现的可疑活动。

第 4 阶段:事件后活动

最终阶段会将事件转化为改进未来预防与响应的契机。

  • 记录事件时间线和响应操作。

  • 审查响应的原因、影响和有效性。

  • 识别组织安全态势和程序中的不足。

  • 更新策略、行动手册、日志记录实践和培训。

  • 完善检测规则和安全控制措施。

  • 跟踪纠正措施,以降低再次发生的风险。

NIST 与 Atlassian 方法的比较

NIST 流程

Atlassian 流程

主要区别

竞争优势

第 1 阶段:准备

不适用

NIST 包含一个正式的事件前阶段,可用于制定策略和行动手册、分配职责、建立沟通与上报程序、配置工具和日志记录,以及培训响应者。

Atlassian 的七阶段流程主要侧重于事件发生时执行的活动。

NIST:提升就绪度并减少临场发挥。

Atlassian:通过省略此步骤,使实时响应流程保持重点突出且易于跟进。

第 2 阶段:检测和分析

1. 检测事件

Atlassian 专注于收集来自监控、日志记录、CI/CD 工具、客户以及团队成员的警报。

NIST 还对征兆和入侵指标进行了区分,验证事件,并确定其范围。

Atlassian:提供一种实用、以工具为导向的方法,以用于快速识别事件。

NIST:提供更深入的分析和取证。

2. 建立团队沟通渠道

Atlassian 将创建专用聊天通道或会议桥视为一个独立的响应步骤。

NIST 期望沟通程序能提前准备好,并在事件期间激活。

Atlassian:让即时协作成为可见的优先事项。

NIST:通过提前规划减少临时发挥。

3. 评估影响并应用严重性级别

两种方法都会评估事件的严重程度。

Atlassian 强调分配严重级别,而 NIST 还会界定受影响的系统、帐户、网络、用户和数据的范围。

Atlassian:支持快速确定优先级、上报和沟通。

NIST:提供更详细的技术评估和组织评估。

4. 与客户沟通

Atlassian 会为客户沟通设置专属步骤。

NIST 会将内部及外部通知视为更广泛响应流程的一部分,并受预定义策略和审批程序的约束。

Atlassian:更注重透明度和客户信任。

NIST:鼓励在敏感安全事件期间开展受控且一致的沟通。

5. 上报至正确的响应者

Atlassian 将上报视为在了解影响之后采取的主动步骤。

NIST 期望上报标准、联系人详情、权限级别和程序均在准备阶段制定。

Atlassian:帮助团队快速引入具备相应专业知识的人员。

NIST:提供更强的治理和问责制。

6. 委派事件响应角色

Atlassian 会在响应者参与事件时分配角色。

NIST 期望在事件发生之前明确职责、权限、培训和行动手册。

Atlassian:允许团队随着事件的发展调整角色。

NIST:确保响应者事先了解其职责。

第 3 阶段:遏制、根除和恢复

7. 解决事件

Atlassian 认为,当前或即将发生的业务影响结束后,事件即为已解决。

NIST 区分了遏制、威胁消除、漏洞补救、受控恢复、完整性测试和增强监控。

Atlassian:提供简单、面向服务的解决结果定义。

NIST:为恢复系统提供更高的技术深度和更强大的安全保障。

第 4 阶段:事件后活动

事后分析和后续活动

这两种方法都将事件视为学习机会。

Atlassian 强调事后分析、时间表和后续行动。

NIST 会更正式地将经验教训与策略、行动手册、日志记录、检测规则、培训以及安全控制措施的更新联系起来。

Atlassian:让服务与运营团队能轻松进行反思和持续改进。

NIST:创建结构化且有记录的改进周期。

现代 DevOps 团队的事件响应

过去十年,DevOps 运动帮助团队重塑了构建、部署和运营软件的方式。除此之外,还有关于这些团队如何应对事件的创新举措。

DevOps 管理事件的方法与传统的有效事件管理步骤并无太大区别。DevOps 事件管理包括明确强调让开发人员团队从头开始参与(包括待命职责),并根据专业知识而不是职位来分配工作。

事件响应和持续改进

这些事件管理方法的共同点在于它们并非完全是线性的。它们都包含相同的基本组成部分:定义、检测和识别事件的方法;快速响应并采取操作以缓解事件的方法;以及分析事件以改进未来检测和响应的方法。

通过在事件发生后对其进行分析,不仅能帮助您了解出了什么问题,还有助于改进未来的检测与响应流程。团队正是通过持续不断的学习和改进来完成此循环。

(非线性)事件响应流程包含多个可变环节。借助 Jira Service Management 等事件管理解决方案,可使用集成式协作与沟通工具来轻松跟踪各个步骤。集中处理警报并联合各个团队,同时灵活地快速响应和解决事件。

为您推荐

教程

通过 Opsgenie 设置待命值班表

在本教程中,您将了解如何在 Opsgenie 中设置待命时间表、应用覆盖规则、配置待命通知等。

不同待命管理方法的优缺点

待命团队正在迅速发展。探索不同待命管理方法的优缺点。

了解更多有关事件管理的信息

在此中心查找更多事件管理指南和资源。