Google系统架构解密：构建安全可靠的系统

作为系统架构的重中之重，安全性和可靠性是设计和维护可扩展系统的核心。在本书中，Google安全团队分享了成功设计、实现、维护系统的最佳实践。你将了解系统的设计策略，如何在编程、测试、调试等环节中实现安全性和可靠性，以及如何应对不可预知的安全事件。全书分为五大部分，共21章，内容涉及安全性和可靠性的关系，系统的设计原则、实现原则、维护原则，还辅以丰富的案例分析。阅读本书，你不仅能学到丰富的系统架构技巧，而且能看到相关从业者在面临复杂的实际状况时如何权衡利弊，从而真正提高系统的安全性和可靠性。

【作者简介】 希瑟·阿德金斯（Heather Adkins）是在Google有近20年工作经验的“老兵”，也是Google安全团队的创始成员。 贝齐·拜尔（Betsy Beyer）毕业于斯坦福大学，是Google SRE技术作者。 保罗·布兰肯希普（Paul Blankinship）是Google技术写作团队负责人，同时服务于Google安全与隐私工程团队。 彼得·莱万多夫斯基（Piotr Lewandowski）是Google安全生产技术负责人，负责促成SRE与安全团队紧密协作。 阿那·奥普雷亚（Ana Oprea）负责安全、SRE及Google技术基础设施的战略规划。 亚当·斯塔布菲尔德（Adam Stubblefield）是Google安全领域的技术负责人，他协助建立了Google大部分核心安全基础设施。 【译者简介】 周雨阳 就职于腾讯安全平台部研发安全团队，参与DevSecOps的一线建设工作，对业务研发流程、编码安全及漏洞检测有深入了解，曾发现并报告Google、Apple、Mozilla等的产品漏洞，另译有《黑客攻防技术宝典：反病毒篇》。 刘志颖 高级安全工程师，现就职于腾讯PCG应用安全团队，担任研发安全方向负责人，主导应用漏洞风险治理和DevSecOps落地工作，在研发与架构安全、安全漏洞发现与防护等方向有较多实战经验。

推荐序一　xvii 推荐序二　xix 对本书的赞誉　xxi 序一　xxiii 序二　xxv 前言　xxvii 第 一部分　入门资料 第 1章　安全性与可靠性的交集　3 1.1　从密码和电钻谈起　3 1.2　可靠性与安全性：设计注意事项　4 1.3　机密性、完整性、可用性　5 1.3.1　机密性　5 1.3.2　完整性　5 1.3.3　可用性　6 1.4　可靠性与安全性：共性　6 1.4.1　隐形　6 1.4.2　评估　7 1.4.3　简洁性　7 1.4.4　演变　7 1.4.5　弹性　8 1.4.6　从设计到生产　9 1.4.7　调查系统和日志　9 1.4.8　危机响应　9 1.4.9　恢复　10 1.5　小结　10 第 2章　了解攻击者　11 2.1　攻击者动机　12 2.2　攻击者画像　13 2.2.1　业余爱好者　13 2.2.2　漏洞研究人员　13 2.2.3　黑客活动家　14 2.2.4　犯罪分子　14 2.2.5　自动化和人工智能　15 2.2.6　内部人员　15 2.3　攻击者方法论　19 2.3.1　威胁情报　19 2.3.2　网络杀伤链　20 2.3.3　TTP　20 2.4　风险评估注意事项　21 2.5　小结　21 第二部分　设计系统 第3章　示例分析：安全代理　25 3.1　生产环境中的安全代理　25 3.2　Google工具代理　27 3.3　小结29 第4章　设计中的权衡　30 4.1　设计目标和要求　31 4.1.1　特性需求　31 4.1.2　非功能性需求　31 4.1.3　功能与涌现特性　32 4.1.4　案例：Google的设计文档　33 4.2　需求平衡　34 4.3　处理紧张局势和统一目标　37 4.3.1　案例：微服务和Google Web应用程序框架　37 4.3.2　统一涌现特性的需求　39 4.4　初始速度和持续速度　39 4.5　小结　41 第5章　最小特权设计　42 5.1　概念和术语　43 5.1.1　最小特权　43 5.1.2　零信任网络　43 5.1.3　零接触　43 5.2　基于风险的访问分类　43 5.3　最佳实践　44 5.3.1　API功能最小化　45 5.3.2　Breakglass机制　47 5.3.3　审计　47 5.3.4　测试和最小特权　49 5.3.5　诊断被拒绝的访问　50 5.3.6　优雅失败和Breakglass机制　51 5.4　工作案例：配置分发　51 5.4.1　基于OpenSSH实现的POSIX API　52 5.4.2　软件更新API　52 5.4.3　自定义OpenSSH ForceCommand　53 5.4.4　自定义HTTP接收器（边车）　53 5.4.5　自定义HTTP接收器（内置）　53 5.4.6　权衡取舍　53 5.5　一种用于认证和授权决策的策略框架　54 5.5.1　使用高级授权控件　55 5.5.2　投入广泛使用的授权框架　55 5.5.3　避免潜在的陷阱　56 5.6　高级控制　56 5.6.1　MPA　56 5.6.2　3FA　57 5.6.3　业务依据　58 5.6.4　临时访问　59 5.6.5　代理　59 5.7　权衡和冲突　59 5.7.1　增加了安全复杂性　60 5.7.2　对合作商及公司文化的影响　60 5.7.3　影响安全性的质量数据和系统　60 5.7.4　对用户工作效率的影响　60 5.7.5　对开发复杂性的影响　60 5.8　小结　61 第6章　面向易理解性的设计　62 6.1　为什么易理解性很重要　62 6.1.1　系统不变量　63 6.1.2　分析不变量　64 6.1.3　心智模型　65 6.2　设计易理解的系统　65 6.2.1　复杂性与易理解性　65 6.2.2　分解复杂性　66 6.2.3　集中负责安全性和可靠性需求　67 6.3　系统架构　67 6.3.1　易于理解的接口规范　68 6.3.2　易于理解的身份、认证和访问控制　69 6.3.3　安全边界　74 6.4　软件设计　78 6.4.1　使用应用程序框架满足服务需求　78 6.4.2　理解复杂的数据流　79 6.4.3　考虑API的可用性　81 6.5　小结　83 第7章　适应变化的设计　84 7.1　安全变更的类型　85 7.2　变更中的设计　85 7.3　让发布更容易的架构决策　86 7.3.1　让依赖项保持最新并频繁重建86 7.3.2　用自动化测试让发布更频繁86 7.3.3　使用容器　87 7.3.4　使用微服务　87 7.4　不同的变更：不同的速度与不同的时间线　89 7.4.1　短期变更：零日漏洞　90 7.4.2　中期变更：改善安全态势　92 7.4.3　长期变更：外部需求　94 7.5　难点：计划调整　96 7.6　不断扩大的范围：心脏滴血漏洞　97 7.7　小结　98 第8章　弹性设计　99 8.1　弹性设计原则　100 8.2　纵深防御　100 8.2.1　特洛伊木马　100 8.2.2　Google App Engine分析　102 8.3　控制降级　104 8.3.1　区分故障成本　105 8.3.2　部署响应机制　107 8.3.3　负责任的自动化　109 8.4　控制爆炸半径　111 8.4.1　角色分离　112 8.4.2　位置分离　113 8.4.3　时间分离　115 8.5　故障域和冗余　115 8.5.1　故障域　116 8.5.2　组件类型　117 8.5.3　控制冗余　119 8.6　持续验证　120 8.6.1　验证关键区域　121 8.6.2　验证实践　122 8.7　实践建议：着手点　124 8.8　小结　125 第9章　面向恢复性的设计　127 9.1　要恢复什么　128 9.1.1　随机错误　128 9.1.2　意外错误　128 9.1.3　软件错误　128 9.1.4　恶意行为　129 9.2　恢复机制的设计原则　129 9.2.1　面向快速恢复的设计（受政策监督）　129 9.2.2　限制对外部时间观念的依赖　132 9.2.3　回滚所代表的安全性和可靠性间的权衡　133 9.2.4　使用显式吊销机制　139 9.2.5　了解精确到字节的预期状态　142 9.2.6　面向测试和持续验证的设计　145 9.3　紧急访问　146 9.3.1　访问控制　147 9.3.2　通信　148 9.3.3　响应人员的习惯　148 9.4　预期外的收益　149 9.5　小结　149 第 10章　缓解拒绝服务攻击　150 10.1　攻守双方的策略　150 10.1.1　攻方的策略　151 10.1.2　守方的策略　152 10.2　面向防御的设计　152 10.2.1　具有防御能力的架构　152 10.2.2　使服务具备防护能力　154 10.3　缓解攻击　154 10.3.1　监控与告警　154 10.3.2　优雅降级　155 10.3.3　DoS防护系统　155 10.3.4　有策略的响应　156 10.4　应对源于服务本身的“攻击”　157 10.4.1　用户行为　157 10.4.2　客户端重试行为　158 10.5　小结　159 第三部分　实现系统 第 11章　案例分析：设计、实现和维护一个受信任的公共CA　163 11.1　受信任的公共CA的背景　163 11.2　为什么需要受信任的公共CA　164 11.3　自建还是购买CA　165 11.4　设计、开发和维护过程中的考虑　165 11.4.1　选择编程语言　166 11.4.2　复杂与简明　166 11.4.3　保护第三方和开源组件　167 11.4.4　测试　167 11.4.5　CA密钥材料的弹性　168 11.4.6　数据验证　168 11.5　小结　169 第 12章　编写代码　170 12.1　框架级安全性和可靠性保证措施　171 12.1.1　使用框架的好处.172 12.1.2　案例：用于创建RPC后端的框架　172 12.2　常见安全漏洞　176 12.2.1　SQL注入漏洞：TrustedSqlString　177 12.2.2　预防XSS漏洞：SafeHtml　178 12.3　评估和构建框架的经验　179 12.3.1　用于常见任务的简单、安全、可靠的库　180 12.3.2　部署策略　181 12.4　简洁性有助于提升代码的安全性和可靠性　182 12.4.1　避免多层嵌套　182 12.4.2　消除YAGNI类代码　183 12.4.3　偿还技术债务　184 12.4.4　重构　184 12.5　默认安全性和可靠性　185 12.5.1　选择合适的工具　185 12.5.2　使用强类型　186 12.5.3　检查代码.188 12.6　小结　189 第 13章　代码测试　190 13.1　单元测试　190 13.1.1　编写有效的单元测试　191 13.1.2　编写单元测试的时机　191 13.1.3　单元测试对代码的影响　192 13.2　集成测试　193 13.3　动态程序分析　194 13.4　模糊测试　197 13.4.1　模糊引擎的工作原理　197 13.4.2　编写有效的模糊测试驱动程序　200 13.4.3　示例fuzzer　201 13.4.4　持续模糊测试　204 13.5　静态程序分析　205 13.5.1　自动代码检查工具　205 13.5.2　如何将静态分析集成至开发工作流中　209 13.5.3　抽象解释　211 13.5.4　形式化方法　213 13.6　小结　213 第 14章　部署代码　214 14.1　概念和术语　214 14.2　威胁建模　216 14.3　最佳实践　217 14.3.1　强制做代码审查　217 14.3.2　依赖自动化　218 14.3.3　验证工件，而不仅仅是人　218 14.3.4　将配置视为代码.219 14.4　基于威胁建模做安全加固　220 14.5　高级缓解策略　222 14.5.1　二进制文件来源　222 14.5.2　基于来源的部署策略　224 14.5.3　可验证的构建　225 14.5.4　部署阻塞点　230 14.5.5　部署后验证　231 14.6　实用建议　232 14.6.1　一步步来　232 14.6.2　提供可操作的错误消息　233 14.6.3　确保来源信息明确　233 14.6.4　创建明确的策略　233 14.6.5　引入Breakglass机制　234 14.7　重温基于威胁建模部署安全措施　234 14.8　小结　234 第 15章　调查系统　235 15.1　从调试到调查　236 15.1.1　案例：临时文件　236 15.1.2　调试技巧　237 15.1.3　当陷入困境时该怎么办　243 15.1.4　协同调试：一种教学方法　246 15.1.5　安全调查与系统调试间的差异　246 15.2　收集恰当、有用的日志　247 15.2.1　将日志设计为不可变的　248 15.2.2　考虑隐私要素　249 15.2.3　确定要保留哪些安全相关的日志　249 15.2.4　日志记录成本　252 15.3　可靠、安全的调试访问　253 15.3.1　可靠性　253 15.3.2　安全性　253 15.4　小结　254 第四部分　维护系统 第 16章　防灾规划　257 16.1　“灾难”的定义　257 16.2　动态灾难响应策略　258 16.3　灾难风险分析　259 16.4　建立事件响应团队　259 16.4.1　确定团队成员和角色　260 16.4.2　制订团队章程　261 16.4.3　建立严重性和优先级模型　262 16.4.4　确定与IR团队合作的运营参数　262 16.4.5　制订响应计划　263 16.4.6　创建详细的行动手册　264 16.4.7　确保访问和更新机制就位　264 16.5　在事件发生前预先安排系统和人员　264 16.5.1　配置系统　265 16.5.2　培训　265 16.5.3　流程和程序　266 16.6　测试系统和响应计划　266 16.6.1　审计自动化系统　267 16.6.2　开展非侵入式桌面演练.267 16.6.3　在生产环境中测试响应　268 16.6.4　红队测试　270 16.6.5　评估响应　270 16.7　Google的案例　271 16.7.1　具有全球影响的测试　271 16.7.2　DiRT演习测试紧急访问　271 16.7.3　行业级漏洞　271 16.8　小结　272 第 17章　危机管理　273 17.1　是否存在危机　274 17.1.1　事件分诊　274 17.1.2　入侵与缺陷　275 17.2　指挥事件　276 17.2.1　第 一步：不要惊慌　276 17.2.2　开展响应　277 17.2.3　组建自己的事件团队　277 17.2.4　OpSec　278 17.2.5　牺牲好的OpSec实践换取更大的利益　280 17.2.6　调查过程　280 17.3　控制事件　283 17.3.1　并行处理事件　283 17.3.2　移交　284 17.3.3　士气　286 17.4　沟通　287 17.4.1　误解　287 17.4.2　拐弯抹角　287 17.4.3　会议　288 17.4.4　让合适的人了解合适的细节　289 17.5　整合回顾　290 17.5.1　分诊　290 17.5.2　宣布事件　290 17.5.3　沟通和OpSec　290 17.5.4　开始处理事件　291 17.5.5　移交　291 17.5.6　交还事件调查工作　291 17.5.7　准备沟通和补救　292 17.5.8　结束　292 17.6　小结　293 第 18章　恢复和善后　294 18.1　恢复调度　295 18.2　恢复时间线　296 18.3　恢复计划　297 18.3.1　确定恢复范围　297 18.3.2　恢复过程的考虑因素　298 18.3.3　恢复检查清单　301 18.4　启动恢复　302 18.4.1　隔离资产　302 18.4.2　系统恢复和软件升级　303 18.4.3　数据过滤　304 18.4.4　恢复数据　304 18.4.5　更换凭据和密钥　305 18.6　恢复之后　306 18.7　示例　308 18.7.1　被入侵的云实例　308 18.7.2　大规模钓鱼攻击　309 18.7.3　需要复杂恢复工作的、有针对性的攻击　310 18.8　小结　311 第五部分　组织与文化 第 19章　案例研究：Chrome安全团队　315 19.1　背景和团队发展史　315 19.2　安全是团队的职责　317 19.3　帮助用户安全地浏览Web页面　318 19.4　速度很重要　319 19.5　设计纵深防御机制　319 19.6　保持透明，让社区参与进来　320 19.7　小结　320 第 20章　理解角色和责任　321 20.1　谁为安全性和可靠性负责　322 20.1.1　专家的作用　322 20.1.2　了解安全专业知识　324 20.1.3　资格认证和学术教育　325 20.2　将安全性整合到组织中　325 20.2.1　嵌入安全人员和安全团队　327 20.2.2　案例：Google的嵌入式安全　327 20.2.3　特殊的团队：蓝队和红队　329 20.2.4　外部研究者　330 20.3　小结　332 第 21章　建立安全可靠的文化　333 21.1　定义健康的安全性和可靠性文化　334 21.1.1　默认的安全性和可靠性文化　334 21.1.2　评审文化　335 21.1.3　意识文化　336 21.1.4　说“是”的文化　339 21.1.5　接受必然性的文化　340 21.1.6　可持续发展文化　340 21.2　通过最佳实践改变文化　342 21.2.1　对齐项目目标和激励参与者　342 21.2.2　通过风险规避机制减少恐惧　343 21.2.3　使安全兜底措施成为常态　344 21.2.4　提高生产力和可用性　344 21.2.5　多沟通，保持透明　345 21.2.6　怀抱同理心　346 21.3　说服领导层　347 21.3.1　了解决策过程　347 21.3.2　为变革立案　348 21.3.3　选择自己的战场　349 21.3.4　升级和问题解决　349 21.4　小结　350 总结　351 附录　灾难风险评估矩阵　353 作者介绍　355 封面介绍　355