Mengumpulkan Log Audit OpenAI

Didukung di:

Dokumen ini menjelaskan cara menyerap Log Audit OpenAI ke Google Security Operations menggunakan Google Cloud Storage V2.

OpenAI menyediakan Audit Logs API untuk organisasi yang menggunakan Platform API OpenAI. API ini melacak tindakan pengguna dan perubahan konfigurasi dalam organisasi, termasuk peristiwa siklus proses kunci API, pengelolaan pengguna, perubahan project, undangan, aktivitas akun layanan, peristiwa login dan logout, serta perubahan konfigurasi organisasi.

Sebelum memulai

Pastikan Anda memiliki prasyarat berikut:

  • Instance Google SecOps
  • Project GCP dengan Cloud Storage, Cloud Run, Pub/Sub, dan Cloud Scheduler API yang diaktifkan
  • Izin untuk membuat dan mengelola bucket GCS
  • Izin untuk mengelola kebijakan IAM di bucket GCS
  • Izin untuk membuat layanan Cloud Run, topik Pub/Sub, dan tugas Cloud Scheduler
  • Peran Pemilik Organisasi di organisasi Platform OpenAI API Anda

Mengaktifkan logging audit OpenAI

Sebelum dapat mengakses log audit, Anda harus mengaktifkan pencatatan log audit di organisasi Anda.

  1. Login ke OpenAI Platform di https://platform.openai.com.
  2. Buka Setelan > Organisasi > Kontrol data.
  3. Scroll ke bawah ke bagian Audit logging.
  4. Klik Aktifkan di bagian Logging audit.

  5. Klik Simpan.

Membuat kunci OpenAI Admin API

  1. Login ke OpenAI Platform di https://platform.openai.com.
  2. Di panel sebelah kiri, klik Kunci admin.
  3. Atau, buka langsung https://platform.openai.com/settings/organization/admin-keys.
  4. Klik Buat kunci admin baru.
  5. Di kolom Name, masukkan nama deskriptif (misalnya, Google SecOps Integration).
  6. Klik Create.

  7. Segera salin kunci API dan simpan dengan aman.

Menguji akses API

  • Uji kredensial Anda sebelum melanjutkan integrasi:

    # Replace with your actual Admin API key
OPENAI_ADMIN_KEY="your-admin-api-key"

# Test audit logs API access
curl -s -H "Authorization: Bearer ${OPENAI_ADMIN_KEY}" \
    -H "Content-Type: application/json" \
    "https://api.openai.com/v1/organization/audit_logs?limit=5" \
    | python3 -m json.tool

Respons yang berhasil akan menampilkan objek JSON dengan kolom object yang ditetapkan ke list dan array data yang berisi entri log audit.

Buat bucket Google Cloud Storage

  1. Buka Konsol Google Cloud.
  2. Pilih project Anda atau buat project baru.
  3. Di menu navigasi, buka Cloud Storage > Buckets.
  4. Klik Create bucket.

  5. Berikan detail konfigurasi berikut:

    Setelan Nilai
    Beri nama bucket Anda Masukkan nama yang unik secara global (misalnya, openai-auditlog-logs)
    Location type Pilih berdasarkan kebutuhan Anda (Region, Dual-region, Multi-region)
    Location Pilih lokasi (misalnya, us-central1)
    Kelas penyimpanan Standar (direkomendasikan untuk log yang sering diakses)
    Kontrol akses Seragam (direkomendasikan)
    Alat perlindungan Opsional: Aktifkan pembuatan versi objek atau kebijakan retensi

  6. Klik Create.

Buat akun layanan untuk fungsi Cloud Run

  1. Di Konsol GCP, buka IAM & Admin > Service Accounts.
  2. Klik Create Service Account.
  3. Berikan detail konfigurasi berikut:
    • Nama akun layanan: Masukkan openai-auditlog-collector-sa
    • Deskripsi akun layanan: Masukkan Service account for Cloud Run function to collect OpenAI audit logs
  4. Klik Create and Continue.
  5. Di bagian Grant this service account access to project, tambahkan peran berikut:
    1. Klik Pilih peran.
    2. Telusuri dan pilih Storage Object Admin.
    3. Klik + Add another role.
    4. Telusuri dan pilih Cloud Run Invoker.
    5. Klik + Add another role.
    6. Telusuri dan pilih Cloud Functions Invoker.
  6. Klik Lanjutkan.
  7. Klik Done.

Memberikan izin IAM pada bucket GCS

  1. Buka Cloud Storage > Buckets.
  2. Klik nama bucket Anda (openai-auditlog-logs).
  3. Buka tab Izin.
  4. Klik Grant access.
  5. Berikan detail konfigurasi berikut:
    • Tambahkan prinsipal: Masukkan email akun layanan (openai-auditlog-collector-sa@PROJECT_ID.iam.gserviceaccount.com)
    • Menetapkan peran: Pilih Storage Object Admin
  6. Klik Simpan.

Membuat topik Pub/Sub

  1. Di Konsol GCP, buka Pub/Sub > Topics.
  2. Klik Create topic.
  3. Berikan detail konfigurasi berikut:
    • ID Topik: Masukkan openai-auditlog-trigger
    • Biarkan setelan lainnya sesuai default
  4. Klik Create.

Membuat fungsi Cloud Run untuk mengumpulkan log

Fungsi Cloud Run akan dipicu oleh pesan Pub/Sub dari Cloud Scheduler untuk mengambil log dari OpenAI Audit Logs API dan menuliskannya ke GCS.

  1. Di Konsol GCP, buka Cloud Run.
  2. Klik Create service.
  3. Pilih Function (gunakan editor inline untuk membuat fungsi).

  4. Di bagian Konfigurasi, berikan detail konfigurasi berikut:

    Setelan Nilai
    Nama layanan openai-auditlog-collector
    Region Pilih region yang cocok dengan bucket GCS Anda (misalnya, us-central1)
    Runtime Pilih Python 3.12 atau yang lebih baru

  5. Di bagian Pemicu (opsional):

    1. Klik + Tambahkan pemicu.
    2. Pilih Cloud Pub/Sub.
    3. Di Select a Cloud Pub/Sub topic, pilih openai-auditlog-trigger.
    4. Klik Simpan.

  6. Di bagian Authentication:

    1. Pilih Wajibkan autentikasi.
    2. Periksa Identity and Access Management (IAM).

  7. Scroll ke bawah dan luaskan Containers, Networking, Security.

  8. Buka tab Security:

    • Akun layanan: Pilih openai-auditlog-collector-sa

  9. Buka tab Containers:

    1. Klik Variables & Secrets.
    2. Klik + Tambahkan variabel untuk setiap variabel lingkungan:
    Nama Variabel Nilai Contoh Deskripsi
    GCS_BUCKET openai-auditlog-logs Nama bucket GCS
    GCS_PREFIX openai-auditlog Awalan untuk file log
    STATE_KEY openai-auditlog/state.json Jalur file status
    OPENAI_ADMIN_KEY your-admin-api-key Kunci OpenAI Admin API
    MAX_RECORDS 5000 Jumlah data maks per proses
    PAGE_SIZE 100 Jumlah data per halaman API (maks. 100)
    LOOKBACK_HOURS 24 Periode lihat balik awal

  10. Di bagian Variables & Secrets, scroll ke bawah ke Requests:

    • Waktu tunggu permintaan: Masukkan 600 detik (10 menit)

  11. Buka tab Setelan:

    • Di bagian Referensi:
      • Memori: Pilih 512 MiB atau lebih tinggi
      • CPU: Pilih 1

  12. Di bagian Penskalaan revisi:

    • Minimum number of instances: Masukkan 0
    • Maximum number of instances: Masukkan 100

  13. Klik Create.

  14. Tunggu hingga layanan dibuat (1-2 menit).

  15. Setelah layanan dibuat, editor kode inline akan terbuka secara otomatis.

Menambahkan kode fungsi

  1. Masukkan main di kolom Entry point.

  2. Di editor kode inline, buat dua file:

    • main.py:

      import functions_framework
from google.cloud import storage
import json
import os
import urllib3
from datetime import datetime, timezone, timedelta
import time

http = urllib3.PoolManager(
  timeout=urllib3.Timeout(connect=5.0, read=30.0),
  retries=False,
)

storage_client = storage.Client()

GCS_BUCKET = os.environ.get('GCS_BUCKET')
GCS_PREFIX = os.environ.get('GCS_PREFIX', 'openai-auditlog')
STATE_KEY = os.environ.get('STATE_KEY', 'openai-auditlog/state.json')
OPENAI_ADMIN_KEY = os.environ.get('OPENAI_ADMIN_KEY')
MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '5000'))
PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '100'))
LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '24'))

API_BASE = 'https://api.openai.com'
AUDIT_LOGS_ENDPOINT = '/v1/organization/audit_logs'

@functions_framework.cloud_event
def main(cloud_event):
  """
  Cloud Run function triggered by Pub/Sub to fetch OpenAI audit logs
  and write them to GCS.

  Args:
    cloud_event: CloudEvent object containing Pub/Sub message
  """

  if not all([GCS_BUCKET, OPENAI_ADMIN_KEY]):
    print('Error: Missing required environment variables')
    return

  try:
    bucket = storage_client.bucket(GCS_BUCKET)
    state = load_state(bucket)
    now = datetime.now(timezone.utc)

    if isinstance(state, dict) and state.get('last_effective_at'):
      try:
        last_effective_at = int(state['last_effective_at'])
        last_time = datetime.fromtimestamp(last_effective_at, tz=timezone.utc)
        last_time = last_time - timedelta(minutes=2)
      except Exception as e:
        print(f"Warning: Could not parse last_effective_at: {e}")
        last_time = now - timedelta(hours=LOOKBACK_HOURS)
    else:
      last_time = now - timedelta(hours=LOOKBACK_HOURS)

    start_unix = int(last_time.timestamp())
    end_unix = int(now.timestamp())

    print(f"Fetching audit logs from {last_time.isoformat()} to {now.isoformat()}")

    records, newest_effective_at = fetch_audit_logs(
      start_unix=start_unix,
      end_unix=end_unix,
      page_size=PAGE_SIZE,
      max_records=MAX_RECORDS,
    )

    if not records:
      print("No new audit log records found.")
      save_state(bucket, end_unix)
      return

    timestamp = now.strftime('%Y%m%d_%H%M%S')
    object_key = f"{GCS_PREFIX}/openai_auditlog_{timestamp}.ndjson"
    blob = bucket.blob(object_key)

    ndjson = '\n'.join(
      [json.dumps(record, ensure_ascii=False) for record in records]
    ) + '\n'
    blob.upload_from_string(ndjson, content_type='application/x-ndjson')

    print(f"Wrote {len(records)} records to gs://{GCS_BUCKET}/{object_key}")

    if newest_effective_at:
      save_state(bucket, newest_effective_at)
    else:
      save_state(bucket, end_unix)

    print(f"Successfully processed {len(records)} records")

  except Exception as e:
    print(f'Error processing audit logs: {str(e)}')
    raise

def load_state(bucket):
  """Load state from GCS."""
  try:
    blob = bucket.blob(STATE_KEY)
    if blob.exists():
      return json.loads(blob.download_as_text())
  except Exception as e:
    print(f"Warning: Could not load state: {e}")
  return {}

def save_state(bucket, last_effective_at):
  """Save the last effective_at Unix timestamp to GCS state file."""
  try:
    state = {
      'last_effective_at': last_effective_at,
      'last_run': datetime.now(timezone.utc).isoformat()
    }
    blob = bucket.blob(STATE_KEY)
    blob.upload_from_string(
      json.dumps(state, indent=2),
      content_type='application/json'
    )
    print(f"Saved state: last_effective_at={last_effective_at}")
  except Exception as e:
    print(f"Warning: Could not save state: {e}")

def fetch_audit_logs(start_unix, end_unix, page_size, max_records):
  """
  Fetch audit logs from the OpenAI API with pagination and rate limiting.

  Args:
    start_unix: Start time as Unix seconds
    end_unix: End time as Unix seconds
    page_size: Number of records per page (max 100)
    max_records: Maximum total records to fetch

  Returns:
    Tuple of (records list, newest effective_at Unix timestamp)
  """
  headers = {
    'Authorization': f'Bearer {OPENAI_ADMIN_KEY}',
    'Content-Type': 'application/json',
  }

  records = []
  newest_effective_at = None
  page_num = 0
  backoff = 1.0
  cursor = None

  while True:
    page_num += 1

    if len(records) >= max_records:
      print(f"Reached max_records limit ({max_records})")
      break

    params = []
    params.append(f"effective_at[gte]={start_unix}")
    params.append(f"effective_at[lte]={end_unix}")
    params.append(f"limit={min(page_size, max_records - len(records))}")
    if cursor:
      params.append(f"after={cursor}")

    url = f"{API_BASE}{AUDIT_LOGS_ENDPOINT}?{'&'.join(params)}"

    try:
      response = http.request('GET', url, headers=headers)

      if response.status == 429:
        retry_after = int(response.headers.get('Retry-After', str(int(backoff))))
        print(f"Rate limited (429). Retrying after {retry_after}s...")
        time.sleep(retry_after)
        backoff = min(backoff * 2, 30.0)
        continue

      backoff = 1.0

      if response.status != 200:
        print(f"HTTP Error: {response.status}")
        response_text = response.data.decode('utf-8')
        print(f"Response body: {response_text}")
        return [], None

      data = json.loads(response.data.decode('utf-8'))

      page_results = data.get('data', [])

      if not page_results:
        print(f"No more results (empty page)")
        break

      print(f"Page {page_num}: Retrieved {len(page_results)} events")
      records.extend(page_results)

      for event in page_results:
        try:
          effective_at = event.get('effective_at')
          if effective_at is not None:
            if newest_effective_at is None or effective_at > newest_effective_at:
              newest_effective_at = effective_at
        except Exception as e:
          print(f"Warning: Could not parse event time: {e}")

      has_more = data.get('has_more', False)
      if not has_more:
        print("No more pages (has_more=false)")
        break

      last_id = data.get('last_id')
      if not last_id:
        print("No more pages (no last_id)")
        break

      cursor = last_id

    except Exception as e:
      print(f"Error fetching audit logs: {e}")
      return [], None

  print(f"Retrieved {len(records)} total records from {page_num} pages")
  return records, newest_effective_at

    • requirements.txt:

      functions-framework==3.*
google-cloud-storage==2.*
urllib3>=2.0.0

  3. Klik Deploy untuk menyimpan dan men-deploy fungsi.

  4. Tunggu hingga deployment selesai (2-3 menit).

Buat tugas Cloud Scheduler

  1. Di Konsol GCP, buka Cloud Scheduler.
  2. Klik Create Job.

  3. Berikan detail konfigurasi berikut:

    Setelan Nilai
    Nama openai-auditlog-collector-hourly
    Region Pilih region yang sama dengan fungsi Cloud Run
    Frekuensi 0 * * * * (setiap jam, tepat pada waktunya)
    Zona Waktu Pilih zona waktu (UTC direkomendasikan)
    Jenis target Pub/Sub
    Topik Pilih openai-auditlog-trigger
    Isi pesan {} (objek JSON kosong)

  4. Klik Create.

Opsi frekuensi jadwal

Pilih frekuensi berdasarkan volume log dan persyaratan latensi:

Frekuensi Ekspresi Cron Kasus Penggunaan
Setiap 5 menit */5 * * * * Volume tinggi, latensi rendah
Setiap 15 menit */15 * * * * Volume sedang
Setiap jam 0 * * * * Standar (direkomendasikan)
Setiap 6 jam 0 */6 * * * Volume rendah, pemrosesan batch
Harian 0 0 * * * Pengumpulan data historis

Menguji integrasi

  1. Di konsol Cloud Scheduler, temukan tugas Anda (openai-auditlog-collector-hourly).
  2. Klik Force run untuk memicu tugas secara manual.
  3. Tunggu beberapa detik.
  4. Buka Cloud Run > Services.
  5. Klik openai-auditlog-collector.
  6. Klik tab Logs.

  7. Pastikan fungsi berhasil dieksekusi. Cari:

    Fetching audit logs from YYYY-MM-DDTHH:MM:SS+00:00 to YYYY-MM-DDTHH:MM:SS+00:00
Page 1: Retrieved X events
Wrote X records to gs://openai-auditlog-logs/openai-auditlog/openai_auditlog_YYYYMMDD_HHMMSS.ndjson
Successfully processed X records

  8. Buka Cloud Storage > Buckets.

  9. Klik openai-auditlog-logs.

  10. Buka folder openai-auditlog/.

  11. Pastikan file .ndjson baru dibuat dengan stempel waktu saat ini.

Jika Anda melihat error dalam log:

  • HTTP 401: Pastikan variabel lingkungan OPENAI_ADMIN_KEY sudah benar dan kunci belum dicabut
  • HTTP 403: Pastikan kunci API adalah kunci API Admin yang dibuat oleh Pemilik Organisasi
  • HTTP 429: Pembatasan kecepatan — fungsi akan otomatis mencoba lagi dengan backoff eksponensial
  • Variabel lingkungan tidak ada: Pastikan semua variabel yang diperlukan ditetapkan dalam konfigurasi fungsi Cloud Run

Mengambil akun layanan Google SecOps

  1. Buka Setelan SIEM > Feed.
  2. Klik Tambahkan Feed Baru.
  3. Klik Konfigurasi satu feed.
  4. Di kolom Nama feed, masukkan nama untuk feed (misalnya, OpenAI Audit Logs).
  5. Pilih Google Cloud Storage V2 sebagai Source type.

  6. Pilih Log Audit OpenAI sebagai Jenis log. Klik Get Service Account. Email akun layanan yang unik akan ditampilkan. Contoh:

    chronicle-12345678@chronicle-gcp-prod.iam.gserviceaccount.com

  7. Salin alamat email ini untuk digunakan di langkah berikutnya.

  8. Klik Berikutnya.

  9. Tentukan nilai untuk parameter input berikut:

    • URL bucket penyimpanan: Masukkan URI bucket GCS dengan jalur awalan:

      gs://openai-auditlog-logs/openai-auditlog/
    • Opsi penghapusan sumber: Pilih opsi penghapusan sesuai preferensi Anda:
      • Jangan pernah: Tidak pernah menghapus file apa pun setelah transfer (direkomendasikan untuk pengujian).
      • Hapus file yang ditransfer: Menghapus file setelah transfer berhasil.
      • Hapus file yang ditransfer dan direktori kosong: Menghapus file dan direktori kosong setelah transfer berhasil.
    • Usia File Maksimum: Menyertakan file yang diubah dalam beberapa hari terakhir (default adalah 180 hari)
    • Namespace aset: Namespace aset
    • Label penyerapan: Label yang akan diterapkan ke peristiwa dari feed ini

  10. Klik Berikutnya.

  11. Tinjau konfigurasi feed baru Anda di layar Selesaikan, lalu klik Kirim.

Memberikan izin IAM ke akun layanan Google SecOps

  1. Buka Cloud Storage > Buckets.
  2. Klik openai-auditlog-logs.
  3. Buka tab Izin.
  4. Klik Grant access.
  5. Berikan detail konfigurasi berikut:
    • Add principals: Tempel email akun layanan Google SecOps
    • Tetapkan peran: Pilih Storage Object Viewer

  6. Klik Simpan.

Tabel pemetaan UDM

Kolom Log Pemetaan UDM Logika
actor.session.ip_address_details.region_code additional.fields Digabungkan sebagai pasangan nilai kunci
actor.session.ip_address_details.asn additional.fields
effective_at metadata.event_timestamp Dikonversi dari stempel waktu UNIX
has_principal metadata.event_type Disetel ke "STATUS_UPDATE" jika has_principal benar; "NETWORK_CONNECTION" jika has_principal dan has_target benar; "FILE_COPY" jika has_principal, has_file, dan has_source_file benar; "FILE_UNCATEGORIZED" jika has_principal dan has_file benar; "USER_UNCATEGORIZED" jika has_user benar; jika tidak, "GENERIC_EVENT"
has_user metadata.event_type
has_target metadata.event_type
has_file metadata.event_type
has_source_file metadata.event_type
actor.session.user_agent network.http.parsed_user_agent Nilai disalin secara langsung dan dikonversi ke agen pengguna yang diuraikan
actor.session.ja3 network.tls.client.ja3 Nilai disalin secara langsung
actor.session.ip_address principal.asset.ip Nilai disalin secara langsung
actor.session.ip_address principal.ip Nilai disalin secara langsung
actor.session.ip_address_details.city principal.location.city Nilai disalin secara langsung
actor.session.ip_address_details.country principal.location.country_or_region Nilai disalin secara langsung
actor.session.ip_address_details.latitude principal.location.region_latitude Dikonversi menjadi float
actor.session.ip_address_details.longitude principal.location.region_longitude Dikonversi menjadi float
actor.session.ip_address_details.region principal.location.state Nilai disalin secara langsung
actor.session.user.email principal.user.email_addresses Nilai disalin secara langsung
actor.session.user.id principal.user.userid Diekstrak menggunakan pola grok
actor.session.ja4 security_result.detection_fields Digabungkan sebagai pasangan nilai kunci dengan kunci "ja4"
jenis security_result.summary Nilai disalin secara langsung
metadata.product_name metadata.product_name Tetapkan ke "OPENAI_AUDITLOG"
metadata.vendor_name metadata.vendor_name Tetapkan ke "OPENAI_AUDITLOG"

Perlu bantuan lain? Dapatkan jawaban dari anggota Komunitas dan profesional Google SecOps.