ویرگول
ورودثبت نام
سپهر فصیحی - Sepehr Fassihi
سپهر فصیحی - Sepehr FassihiDevOps Engineer | Telegram : @SepiFa
سپهر فصیحی - Sepehr Fassihi
سپهر فصیحی - Sepehr Fassihi
خواندن ۶ دقیقه·۲ ماه پیش

چرا اسکن Container Image به‌تنهایی امنیت شما را تضمین نمی‌کند؟

تقریباً هر تیمی که با Docker یا Kubernetes کار می‌کند، در بخشی از مسیر توسعه از image scanner استفاده می‌کند. ابزارهایی مثل Trivy، Grype، Snyk و چندین ابزار دیگر، image را بررسی می‌کنند و دربارهٔ آسیب‌پذیری‌های موجود در پکیج‌ها و کتابخانه‌ها گزارش می‌دهند.

این کار ضروری است؛ اما یک سوءتفاهم رایج وجود دارد: بعضی تیم‌ها تصور می‌کنند اگر اسکن image بدون خطای جدی تمام شود، آن image امن است.

واقعیت این است که اسکن image فقط یکی از لایه‌های امنیت container را پوشش می‌دهد. این ابزارها معمولاً می‌توانند آسیب‌پذیری‌های شناخته‌شده را پیدا کنند، اما امنیت container به چیزهای بیشتری وابسته است: نحوهٔ ساخت image، منبع آن، تنظیمات runtime، سطح دسترسی برنامه و محیطی که container در آن اجرا می‌شود.

به زبان ساده، ممکن است یک image هیچ آسیب‌پذیری Critical نداشته باشد، اما همچنان به دلیل اجرای برنامه با کاربر root، داشتن secret داخل لایه‌های image یا دسترسی بیش از حد به host، ناامن باشد.

اسکن image دقیقاً چه چیزی را بررسی می‌کند؟

بیشتر image scannerها محتویات image را با یک پایگاه دادهٔ آسیب‌پذیری مقایسه می‌کنند. آن‌ها معمولاً مواردی مانند این‌ها را بررسی می‌کنند:

  • پکیج‌های سیستم‌عامل مثل Debian، Alpine یا Ubuntu

  • کتابخانه‌های زبان‌های برنامه‌نویسی

  • dependencyهای مستقیم و غیرمستقیم

  • نسخهٔ ابزارهای نصب‌شده در image

  • برخی misconfigurationهای شناخته‌شده

  • secretها یا فایل‌های حساس، در صورت پشتیبانی ابزار

فرض کنید image شما بر پایهٔ یک نسخهٔ قدیمی از Debian ساخته شده باشد و کتابخانه‌ای با یک آسیب‌پذیری شناخته‌شده داخل آن وجود داشته باشد. scanner می‌تواند نسخهٔ نصب‌شده را تشخیص دهد، شناسهٔ آسیب‌پذیری را پیدا کند و severity آن را گزارش دهد.

این قابلیت ارزشمند است، اما باید بدانیم که scanner بیشتر دربارهٔ «محتویات قابل شناسایی image» صحبت می‌کند، نه دربارهٔ تمام رفتار امنیتی application.

اولین مشکل: همهٔ آسیب‌پذیری‌ها قابل شناسایی نیستند

پایگاه دادهٔ scannerها بر اساس آسیب‌پذیری‌های شناخته‌شده کار می‌کند. اگر یک آسیب‌پذیری هنوز عمومی نشده باشد، در پایگاه داده وجود نداشته باشد یا ابزار نتواند package را درست شناسایی کند، ممکن است در گزارش دیده نشود.

از طرف دیگر، وجود یک آسیب‌پذیری در image لزوماً به معنی exploit شدن آن در application شما نیست. ممکن است یک package آسیب‌پذیر نصب شده باشد، اما کد مربوط به آن feature اصلاً استفاده نشود. برعکس، ممکن است application شما در برابر یک ورودی مخرب آسیب‌پذیر باشد، در حالی که هیچ CVE شناخته‌شده‌ای برای dependencyهای آن گزارش نشده است.

بنابراین نباید گزارش scanner را با ارزیابی کامل ریسک اشتباه بگیریم. severity یک CVE نقطهٔ شروع بررسی است، نه پایان آن.

دومین مشکل: اسکن فقط بخشی از زنجیرهٔ تأمین است

امنیت image از زمانی شروع نمی‌شود که image ساخته شده و آمادهٔ اسکن است. باید از مراحل قبل‌تر سؤال کنیم:

  • base image از کجا آمده است؟

  • آیا ناشر آن قابل اعتماد است؟

  • آیا image با digest مشخص دریافت می‌شود یا فقط از tag استفاده شده است؟

  • آیا dependencyها از registry معتبر نصب می‌شوند؟

  • آیا build قابل بازتولید است؟

  • آیا کسی image نهایی را sign می‌کند؟

استفاده از tagهایی مثل latest مشکل رایجی است. این tag ممکن است در زمان‌های مختلف به imageهای متفاوت اشاره کند. در نتیجه build امروز الزاماً همان چیزی نیست که هفتهٔ آینده ساخته می‌شود.

بهتر است نسخهٔ base image و dependencyهای حساس pin شوند و در محیط‌های مهم، image با digest مشخص دریافت شود. این کار باعث می‌شود بدانیم دقیقاً چه artifactی وارد pipeline شده است.

سومین مشکل: secret ممکن است در لایه‌های image باقی بماند

یکی از خطرناک‌ترین اشتباه‌ها این است که secret را در زمان build وارد image کنیم و بعد در یک لایهٔ بعدی حذفش کنیم:

COPY .npmrc /root/.npmrc RUN npm install RUN rm /root/.npmrc

در نگاه اول فایل حذف شده است، اما image از چند layer تشکیل می‌شود و ممکن است فایل حساس در یکی از layerهای قبلی همچنان قابل بازیابی باشد. حتی اگر scanner secret را در filesystem نهایی پیدا نکند، secret ممکن است در history یا layerهای قبلی باقی مانده باشد.

راهکار بهتر این است که secret در زمان build به شکل امن و موقت در اختیار build قرار بگیرد؛ برای مثال با secretهای BuildKit، نه با ARG یا ENV معمولی. همچنین باید secretهایی که احتمال افشای آن‌ها وجود دارد، فوراً revoke و rotate شوند؛ حذف فایل به‌تنهایی کافی نیست.

چهارمین مشکل: image کم‌خطر می‌تواند با تنظیمات بد، خطرناک اجرا شود

فرض کنید scanner یک image تمیز و بدون آسیب‌پذیری مهم گزارش کند. حالا همان image را با این تنظیمات اجرا می‌کنیم:

  • اجرای process با کاربر root

  • فعال بودن privileged

  • mount کردن مسیرهای حساس host

  • استفاده از host network

  • دادن capabilityهای غیرضروری

  • دسترسی نوشتن به filesystem

  • mount کردن Docker Socket

در این حالت، نتیجهٔ اسکن image به‌تنهایی امنیت workload را تضمین نمی‌کند. بخش بزرگی از ریسک به runtime configuration مربوط است.

برای کاهش سطح حمله، application باید تا جای ممکن با کاربر غیر root اجرا شود، capabilityهای اضافی حذف شوند و filesystem به‌صورت read-only در نظر گرفته شود. در Kubernetes نیز باید security context، service account، network policy و محدودیت‌های admission بررسی شوند.

یک image امن با تنظیمات ناامن، همچنان می‌تواند یک workload ناامن باشد.

پنجمین مشکل: اسکن باید در زمان درست انجام شود

بعضی تیم‌ها image را فقط بعد از deploy اسکن می‌کنند. این کار برای کشف مشکل مفید است، اما خیلی دیر انجام می‌شود. از طرف دیگر، اگر pipeline در اولین هشدار همهٔ buildها را متوقف کند، توسعه‌دهنده‌ها ممکن است به‌مرور هشدارها را نادیده بگیرند.

یک رویکرد عملی، اسکن در چند نقطه است:

هنگام توسعه

توسعه‌دهنده باید بتواند image و dependencyهای خود را قبل از push بررسی کند. این مرحله بازخورد سریع می‌دهد و هزینهٔ اصلاح را پایین نگه می‌دارد.

داخل CI/CD

pipeline باید image را قبل از push به registry یا قبل از deploy اسکن کند. در این مرحله باید policy مشخص باشد؛ مثلاً وجود آسیب‌پذیری Critical قابل exploit باعث شکست build شود، اما یک هشدار کم‌ریسک صرفاً گزارش شود.

داخل registry

registry می‌تواند imageها را به‌صورت دوره‌ای دوباره اسکن کند. این موضوع مهم است، چون ممکن است امروز image بدون مشکل باشد، اما فردا برای همان نسخه یک CVE جدید منتشر شود.

هنگام deploy

در Kubernetes می‌توان با admission control از اجرای imageهایی که policy را رعایت نمی‌کنند جلوگیری کرد. این مرحله جلوی ورود artifact نامعتبر به محیط حساس را می‌گیرد.

به‌جای شمارش CVE، ریسک را اولویت‌بندی کنید

دیدن صدها آسیب‌پذیری در یک image بزرگ معمولاً باعث خستگی و بی‌تفاوتی تیم می‌شود. همهٔ این موارد ارزش یکسانی ندارند.

برای اولویت‌بندی، فقط severity را نگاه نکنید. این سؤال‌ها مهم‌تر هستند:

  • آیا آسیب‌پذیری از بیرون قابل دسترسی است؟

  • آیا exploit عمومی برای آن وجود دارد؟

  • آیا package آسیب‌پذیر واقعاً در مسیر اجرای application استفاده می‌شود؟

  • آیا container با root یا capability بالا اجرا می‌شود؟

  • آیا image در production استفاده می‌شود یا فقط در محیط تست؟

  • آیا نسخهٔ اصلاح‌شده وجود دارد؟

به این ترتیب، تیم به‌جای تلاش برای صفر کردن یک عدد، روی ریسک‌هایی تمرکز می‌کند که واقعاً می‌توانند به compromise منجر شوند.

یک pipeline منطقی برای امنیت image

یک pipeline مناسب می‌تواند این مراحل را داشته باشد:

  1. استفاده از base image کوچک و معتبر

  2. pin کردن نسخه‌ها و digestهای مهم

  3. جلوگیری از ورود secret به context و layerهای image

  4. اجرای dependency scan و image scan

  5. بررسی Dockerfile و تنظیمات امنیتی

  6. تولید SBOM برای ثبت اجزای image

  7. sign کردن image و بررسی signature هنگام deploy

  8. اجرای image فقط در صورت عبور از policy

  9. اسکن دوره‌ای imageهای موجود در registry

  10. بازسازی image پس از انتشار آسیب‌پذیری جدید

این مراحل قرار نیست سرعت توسعه را از بین ببرند. هدف این است که کنترل‌های امنیتی در همان جریان عادی build و release قرار بگیرند، نه اینکه چند ماه بعد به‌صورت دستی و جداگانه انجام شوند.

جمع‌بندی

اسکن Container Image لازم است، اما کافی نیست. scanner می‌تواند بسیاری از packageهای آسیب‌پذیر و misconfigurationهای شناخته‌شده را پیدا کند؛ اما نمی‌تواند به‌تنهایی دربارهٔ منبع image، کیفیت کد application، نحوهٔ اجرای container، مدیریت secret یا سطح دسترسی workload تصمیم بگیرد.

امنیت container باید از یک زنجیرهٔ کامل تشکیل شود: image معتبر، build قابل اعتماد، dependencyهای کنترل‌شده، secret management درست، runtime محدود، policy روشن و پایش مداوم.

به‌جای اینکه بپرسیم «آیا image اسکن شده است؟»، سؤال دقیق‌تر این است:

این image از کجا آمده، چه چیزی داخل آن قرار دارد، با چه سطح دسترسی اجرا می‌شود و آیا می‌توانیم در تمام چرخهٔ عمر آن به آن اعتماد کنیم؟

اگر پاسخ این سؤال‌ها روشن نباشد، یک گزارش سبز از image scanner نباید احساس امنیت کاذب ایجاد کند.

داکرکوبرنتیزdockerامنیتsecurity
۱
۰
سپهر فصیحی - Sepehr Fassihi
سپهر فصیحی - Sepehr Fassihi
DevOps Engineer | Telegram : @SepiFa
شاید از این پست‌ها خوشتان بیاید