> For the complete documentation index, see [llms.txt](https://docs.panther.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.panther.com/ko/enrichment/custom.md).

# 사용자 지정 강화

## 개요

커스텀 enrichments(“Lookup Tables”라고도 함)를 사용하면 Panther에 커스텀 enrichment 데이터를 저장하고 참조할 수 있습니다. 즉, 이 추가된 컨텍스트를 디택션에서 참조하고 알러트로 전달할 수 있습니다. 신원/자산 정보, 취약점 컨텍스트 또는 네트워크 맵을 포함하는 커스텀 enrichments를 만드는 데 특히 유용할 수 있습니다.

다음이 있습니다 [4가지 가져오기 방법 옵션](#how-to-configure-a-custom-enrichment): 예약된 검색, 정적 파일, S3 버킷 또는 Google Cloud Storage(GCS) 버킷입니다.

커스텀 enrichment에 하나 이상의 로그 유형을 연결할 수 있습니다. 그러면 해당 유형의 모든 들어오는 로그( enrichment table 값과 일치하는 로그)는 enrichment 데이터를 포함하게 됩니다. enrichment 프로세스에 대해 자세히 알아보려면 [들어오는 로그가 enriched되는 방식](#how-incoming-logs-are-enriched). 또한 다음이 가능합니다: [Python 디택션에서 enrichment 데이터를 동적으로 참조](#option-2-dynamically-using-lookup). 방법 알아보기 [저장된 enrichment 데이터를 여기에서 보기](/ko/enrichment.md#viewing-and-managing-enrichments), 그리고 방법 [보강 데이터가 포함된 로그 이벤트를 여기에서 확인하세요](/ko/enrichment.md#viewing-log-events-with-enrichment-data).

데이터가 몇몇 특정 디택션에만 필요하고 자주 업데이트되지 않는다면 다음 사용을 고려하세요 [전역 헬퍼](https://docs.panther.com/writing-detections/globals) enrichment 대신 사용하세요. 또한 다음을 사용할 수 있다는 점도 참고하세요 [Panther 관리형 보강](/ko/enrichment.md#panther-managed-lookup-tables) IPinfo 및 Tor Exit Nodes와 같은

커스텀 enrichments 수 및/또는 enrichment table 크기 제한을 늘리려면 Panther 지원 팀에 문의하세요.

## 들어오는 로그가 enriched되는 방식

Panther의 enrichments는 전통적으로 다음 두 가지를 정의합니다:

* 기본 키: enrichment table 데이터의 한 필드.
  * enrichment가 CLI 워크플로에서 정의된 경우, 이는 다음으로 지정됩니다: `PrimaryKey` 필드를 [YAML 구성 파일](/ko/enrichment/custom/lookup-table-specification-reference.md).
* 하나 이상의 관련 로그 유형이며, 각 유형에는 하나 이상의 Selector가 있습니다: Selector는 값이 enrichment table의 기본 키 값과 비교되어 일치 항목을 찾는 이벤트 필드입니다.
  * enrichment에 대한 로그 유형/Selector를 설정하는 방법은 두 가지입니다. 다음을 참조하세요 [enrichment에 로그 유형과 Selector를 설정하는 방법](#how-log-types-and-selectors-are-set-for-a-lookup-table), 아래에서.

로그가 Panther로 수집될 때, 해당 로그 유형이 enrichment와 연결되어 있으면 모든 Selector 필드의 값이 enrichment의 기본 키 값과 비교됩니다. Selector 필드의 값과 기본 키 값이 일치하면, 로그는 다음의 일치하는 기본 키에 연결된 enrichment 데이터로 enriched됩니다: `p_enrichment` 필드. 다음에 대해 자세히 알아보세요 `p_enrichment` 아래, 다음에서 [`p_enrichment` 구조](#p_enrichment-structure).

아래 이미지의 예에서 Selector 필드(들어오는 로그의 이벤트 내)는 `ip_address`. enrichment LUT1의 기본 키는 `bad_actor_ip`. 오른쪽 알러트 이벤트에서 로그는 enrichment 데이터로 enriched됩니다(다음을 포함하여 `bad_actor_name`) Selector 값(`1.1.1.1`)와 기본 키 값(`1.1.1.1`).

<figure><img src="/files/b9902e3408e617c5d6b46355824551a559946668" alt="A diagram showing how Lookup Tables work: On the left, there is a code box labeled &#x22;Incoming logs.&#x22; An arrow branches off the logs and points to a Lookup Table including &#x22;bad_actor_ip&#x22; and &#x22;bad_actor_name.&#x22; On the right, an arrow goes from the Lookup Table to an Alert Event, showing the alert you would receive based on the log example."><figcaption></figcaption></figure>

### enrichment에 로그 유형과 Selector를 설정하는 방법

enrichment를 만들 때 관련 로그 유형과 Selector를 수동으로 설정할 수 있습니다([옵션 1](#option-1-manually-choose-log-types-and-selectors)), 그리고/또는 자동 매핑되도록 둘 수 있습니다([옵션 2](#option-2-let-log-types-and-selectors-be-automatically-mapped-by-indicator-fields)).

#### 옵션 1: 로그 유형과 Selector를 수동으로 선택

enrichment를 만들 때, 연결할 하나 이상의 로그 유형을 선택할 수 있으며—각 로그 유형마다 하나 이상의 Selector 필드를 선택할 수 있습니다.

{% hint style="info" %}
이 방식으로 로그 유형과 Selector를 수동으로 선택하더라도, 다음에 설명된 자동 매핑은 [옵션 2](#option-2-let-log-types-and-selectors-be-automatically-mapped-by-indicator-fields) 계속 적용됩니다.
{% endhint %}

{% tabs %}
{% tab title="Panther Console" %}

* Panther Console에서 enrichment를 만들 때 관련 로그 유형과 Selector를 설정할 수 있습니다. 다음에서 자세히 알아보세요 [커스텀 enrichment 구성 방법](#how-to-configure-a-lookup-table), 아래에서.

<figure><img src="/files/94376dee0371839c615481ed9c01b66566cd4648" alt="Under an &#x22;Associated Log Types (Optional)&#x22; header is a form with fields for Log Type, Selectors, and Add Log Type. At the bottom is a Continue button."><figcaption></figcaption></figure>
{% endtab %}

{% tab title="CLI 워크플로" %}

* CLI 워크플로에서 enrichment를 만들 때 YAML 구성 파일을 생성하고 업로드하게 됩니다. 해당 `AssociatedLogTypes` 값은 다음을 포함하는 객체 목록이 됩니다 `LogType` 그리고 `Selectors` 필드.
* 다음을 참조하세요 [커스텀 Enrichment 사양 참조](/ko/enrichment/custom/lookup-table-specification-reference.md) 전체 필드 목록은 다음을 참조하세요.
  {% endtab %}
  {% endtabs %}

#### 옵션 2: 로그 유형과 selector가 자동으로 매핑되도록 하기

enrichment의 기본 키는 다음으로 표시할 수 있습니다 [indicator](/ko/search/panther-fields.md#indicator-fields) 또는 다음으로 [CIDR 검증](https://docs.panther.com/data-onboarding/custom-log-types/reference#ip-and-cidr-format-validation).

인디케이터 예:

```yaml
    - name: attack_ids           # this is the primary key
      description: 공격 필드
      type: array
      element:
        type: string
        표시자:
            - mitre_attack_technique
```

각 인디케이터 값에 대해 Panther는 자동으로 다음을 수행합니다:

1. 모든 **활성** 이벤트 필드를 동일한 인디케이터로 지정하는 로그 유형을 찾습니다.
2. 해당 로그 유형을 enrichment에 연결합니다.
3. 각 로그 유형에 대해 다음을 설정합니다 `p_any` 인디케이터에 연결된 필드를 Selector로.

예를 들어, enrichment 데이터의 schema가 다음을 지정하면 `attack_ids` 기본 키를 다음으로 `mitre_attack_technique` 인디케이터로 지정하면, 위에 표시된 것처럼 Panther 인스턴스에서 다음도 설정하는 모든 로그 유형이 `mitre_attack_technique` 인디케이터는 enrichment에 연결되며, 각 항목에는 `p_any_mitre_attack_techniques` Selector가 지정됩니다.

CIDR 검증 예:

```yaml
    - name: cidr           # this is the primary key
      description: CIDR 블록
      type: string
      검증:
        cidr: ipv4
```

이 경우 Panther는 자동으로 다음을 수행합니다:

* 모든 **활성** 다음으로 이벤트 필드를 지정하는 로그 유형을 `IP` 인디케이터로.
* 해당 로그 유형을 enrichment에 연결합니다.
* 각 로그 유형에 대해 다음을 설정합니다 `p_any_ip_addresses` 인디케이터에 연결된 필드를 Selector로.

이 매핑은 enrichment 데이터가 새로 고쳐질 때마다 발생합니다.

### `p_enrichment` 구조

로그 이벤트에 enrichment 데이터가 주입되면, 다음이 `p_enrichment` 필드가 이벤트에 추가되고, 디택션 내에서 다음을 사용해 접근됩니다 `deep_get()` 또는 `DeepKey`. 다음은 `p_enrichment` 필드에는 다음이 포함됩니다:

* 들어오는 로그 이벤트와 일치한 하나 이상의 enrichment 이름
* enrichment와 일치한 들어오는 로그의 Selector 이름
* enrichment의 기본 키를 통해 일치한 enrichment 데이터(주입된 `p_match` 일치한 Selector 값을 포함하는 field)

다음은 구조입니다: `p_enrichment` fields:

```yaml
'p_enrichment': {
    <name of enrichment1>: {
        <name of selector>: {
            'p_match': <value of Selector>,
	          <enrichment key>: <enrichment value>,
	          ...
	      }
    }
}
```

참고로 `p_enrichment` 는 데이터 레이크에 로그 이벤트와 함께 저장되지 않습니다. 다음을 참조하세요 [보강 데이터가 포함된 로그 이벤트 보기](/ko/enrichment.md#viewing-log-events-with-enrichment-data) 자세한 내용은

## 디택션에서 enrichment 데이터에 액세스하는 방법

### 옵션 1(로그가 enriched된 경우): 다음 사용 `deep_get()`

로그 이벤트가 수집 시 enriched되었다면(다음에서 설명한 대로 [들어오는 로그가 enriched되는 방식](#how-incoming-logs-are-enriched)), 다음 내에서 데이터를 액세스할 수 있습니다 `p_enrichment` 필드([구조는 위에 설명됨](#p_enrichment-structure))를 다음을 사용해 `deep_get()` event object 함수를 사용합니다. 다음에 대해 자세히 알아보세요 `deep_get()` [Python 디택션 작성](/ko/detections/rules/python.md#deep_get).

이 방법의 전체 예시는 아래에서 확인하세요 [사용자 지정 보강 데이터를 사용하여 디택션 작성](#writing-a-detection-using-lookup-table-data).

### 옵션 2: 다음을 사용해 동적으로 `lookup()`

Python 디택션에서 다음을 사용해 enrichment 데이터에 동적으로 액세스하는 것도 가능합니다 [그 `event.lookup()` 함수](/ko/detections/rules/python.md#lookup). 이렇게 하면 다음에서 설명한 것처럼 들어오는 이벤트에 주입되지 않은 상태로도 어떤 enrichment에서든 데이터를 가져올 수 있습니다 [들어오는 로그가 enriched되는 방식](#how-incoming-logs-are-enriched).

## 커스텀 enrichment 구성 전제 조건

enrichment를 구성하기 전에 다음이 준비되어 있는지 확인하세요:

* enrichment 데이터 전용 schema
  * 이는 enrichment 데이터의 구조를 설명합니다.
* enrichment 데이터의 기본 키
  * 이 기본 키는 enrichment의 schema에서 정의한 필드 중 하나입니다. 기본 키 값은 들어오는 로그의 selector(s) 값과 비교됩니다.
  * 아래의 [기본 키 데이터 유형](#primary-key-data-types) 섹션에서 기본 키 요구 사항에 대해 자세히 알아보세요.
* (선택 사항) 들어오는 로그의 Selector(s)
  * 이 selector들의 값은 enrichment 데이터에서 일치 항목을 검색하는 데 사용됩니다.
* (CLI 워크플로): enrichment 구성 파일
  * 참조 [커스텀 Enrichment 사양 참조](/ko/enrichment/custom/lookup-table-specification-reference.md) 전체 필드 목록은 다음을 참조하세요.
  * 권장 사항: [다음의 fork를 만들고 `panther-analysis` 저장소](/ko/panther/detections-repo/setup/deprecated/public-fork.md) 를 설치하세요 [Panther Analysis Tool (PAT)](/ko/panther/detections-repo/pat.md).
* 파일 업로드 또는 S3/GCS 버킷을 사용하는 경우:
  * JSON 또는 CSV 형식의 enrichment 데이터
    * JSON 파일은 줄, 배열 또는 객체 등 다양한 방식으로 이벤트를 형식화할 수 있습니다.
* 예약된 검색을 사용하는 경우:
  * enrichment에 사용할 데이터를 반환하는 SQL 쿼리
    * 다음을 통해 데이터 웨어하우스에 액세스할 수 있는지 확인하세요 [Panther의 Data Explorer](/ko/search/data-explorer.md).

### 기본 키 데이터 유형

enrichment table의 기본 키 열은 다음 데이터 유형 중 하나여야 합니다:

* 문자열
* 숫자
* 배열(문자열 또는 숫자)
  * 배열을 사용하면 enrichment table의 한 행을 여러 문자열 또는 숫자 기본 키 값과 연결할 수 있습니다. 이렇게 하면 여러 기본 키에 대해 동일한 데이터 행을 복제할 필요가 없습니다.

<details>

<summary>예: 문자열 배열 vs. 문자열 기본 키 유형</summary>

특정 사용자와 연결된 들어오는 로그 이벤트가 추가 개인 정보로 enriched되도록 사용자 데이터를 커스텀 enrichment table에 저장하고 싶을 수 있습니다. 사용자의 이메일 주소를 기준으로 일치시키고 싶다면, 이메일 필드가 enrichment table의 기본 키이자 로그 이벤트의 Selector가 됩니다.

enrichment table의 기본 키 열을 string 유형으로 할지 string array 유형으로 할지 결정하고 있습니다.

먼저, 로그 소스에서 받을 것으로 예상할 수 있는 아래 두 이벤트를 검토하세요:

```json
# Incoming log event one
{
    "actor_email": "janedoeemailone@mail.com",
    "action": "LOGIN"
}

# Incoming log event two
{
    "actor_email": "janedoeemailtwo@mail.com",
    "action": "EXPORT_FILE"
}
```

두 이메일 주소(`janedoeemailone@mail.com` 그리고 `janedoeemailtwo@mail.com`)는 동일한 사용자에게 속합니다, `Jane Doe`.

Panther가 이러한 이벤트를 받으면, enrichment table을 사용해 각각을 Jane의 전체 이름과 역할로 enriched하고 싶을 것입니다. enrichment 후 이러한 이벤트는 다음과 같아집니다:

<pre class="language-json"><code class="lang-json"><strong># Log event one after enrichment
</strong>{
    "actor_email": "janedoeemailone@mail.com",
    "action": "LOGIN",
    "p_enrichment": {
        "&#x3C;lookup_table_name>": {
            "actor_email": {
                "full_name": "Jane Doe",
                "p_match":  "janedoeemailone@mail.com",
                "role": "ADMIN"
            }
        }
    }
}

<strong># Log event two after enrichment
</strong>{
    "actor_email": "janedoeemailtwo@mail.com",
    "action": "EXPORT_FILE",
    "p_enrichment": {
        "&#x3C;lookup_table_name>": {
            "actor_email": {
                "full_name": "Jane Doe",
                "p_match": "janedoeemailtwo@mail.com",
                "role": "ADMIN"
            }
        }
    }
}
</code></pre>

다음 중 하나로 커스텀 enrichment를 정의하여 이 enrichment를 구현할 수 있습니다:

* (권장) 문자열 배열 유형의 기본 키 열
* string 유형의 기본 키 열

문자열 배열 유형의 기본 키 열을 가진 enrichment table을 사용하면, Jane의 여러 이메일 주소를 하나의 기본 키 항목에 포함시켜 하나의 데이터 행과 연결할 수 있습니다. 이는 다음과 같이 보일 수 있습니다:

또는 string 유형의 기본 키 열을 가진 enrichment table을 정의할 수도 있습니다. 하지만 이벤트와 enrichment table 간 일치는 사용자의 이메일 주소를 기준으로 이루어지고, 사용자는 여러 이메일 주소를 가질 수 있으므로(Jane의 경우처럼), 각 이메일마다 enrichment table 행을 복제해야 합니다. 이는 다음과 같이 보입니다:

두 옵션 모두 같은 결과(즉, 로그 이벤트가 동일한 방식으로 enriched됨)를 제공하지만, 문자열 배열 기본 키로 enrichment를 정의하는 것이 편리하고 유지보수 오류 가능성이 낮아 권장됩니다.

</details>

## 커스텀 enrichment 구성 방법

다음을 충족한 후 [전제 조건](#prerequisites-for-configuring-a-custom-enrichment), 다음 방법 중 하나를 사용하여 커스텀 enrichments를 만들고 구성할 수 있습니다. Panther Console에서는 이제 각 방법이 enrichment 온보딩 페이지의 전용 타일로 제공되어 빠르고 직접적으로 접근할 수 있습니다:

* [옵션 1: 예약된 검색으로 커스텀 enrichment 데이터 가져오기](#option-1-import-custom-enrichment-data-with-a-scheduled-search)
  * **타일: "Scheduled Query로 데이터 가져오기"**
  * 반복 일정에 따라 자동 업데이트되며 데이터 웨어하우스에서 직접 데이터를 가져오는 데 가장 적합합니다.
  * 예: 현재 환경에 따라 자동으로 새로 고쳐야 하는 의심스러운 IP, 사용자 행동 패턴 또는 AWS 계정 매핑 추적.
* [옵션 2: ](#option-2-import-lookup-table-data-via-file-upload)[파일 업로드를 통해 커스텀 enrichment 데이터 가져오기](https://docs.panther.com/enrichment/custom#option-1-import-lookup-table-data-via-file-upload)
  * **타일: "CSV 또는 JSON 파일 업로드"**
  * AWS 계정 정보나 기업 서브넷과 같이 비교적 정적인 데이터에 가장 적합합니다.
  * 파일 업로드로 채워진 커스텀 enrichment table의 최대 크기는 6 MB입니다(API 요청의 페이로드 크기 제한 때문).
  * 예: AWS CloudTrail 로그에서 개발자 계정과 프로덕션 계정을 구분하기 위한 메타데이터 추가.
* [옵션 3: S3 버킷에서 커스텀 enrichment 데이터 동기화](#option-3-sync-custom-enrichment-data-from-an-s3-bucket)
  * **타일: "AWS S3에서 데이터 동기화"**
  * 간소화된 4단계 마법사를 사용합니다: 기본 정보 → S3 연결 → schema → 검증.
  * 비교적 자주 업데이트되는 대량의 데이터가 있을 때 가장 적합합니다. S3 버킷의 모든 변경 사항은 Panther와 동기화됩니다.
  * S3 버킷에서 동기화되는 커스텀 enrichment table의 최대 크기는 10 GB입니다.
  * 예: 회사 직원에게 어떤 그룹과 권한 수준이 연결되어 있는지 알고 싶을 때. 이 시나리오에서는 그룹과 권한 정보가 포함된 최신 Active Directory 목록 복사본이 들어 있는 S3 버킷이 있을 수 있습니다.
* [옵션 4: Google Cloud Storage(GCS) 버킷에서 커스텀 enrichment 데이터 동기화](#option-4-sync-custom-enrichment-data-from-a-google-cloud-storage-gcs-bucket)
  * **타일: "Google Cloud Storage에서 데이터 동기화"**
  * 비교적 자주 업데이트되는 대량의 데이터가 있을 때 가장 적합합니다. GCS 버킷의 모든 변경 사항은 Panther와 동기화됩니다.
  * GCS 버킷에서 동기화되는 커스텀 enrichment table의 최대 크기는 10 GB입니다.
  * Panther 인스턴스에서 Google Cloud Storage가 활성화되어 있어야 합니다.

이러한 방법 중 하나를 선택한 후, Panther Console에서 작업하거나 다음을 사용하여 작업할 수 있습니다 [PAT](/ko/panther/detections-repo/pat.md).

{% hint style="warning" %}
커스텀 enrichment table의 행 최대 크기는 65535 bytes입니다.
{% endhint %}

### 옵션 1: 예약된 검색으로 커스텀 enrichment 데이터 가져오기

{% hint style="info" %}
예약된 검색으로 커스텀 enrichment 데이터를 가져오는 기능은 Panther 버전 1.117부터 공개 베타이며 모든 고객에게 제공됩니다. 버그 보고 및 기능 요청은 Panther 지원 팀과 공유해 주세요.
{% endhint %}

커스텀 enrichment 데이터는 다음의 결과로 자동으로 채워질 수 있습니다 [예약 검색](/ko/search/scheduled-searches.md). 이 방법은 외부 스크립트나 수동 CSV 내보내기가 필요하지 않아, 정의된 일정에 따라 자동으로 업데이트되는 enrichment 데이터를 유지할 수 있게 해줍니다.

{% hint style="warning" %}
**예약된 검색으로 커스텀 enrichment 데이터를 가져올 때의 제한 사항**

* CIDR 일치는 사용할 수 없습니다.
* 예약된 검색은 최소 15분마다 실행할 수 있습니다.
* 검색 타임아웃은 15분으로 고정되어 있으며 구성할 수 없습니다.
  {% endhint %}

<details>

<summary>Panther Console</summary>

**Panther Console을 통해 예약된 검색으로 데이터 가져오기**

1. Panther Console의 왼쪽 탐색 모음에서 다음을 클릭합니다 **구성** > **보강.**
2. 오른쪽 상단에서 다음을 클릭합니다: **새로 만들기**.
   * 또는 다음에서 시작할 수 있습니다 **Investigate > Data Explorer** 페이지에서 쿼리를 입력한 다음 클릭하세요 **쿼리로 Enrichment 생성**.
3. enrichment 온보딩 페이지에서 다음을 클릭하세요 **Scheduled Query로 데이터 가져오기** 타일.
4. 다음에서 **기본 정보** 페이지에서 다음 필드를 입력합니다:
   * **Enrichment 이름**: 커스텀 enrichment에 대한 설명적 이름.
   * **설명 - 선택 사항**: 테이블에 대한 추가 컨텍스트.
   * **참조 - 선택 사항**: 일반적으로 내부 리소스로 연결되는 하이퍼링크에 사용됩니다.
5. 다음을 클릭합니다: **설정**.
6. 다음에서 **Query** 페이지에서 다음 필드를 입력합니다:
   * **SQL 쿼리**: 커스텀 enrichment용 데이터를 반환하는 SQL 쿼리를 작성하세요. Data Explorer에서 다음을 클릭하여 쿼리를 테스트할 수 있습니다 **Data Explorer에서 테스트**.
     * 쿼리가 Panther에 의해 수집된 데이터를 가져오는 경우, 다음 항목은 제외하거나 이름을 변경하세요 [표준 필드](/ko/search/panther-fields.md) 다음으로 시작하는 `p_` 접두사. 이는 예약된 이름이기 때문입니다.
     * enrichment schema는 SQL 쿼리를 기반으로 생성됩니다. 예를 들어 쿼리를 수정하여 schema 필드와 유형을 변경할 수 있습니다 `SELECT AVG(total_events)::FLOAT AS mean_total_events` 는 다음 유형의 필드를 생성합니다 `float` 및 이름 `mean_total_events`
   * **일정 유형 및 빈도**: 데이터가 얼마나 자주 새로 고쳐져야 하는지에 따라 일정 빈도를 구성하세요. 다음 중에서 선택하세요:
     * **주기**: 고정된 시간 간격으로 쿼리를 실행합니다(예: 2시간마다)
     * **Cron 표현식**: 다음을 사용하여 특정 날짜와 시간에 쿼리를 실행합니다 [Cron 표현식](/ko/search/scheduled-searches.md#how-to-use-the-scheduled-search-crontab)
7. 다음을 클릭합니다: **계속**. Panther는 SQL 쿼리에서 schema를 자동으로 생성합니다.
8. 다음에서 **스키마** 페이지에서 자동 생성된 schema를 검토하고 다음을 선택하세요 **기본 키** 을 드롭다운에서 선택합니다.
   * 어떤 `string` 필드에도 선택적으로 다음을 추가할 수 있습니다 [인디케이터 필드](/ko/search/panther-fields.md#indicator-fields) 다음을 클릭하여 **인디케이터 추가** 필드 옆에서 선택하세요. 드롭다운에서 하나 이상의 인디케이터 유형(예: IP 주소, 도메인 이름, SHA256 해시)을 선택합니다. 인디케이터를 추가하면 다음이 활성화됩니다 [자동 로그 유형 및 Selector 매핑](#option-2-let-log-types-and-selectors-be-automatically-mapped) enrichment에 대해.
   * 필드가 인디케이터 대상이 될 수 있도록 하려면 다음으로 캐스팅하세요 `STRING` SQL 쿼리에서.
9. 다음을 클릭합니다: **Enrichment 생성**.
10. 다음에서 **검증** 페이지에서 선택적으로 다음을 설정하세요 **이 enrichment가 데이터를 받지 못하는 경우 알러트를 설정하시겠습니까?** 토글을 `YES` 알러트를 활성화하려면.
    * 다음을 입력하세요 **숫자** 그리고 **주기** 필드에 Panther가 이 알러트를 얼마나 자주 보내야 하는지 표시하세요.
    * 이 알러트의 대상은 페이지 하단에 표시됩니다. 알러트가 전송되는 위치를 구성하고 사용자 지정하려면 다음을 참조하세요 [Panther Destinations](/ko/alerts/destinations.md).
11. 다음을 클릭합니다: **설정 완료**.

{% hint style="info" %}
예약된 검색은 구성된 일정에 따라 실행되며 커스텀 enrichment 데이터를 자동으로 업데이트합니다. Search 기록은 다음에서 볼 수 있습니다 [Search History 페이지](/ko/search/search-history.md).
{% endhint %}

{% hint style="info" %}
**SQL 기반 enrichments 편집:** 기존 SQL 기반 커스텀 enrichment를 편집할 때, 흐름에는 추가로 다음이 포함됩니다 **연결된 로그 유형** Query 단계와 Schema 단계 사이의 단계입니다. 이를 통해 enrichment 구성을 편집하면서 로그 유형 연결을 관리할 수 있습니다.
{% endhint %}

</details>

### 옵션 2: 파일 업로드를 통해 커스텀 enrichment 데이터 가져오기

Panther Console 또는 PAT를 통해 파일 업로드로 데이터를 가져올 수 있습니다:

<details>

<summary>Panther Console</summary>

**Panther Console을 통해 파일 업로드로 커스텀 enrichment 데이터 가져오기**

1. Panther Console의 왼쪽 탐색 모음에서 다음을 클릭합니다 **구성** > **보강**.
2. 오른쪽 상단에서 다음을 클릭합니다: **새로 만들기**, 그런 다음 다음을 선택하세요 **Custom Enrichment**.
3. 다음에서 **기본 정보** 페이지:
   * **Enrichment 이름**: 커스텀 enrichment에 대한 설명적 이름.
   * **활성화?**: 이 토글이 다음으로 설정되어 있는지 확인하세요 `YES`. 이는 이 과정 후반에 데이터를 가져오기 위해 필요합니다.
   * **설명 - 선택 사항**: 테이블에 대한 추가 컨텍스트.
   * **참조 - 선택 사항**: 일반적으로 내부 리소스로 연결되는 하이퍼링크에 사용됩니다.\ <img src="/files/86d55ecd4f185e98196c74f5650d696b3be8338b" alt="" data-size="original">
4. 다음을 클릭합니다: **계속**.
5. 다음에서 **연결된 로그 유형(선택 사항)** 페이지에서 선택적으로 로그 유형/Selector를 지정하세요:
   * 다음을 클릭합니다: **로그 유형 추가**.
   * 다음을 클릭합니다: **로그 유형** 드롭다운을 연 다음 로그 유형을 선택하세요.
   * 하나 이상을 선택하세요 **Selectors**, 즉 커스텀 enrichment로 enriched할 로그 유형의 외래 키 필드입니다.
     * 중첩 객체의 속성도 다음을 사용해 참조할 수 있습니다 [JSON path 구문](https://goessner.net/articles/JsonPath/). 예를 들어 map의 필드를 참조하려면 다음을 입력할 수 있습니다 `$.field.subfield`.
   * 다음을 클릭합니다: **로그 유형 추가** 필요한 경우 다른 항목을 추가하세요.\
     ![](/files/9072f376f4db23ddc0dda72d7204f59a5cbb3f51)\
     위 예시 스크린샷에서는 다음을 선택했습니다 **AWS.CloudTrail** 로그를 선택하고 다음을 입력했습니다 `accountID` 그리고 `recipientAccountID` CloudTrail 로그의 키를 나타내기 위해.
6. 다음을 클릭합니다: **계속**.
7. 다음에서 **Table Schema** 페이지에서 Table Schema를 구성하세요:\
   \&#xNAN;*참고: 아직 새 schema를 만들지 않았다면 다음을 참조하세요* [*schema 생성에 대한 문서*](https://docs.runpanther.io/data-onboarding/custom-log-types/example-csv)*. 커스텀 enrichment 데이터를 사용해 schema를 추론할 수도 있습니다. schema를 생성하면 Enrichment를 구성하는 동안 Table Schema 페이지의 드롭다운에서 이를 선택할 수 있습니다.*\
   \&#xNAN;*참고: CSV schema는 커스텀 enrichments와 함께 작동하려면 열 헤더가 필요합니다*.
   * 다음을 선택하세요 **Schema 이름** 을 드롭다운에서 선택합니다.
   * 다음을 선택하세요 **기본 키 이름** 를 드롭다운에서. 이는 테이블의 고유한 열이어야 하며, 예를 들면 `accountID`.\
     ![The image shows the Table Schema form from the Panther Console. The Schema Name field is filled in with "Custom.AWSaccountIDs" and the Primary Key Name field is set to "awsacctid."](/files/eb52dc6d9e80fd823ad48c5a6c4e6d80cf33b467)
8. 다음을 클릭합니다: **계속**.
9. enrichment 온보딩 페이지에서 다음을 클릭하세요 **설정** 을 **CSV 또는 JSON 파일 업로드** 타일.
10. 다음에서 **파일 업로드** 페이지에서 파일을 끌어다 놓거나 다음을 클릭하세요 **파일 선택** 가져올 Enrichment 데이터 파일을 선택하세요. 파일은 다음 형식이어야 합니다 `.csv` 또는 `.json` 형식.
11. 다음을 클릭합니다: **설정 완료**. 그러면 소스 설정 성공 페이지가 표시됩니다.
12. 선택 사항으로, 다음 옆의 ***S*****이 커스텀 enrichment가 데이터를 받지 못하는 경우 알러트를 설정하시겠습니까?**, 설정을 다음으로 전환하세요 **YES** 알러트를 활성화하려면.

    * 다음을 입력하세요 **숫자** 그리고 **주기** 필드에 Panther가 이 알러트를 얼마나 자주 보내야 하는지 표시하세요.
    * 이 알러트의 대상은 페이지 하단에 표시됩니다. 알러트가 전송되는 위치를 구성하고 사용자 지정하려면 다음 문서를 참조하세요 [Panther Destinations](/ko/alerts/destinations.md).

    ​![The image shows a success page in the Panther Console after creating a Lookup Table. There is an option to set an  alarm in case this Lookup Table doesn't receive any data, and dropdown selectors to choose a time period when you receive the alerts. At the bottom, there is a section showing which destinations will receive the alert.](https://files.gitbook.com/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-LgdiSWdyJcXPahGi9Rs-2910905616%2Fuploads%2FoyqgS5R8TnNzpDRtl9e9%2Fimage.png?alt=media\&token=5d8c27d1-ac28-460c-a2f5-bd2c503a49f1)

{% hint style="info" %}
사용자 지정 enrichment 업로드 실패로 생성된 알림은 다음의 **시스템 오류** 탭에서 **알러트 & 오류** Panther Console의 페이지에서.
{% endhint %}

</details>

<details>

<summary>PAT</summary>

**PAT를 통해 파일 업로드로 사용자 지정 enrichment 데이터를 가져오기**

{% hint style="info" %}
데이터 파일이 1MB보다 크면, 대신 다음을 사용하는 것이 좋습니다: [S3 동기화 업로드 방법](#option-2-sync-via-s3-source) 또는 [GCS 동기화 업로드 방법](#option-3-sync-via-google-cloud-storage-source).
{% endhint %}

**파일 및 폴더 설정**

사용자 지정 enrichment에는 다음 파일이 필요합니다:

* enrichment 테이블용 YAML 구성 파일
  * 이 사용자 지정 enrichment 구성 파일은 이름에 다음을 포함하는 폴더에 저장되어야 합니다: `lookup_tables`*.* 이는 최상위 `lookup_tables` 디렉터리일 수도 있고, 다음과 이름이 일치하는 하위 디렉터리일 수도 있습니다: `*lookup_tables*`. 다음을 참조로 사용할 수 있습니다. [panther-analysis](https://github.com/panther-labs/panther-analysis) repository를 참조용으로 사용하세요.
* 테이블에 데이터를 로드할 때 사용할 스키마를 정의하는 YAML 파일
  * 이 데이터 스키마 파일은 다음 외부의 디렉터리에 저장되어야 합니다: `lookup_tables` 디렉터리입니다. 다른 사용자 지정 로그 스키마와 함께 저장할 수도 있습니다. 예를 들어 다음에: `/schemas` panther-analysis repository의 루트에 있는 디렉터리.
* 테이블에 로드할 데이터를 포함하는 JSON 또는 CSV 파일(선택 사항, 자세한 내용은 계속 읽기).

**스키마 및 구성 파일 작성**

일반적으로 먼저 데이터 스키마를 작성하는 것이 현명합니다. 테이블 구성에서 해당 값 중 일부를 참조하기 때문입니다.

1. YAML 데이터 스키마 파일을 만듭니다. 이 스키마는 테이블에 데이터를 업로드하는 데 사용할 파일을 읽는 방법을 정의합니다. 데이터를 CSV 파일로 사용하는 경우 스키마는 CSV를 파싱할 수 있어야 합니다.
   * 테이블 스키마 형식은 로그 스키마와 동일합니다. 스키마 작성에 대한 자세한 내용은 다음에 관한 문서를 참조하세요: [Log Schemas 관리.](https://docs.panther.com/data-onboarding/custom-log-types#uploading-log-schemas-with-the-panther-analysis-tool)
2. YAML 구성 파일을 만듭니다. 필수 및 허용되는 값의 전체 목록은 다음에서 확인하세요: [커스텀 Enrichment 사양 참조](/ko/enrichment/custom/lookup-table-specification-reference.md).
   * 로컬 파일에 저장된 데이터를 사용하는 사용자 지정 enrichment의 예시 구성은 다음과 같습니다:

     ```yaml
     AnalysisType: lookup_table
     LookupName: my_lookup_table # 고유한 표시 이름
     Schema: Custom.MyTableSchema # 이전 단계에서 정의한 스키마
     Filename: ./my_lookup_table_data.csv # 데이터의 상대 경로
     Description: >
       이 테이블에 어떤 정보가 들어 있는지에 대한 유용한 설명입니다.
       예를 들어, 이 테이블은 IP 주소를 호스트명으로 변환할 수 있습니다
     Reference: >
       이 테이블에 대한 추가 문서의 URL
     Enabled: true # 테이블 사용을 중지하려면 false로 설정
     LogTypeMap:
       PrimaryKey: ip                # 테이블의 기본 키
       AssociatedLogTypes:           # 이 테이블과 연결할 로그 유형 목록
         - LogType: AWS.CloudTrail
           Selectors:
             - "sourceIPAddress"     # CloudTrail 로그의 필드
             - "p_any_ip_addresses"  # Panther가 생성한 필드도 작동합니다
         - LogType: Okta.SystemLog
           Selectors:
             - "$.client.ipAddress"  # JSON 값 경로도 허용됩니다
     ```
3. repository의 루트에서 다음을 실행하여 스키마 파일을 업로드합니다: [`panther_analysis_tool update-custom-schemas`](/ko/panther/detections-repo/pat/pat-commands.md#update-custom-schemas-creating-or-updating-custom-schemas) `--path ./schemas`.
4. repository의 루트에서 다음을 사용하여 사용자 지정 enrichment를 업로드합니다:\
   [`panther_analysis_tool upload`](/ko/panther/detections-repo/pat/pat-commands.md#upload-uploading-packages-to-panther-directly).

**Panther Analysis Tool를 통해 사용자 지정 enrichment를 업데이트합니다:**

1. 해당 사용자 지정 enrichment의 YAML 구성 파일을 찾습니다.
2. 파일을 열고 다음 필드를 찾습니다: `Filename`. 그러면 데이터 파일로 이어지는 파일 경로가 표시됩니다.
3. 다음에 표시된 파일을 업데이트하거나 교체합니다: `Filename`. 허용되는 값을 보려면 다음을 참조하세요: [커스텀 Enrichment 사양 참조](/ko/enrichment/custom/lookup-table-specification-reference.md).
4. 구성 파일을 저장한 다음, 다음을 사용하여 변경 사항을 업로드합니다:

   ```yaml
   panther_analysis_tool upload
   ```

   선택적으로, 사용자 지정 enrichment만 업로드하도록 지정할 수 있습니다:

   ```yaml
   panther_analysis_tool upload --filter AnalysisType=lookup_table
   ```

</details>

### 옵션 3: S3 버킷에서 커스텀 enrichment 데이터 동기화

Panther Console 또는 PAT를 통해 S3 버킷에서 데이터 동기화를 설정할 수 있습니다:

<details>

<summary>Panther Console</summary>

**Panther Console을 통해 S3 버킷에서 사용자 지정 enrichment 데이터를 동기화**

S3 동기화 enrichment 설정은 간소화된 4단계 마법사를 사용합니다: **기본 정보** → **S3에 연결** → **스키마** → **검증**.

1. Panther Console의 왼쪽 탐색 모음에서 다음을 클릭합니다 **구성 > Enrichments**.
2. 오른쪽 상단에서 다음을 클릭합니다: **새로 만들기**.
3. enrichment 온보딩 페이지에서 다음을 클릭하세요 **AWS S3에서 데이터 동기화** 타일.
4. 다음에서 **기본 정보** 페이지에서 다음 필드를 입력합니다:

   * **Enrichment 이름**: 커스텀 enrichment에 대한 설명적 이름.
   * **설명 - 선택 사항**: 테이블에 대한 추가 컨텍스트.
   * **참조 - 선택 사항**: 일반적으로 내부 리소스로 연결되는 하이퍼링크에 사용됩니다.

   ![이미지는 Panther Console의 사용자 지정 enrichment에 대한 기본 정보 양식을 보여줍니다. Enrichment Name 필드에는 "Employee Directory."가 입력되어 있습니다. Description에는 "특정 사용자와 관련된 그룹 및 권한이 있는 디렉터리"라고 적혀 있습니다. 아래에는 Setup 버튼이 있습니다.](/files/f2da46f6e7a1d4088ec71c464313b2fee9553c74)
5. 다음을 클릭합니다: **설정**.
6. 다음에서 **S3에 연결** 페이지에서 S3 소스와 IAM 역할을 한 단계에서 구성합니다:

   **소스 세부 정보:**

   * 다음을 입력합니다 **계정 ID**, S3 버킷이 있는 12자리 AWS Account ID입니다.
   * 다음을 입력합니다 **S3 URI**, 특정 S3 버킷을 식별하는 고유한 경로입니다.
   * 선택적으로 다음을 입력하세요: **KMS Key - 선택 사항** 데이터가 KMS-SSE로 암호화된 경우.

   **IAM 역할 설정:** 다음 방법 중 하나를 선택하세요:

   * **AWS UI 사용**: 클릭 **선택** 이 카드에서 미리 채워진 템플릿을 사용하여 AWS 콘솔에서 CloudFormation 스택을 시작합니다.
   * **CloudFormation 템플릿 파일 사용**: 클릭 **선택** 이 카드에서 인프라-코드 템플릿 파일을 다운로드하여 자체 파이프라인을 통해 배포합니다.
   * **수동 설정**: 다음을 클릭하세요: **모든 것을 직접 설정하고 싶습니다** 카드 아래의 링크를 사용해 IAM 역할을 직접 구성합니다. 스택을 배포하고 Role ARN을 얻은 후, 폼에 붙여넣어 다음을 활성화합니다: **계속** 버튼을 찾습니다.

   ![이미지는 Panther Console의 "Set up your S3 Enrichment" 양식을 보여줍니다. Account ID, S3 URI, KMS Key 필드가 있으며, IAM Role Setup 섹션에는 두 개의 카드(Using the AWS UI 및 Using a CloudFormation Template File)와 모든 것을 수동으로 설정하기 위한 링크가 있습니다.](/files/a89a7027d84ca36571e75129508e93c1c306956e)
7. 다음을 클릭합니다: **계속**.
8. 다음에서 **스키마** 페이지에서 Table Schema를 구성하세요:\
   \&#xNAN;*참고: 아직 새 schema를 만들지 않았다면 다음을 참조하세요* [*schema 생성에 대한 문서*](https://docs.runpanther.io/data-onboarding/custom-log-types/example-csv)*. 스키마를 만들면, 사용자 지정 enrichment를 구성하는 동안 Schema 페이지의 드롭다운에서 이를 선택할 수 있습니다.*
   * 다음을 선택하세요 **Schema 이름** 을 드롭다운에서 선택합니다.
   * 다음을 선택하세요 **기본 키 이름** 를 드롭다운에서. 이는 테이블의 고유한 열이어야 하며, 예를 들면 `accountID`.
9. 다음을 클릭합니다: **계속**.
10. 다음에서 **검증** 페이지에서 선택적으로 다음을 전환합니다: **이 사용자 지정 enrichment가 데이터를 받지 못할 경우 알람을 설정하시겠습니까?** 에서 **YES** 알러트를 활성화하려면.
    * 다음을 입력하세요 **숫자** 그리고 **주기** 필드에 Panther가 이 알러트를 얼마나 자주 보내야 하는지 표시하세요.
    * 이 알러트의 대상은 페이지 하단에 표시됩니다. 알러트가 전송되는 위치를 구성하고 사용자 지정하려면 다음 문서를 참조하세요 [Panther Destinations](/ko/alerts/destinations.md).
11. 다음을 클릭합니다: **설정 완료** enrichment 구성을 완료합니다.

{% hint style="info" %}
**기존 S3 enrichment를 편집하려면:** 기존 S3 동기화 enrichment를 편집할 때, 마법사에는 추가적인 **연결된 로그 유형** 단계가 다음 사이에 포함됩니다: **S3에 연결** 그리고 **스키마**, 로그 유형/Selectors를 지정할 수 있습니다:

* 다음을 클릭합니다: **로그 유형 추가**.
* 다음을 클릭합니다: **로그 유형** 드롭다운을 연 다음 로그 유형을 선택하세요.
* 하나 이상을 선택하세요 **Selectors**, 사용자 지정 enrichment 데이터로 enrich하려는 로그 유형의 외래 키 필드입니다.
  * 다음을 사용하여 중첩 객체의 속성을 참조할 수 있습니다: [JSON path 구문](https://goessner.net/articles/JsonPath/). 예를 들면: `$.field.subfield`.
* 다음을 클릭합니다: **로그 유형 추가** 필요한 경우 다른 항목을 추가하세요.
  {% endhint %}

​![The image shows a success page in the Panther Console after creating a Lookup Table. There is an option to set an  alarm in case this Lookup Table doesn't receive any data, and dropdown selectors to choose a time period when you receive the alerts. At the bottom, there is a section showing which destinations will receive the alert.](https://files.gitbook.com/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-LgdiSWdyJcXPahGi9Rs-2910905616%2Fuploads%2FoyqgS5R8TnNzpDRtl9e9%2Fimage.png?alt=media\&token=5d8c27d1-ac28-460c-a2f5-bd2c503a49f1)​

{% hint style="info" %}
사용자 지정 enrichment 업로드 실패로 생성된 알림은 다음에서 확인할 수 있습니다: **시스템 오류** 탭에서 **알러트 & 오류** Panther Console의 페이지에서.
{% endhint %}

**IAM 역할 만들기**

S3 소스를 사용하는 Panther 사용자 지정 enrichment에 사용할 IAM Role을 만드는 방법은 세 가지가 있습니다:

* [AWS Console UI를 사용하여 IAM 역할 만들기.](#create-an-iam-role-using-aws-console-ui)
* [CloudFormation Template File을 사용하여 IAM 역할 만들기](#create-an-iam-role-using-aws-console-ui).
* [IAM 역할을 수동으로 만들기](#create-an-iam-role-manually).

<img src="/files/ae59f193809ae80ad9c238c04d2ded9b7eb376a5" alt="" data-size="original">

**AWS Console UI를 사용하여 IAM 역할 만들기**

1. S3 소스를 사용하는 사용자 지정 enrichment를 만드는 과정에서 "Set Up an IAM role" 페이지에서 "Using the AWS Console UI"라고 표시된 타일을 찾습니다. 타일 오른쪽에서 다음을 클릭합니다: **선택**.
2. 다음을 클릭합니다: **콘솔 UI 시작**.\
   ![The image shows the screen after you choose to use AWS UI to set up your role. There is a green button in the center labeled "Launch Coonsole UI." At the bottom, there is a field to enter your Role ARN.](/files/4d68561214f7c2906164bda1660bdea41e35aed7)
   * 새 브라우저 탭에서 AWS 콘솔로 이동하며, 템플릿 URL이 미리 채워진 상태로 열립니다.
   * CloudFormation 스택은 S3 버킷의 객체를 읽는 데 필요한 최소 권한을 가진 AWS IAM 역할을 생성합니다.
   * AWS의 CloudFormation 스택에서 "Outputs" 탭을 클릭하고 Role ARN을 확인합니다.
3. Panther 계정으로 돌아갑니다.
4. "Use AWS UI to set up your role" 페이지에서 Role ARN을 입력합니다.
5. 다음을 클릭합니다: **설정 완료**.

**CloudFormation Template File을 사용하여 IAM 역할 만들기**

1. S3 소스를 사용하는 사용자 지정 enrichment를 만드는 과정에서 "Set Up an IAM role" 페이지에서 "CloudFormation Template File"이라고 표시된 타일을 찾습니다. 타일 오른쪽에서 다음을 클릭합니다: **선택**.
2. 다음을 클릭합니다: **CloudFormation 템플릿**, 이를 다운로드하여 자체 파이프라인을 통해 적용할 수 있습니다.
3. AWS에서 템플릿 파일을 업로드합니다:
   1. AWS 콘솔을 열고 CloudFormation 제품으로 이동합니다.
   2. 다음을 클릭합니다: **스택 생성**.
   3. 다음을 클릭합니다: **템플릿 파일 업로드** 그리고 다운로드한 CloudFormation 템플릿을 선택합니다.
4. Panther의 "CloudFormation Template" 페이지에 Role ARN을 입력합니다.
5. 다음을 클릭합니다: **설정 완료**.

**IAM 역할을 수동으로 만들기**

1. S3 소스를 사용하는 사용자 지정 enrichment를 만드는 과정에서 "Set Up an IAM role" 페이지에서 다음과 같은 링크를 클릭합니다: **모든 것을 직접 설정하고 싶습니다**.
2. 필요한 IAM 역할을 만듭니다. 필요한 IAM 역할은 수동으로 또는 자체 자동화를 통해 만들 수 있습니다. 역할 이름은 다음 형식을 사용해야 합니다: `PantherLUTsRole-${Suffix}`(예: `PantherLUTsRole-MyLookupTable`).
   * IAM 역할 정책에는 아래에 정의된 문이 포함되어야 합니다:

     ```
         "Version": "2012-10-17",
         "Statement": [
             {
                 "Action": "s3:GetBucketLocation",
                 "Resource": "arn:aws:s3:::<bucket-name>",
                 "Effect": "Allow"
             },
             {
                 "Action": "s3:GetObject",
                 "Resource": "arn:aws:s3:::<bucket-name>/<input-file-path>",
                 "Effect": "Allow"
             }
         ]
     }
     ```
   * S3 버킷이 AWS KMS를 사용한 서버 측 암호화로 구성되어 있다면, 해당 KMS 키에 대한 Panther API 액세스를 부여하는 추가 문을 포함해야 합니다. 이 경우 정책은 대략 다음과 같이 보입니다:

     ```
         "Version": "2012-10-17",
         "Statement": [
             {
                 "Action": "s3:GetBucketLocation",
                 "Resource": "arn:aws:s3:::<bucket-name>",
                 "Effect": "Allow"
             },
             {
                 "Action": "s3:GetObject",
                 "Resource": "arn:aws:s3:::<bucket-name>/<input-file-path>",
                 "Effect": "Allow"
             },
             {
                 "Action": ["kms:Decrypt", "kms:DescribeKey"],
                 "Resource": "arn:aws:kms:<region>:<your-accound-id>:key/<kms-key-id>",
                 "Effect": "Allow"
             }
         ]
     }
     ```
3. Panther의 "Setting up role manually" 페이지에 Role ARN을 입력합니다.
   * 이는 AWS 계정의 CloudFormation 스택에 있는 "Outputs" 탭에서 확인할 수 있습니다.
4. 다음을 클릭합니다: **설정 완료**, 그러면 새 Employee Directory 테이블이 나열된 Enrichments 목록 페이지로 이동합니다.

</details>

<details>

<summary>PAT</summary>

**PAT를 통해 S3 버킷에서 사용자 지정 enrichment 데이터를 동기화**

**파일 및 폴더 설정**

사용자 지정 enrichment에는 다음 파일이 필요합니다:

* enrichment 테이블용 YAML 구성 파일
  * 이 사용자 지정 enrichment 구성 파일은 이름에 다음을 포함하는 폴더에 저장되어야 합니다: `lookup_tables`*.* 이는 최상위 `lookup_tables` 디렉터리일 수도 있고, 다음과 이름이 일치하는 하위 디렉터리일 수도 있습니다: `*lookup_tables*`. 다음을 참조로 사용할 수 있습니다. [panther-analysis](https://github.com/panther-labs/panther-analysis) repository를 참조용으로 사용하세요.
* 테이블에 데이터를 로드할 때 사용할 스키마를 정의하는 YAML 파일
  * 이 데이터 스키마 파일은 다음 외부의 디렉터리에 저장되어야 합니다: `lookup_tables` 디렉터리(예: `/schemas` panther analysis repo의 루트에 있습니다). 다른 사용자 지정 로그 스키마와 함께 저장할 수도 있습니다.
* 테이블에 로드할 데이터를 포함하는 JSON 또는 CSV 파일(선택 사항, 자세한 내용은 계속 읽기).

**스키마 및 구성 파일 작성**

일반적으로 먼저 데이터 스키마를 작성하는 것이 현명합니다. 테이블 구성에서 해당 값 중 일부를 참조하기 때문입니다.

1. YAML 데이터 스키마 파일을 만듭니다. 이 스키마는 테이블에 데이터를 업로드하는 데 사용할 파일을 읽는 방법을 정의합니다. 데이터를 CSV 파일로 사용하는 경우 스키마는 CSV를 파싱할 수 있어야 합니다.
   * 테이블 스키마 형식은 로그 스키마와 동일합니다. 스키마 작성에 대한 자세한 내용은 다음에 관한 문서를 참조하세요: [Log Schemas 관리.](https://docs.panther.com/data-onboarding/custom-log-types#uploading-log-schemas-with-the-panther-analysis-tool)
2. 테이블 구성을 위한 YAML 파일을 만듭니다. S3의 파일에 저장된 데이터를 사용하는 사용자 지정 enrichment의 예시 구성은 다음과 같습니다:
   * 다음 사항에 유의하세요: `Refresh` 필드에는 `RoleARN`, `ObjectPath`, 그리고 `PeriodMinutes` 필드.
   * 필수 및 허용되는 값의 전체 목록은 다음에서 확인하세요: [커스텀 Enrichment 사양 참조](/ko/enrichment/custom/lookup-table-specification-reference.md).

     ```yaml
     AnalysisType: lookup_table
     LookupName: my_lookup_table # 고유한 표시 이름
     Schema: Custom.MyTableSchema # 이전 단계에서 정의한 스키마
     새로 고침:
       RoleArn: arn:aws:iam::123456789012:role/PantherLUTsRole-my_lookup_table # 조직의 AWS 계정에 있는 역할
       ObjectPath: s3://path/to/my_lookup_table_data.csv
       PeriodMinutes: 120 # 2시간마다 S3에서 동기화
     Description: >
       이 테이블에 어떤 정보가 들어 있는지에 대한 유용한 설명입니다.
       예를 들어, 이 테이블은 IP 주소를 호스트명으로 변환할 수 있습니다
     Reference: >
       이 테이블에 대한 추가 문서의 URL
     Enabled: true # 테이블 사용을 중지하려면 false로 설정
     LogTypeMap:
       PrimaryKey: ip                # 테이블의 기본 키
       AssociatedLogTypes:           # 이 테이블과 연결할 로그 유형 목록
         - LogType: AWS.CloudTrail
           Selectors:
             - "sourceIPAddress"     # CloudTrail 로그의 필드
             - "p_any_ip_addresses"  # Panther가 생성한 필드도 작동합니다
         - LogType: Okta.SystemLog
           Selectors:
             - "$.client.ipAddress"  # JSON 값 경로도 허용됩니다
     ```
3. repository의 루트에서 다음을 실행하여 스키마 파일을 업로드합니다: [`panther_analysis_tool update-custom-schemas`](/ko/panther/detections-repo/pat/pat-commands.md#update-custom-schemas-creating-or-updating-custom-schemas) `--path ./schemas`.
4. repository의 루트에서 다음을 사용하여 사용자 지정 enrichment를 업로드합니다:\
   [`panther_analysis_tool upload`](/ko/panther/detections-repo/pat/pat-commands.md#upload-uploading-packages-to-panther-directly).

**사전 요구 사항**

S3와 동기화되도록 사용자 지정 enrichment를 구성하기 전에 다음 사항을 준비해야 합니다:

1. Panther가 S3 버킷에 액세스하는 데 사용할 수 있는 AWS의 IAM 역할 ARN입니다. Panther용 IAM 역할 설정에 대한 자세한 내용은 다음 섹션을 참조하세요: [IAM 역할 만들기.](#creating-an-iam-role)
2. 데이터를 저장할 파일의 경로입니다. 경로 형식은 다음과 같아야 합니다: `s3://bucket-name/path_to_file/file.csv`

</details>

### 옵션 4: Google Cloud Storage(GCS) 버킷에서 커스텀 enrichment 데이터 동기화

Panther Console 또는 PAT를 통해 GCS 버킷에서 데이터 동기화를 설정할 수 있습니다:

<details>

<summary>Panther Console</summary>

**Panther Console을 통해 GCS 버킷에서 사용자 지정 enrichment 데이터를 동기화**

GCS 동기화 enrichment 설정은 간소화된 4단계 마법사를 사용합니다: **기본 정보** → **GCS에 연결** → **스키마** → **검증**.

1. Panther Console의 왼쪽 탐색 모음에서 다음을 클릭합니다 **구성 > Enrichments**.
2. 오른쪽 상단에서 다음을 클릭합니다: **새로 만들기**.
3. enrichment 온보딩 페이지에서 다음을 클릭하세요 **Google Cloud Storage에서 데이터 동기화** 타일.
4. 다음에서 **기본 정보** 페이지에서 다음 필드를 입력합니다:
   * **Enrichment 이름**: 커스텀 enrichment에 대한 설명적 이름.
   * **설명 - 선택 사항**: 테이블에 대한 추가 컨텍스트.
   * **참조 - 선택 사항**: 일반적으로 내부 리소스로 연결되는 하이퍼링크에 사용됩니다.
5. 다음을 클릭합니다: **설정**.
6. 다음에서 **GCS에 연결** 페이지에서 Google Cloud Storage 소스와 ID 설정을 한 단계에서 구성합니다:

   **소스 세부 정보:**

   * 다음을 입력합니다 **Google Cloud Storage URI**, 특정 객체를 식별하는 고유한 경로입니다(예: `gs://my-bucket/path/to/file.json`).

   **ID 설정:**

   * 기본적으로 **Terraform 템플릿 파일** 카드가 표시됩니다 — 다음을 클릭하세요: **계속** 카드에서 Terraform 기반 설정을 사용합니다.
   * 대신 Workload Identity Federation을 수동으로 구성하려면 다음을 클릭하세요: **모든 것을 직접 설정하고 싶습니다** 카드 아래의 링크.
   * 방법을 선택한 후, 지침에 따라 JSON 자격 증명 구성 파일을 업로드합니다.
   * 데이터는 다음 위치에 있어야 합니다: `.csv` 또는 `.json` 형식.\
     ![](/files/1fe53f7f3f1a4aed381568eb261c3dce749066a1)
7. 다음을 클릭합니다: **계속**.
8. 다음에서 **스키마** 페이지에서 Table Schema를 구성하세요:\
   \&#xNAN;***참고:** 아직 새 스키마를 만들지 않았다면 다음을 참조하세요:* [*schema 생성에 대한 문서*](https://docs.runpanther.io/data-onboarding/custom-log-types/example-csv)*. 스키마를 만들면, 사용자 지정 enrichment를 구성하는 동안 Schema 페이지의 드롭다운에서 이를 선택할 수 있습니다.*
   1. 다음을 선택하세요 **Schema 이름** 을 드롭다운에서 선택합니다.
   2. 다음을 선택하세요 **기본 키 이름** 를 드롭다운에서. 이는 테이블의 고유한 열이어야 하며, 예를 들면 `accountID`.
9. 다음을 클릭합니다: **계속**.
10. 다음에서 **검증** 페이지에서 선택적으로 다음을 전환합니다: **이 사용자 지정 enrichment가 데이터를 받지 못할 경우 알람을 설정하시겠습니까?** 에서 **YES** 알러트를 활성화하려면.

    * 다음을 입력하세요 **숫자** 그리고 **주기** 필드에 Panther가 이 알러트를 얼마나 자주 보내야 하는지 표시하세요.
    * 이 알러트의 대상은 페이지 하단에 표시됩니다. 알러트가 전송되는 위치를 구성하고 사용자 지정하려면 다음 문서를 참조하세요 [Panther Destinations](/ko/alerts/destinations.md).

    ![](/files/c71386d833d08af780369e6d8d92e2d29b24603c)​
11. 다음을 클릭합니다: **설정 완료**.

{% hint style="info" %}
**기존 GCS enrichment를 편집하려면:** 기존 GCS enrichment를 편집할 때 추가적인 **연결된 로그 유형** 단계가 다음 사이에 표시됩니다: **GCS에 연결** 그리고 **스키마** 단계가 나타나며, 로그 유형/Selectors를 지정할 수 있습니다:

* 다음을 클릭합니다: **로그 유형 추가**.
* 다음을 클릭합니다: **로그 유형** 드롭다운을 연 다음 로그 유형을 선택하세요.
* 하나 이상을 선택하세요 **Selectors**, 사용자 지정 enrichment 데이터로 enrich하려는 로그 유형의 외래 키 필드입니다.
  * 중첩 객체의 속성도 다음을 사용해 참조할 수 있습니다 [JSON path 구문](https://goessner.net/articles/JsonPath/). 예를 들어 map의 필드를 참조하려면 다음을 입력할 수 있습니다 `$.field.subfield`.
* 다음을 클릭합니다: **로그 유형 추가** 필요한 경우 다른 항목을 추가하세요.
  {% endhint %}

{% hint style="info" %}
사용자 지정 enrichment 업로드 실패로 생성된 알림은 다음에서 확인할 수 있습니다: **시스템 오류** 탭에서 **알러트 & 오류** Panther Console의 페이지에서.
{% endhint %}

**ID 설정 옵션**

다음의 일부로 **GCS에 연결** 마법사의 단계에서, 다음을 사용하여 두 가지 ID 설정 방법 중에서 선택할 수 있습니다: [Workload Identity Federation](https://cloud.google.com/iam/docs/workload-identity-federation):

* **Terraform 템플릿 파일** (기본 카드): 설정에 제공된 Terraform 템플릿을 사용합니다. 다음을 클릭하세요: **계속** 카드에서 계속 진행합니다.
* **수동 설정**: 다음을 클릭하세요: **모든 것을 직접 설정하고 싶습니다** 카드 아래의 링크를 사용해 GCP 콘솔에서 Workload Identity Federation을 수동으로 구성합니다.

![](/files/788f148bd5dd5a9dc53dfc54f9a1d1e07b79c436)

**Terraform 템플릿 파일을 사용하여 Workload Identity Federation 설정**

1. 다음에서 **GCS에 연결** 페이지에서, **ID 설정** 섹션에서 다음을 클릭합니다 **계속** 을 **Terraform 템플릿 파일** 카드.
2. 다음을 클릭합니다: **Terraform 템플릿**, 이를 다운로드하여 자체 파이프라인을 통해 적용할 수 있습니다.
3. 다음의 필드를 채우세요: `panther.tfvars` 파일에 구성 내용을 입력합니다.
   * 다음의 값을 제공합니다: `panther_workload_identity_pool_id`, `panther_workload_identity_pool_provider_id`**,** 그리고 `panther_aws_account_id`.
   * 파일의 지침에 따라 나머지 리소스와 함께 버킷을 만들지, 아니면 이미 있는 버킷을 사용할지 결정하세요.
4. Terraform 구성 파일이 들어 있는 작업 디렉터리를 초기화하고 다음을 실행합니다: `terraform init`.
5. 해당 **Terraform 명령** 을 복사하여 CLI에서 실행합니다.
6. 다음을 복사하여 풀의 자격 증명 구성 파일을 생성합니다: **gcloud 명령** 제공된 값을 사용하고 프로젝트 번호, 풀 ID, 제공자 ID의 값을 바꾼 뒤, CLI에서 실행합니다.
   * 프로젝트 번호, 풀 ID, 제공자 ID는 다음의 출력에서 찾을 수 있습니다: **Terraform 명령**.
7. 다음에서 자격 증명 구성 파일을 업로드합니다: **ID 설정** 섹션.
8. 다음을 클릭하여 마법사를 계속 진행합니다: **계속**.

**GCP 콘솔에서 Workload Identity Federation을 수동으로 설정**

다음을 선택하는 경우 **모든 것을 직접 설정하고 싶습니다** 다음의 옵션을 **ID 설정** 섹션에서 Workload Identity Federation을 수동으로 구성할 수 있습니다:

1. Google Cloud 콘솔에서 Panther가 로그를 가져올 버킷을 확인합니다.
   * 아직 버킷을 만들지 않았다면 다음을 참조하세요: [버킷을 만드는 방법에 대한 Google 문서](https://cloud.google.com/storage/docs/creating-buckets).

{% hint style="warning" %}
[Uniform bucket-level access](https://cloud.google.com/storage/docs/uniform-bucket-level-access) Workload Identity Federation 엔터티가 클라우드 스토리지 리소스에 액세스하도록 허용하려면 대상 버킷에서 활성화되어 있어야 합니다.
{% endhint %}

2. [IAM API를 사용 설정합니다](https://console.cloud.google.com/apis/library/iam.googleapis.com).
3. 다음 안내를 따라 AWS와 함께 Workload Identity Federation을 구성합니다: [AWS 또는 Azure와 함께 Workload Identity Federation 구성](https://cloud.google.com/iam/docs/workload-identity-federation-with-other-clouds) 문서.
   1. 다음을 [속성 매핑 및 조건을 정의하는](https://cloud.google.com/iam/docs/workload-identity-federation-with-other-clouds#mappings-and-conditions)동안 다음 예를 참고하세요:
      * 예시 [속성 매핑](https://cloud.google.com/iam/docs/workload-identity-federation#mapping):

        <table><thead><tr><th width="195.8271484375">Google</th><th width="523.1220703125">AWS</th></tr></thead><tbody><tr><td><code>google.subject</code></td><td><code>assertion.arn.extract('arn:aws:sts::{account_id}:')+":"+assertion.arn.extract('assumed-role/{role_and_session}').extract('/{session}')</code></td></tr><tr><td><code>attribute.account</code></td><td><code>assertion.account</code></td></tr></tbody></table>
      * 예시 [속성 조건](https://cloud.google.com/iam/docs/workload-identity-federation#conditions):\
        `attribute.account=="<PANTHER_AWS_ACCOUNT_ID>"`
   2. 당신이 [아이덴티티 풀에 제공자를 추가할 때](https://cloud.google.com/iam/docs/workload-identity-federation-with-other-clouds#aws), 다음을 선택합니다: **AWS**.

{% hint style="warning" %}
다음의 값은 `google.subject` 속성 [은 127자를 초과할 수 없습니다](https://cloud.google.com/iam/docs/workload-identity-federation#mapping). 다음을 사용할 수 있습니다 [공통 표현 언어(CEL) 표현식](https://cloud.google.com/iam/docs/workload-identity-federation#mapping) 을 사용하여 AWS에서 발급한 토큰의 속성을 변환하거나 결합할 수 있습니다. 위 표에서 제안한 표현식은 이 제한을 고려한 것이며, ARN을 Panther 엔터티를 고유하게 식별하는 값으로 변환하려는 시도입니다. AWS 속성에 대한 자세한 내용은 다음의 "예 2 - AssumeRole로 생성된 사용자가 호출"을 참조하세요: [이 AWS 문서 페이지](https://docs.aws.amazon.com/STS/latest/APIReference/API_GetCallerIdentity.html).
{% endhint %}

4. 계정에 필요한 IAM 역할을 할당합니다.

* 다음 권한은 Pub/Sub 구독과 토픽이 있는 프로젝트에 필요합니다:

  <table data-header-hidden><thead><tr><th width="327.374982940047" align="center">필수 권한</th><th width="294.15662026309724" align="center">역할</th><th width="208" align="center">조건</th></tr></thead><tbody><tr><td align="center"><strong>필요한 권한</strong></td><td align="center"><strong>역할</strong></td><td align="center"><strong>범위</strong></td></tr><tr><td align="center"><p><code>storage.objects.get</code></p><p><code>storage.objects.list</code></p></td><td align="center"><code>roles/storage.objectViewer</code></td><td align="center"><em>bucket-name</em></td></tr></tbody></table>

  * **참고:** 특정 리소스의 권한에 대해 조건 또는 IAM 정책을 설정할 수 있습니다. 이는 GCP의 IAM 섹션(아래 예시 스크린샷 참조) 또는 특정 리소스의 페이지에서 수행할 수 있습니다.\
    ![In the Google Cloud console, the "IAM" navigation bar item is circled. In a slide-out panel, sections titled "Add principals" and "Assign roles" are circled.](/files/a4a66c9ddb93df2d2e451f85e9839e240f453bd6)
  * **참고:** 다음을 사용하여 권한을 만들 수 있습니다: `gcloud` CLI 도구, 여기서 `$PRINCIPAL_ID` 는 다음과 같을 수 있습니다:\
    `principalSet://iam.googleapis.com/projects/<THE_ACTUAL_GOOGLE_PROJECT_NUMBER>/locations/global/workloadIdentityPools/<THE_ACTUAL_POOL_ID>/attribute.account/<THE_ACTUAL_PANTHER_AWS_ACCOUNT_ID>`
    * `gcloud projects add-iam-policy-binding $PROJECT_ID --member="$PRINCIPAL_ID" --role="roles/storage.objectViewer"`

5. [자격 증명 구성 파일 다운로드](https://cloud.google.com/iam/docs/workload-download-cred-and-grant-access), Panther에서 GCP 인프라에 인증하는 데 사용됩니다.

* gcloud CLI 도구를 사용하여 자격 증명 구성 파일을 생성하려면 다음 명령 형식을 사용합니다:\
  `gcloud iam workload-identity-pools create-cred-config projects/$PROJECT_NUMBER/locations/global/workloadIdentityPools/$POOL_ID/providers/$PROVIDER_ID --aws --output-file=config.json`

6. 다음으로 돌아가 **GCS에 연결** Panther Console의 단계에서 자격 증명 구성 파일을 다음 위치에 업로드한 다음 **ID 설정** 섹션에서 마법사를 계속 진행합니다.

</details>

<details>

<summary>PAT</summary>

**PAT를 통해 GCS 버킷에서 사용자 지정 enrichment 데이터를 동기화**

**파일 및 폴더 설정**

사용자 지정 enrichment에는 다음 파일이 필요합니다:

* enrichment 테이블용 YAML 구성 파일
  * 이 사용자 지정 enrichment 구성 파일은 이름에 다음을 포함하는 폴더에 저장되어야 합니다: `lookup_tables`*.* 이는 최상위 `lookup_tables` 디렉터리일 수도 있고, 다음과 이름이 일치하는 하위 디렉터리일 수도 있습니다: `*lookup_tables*`. 다음을 참조로 사용할 수 있습니다. [panther-analysis](https://github.com/panther-labs/panther-analysis) repository를 참조용으로 사용하세요.
* 테이블에 데이터를 로드할 때 사용할 스키마를 정의하는 YAML 파일
  * 이 데이터 스키마 파일은 다음 외부의 디렉터리에 저장되어야 합니다: `lookup_tables` 디렉터리입니다. 다른 사용자 지정 로그 스키마와 함께 저장할 수도 있습니다. 예를 들어 다음에: `/schemas` panther-analysis repository의 루트에 있는 디렉터리.
* 테이블에 로드할 데이터를 포함하는 JSON 또는 CSV 파일(선택 사항, 자세한 내용은 계속 읽기).

**스키마 및 구성 파일 작성**

일반적으로 먼저 데이터 스키마를 작성하는 것이 현명합니다. 테이블 구성에서 해당 값 중 일부를 참조하기 때문입니다.

1. YAML 데이터 스키마 파일을 만듭니다. 이 스키마는 테이블에 데이터를 업로드하는 데 사용할 파일을 읽는 방법을 정의합니다. 데이터를 CSV 파일로 사용하는 경우 스키마는 CSV를 파싱할 수 있어야 합니다.
   * 테이블 스키마 형식은 로그 스키마와 동일합니다. 스키마 작성에 대한 자세한 내용은 다음에 관한 문서를 참조하세요: [Log Schemas 관리.](https://docs.panther.com/data-onboarding/custom-log-types#uploading-log-schemas-with-the-panther-analysis-tool)
2. 테이블 구성을 위한 YAML 파일을 만듭니다. GCS의 파일에 저장된 데이터를 사용하는 사용자 지정 enrichment의 예시는 아래 예시 파일을 참조하세요.
   * 다음 사항에 유의하세요: `Refresh` 필드에는 `GCSCredentials`, `StorageProvider`, `ObjectPath`, 그리고 `PeriodMinutes` 필드.
   * 필수 및 허용되는 값의 전체 목록은 다음에서 확인하세요: [커스텀 Enrichment 사양 참조](/ko/enrichment/custom/lookup-table-specification-reference.md).

     ```yaml
     AnalysisType: lookup_table
     LookupName: my_lookup_table # 고유한 표시 이름
     Schema: Custom.MyTableSchema # 이전 단계에서 정의한 스키마
     새로 고침:
       ObjectPath: gs://path/to/my_lookup_table_data.csv
       GCSCredentials: '{"universe_domain":"googleapis.com","type":"external_account","audience":"//iam.googleapis.com/projects/123456789012/locations/global/workloadIdentityPools/mypool/providers/myprovider","subject_token_type":"urn:ietf:params:aws:token-type:aws4_request","token_url":"https://sts.googleapis.com/v1/token","credential_source":{"environment_id":"aws1","region_url":"http://169.254.169.254/latest/meta-data/placement/availability-zone","url":"http://169.254.169.254/latest/meta-data/iam/security-credentials","regional_cred_verification_url":"https://sts.{region}.amazonaws.com?Action=GetCallerIdentity&Version=2011-06-15"},"token_info_url":"https://sts.googleapis.com/v1/introspect"}'
       StorageProvider: GCS
       PeriodMinutes: 120 # 2시간마다 GCS에서 동기화
     Description: >
       이 테이블에 어떤 정보가 들어 있는지에 대한 유용한 설명입니다.
       예를 들어, 이 테이블은 IP 주소를 호스트명으로 변환할 수 있습니다
     Reference: >
       이 테이블에 대한 추가 문서의 URL
     Enabled: true # 테이블 사용을 중지하려면 false로 설정
     LogTypeMap:
       PrimaryKey: ip                # 테이블의 기본 키
       AssociatedLogTypes:           # 이 테이블과 연결할 로그 유형 목록
         - LogType: AWS.CloudTrail
           Selectors:
             - "sourceIPAddress"     # CloudTrail 로그의 필드
             - "p_any_ip_addresses"  # Panther가 생성한 필드도 작동합니다
         - LogType: Okta.SystemLog
           Selectors:
             - "$.client.ipAddress"  # JSON 값 경로도 허용됩니다
     ```
3. repository의 루트에서 다음을 실행하여 스키마 파일을 업로드합니다: [`panther_analysis_tool update-custom-schemas`](/ko/panther/detections-repo/pat/pat-commands.md#update-custom-schemas-creating-or-updating-custom-schemas) `--path ./schemas`.
4. repository의 루트에서 다음을 사용하여 사용자 지정 enrichment를 업로드합니다:\
   [`panther_analysis_tool upload`](/ko/panther/detections-repo/pat/pat-commands.md#upload-uploading-packages-to-panther-directly).

**사전 요구 사항**

GGS 버킷과 동기화되도록 사용자 지정 enrichment를 구성하기 전에 다음 사항을 준비해야 합니다:

* Panther가 Google Cloud Storage 객체에 액세스하는 데 사용할 수 있는 workload identity pool의 JSON 자격 증명 구성입니다. Panther용 Workload Identity Federation 설정에 대한 자세한 내용은 다음을 참조하세요: **ID 설정** 섹션의 **Panther Console** 위의 지침.
* 데이터를 저장할 파일의 경로입니다. 경로 형식은 다음과 같아야 합니다: `gs://bucket-name/path_to_file/file.csv`

</details>

## 사용자 지정 보강 데이터를 사용하여 디택션 작성

사용자 지정 enrichment를 구성한 후에는 추가 컨텍스트를 기반으로 디택션을 작성할 수 있습니다.

예를 들어, AWS CloudTrail 로그에서 개발자 계정과 프로덕션 계정을 구분하도록 사용자 지정 enrichment를 구성했다면, 다음 조건이 모두 참일 때만 알러트를 받고 싶을 수 있습니다:

* MFA가 활성화되지 않은 상태로 로그인한 사용자.
* AWS 계정이 프로덕션(개발자 계정이 아님) 계정이다.

아래에서 enrichment 데이터를 사용하여 디택션을 만드는 방법을 확인하세요:

{% tabs %}
{% tab title="Python" %}
**이벤트에 자동으로 enrich된 enrichment 데이터에 액세스하기**

Python에서는 다음을 사용할 수 있습니다: [`deep_get()` 헬퍼 함수](/ko/detections/rules/python/globals.md#deep_get) 에서 조회된 필드를 가져오려면 `p_enrichment` 로그의 외래 키 필드를 사용합니다. 패턴은 다음과 같습니다:

```python
deep_get(event, 'p_enrichment', <Enrichment name>, <foreign key in log>, <field in Enrichment>)
```

{% hint style="info" %}
사용자 지정 enrichment 이름, 외래 키 및 필드 이름은 모두 선택적 매개변수입니다. 지정하지 않으면, `deep_get()` 사용 가능한 모든 enrichment 데이터가 포함된 계층적 딕셔너리를 반환합니다. 매개변수를 지정하면 관심 있는 데이터만 반환되도록 할 수 있습니다.
{% endhint %}

룰은 다음과 같습니다:

```python
from panther_base_helpers import deep_get
 def 룰(event):
   is_production = deep_get(event, 'p_enrichment', 'account_metadata',
'recipientAccountId', 'isProduction') # 접근하는 필드가 목록 안에 저장되어 있다면 대신 deep_walk()를 사용하세요
   return not event.get('mfaEnabled') and is_production
```

***

**enrichment 데이터에 동적으로 액세스하기**

다음을 사용할 수도 있습니다: [event 객체의 `lookup()` 함수](/ko/detections/rules/python.md#lookup) 를 사용해 디택션에서 enrichment 데이터에 동적으로 액세스할 수 있습니다. 이벤트에 enrichment의 기본 키 열 값과 정확히 일치하는 값이 없을 때 유용할 수 있습니다.
{% endtab %}

{% tab title="간단한 디택션" %}
어떤 [간단한 디택션](/ko/detections/rules/writing-simple-detections.md), 다음을 만들 수 있습니다: [Enrichment 일치 식](/ko/detections/rules/writing-simple-detections/match-expression.md#enrichment-match-expressions).

```yaml
디택션:
  - Enrichment:
      Table: account_metadata
      Selector: recipientAccountId
      FieldPath: isProduction
    Condition: Equals
    Value: true
  - KeyPath: mfaEnabled
    Condition: Equals
    Value: false
```

{% endtab %}
{% endtabs %}

Panther 룰 엔진은 조회된 일치를 가져와 다음 키를 사용하여 해당 데이터를 이벤트에 추가합니다: `p_enrichment` 다음 JSON 구조에서:

```json
{ 
    "p_enrichment": {
        <enrichment 테이블 이름>: { 
            <일치한 로그의 키>: <조회된 일치 행>,
            ...
	    <일치한 로그의 키>: <조회된 일치 행>,
	}    
    }
} 
```

예:

```json
 {
  "p_enrichment": {
      "account_metadata": {
          "recipientAccountId": {
              "accountID": "90123456", 
              "isProduction": false, 
              "email": "dev.account@example.com",
              "p_match": "90123456"
              }
          }
      }
}

```

일치하는 로그 키의 값이 배열인 경우(예: `p_any_aws_accout_ids`), 조회 데이터는 일치하는 레코드를 포함하는 배열입니다.

```json
{ 
    "p_enrichment": {
        <enrichment 테이블 이름>: { 
            <배열인 일치한 로그의 키>: [
                <조회된 일치 행>,
                <조회된 일치 행>,
                <조회된 일치 행>
            ]
	}
     }
} 
```

예:

```json
 {
  "p_enrichment": {
      "account_metadata": {
          "p_any_aws_account_ids": [
             {
              "accountID": "90123456", 
              "isProduction": false, 
              "email": "dev.account@example.com",
              "p_match": "90123456"
              },
              {
              "accountID": "12345678", 
              "isProduction": true, 
              "email": "prod.account@example.com",
              "p_match": "12345678"
              }
          ]
      }
  }
}
```

### enrichment를 사용하는 디택션 테스트

다음을 사용하는 룰의 경우 `p_enrichment`, 다음을 클릭하세요 **Enrich Test Data** JSON 코드 편집기 오른쪽 상단에서 Enrichment 데이터로 채워 넣습니다. 이를 통해 다음을 포함하는 이벤트로 Python 함수를 테스트할 수 있습니다: `p_enrichment`.

{% hint style="info" %}
단위 테스트가 올바르게 enrich되려면 이벤트에 다음 두 필드를 지정해야 합니다:

* `p_log_type`: 이는 사용할 Enrichments를 결정합니다
* 선택자 필드: 비교할 값을 제공합니다
  {% endhint %}

<figure><img src="/files/f392fd86eadd5ce9df8cf0dfdbbe286b85d1b88d" alt="A &#x22;Unit Test&#x22; header is above a code block with JSON. The JSON includes various key/value pairs—for example, &#x22;p_log_type&#x22;: &#x22;My.Log.Type&#x22;"><figcaption></figcaption></figure>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.panther.com/ko/enrichment/custom.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
