はじめに
第 1 回で「バックアップの隔離」、第 2 回で「クリーンなリカバリポイントの特定」、第 3 回で「クリーン環境へのリカバリ実装」を扱いました。ここまでで、守られたバックアップの中から安全な時点を特定し、隔離された環境(IRE)へ段階的に復旧する、という一連の仕組みが揃ったことになります。
ただし、これらの仕組みは「構築した時点」では正しく機能しても、平時の運用の中で少しずつ崩れていきます。
表1:各回の仕組みと平時の運用で崩れるポイント
どれも「設計」ではなく「運用」の問題です。そして、アカウント数やリソース数が増えるほど、これらを人手で維持する工数も比例して増えていきます。有事に初めて露見する種類の問題であるため、平時は「問題なく動いている」ように見えてしまう点も厄介です。
本稿では、Well-Architected Framework(以下、WAF)の「運用上の優秀性の柱」をベースに、第 1〜3 回で構築した仕組みを「平時に維持し続ける」ための運用設計を扱います。
WAFのベストプラクティス:運用上の優秀性の柱「設計原則」
運用上の優秀性の柱には 8 つの設計原則があります。本稿の文脈で特に重要となるのは次の 3 つです。
可能な場合は安全に自動化する:
〜 中略 〜 ワークロード全体とその運用 (アプリケーション、インフラストラクチャ、設定、手順) をコードとして定義し、更新できます。その後、イベントに応じてワークロードの操作を開始することで、ワークロードの操作を自動化できます。クラウドでは、レート制御、エラーしきい値、承認などのガードレールを設定することで、自動化における安全性を実現できます。効果的な自動化により、イベントへの一貫した対応を実現し、人為的ミスを最小限に抑え、オペレーターの労力を軽減できます。
オペレーション手順を頻繁に改善する:
〜 中略 〜 定期的にレビューを実施し、すべての手順が効果的であり、チームに周知されていることを検証します。ギャップが見つかった場合は、手順を適宜更新してください。手順の更新について、すべてのステークホルダーとチームに伝えます。運用のゲーミフィケーションを行ってベストプラクティスを共有し、チームを教育します。
障害を予測する:
障害シナリオを進め、ワークロードのリスクプロファイルとビジネス成果への影響を把握することで、運用の成功を最大化します。こうしてシミュレートした障害に対する手順とチームの対応の有効性をテストします。テストで特定された未解決のリスクを管理するために、情報に基づいた意思決定を行います。
参考:運用上の優秀性「設計原則」
また、イベント対応の領域では、アラートと対応プロセスの紐付けについて次のベストプラクティスが定められています。
「効果的かつ効率的なインシデント管理においては、システム内のアラートごとに明確なプロセスを定義しておくことが重要です。そうすることで、すべてのアラートに対して具体的な対応をすぐに行動に移すことができ、運用の信頼性と応答性が向上します。」
参考:OPS10-BP02 アラートごとにプロセスを用意する
この中で、一般的なアンチパターンとして次の点が挙げられています(一部抜粋)。
アラートに対応プロセスが事前定義されていないため、その場しのぎの対応や解決の遅れにつながる。
アラート過多になり、重要なアラートが見過ごされる。
あわせて、「OPS10-BP07 イベントへの対応を自動化する」では、手作業によるイベント処理が遅延やミスにつながること、AWS Config ルールによる非準拠リソースの修復などを通じて自動化を組み込むことが示されています。
これらを表 1 の 3 つのポイントに対応付けると、本稿で扱うテーマは次のように整理できます。
表2:本稿で扱うテーマと WAF の対応
AWSでの実装ポイント
① 保護漏れを防ぐ:Organizations バックアップポリシーと AWS Backup Audit Manager
バックアップポリシーによる一元適用
マルチアカウント環境で保護対象を揃えるための基本は、AWS Organizations のバックアップポリシーです。ルート・OU・アカウントにポリシーをアタッチすると、継承ルールに従って各アカウントの「有効なバックアップポリシー」が決まり、メンバーアカウントにはその内容がバックアッププランとして展開されます。メンバーアカウントではこのプランを編集できず、変更は管理アカウント側のポリシーで行います。例えば、ルートで「全 DynamoDB テーブルを日次でバックアップ」を定義し、本番 OU だけ保持期間を延ばす、といった運用が可能です。
なお、運用では以下の点に注意する必要があります。
リソース選択はリソースタイプかタグのみ
個別の ARN では指定できません(個別 ARNで指定したい場合はローカルのバックアッププランのリソース割り当てを使う)。タグで対象を選ぶ場合、タグ付けの運用そのものが保護の前提になるため、タグの付け忘れがそのまま保護漏れのリスクになります。
有効なポリシーが不完全だとバックアップされない
上位 OU と下位 OU で部分的なポリシーを組み合わせることもできますが、マージ後の有効なポリシーに必須要素が欠けていると、AWS Backup はそのポリシーを無効と判断し、対象リソースはバックアップされません。
メンバーアカウント側の事前準備が必要
バックアップポリシーが参照するボールト(バックアップボールトまたは LAG ボールト)と IAM ロールは、各メンバーアカウントに存在している必要があります。これらが不足しているアカウントを参照するポリシーは、期待どおりに動作しません。そのため、例えば新しいアカウントを払い出す際のベースライン(CloudFormation StackSets など)にボールトと IAM ロールの作成を組み込んでおく、といった運用を検討しておくとよいでしょう。
参考:Backup policies - AWS Organizations、Managing AWS Backup resources across multiple AWS accounts
Audit Manager による保護漏れの検出
ポリシーで「適用する」だけでなく、「本当に保護されているか」を継続的に確認する仕組みとして AWS Backup Audit Manager があります。Audit Manager では、確認したい項目を「コントロール」として選び、コントロールをまとめた「フレームワーク」を作成します。フレームワークを作成すると、対象リソースがコントロールに準拠しているかが評価され、結果はコンソールで確認できるほか、日次レポートとして S3 に出力されます。
ランサムウェア対策の観点では、フレームワークを作成し、「リソースがバックアッププランによって保護されている」「AWS Backup ボールトロックによって保護されるバックアップ」「リソースは論理的に隔離された保管庫の中にある」などのコントロールをチェックするとよいでしょう。これにより、バックアップ対象から漏れているリソースや、イミュータブルな保護が適用されていないリソースを検出できます。
図1: AWS Backup Audit Manager で用意されているコントロール一覧
コントロールの有効 / 無効化、チェック対象とするリソースの変更などは、「コントロールを編集」から行えます。
なお、次の点は設計時に認識しておく必要があります。
AWS Config のリソース記録が必要
AWS Config のリソース記録を有効化する必要があり、その分の料金が発生します。
評価は基本的に 24 時間ごと
保護漏れの検出まで最大で約 1 日のタイムラグがあります。また、停止中の EC2 インスタンスはアクティブなリソースではないため評価対象外です。
検出と是正は別
Audit Manager が担うのは「検出」とレポートです。NON_COMPLIANT になったリソースをバックアッププランに追加するといった是正は、別途プロセスを設計する必要があります。
このように「ポリシーで適用する」「Audit Manager で検出」「是正する」が、それぞれ別の仕組みになっており、これらを組み合わせて保護漏れを塞ぐ設計と運用が必要になります。
② 検知アラートを対応プロセスにつなぐ
これまでの回および本稿で扱った仕組みからは、さまざまなアラートが発生します。
AWS Backup のジョブ状態変化(バックアップ・コピー・リストアの失敗など)
GuardDuty Malware Protection for AWS Backup のスキャン結果
Restore Testing の検証結果
Audit Manager のコンプライアンス評価結果
これらは基本的にアカウント・リージョンごとに発生するため、まず横断的に把握できる状態にする必要があります。AWS Backup のジョブは、クロスアカウントモニタリングを有効化すると、管理アカウントまたは委任管理者アカウントから組織全体を横断して参照できます。ただし、参照できるのは有効化(オプトイン)以降に作成されたジョブに限られるため、早めに有効化しておくことが望ましいでしょう。GuardDuty は、委任管理者アカウントを指定することで、組織のメンバーアカウントを一元的に管理できます。なお、GuardDuty の委任管理者はリージョンごとに指定する必要があり、利用するすべてのリージョンで同じアカウントを指定します。
ただし、横断的に参照できるだけでは、アラートに気づき、対応を始めることにはつながりません。OPS10-BP02 が求めるのは、各アラートに対して、誰が・何をするかを事前に定義しておくことです。同 BP の実装手順では、CloudWatch や EventBridge からのイベントで AWS Systems Manager Incident Manager のインシデントを自動作成し、対応計画と Automation ランブックを実行する構成が例示されています。
ここで一点注意があります。Incident Manager は、2025 年 11 月 7 日以降、新規のお客様の利用受付を終了しています。既存の利用者は引き続き利用できますが、新機能の追加は行われません。AWS は代替として運用上の問題管理には OpsCenter を、自動ページングや対応にはパートナーソリューションを案内しています。これから対応プロセスを設計する場合は、この前提で構成を選ぶ必要があります。
参考:AWS Systems Manager Incident Manager availability change
さらに、ランサムウェア対策ならではの難しさがあります。それぞれのアラートは「このリカバリポイントのスキャンで脅威が検出された」「このコピージョブが失敗した」といったリソース単位の事実を伝えますが、有事に必要な判断は「アプリケーション全体として、どの時点まで戻れば安全か」です。リソース単位のシグナルを横断的に突き合わせ、リカバリポイントの判断に落とし込む部分は、ランブックとして作り込むか、人が担うことになります。
③ 復旧手順を定期的に検証する
第 2 回で紹介した AWS Backup Restore Testing は、スケジュールに沿ってリカバリポイントを自動で復元し、復元可能性を検証できる機能です。Audit Manager の「Restore time for resources meet target」と組み合わせれば、復元時間が目標内に収まっているかも継続的に確認できます。
Restore Testing を定期テストとして運用する際は、次の点を考慮しておくとよいでしょう。
テストはリソース単位
テストのたびに、保護リソースごとにリカバリポイントを最大1つずつ復元します。リカバリポイントは、指定した期間内の「最新」か「ランダム」から選べます。
テスト用アカウントの指定
テストには専用のアカウントを用意することが、ベストプラクティスとして推奨されています。
復元パラメータの確認
復元に必要なパラメータは、多くの場合バックアップから自動推定され、必要に応じて上書きできます(例:暗号化キー、サブネット、RDS の VPC セキュリティグループなど)。
検証ロジックは自前で用意する
復元後の検証(Restore testing validation)はプログラムから実行する機能で、コンソールからは実行できません。第 2 回で触れたとおり、EventBridge と Lambda などで検証ロジックを組み込みます。検証のために復元リソースを保持できる期間は 1〜168 時間です。
クリーンアップの挙動
テスト終了後(検証用の保持期間の終了後)、復元されたリソースは自動的に削除されます。ただし、削除対象の判定に使われる awsbackup-restore-test タグが外されると、自動削除されず手動での削除が必要になります。
参考:Restore testing - AWS Backup
Rubrik による強化
① SLA ドメインによる「保護」と「隔離」の一体化
Rubrik では、バックアップの取得頻度・保持期間・アーカイブ先などのポリシーを、SLA ドメインという 1 つのポリシーで定義します。AWS リソースに対しては、次の階層で SLA ドメインを割り当てられます。
表3:AWS リソースに対する SLA ドメインの割り当て階層
優先順位は「個別リソース > タグルール > リージョン > アカウント」です。
アカウントまたはリージョン単位で割り当てておけば、新しく作成された EC2 インスタンスも人手を介さずに保護対象になります。保護から外したいリソースは、「Do Not Protect」で明示的に除外します。これにより、除外が意図した設定として可視化され、設定漏れによる保護漏れと区別できます。
AWS ネイティブとの違いとして、SLA ドメインのアーカイブ先に Rubrik Cloud Vault(RCV / Rubrik 管理のイミュータブルかつ論理エアギャップ保管庫)を指定しておけば、保護対象になった時点で隔離までが一括で適用されることが挙げられます。AWS Backup でも LAG ボールトをプライマリのバックアップ先に指定できますが、AWS マネージドキーで暗号化されたリソースやコピーの失敗などにより、「バックアップは取得されているが LAG ボールトには入っていない」状態が起こり得るため、それを後から検出する運用が必要です。
表4:保護漏れ対策の比較
保護状況は Rubrik Security Cloud(RSC / Rubrik の管理コンソール)の Compliance レポートで、オブジェクトごとに SLA に準拠しているか(In Compliance / Out of Compliance / Unprotected)を AWS アカウントだけでなく、オンプレミス、他クラウドを横断して確認できます。レポートスケジュールを設定すれば、定期的に関係者へ配信することも可能です。
② 検知イベントを既存の運用フローへつなぐ
第 2 回で紹介した Threat Monitoring・Anomaly Detection・Threat Hunting の結果は、RSC のイベントとして記録され、メールや Webhook で通知できます。Webhook は、Splunk、Microsoft Sentinel、Google SecOps、CrowdStrike Falcon Next-Gen SIEM などの SIEM との連携に使われているほか、ServiceNow のインシデント自動起票にも対応しています。
Rubrik 単体でも、検知後の初動の一部は自動化できます。例えば、Anomaly Detection のイベントを深刻度に応じて異なる宛先へメール通知したり、Threat Monitoring で脅威インテリジェンスの IOC に一致したファイルを自動で検疫したりといった設定が可能です。
一方、検知を起点に Threat Hunting を自動で実行するといった処理の連鎖や、担当者の割り当て・エスカレーションの管理は、外部の仕組みと組み合わせることになります。
OPS10-BP02 の観点では、SOAR 側から RSC の API を呼び出す双方向の連携が有用です。例えば Microsoft Sentinel や Google SecOps との連携では、インシデントを起点としたプレイブックから、RSC の Threat Hunting の開始やリカバリなどのアクションを実行できます。「Anomaly Detection が異常を検知 → SIEM でインシデント化 → プレイブックで IOC を使った Threat Hunting を自動実行し、影響範囲を確定」という流れを、アラートごとの対応プロセスとして事前に定義しておくことができます。
AWS のサービスで運用基盤を統一している場合は、汎用 Webhook を API Gateway や Lambda 関数 URL などの HTTPS エンドポイントで受け、EventBridge に流して既存のイベント処理(OpsCenter への起票など)に乗せる、という構成も考えられます。
さらに重要なのは、Rubrik のアラートが「どのスナップショットが異常か」という情報を伴っている点です。前述のとおり、AWS ネイティブのシグナルはリソース単位の事実を伝えるものであり、「どこまで戻れば安全か」の判断は別途必要でした。Rubrik では、異常判定や検疫の状態がスナップショットに紐づいて管理されるため、第 3 回で紹介した Orchestrated Application Recovery(OAR)のリカバリプランで、クリーンなポイントを自動選択できます。
つまり、アラートから復旧判断までが同じデータでつながっているため、リソース単位のシグナルを突き合わせる判断ロジックを、ランブックにゼロから作り込む必要はありません。ただし、自動選択の根拠は、その時点で判明している異常や検疫の情報です。第 3 回で扱ったとおり、フォレンジック調査で新たな IOC が判明した場合は、Threat Hunting で照合し直し、クリーンなポイントを確定させるプロセスが必要です。
③ OAR のスケジュールリカバリによる「演習の自動化」
第 3 回では、OAR のリカバリプランを使って、複数リソースにまたがるクリーンなポイントを自動選択し、IRE へ復旧するフローを紹介しました。このリカバリプランは、スケジュールリカバリ機能によって、単発または定期的に自動実行できます。
EC2 のサイバーリカバリプランをスケジュール実行する場合の主な挙動は次のとおりです。
リカバリ方式
Export(新しいインスタンスとして復元)が使われます。
テストスケジュール
実行タイミング、頻度を設定できます。
スナップショットの自動選択
各オブジェクトについて、異常のない最新のスナップショットを選択します。
自動クリーンアップ
リカバリ完了後、復元したリソースは自動的にクリーンアップされます。演習用のリソースを消し忘れて、コストが発生し続けることはありません。
リカバリレポート
実行結果と詳細をまとめたリカバリレポートを、指定した宛先にメールで自動送付できます。
ポイントは、演習で使うのが、有事に使うリカバリプランそのものだという点です。リカバリプランに登録したリソースや復元先の設定が古くなっていれば、定期実行の結果としてすぐに表面化します。また、レポートに記録される実際の所要時間は、RTO が「設計値」ではなく「実測値」として達成できているかを確認する材料になります。これは、設計原則「障害を予測する」が求める、手順とチームの対応の有効性をテストする仕組みにあたります。
図2:テストスケジュールの作成
図3:レポート通知先の指定と自動クリーンアップに関するメッセージ
まとめ
第 1〜3 回で構築した「隔離」「特定」「IRE への復旧」の仕組みは、平時の運用で維持できて初めて有事に機能します。本稿では、WAF の運用上の優秀性の柱に沿って、その維持を自動化するための 3 つのテーマを扱いました。
表5:本稿のまとめ
AWS ネイティブのサービスでも、これらを組み合わせて運用を自動化することは可能です。ただしその場合、ポリシー・検出・是正・ランブック・演習用の自動化を、それぞれ設計し保守し続ける必要があります。Rubrik では、SLA ドメイン、脅威分析、OAR が同じデータとポリシーの上でつながっているため、保護から演習までを少ない運用工数で回し続けることができます。
次回は、ランサムウェアとは異なる新しい脅威として、AI エージェントが引き起こすデータ破壊への備えを取り上げます。