收集 SAP SuccessFactors 日志

支持范围:

本文档介绍了如何使用 Google Cloud Storage V2 将 SAP SuccessFactors 日志注入 Google Security Operations。

SAP SuccessFactors 是一个基于云的人力资本管理 (HCM) 平台,用于管理核心人力资源流程、人才管理、薪酬和劳动力分析。它会生成用户活动、身份验证和审核跟踪记录日志,这些日志可以使用 OData API 进行收集。

准备工作

确保您满足以下前提条件:

  • Google SecOps 实例
  • 启用了 Cloud Storage API 的 GCP 项目
  • 创建和管理 GCS 存储桶的权限
  • 管理 GCS 存储桶上的 IAM 政策的权限
  • 创建 Cloud Run 服务、Pub/Sub 主题和 Cloud Scheduler 作业的权限
  • 具有管理员权限的 SAP SuccessFactors 特权访问权限
  • 已为您的租户启用 SAP SuccessFactors OData API 访问权限
  • 您的 SAP SuccessFactors API 服务器网址(例如 api15.sapsf.com)

创建 Google Cloud Storage 存储桶

  1. 前往 Google Cloud 控制台。
  2. 选择您的项目或创建一个新项目。
  3. 在导航菜单中,前往 Cloud Storage > 存储桶。
  4. 点击创建存储分区。
  5. 提供以下配置详细信息:

    设置 值
    指定存储桶的名称 输入一个全局唯一的名称(例如 sap-successfactors-logs)
    位置类型 根据您的需求进行选择(单区域、双区域、多区域)
    位置 选择位置(例如 us-central1)
    存储类别 标准(推荐用于频繁访问的日志)
    访问权限控制 统一(推荐)
    保护工具 可选:启用对象版本控制或保留政策
  6. 点击创建。

收集 SAP SuccessFactors API 凭证

确定 API 服务器网址

SAP SuccessFactors API 服务器网址取决于您的数据中心。常见 API 服务器网址:

数据中心 API 服务器网址
DC2(阿姆斯特丹) https://api2.successfactors.eu
DC4(悉尼) https://api4.successfactors.com
DC8(法兰克福) https://api8.successfactors.com
DC10(美国东部) https://api10.successfactors.com
DC12(上海) https://api012.successfactors.cn
DC15(美国西部) https://api15.sapsf.com
DC17(新加坡) https://api17.sapsf.com
DC19(阿联酋) https://api19.sapsf.com

创建 API 用户凭证

  1. 以管理员身份登录 SAP SuccessFactors。
  2. 前往管理中心 > 管理权限角色。
  3. 创建或选择包含以下权限的角色:
    • 管理审核跟踪记录:对审核数据的读取权限
    • OData API:访问 OData API 端点
  4. 前往 Admin Center(管理中心)> Manage Users(管理用户)。
  5. 创建技术用户或选择现有用户进行 API 集成。
  6. 为用户分配权限角色。
  7. 请注意以下凭证:

    • 用户名:SAP SuccessFactors 用户 ID(格式:USERNAME@COMPANY_ID)
    • 密码:用户的密码
    • 公司 ID:您的 SAP SuccessFactors 公司标识符

验证权限

如需验证账号是否具有所需权限,请执行以下操作:

  1. 登录 SAP SuccessFactors。
  2. 前往管理中心 > 审核跟踪记录。
  3. 如果您能看到审核跟踪记录数据和导出选项,则表示您拥有所需权限。
  4. 如果您看不到此选项,请联系您的 SAP 管理员,让其授予管理审核跟踪记录权限。

测试 API 访问权限

  • 在继续集成之前,请先测试您的凭证:

    # Replace with your actual credentials
    SF_USER="USERNAME@COMPANY_ID"
    SF_PASSWORD="your-password"
    API_SERVER="https://api15.sapsf.com"
    
    # Test API access - fetch audit trail metadata
    curl -v -u "${SF_USER}:${SF_PASSWORD}" \
      "${API_SERVER}/odata/v2/AuditTrail?\$top=1&\$format=json"
    

为 Cloud Run 函数创建服务账号

Cloud Run 函数需要一个服务账号,该账号应具有向 GCS 存储桶写入数据的权限,并且可由 Pub/Sub 调用。

创建服务账号

  1. 在 GCP 控制台中,前往 IAM 和管理 > 服务账号。
  2. 点击创建服务账号。
  3. 提供以下配置详细信息:
    • 服务账号名称:输入 sap-sf-logs-collector-sa
    • 服务账号说明:输入 Service account for Cloud Run function to collect SAP SuccessFactors logs
  4. 点击创建并继续。
  5. 在为此服务账号授予项目访问权限部分,添加以下角色:
    1. 点击选择角色。
    2. 搜索并选择 Storage Object Admin。
    3. 点击 + 添加其他角色。
    4. 搜索并选择 Cloud Run Invoker。
    5. 点击 + 添加其他角色。
    6. 搜索并选择 Cloud Functions Invoker。
  6. 点击继续。
  7. 点击完成。

以下操作需要这些角色:

  • Storage Object Admin:将日志写入 GCS 存储桶并管理状态文件
  • Cloud Run Invoker:允许 Pub/Sub 调用函数
  • Cloud Functions Invoker:允许调用函数

授予对 GCS 存储桶的 IAM 权限

向服务账号授予对 GCS 存储桶的写入权限:

  1. 前往 Cloud Storage > 存储桶。
  2. 点击您的存储桶名称(例如 sap-successfactors-logs)。
  3. 前往权限标签页。
  4. 点击授予访问权限。
  5. 提供以下配置详细信息:
    • 添加主账号:输入服务账号邮箱(例如 sap-sf-logs-collector-sa@PROJECT_ID.iam.gserviceaccount.com)
    • 分配角色:选择 Storage Object Admin
  6. 点击保存。

创建 Pub/Sub 主题

创建一个 Pub/Sub 主题,Cloud Scheduler 将向其发布消息,Cloud Run 函数将订阅该主题。

  1. 在 GCP 控制台中,前往 Pub/Sub > 主题。
  2. 点击创建主题。
  3. 提供以下配置详细信息:
    • 主题 ID:输入 sap-sf-logs-trigger
    • 其他设置均保留默认值
  4. 点击创建。

创建 Cloud Run 函数以收集日志

Cloud Run 函数将由来自 Cloud Scheduler 的 Pub/Sub 消息触发,以从 SAP SuccessFactors OData API 提取日志并将其写入 GCS。

  1. 在 GCP 控制台中,前往 Cloud Run。
  2. 点击创建服务。
  3. 选择函数(使用直接修改器创建函数)。
  4. 在配置部分中,提供以下配置详细信息:

    设置 值
    Service 名称 sap-sf-logs-collector
    区域 选择与您的 GCS 存储桶匹配的区域(例如 us-central1)
    运行时 选择 Python 3.12 或更高版本
  5. 在触发器(可选)部分中:

    1. 点击 + 添加触发器。
    2. 选择 Cloud Pub/Sub。
    3. 在选择 Cloud Pub/Sub 主题中,选择主题 sap-sf-logs-trigger。
    4. 点击保存。
  6. 在身份验证部分中:

    1. 选择需要进行身份验证。
    2. 检查 Identity and Access Management (IAM)。
  7. 展开容器、网络、安全性。

  8. 前往安全标签页:

    • 服务账号:选择服务账号 sap-sf-logs-collector-sa。
  9. 前往容器标签页:

    1. 点击变量和密钥。
    2. 针对每个环境变量,点击 + 添加变量:
    变量名称 示例值 说明
    GCS_BUCKET sap-successfactors-logs GCS 存储桶名称
    GCS_PREFIX sf-logs 日志文件的前缀
    STATE_KEY sf-logs/state.json 状态文件路径
    SF_API_SERVER https://api15.sapsf.com SAP SuccessFactors API 服务器网址
    SF_USERNAME USERNAME@COMPANY_ID SAP SuccessFactors 用户名
    SF_PASSWORD your-password SAP SuccessFactors 密码
    MAX_RECORDS 5000 每次运行的记录数上限
    PAGE_SIZE 1000 每页记录数
    LOOKBACK_HOURS 24 初始回溯期
  10. 在变量和密钥部分中,向下滚动到请求:

    • 请求超时:输入 600 秒(10 分钟)
  11. 前往设置标签页:

    • 在资源部分中:
      • 内存:选择 512 MiB 或更高
      • CPU:选择 1
  12. 在修订版本伸缩部分中:

    • 实例数下限:输入 0
    • 实例数上限:输入 100(或根据预期负载进行调整)
  13. 点击创建。

  14. 等待服务创建完成(1-2 分钟)。

  15. 创建服务后,内嵌代码编辑器会自动打开。

添加函数代码

  1. 在入口点字段中输入 main。
  2. 在内嵌代码编辑器中,创建两个文件:

    • 第一个文件 main.py:

      import functions_framework
      from google.cloud import storage
      import json
      import os
      import urllib3
      from datetime import datetime, timezone, timedelta
      import time
      import base64
      
      # Initialize HTTP client with timeouts
      http = urllib3.PoolManager(
        timeout=urllib3.Timeout(connect=5.0, read=30.0),
        retries=False,
      )
      
      # Initialize Storage client
      storage_client = storage.Client()
      
      # Environment variables
      GCS_BUCKET = os.environ.get('GCS_BUCKET')
      GCS_PREFIX = os.environ.get('GCS_PREFIX', 'sf-logs')
      STATE_KEY = os.environ.get('STATE_KEY', 'sf-logs/state.json')
      SF_API_SERVER = os.environ.get('SF_API_SERVER')
      SF_USERNAME = os.environ.get('SF_USERNAME')
      SF_PASSWORD = os.environ.get('SF_PASSWORD')
      MAX_RECORDS = int(os.environ.get('MAX_RECORDS', '5000'))
      PAGE_SIZE = int(os.environ.get('PAGE_SIZE', '1000'))
      LOOKBACK_HOURS = int(os.environ.get('LOOKBACK_HOURS', '24'))
      
      def parse_datetime(value: str) -> datetime:
        """Parse ISO datetime string to datetime object."""
        if value.endswith("Z"):
          value = value[:-1] + "+00:00"
        return datetime.fromisoformat(value)
      
      @functions_framework.cloud_event
      def main(cloud_event):
        """
        Cloud Run function triggered by Pub/Sub to fetch SAP SuccessFactors
        audit logs and write to GCS.
      
        Args:
          cloud_event: CloudEvent object containing Pub/Sub message
        """
      
        if not all([GCS_BUCKET, SF_API_SERVER, SF_USERNAME, SF_PASSWORD]):
          print('Error: Missing required environment variables')
          return
      
        try:
          bucket = storage_client.bucket(GCS_BUCKET)
      
          # Load state
          state = load_state(bucket, STATE_KEY)
      
          # Determine time window
          now = datetime.now(timezone.utc)
          last_time = None
      
          if isinstance(state, dict) and state.get("last_event_time"):
            try:
              last_time = parse_datetime(state["last_event_time"])
              # Overlap by 2 minutes to catch any delayed events
              last_time = last_time - timedelta(minutes=2)
            except Exception as e:
              print(f"Warning: Could not parse last_event_time: {e}")
      
          if last_time is None:
            last_time = now - timedelta(hours=LOOKBACK_HOURS)
      
          print(f"Fetching logs from {last_time.isoformat()} to {now.isoformat()}")
      
          # Fetch logs
          records, newest_event_time = fetch_logs(
            api_server=SF_API_SERVER,
            username=SF_USERNAME,
            password=SF_PASSWORD,
            start_time=last_time,
            end_time=now,
            page_size=PAGE_SIZE,
            max_records=MAX_RECORDS,
          )
      
          if not records:
            print("No new log records found.")
            save_state(bucket, STATE_KEY, now.isoformat())
            return
      
          # Write to GCS as NDJSON
          timestamp = now.strftime('%Y%m%d_%H%M%S')
          object_key = f"{GCS_PREFIX}/logs_{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}")
      
          # Update state with newest event time
          if newest_event_time:
            save_state(bucket, STATE_KEY, newest_event_time)
          else:
            save_state(bucket, STATE_KEY, now.isoformat())
      
          print(f"Successfully processed {len(records)} records")
      
        except Exception as e:
          print(f'Error processing logs: {str(e)}')
          raise
      
      def load_state(bucket, key):
        """Load state from GCS."""
        try:
          blob = bucket.blob(key)
          if blob.exists():
            state_data = blob.download_as_text()
            return json.loads(state_data)
        except Exception as e:
          print(f"Warning: Could not load state: {e}")
      
        return {}
      
      def save_state(bucket, key, last_event_time_iso: str):
        """Save the last event timestamp to GCS state file."""
        try:
          state = {'last_event_time': last_event_time_iso}
          blob = bucket.blob(key)
          blob.upload_from_string(
            json.dumps(state, indent=2),
            content_type='application/json'
          )
          print(f"Saved state: last_event_time={last_event_time_iso}")
        except Exception as e:
          print(f"Warning: Could not save state: {e}")
      
      def fetch_logs(api_server: str, username: str, password: str, start_time: datetime, end_time: datetime, page_size: int, max_records: int):
        """
        Fetch audit trail logs from SAP SuccessFactors OData API with
        pagination and rate limiting.
      
        Args:
          api_server: SAP SuccessFactors API server URL
          username: SAP SuccessFactors username (USERNAME@COMPANY_ID)
          password: SAP SuccessFactors password
          start_time: Start time for log query
          end_time: End time for log query
          page_size: Number of records per page
          max_records: Maximum total records to fetch
      
        Returns:
          Tuple of (records list, newest_event_time ISO string)
        """
        base_url = api_server.rstrip('/')
      
        # Build Basic Auth header
        auth_string = f"{username}:{password}"
        auth_bytes = auth_string.encode('utf-8')
        auth_b64 = base64.b64encode(auth_bytes).decode('utf-8')
      
        headers = {
          'Authorization': f'Basic {auth_b64}',
          'Accept': 'application/json',
          'User-Agent': 'GoogleSecOps-SAPSFCollector/1.0'
        }
      
        records = []
        newest_time = None
        page_num = 0
        backoff = 1.0
        skip = 0
      
        # Format datetime for OData filter
        start_str = start_time.strftime("%Y-%m-%dT%H:%M:%S")
        end_str = end_time.strftime("%Y-%m-%dT%H:%M:%S")
      
        while True:
          page_num += 1
      
          if len(records) >= max_records:
            print(f"Reached max_records limit ({max_records})")
            break
      
          remaining = min(page_size, max_records - len(records))
          url = (
            f"{base_url}/odata/v2/AuditTrail"
            f"?$filter=changedDate ge datetime'{start_str}' and changedDate le datetime'{end_str}'"
            f"&$top={remaining}"
            f"&$skip={skip}"
            f"&$format=json"
          )
      
          try:
            response = http.request('GET', url, headers=headers)
      
            # Handle rate limiting with exponential backoff
            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'))
      
            # OData response structure
            page_results = data.get('d', {}).get('results', [])
      
            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)
      
            # Track newest event time
            for event in page_results:
              try:
                changed_date = event.get('changedDate', '')
                # OData datetime format: /Date(1234567890000)/
                if changed_date and changed_date.startswith('/Date('):
                  ms = int(changed_date.split('(')[1].split(')')[0].split('+')[0].split('-')[0])
                  event_dt = datetime.fromtimestamp(ms / 1000, tz=timezone.utc)
                  event_time = event_dt.isoformat()
                  if newest_time is None or parse_datetime(event_time) > parse_datetime(newest_time):
                    newest_time = event_time
              except Exception as e:
                print(f"Warning: Could not parse event time: {e}")
      
            # Check for more results
            if len(page_results) < remaining:
              print(f"Reached last page (size={len(page_results)} < limit={remaining})")
              break
      
            skip += len(page_results)
      
          except Exception as e:
            print(f"Error fetching logs: {e}")
            return [], None
      
        print(f"Retrieved {len(records)} total records from {page_num} pages")
        return records, newest_time
      
    • 第二个文件 requirements.txt:

      functions-framework==3.*
      google-cloud-storage==2.*
      urllib3>=2.0.0
      
  3. 点击部署以保存和部署函数。

  4. 等待部署完成(2-3 分钟)。

创建 Cloud Scheduler 作业

Cloud Scheduler 将定期向 Pub/Sub 主题发布消息,从而触发 Cloud Run 函数。

  1. 在 GCP 控制台中,前往 Cloud Scheduler。
  2. 点击创建作业。
  3. 提供以下配置详细信息:

    设置 值
    名称 sap-sf-logs-collector-hourly
    区域 选择与 Cloud Run 函数相同的区域
    频率 0 * * * *(每小时整点)
    时区 选择时区(建议选择 UTC)
    目标类型 Pub/Sub
    主题 选择主题“sap-sf-logs-trigger”
    邮件正文 {}(空 JSON 对象)
  4. 点击创建。

定时任务频率选项

根据日志量和延迟时间要求选择频率:

频率 Cron 表达式 使用场景
每隔 5 分钟 */5 * * * * 高容量、低延迟
每隔 15 分钟 */15 * * * * 搜索量中等
每小时 0 * * * * 标准(推荐)
每 6 小时 0 */6 * * * 小批量处理
每天 0 0 * * * 历史数据收集

测试集成

  1. 在 Cloud Scheduler 控制台中,找到您的作业。
  2. 点击强制运行以手动触发作业。
  3. 等待几秒钟。
  4. 前往 Cloud Run > 服务。
  5. 点击 sap-sf-logs-collector。
  6. 点击日志标签页。
  7. 验证函数是否已成功执行。查找:

    Fetching 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://sap-successfactors-logs/sf-logs/logs_YYYYMMDD_HHMMSS.ndjson
    Successfully processed X records
    
  8. 前往 Cloud Storage > 存储桶。

  9. 点击您的存储桶名称 (sap-successfactors-logs)。

  10. 转到 sf-logs/ 文件夹。

  11. 验证是否已创建带有当前时间戳的新 .ndjson 文件。

如果您在日志中看到错误: - HTTP 401:检查环境变量中的 API 凭证 - HTTP 403:验证账号在 SAP SuccessFactors 中是否具有所需权限 - HTTP 429:速率限制 - 函数将自动重试并采用退避算法 - 缺少环境变量:检查是否已设置所有必需变量

在 Google SecOps 中配置 Feed 以注入 SAP SuccessFactors 日志

  1. 依次前往设置 > 数据管理 > Feed。如果您使用的是仅 SIEM 平台,请依次前往设置 > Feed。
  2. 点击添加新新闻信息流。
  3. 点击配置单个 Feed。
  4. 在 Feed 名称字段中,输入 Feed 的名称(例如 SAP SuccessFactors Logs)。
  5. 选择 Google Cloud Storage V2 作为来源类型。
  6. 选择 SAP SuccessFactors 作为日志类型。
  7. 点击获取服务账号。系统会显示一个专属的服务账号邮箱,例如:

    chronicle-12345678@chronicle-gcp-prod.iam.gserviceaccount.com
    
  8. 复制此电子邮件地址。

  9. 点击下一步。

  10. 为以下输入参数指定值:

    • 存储桶网址:输入带有前缀路径的 GCS 存储桶 URI:

      gs://sap-successfactors-logs/sf-logs/
      
      • 替换:
        • sap-successfactors-logs:您的 GCS 存储桶名称。
        • sf-logs:存储日志的可选前缀/文件夹路径(留空表示根目录)。
    • 来源删除选项:根据您的偏好选择删除选项:

      • 永不:转移后永不删除任何文件(建议在测试时使用)。
      • 删除已转移的文件:在成功转移后删除文件。
      • 删除已转移的文件和空目录:在成功转移后删除文件和空目录。

    • 文件存在时间上限:包含过去指定天数内修改过的文件(默认值为 180 天)

    • 资产命名空间:资产命名空间

    • 注入标签:要应用于此 Feed 中事件的标签

  11. 点击下一步。

  12. 在最终确定界面中查看新的新闻信息流配置,然后点击提交。

向 Google SecOps 服务账号授予 IAM 权限

Google SecOps 服务账号需要对您的 GCS 存储桶拥有 Storage Object Viewer 角色。

  1. 前往 Cloud Storage > 存储桶。
  2. 点击您的存储桶名称。
  3. 前往权限标签页。
  4. 点击授予访问权限。
  5. 提供以下配置详细信息:
    • 添加主账号:粘贴 Google SecOps 服务账号邮箱
    • 分配角色:选择 Storage Object Viewer
  6. 点击保存。

UDM 映射表

日志字段 UDM 映射 逻辑
module, functional_area, functional_sub_area, context_1_value, context_2_value, context_3_value, context_4_value, context_5_value, new_value, old_value, operation_performed, effective_start_date, effective_sequence additional.fields 从每个字段创建的令牌,如果非空且满足条件,则会合并
changed_by_user_first_name intermediary_1.user.first_name 如果值不为空且存在次要用户,则直接复制值
changed_by_user_last_name intermediary_1.user.last_name 如果值不为空且存在次要用户,则直接复制值
changed_by_user_username intermediary_1.user.userid 如果值不为空且存在次要用户,则直接复制值
proxy_user_first_name intermediary_2.user.first_name 如果值不为空,则直接复制
proxy_user_last_name intermediary_2.user.last_name 如果值不为空,则直接复制
proxy_user_username intermediary_2.user.userid 如果值不为空,则直接复制
metadata.event_type 设置为“GENERIC_EVENT”,如果 context_1_key ==“Role”或 field_name ==“Role”,则替换为“USER_RESOURCE_ACCESS”;如果存在 subject user 字段且不存在 changed_by_user_username,则替换为“RESOURCE_PERMISSIONS_CHANGE”
new_value permission.name 如果 field_name == "Permission",则从 new_value 复制的值
secondary_user_email principal.user.email_addresses 如果值不为空,则直接复制
secondary_user_provisioner_id principal.user.userid 如果值不为空,则直接复制
context_1_value, new_value role.name 如果 context_1_key ==“Role”,则为 context_1_value 中的值;如果 field_name ==“Role name”或“Role”,则为 new_value 中的值
old_value, new_value target.group.attribute.labels 根据 field_name 与 old_value 或 new_value 中的令牌合并
context_1_value, new_value target.group.group_display_name 如果 context_1_key ==“Group”,则取 context_1_value 的值;否则,如果 field_name ==“Group”或“Group name”,则取 new_value 的值
context_3_value target.resource.name 如果 context_3_key ==“Feature Name”,则从 context_3_value 复制值
context_2_value target.resource.product_object_id 如果 context_2_key ==“Feature Id”,则从 context_2_value 复制的值
old_value, new_value target.user.attribute.labels 根据 field_name 与 old_value 或 new_value 中的令牌合并
new_value target.user.attribute.permissions 如果 field_name == "Permission",则与通过 new_value 创建的权限对象合并
context_1_value, new_value target.user.attribute.roles 如果 context_1_key == "Role",则与通过 context_1_value 创建的角色对象合并;如果 field_name == "Role name" 或 "Role",则与通过 new_value 创建的角色对象合并
subject_user_first_name, first_name, first_name target.user.first_name 如果 subject_user_first_name 不为空,则为该字段的值;否则,如果 context_1_key == "Proxy Rights For",则使用 grok 从 context_1_value 中提取;否则,如果 context_2_key == "User name",则使用 grok 从 context_2_value 中提取
subject_user_last_name、last_name、last_name target.user.last_name 如果 subject_user_last_name 不为空,则取其值;否则,如果 context_1_key == "Proxy Rights For",则使用 grok 从 context_1_value 中提取;否则,如果 context_2_key == "User name",则使用 grok 从 context_2_value 中提取
subject_user_id, context_1_value target.user.userid 如果 subject_user_id 不为空,则取 subject_user_id 的值;否则,如果 context_1_key == "User",则取 context_1_value 的值
metadata.product_name 设置为“SuccessFactors”
metadata.vendor_name 设为“SAP”

更新日志

查看此解析器的更新日志

需要更多帮助?获得社区成员和 Google SecOps 专业人士的解答。