در این مقاله میخوانید
Zabbix میتواند علاوه بر تشخیص Problem و ارسال هشدار، Script یا Remote Command نیز اجرا کند.
مثلاً:
• Restart یک Service
• Reload کردن Web Server
• آزادسازی یک Queue کنترلشده
• اجرای Failover
• تمدید یک Worker
• بازسازی موقت یک Process
این قابلیت قدرتمند است؛ اما اگر بدون کنترل استفاده شود، سامانه مانیتورینگ میتواند خودش به عامل اختلال یا رخداد امنیتی تبدیل شود.
Auto-remediation چه زمانی مناسب است؟
یک اقدام خودکار باید این ویژگیها را داشته باشد:
✅ علت مشکل بهخوبی شناخته شده باشد.
✅ اقدام مشخص و تکرارپذیر باشد.
✅ ریسک پایینی داشته باشد.
✅ نتیجه قابل اندازهگیری باشد.
✅ Rollback یا مسیر Escalation داشته باشد.
✅ از تکرار نامحدود جلوگیری شود.
✅ اجرای آن ثبت و Audit شود.
نمونه مناسب:
اگر Service مشخصی متوقف شد، پس از تأیید شرایط، یک بار Restart شود؛ سپس وضعیت Service و Application بررسی شود.
Workflow حرفهای
Detect → Validate → Remediate → Verify → Escalate
1️⃣ Detect
Trigger مشکل را با شرط پایدار تشخیص میدهد.
2️⃣ Validate
قبل از اقدام بررسی میشود:
• Maintenance فعال نیست.
• Host درست انتخاب شده است.
• مشکل موقت نیست.
• Dependency بالادستی سالم است.
• Action اخیراً اجرا نشده است.
• Backup یا Cluster در وضعیت مناسب است.
3️⃣ Remediate
فقط دستور از پیش تعریفشده اجرا میشود.
4️⃣ Verify
پس از اجرا بررسی میشود:
• Service Running است؟
• Port باز شده؟
• Web Scenario موفق است؟
• Error Log متوقف شده؟
• Response Time عادی است؟
5️⃣ Escalate
اگر Recovery رخ نداد، Automation متوقف و Incident برای انسان ارسال میشود.
Remote Command را محدود کنید
اجازهدادن عمومی زیر خطرناک است:
AllowKey=system.run[*]
این تنظیم دامنه بزرگی از Commandها را مجاز میکند.
روش امنتر:
• فقط Command مشخص Allow شود.
• Script ثابت و بدون ورودی کنترلنشده استفاده شود.
• فایل Script فقط برای Administrator قابل تغییر باشد.
• Agent با حساب محدود اجرا شود.
• در صورت نیاز، sudoers فقط همان Script را مجاز کند.
• سایر Commandها Deny شوند.
Zabbix امکان محدودکردن Checkها با AllowKey و DenyKey را فراهم میکند.
📚 مستندات Restricting Agent Checks
Wrapper Script
بهجای ارسال دستور آزاد:
systemctl restart nginx
یک Script کنترلشده ایجاد کنید:
/usr/local/sbin/recover-nginx
این Script باید:
• ورودی آزاد نپذیرد.
• وضعیت فعلی را بررسی کند.
• فقط Service مشخص را مدیریت کند.
• Timeout داشته باشد.
• Exit Code صحیح برگرداند.
• Log ایجاد کند.
• نتیجه را Verify کند.
• در اجرای تکراری رفتار قابل پیشبینی داشته باشد.
چه چیزهایی نباید خودکار شوند؟
❌ حذف فایل برای آزادسازی Disk بدون بررسی
❌ Restart مداوم Domain Controller
❌ پاککردن Logهای امنیتی
❌ تغییر Firewall Policy
❌ Reset کردن Database در خطای ناشناخته
❌ خاموشکردن Antivirus یا EDR
❌ اجرای Failover بدون Pre-check
❌ تغییر Routing در رخداد مبهم
❌ حذف Snapshot یا Backup بدون تأیید
❌ اقدام خودکار در Incident امنیتی
در Security Incident باید شواهد حفظ شوند. Restart یا پاکسازی خودکار ممکن است Evidence را از بین ببرد.
جلوگیری از Loop
فرض کنید Service هر پنج دقیقه Crash میکند و Zabbix هر بار آن را Restart میکند.
سرویس ظاهراً بازیابی میشود، اما Root Cause پنهان میماند.
کنترلهای لازم:
• حداکثر تعداد اجرا
• Cooldown Period
• Count در بازه زمانی
• Escalation پس از تکرار
• ایجاد Ticket
• ثبت علت و خروجی
• غیرفعالشدن Automation پس از شکست
مثال:
فقط یک Restart خودکار در ۳۰ دقیقه؛ در تکرار دوم، اقدام متوقف و Incident با Severity بالا ایجاد شود.
سطوح Automation
🟢 سطح ۱ — پیشنهاد
Zabbix فقط Runbook و دستور پیشنهادی ارائه میکند.
🟡 سطح ۲ — تأیید انسانی
اقدام پس از Approval اجرا میشود.
🟠 سطح ۳ — خودکار با Guardrail
اقدام کمریسک خودکار اجرا و Verify میشود.
🔴 سطح ۴ — Orchestration پیشرفته
چند سیستم با Workflow، Approval، Rollback و Audit یکپارچه میشوند.
بهتر است بلوغ سازمان از سطح پایین آغاز و پس از اندازهگیری موفقیت افزایش پیدا کند.
شاخصهای ارزیابی
• تعداد Remediationهای اجراشده
• درصد موفقیت
• تعداد Recovery واقعی
• تعداد تکرار Problem
• زمان کاهشیافته MTTR
• Automationهای ناموفق
• تغییرات نیازمند Rollback
• Incidentهای پنهانشده با Restart
• تعداد Escalation به انسان
هدف Auto-remediation کاهش کار تکراری است، نه پنهانکردن Root Cause.
🎯 جمعبندی
Zabbix میتواند پس از تشخیص مشکل اقدام کند، اما هر Action باید محدود، قابل Audit، قابل Verify و دارای Fail-Safe باشد.
Automation خوب یک Runbook اثباتشده را اجرا میکند؛ تصمیم مبهم عملیاتی را به یک Command خطرناک تبدیل نمیکند.
در قسمت بعد:
🔜 تحلیل یک Incident واقعی؛ چگونه از Timeline و Correlation زبیکس به Root Cause برسیم؟
🛡 NEACASPACE
