OneNym.id導入について相談する
日本語

THE HARDENED STACK / 第15章

災害復旧と事業継続

明日ランサムウェアでファイルサーバーが暗号化されたら、業務再開まで何時間かかり、どれだけのデータを失うでしょうか。その答えを推測ではなく、合意された数値と、書かれた復旧手順と、試験済みの計画にするための章です。

このページは本書の要約です。全文は本書でお読みください。

RTOとRPOは事業側が決める数値

章は前章のインシデントの翌朝、「アカウント1つではなくファイル共有全体がランサムウェアにやられていたら、受注再開まで何日かかり、どれだけデータを失ったか」と問われる場面から始まります。返ってきたのは「1日から1週間の間で、確信はない」という答えでした。本書は、災害復旧(DR)と事業継続は少人数のチームでは一体として扱ってよく、作業の大半は構築ではなく考えることなので、余裕ができるのを待たずに始めるべきだとしています。

RTO(目標復旧時間)は、許容できない影響が出るまでにサービスを止めておける時間、RPO(目標復旧時点)は、失ってもよいデータ量を時間で表したものです。RPO が1時間なら、少なくとも1時間ごとにバックアップか複製が必要です。結果を負うのは事業側なので、IT部門は選択肢をコストに置き換えて示し、事業側が選びます。抽象的に聞けば誰もが「ゼロとゼロ」と答えるため、価格付きの選択肢を2〜3案示すのが効果的です。数値はサービスごとに決めて階層に分け、書面にして承認を得ます。災害だと判断して計画を発動するまでの時間も RTO を消費するため、発動できる人を決めておくことも勧めています。

DR方式とコスト、そして複製はバックアップではない

方式は4段階で、費用と速さが比例します。バックアップからの復元は最も安く最も遅い方式で、数時間から数日の停止を許容できるサービスには十分です。パイロットライトはデータベースの複製など最小限の中核だけを常時稼働させ、必要時に拡張します。ウォームスタンバイは縮小版の稼働環境を並行して動かし、数分で切り替えます。ホットスタンバイやアクティブ・アクティブは2か所で全容量を動かす最も高価な方式で、数分の停止も許されない1〜2のサービスに限るのが一般的です。

Microsoft 365 などの SaaS では、基盤の可用性は事業者がほぼ担いますが、責任共有モデルのもと、データ、設定、自社のミスやテナント侵害からの復旧は利用者の責任です。リージョンの冗長化では、ずっと前に削除されたメールボックスや、乗っ取られたアカウント経由で暗号化された SharePoint サイトは戻りません。また本書は、同期レプリケーションは平常時のすべての書き込みに遅延を加えること、複製は破損やランサムウェアの暗号化もそのまま待機系にコピーすることを指摘し、可用性のための複製と、完全性のための変更不可でオフライン分離されたバックアップを組み合わせるよう勧めています。

依存関係の洗い出しと復旧順序の手順書

復旧とは多数のサービスを正しい順序で戻すことです。認証に使うIDはアプリより先、DNS はほぼすべてより先、データベースはアプリ層より先に必要です。決済代行や外部API、メール配信、DNS レジストラなど社外の依存先も含めて書き出し、サービスを「ウェーブ」に分けます。ウェーブ0はネットワーク、DNS、ID、シークレットと鍵の管理、証明書サービスといった土台です。事例では、受注データベースと受注ポータル、基幹の会計システムをウェーブ1、会員アプリと倉庫システムをウェーブ2、社内Wikiやレポートをウェーブ3に置き、ウェーブ0に含まれるものの多さに驚くことになりました。

手順書ではウェーブの間に健全性の確認を挟みます。例えば、管理者がサインインしてテスト用のシークレットを読めることを確かめてからアプリの復元に進みます。手順書は社外にも保管し、印刷しておきます。復旧対象のファイルサーバーにしかない手順書は役に立ちません。復旧後は実際に達成した RTO と RPO を目標と比べて記録し、投資するか目標を見直すかの判断材料にします。

ランサムウェア:急いで戻すより、きれいに作り直す

攻撃者は発動の数週間前から潜んでいることが多く、直近のバックアップに攻撃ツールが含まれている可能性があります。また、まずバックアップを狙って破壊します。そのため本書は、先に封じ込めと根絶を終える、より古くても確実にクリーンな復旧時点を選ぶ、システム全体のスナップショットではなくコードとゴールデンイメージから基盤を再構築する、スキャンしながらデータだけを戻す、攻撃者が触れた可能性のある認証情報とシークレットをすべて入れ替える、という順序を示しています。Terraform、Bicep、ARM、CloudFormation などのコードで基盤を定義しておけば、攻撃者が手作業で加えた変更を引き継がずに作り直せます。急いで戻して再感染すると、2回目の復旧はさらに困難になります。

試験していない計画は願望にすぎない

未試験の計画は、読めないバックアップや廃止済みシステムへの参照、見つからない復旧用認証情報などで失敗します。本書は、本番に触れずに手順を読み合わせる机上演習を年に少なくとも2回程度と大きな構成変更の後に、実際に DR 環境へ復旧させる切替試験を少なくとも年1回行うよう勧めています。最初は重要度の低いサービス1つをサンドボックスに戻すところから始め、手順書どおりに実施して逸脱を記録し、実際の RTO と RPO を測り、結果を手順書と依存関係図に反映します。

KEY POINTS

要点

  • 重要なサービスごとに RTO と RPO を事業側と決め、書面で承認を得る。
  • サービスを階層に分け、負担できる費用で各階層に合う DR 方式を選ぶ。
  • 依存関係を洗い出し、ネットワーク・DNS・ID・シークレットを起点に復旧ウェーブを決める。
  • ウェーブ間に健全性確認を入れた復旧手順書を作り、印刷版と社外保管版を用意する。
  • 複製とは別に変更不可でオフライン分離されたバックアップを持ち、基盤をコードで定義する。
  • 今四半期に机上演習、今年中に実際の切替試験を行い、見つかった問題で手順書を更新する。

QUESTIONS

よくある質問

RTOとRPOの違いは何ですか
RTO(目標復旧時間)は、許容できない影響が出る前にサービスを復旧させるまでの目標時間です。RPO(目標復旧時点)は、障害発生時点から遡って失ってもよいデータ量を時間で表したもので、例えば RPO が1時間なら少なくとも1時間ごとにバックアップか複製が必要です。どちらもIT部門だけで決めず、サービスごとに事業側と合意します。
RTOとRPOは誰が決めるべきですか
停止やデータ損失の結果を負う事業側が決め、IT部門は各選択肢のコストを示す役割を担います。『The Hardened Stack』は、抽象的に聞くと「ゼロとゼロ」という答えになりがちなので、価格付きの具体的な選択肢を2〜3案示して選んでもらうことを勧めています。合意した数値は書面にして承認を得ておきます。
レプリケーションがあればバックアップは不要ですか
不要ではありません。レプリケーションは基盤の障害には有効ですが、データの破損やランサムウェアによる暗号化も待機系にそのまま複製してしまいます。可用性のための複製と、完全性のための変更不可でオフライン分離された特定時点のバックアップを組み合わせるのが基本です。どの構成でも「この設計では耐えられない災害は何か」を確認します。
Microsoft 365のデータはクラウド側でバックアップされているのではないですか
事業者が担うのはサービスの稼働と基盤の可用性です。責任共有モデルでは、データ、設定、自社のミスやテナントの侵害からの復旧は利用者側の責任として残ります。リージョンの冗長化では、ずっと前に削除されたメールボックスや、乗っ取られたアカウント経由で暗号化された SharePoint サイトは戻りません。クラウドにあることとバックアップがあることは別です。
災害後はどの順番でシステムを復旧すればよいですか
依存関係図をもとにウェーブ単位で復旧します。最初のウェーブ0はネットワーク、DNS、ID、シークレットと鍵の管理、証明書サービスなどの土台です。次に中核のデータストアと業務に不可欠なサービス、続いて重要だが多少の停止を許容できるサービス、最後にその他を戻します。各ウェーブの健全性を確認してから次に進みます。
ランサムウェアから再感染せずに復旧するにはどうすればよいですか
まず攻撃者の封じ込めと根絶を終え、最新でなくても確実にクリーンな復旧時点を選びます。システム全体のスナップショットを戻すのではなく、コードとゴールデンイメージから基盤を作り直し、スキャンしながらデータだけを復元し、攻撃者が触れた可能性のある認証情報とシークレットをすべて入れ替えます。業務再開後もしばらくは監視を強化しておきます。