Accueil » Formations » Administration sécurité » Analyse de vulnérabilités et SBOM avec Trivy » TP02 – Scanner une image de conteneur et lire le rapport

TP02 – Scanner une image de conteneur et lire le rapport

← Analyse de vulnérabilités et SBOM avec Trivy

// travaux pratiques · Administration sécurité

TP02 - Scanner une image de conteneur et lire le rapport

  • TP 2 / 6
  • 7 étapes
  • ≈ 45 min
  • Accès libre

Objectif : analyser une image de conteneur ancienne puis une image récente, lire le rapport ligne par ligne, filtrer les résultats par gravité et par disponibilité d’un correctif, et exporter les résultats en JSON et en HTML.

Contexte

L’image de conteneur est l’unité de livraison de la plupart des applications récentes. Une équipe qui reprend une application existante, ou qui évalue une image fournie par un éditeur, doit pouvoir répondre rapidement à trois questions : sur quelle distribution repose-t-elle, est-elle encore maintenue, et quelles vulnérabilités corrigeables contient-elle ? Dans une petite structure, ce contrôle se fait à la main avant une mise en production ; dans un grand groupe, il sert de référence pour écrire la politique qui sera appliquée automatiquement dans les pipelines (TP06).

À la fin de ce TP, vous saurez lire un rapport Trivy, réduire un rapport de plusieurs centaines de lignes à la liste des actions utiles, et produire un résultat exploitable par un autre outil ou lisible par un responsable non technique.

Prérequis : TP01 réalisé (Trivy installé, bases téléchargées) ; le paquet jq (sudo apt-get install -y jq) ; accès à Docker Hub.

Durée estimée : 45 minutes.

Actions à réaliser

  1. Analyser une image ancienne sans filtre. L’image python:3.4-alpine, utilisée dans les exemples de la documentation de Trivy, repose sur une version d’Alpine abandonnée depuis longtemps : elle sert ici de cas d’école.

    trivy image python:3.4-alpine

    Résultat attendu : une première section pour le système (python:3.4-alpine (alpine 3.x)) avec une ligne Total: détaillant le nombre de vulnérabilités par gravité (UNKNOWN, LOW, MEDIUM, HIGH, CRITICAL), puis le tableau détaillé ; éventuellement d’autres sections pour les paquets Python détectés. Relevez le total : il servira de point de comparaison.

  2. Lire une ligne du rapport. Choisissez une ligne CRITICAL et identifiez chaque colonne : Library (paquet concerné), Vulnerability (identifiant CVE ou avis), Severity, Status (fixed si un correctif existe, affected sinon), Installed Version, Fixed Version et Title, terminé par un lien vers la fiche détaillée. Ouvrez le lien dans un navigateur. Résultat attendu : vous savez dire, pour cette ligne, quelle version corrige le problème et si cette version est disponible dans la distribution.

  3. Ne garder que l’essentiel. On limite aux gravités élevées puis aux seules vulnérabilités corrigeables.

    trivy image --scanners vuln --severity HIGH,CRITICAL python:3.4-alpine
    trivy image --scanners vuln --severity HIGH,CRITICAL --ignore-unfixed python:3.4-alpine

    --scanners vuln désactive la recherche de secrets, inutile ici et coûteuse sur une grosse image. --ignore-unfixed retire les lignes sans correctif. Résultat attendu : le total diminue à chaque commande ; la seconde liste correspond à ce qu’une mise à jour de l’image permettrait de corriger.

  4. Contrôler la fin de vie de la distribution. Une distribution qui n’est plus maintenue ne recevra plus aucun correctif.

    trivy image --scanners vuln --exit-on-eol 1 python:3.4-alpine
    echo $?

    Résultat attendu : Trivy signale que la version du système n’est plus prise en charge et echo $? affiche 1 ; sans l’option, le code de sortie serait 0. Ce contrôle sera réutilisé comme critère bloquant dans le TP06.

  5. Exporter en JSON et interroger le résultat. Le format JSON conserve toutes les informations et se traite avec jq.

    trivy image --scanners vuln --format json --output py34.json python:3.4-alpine
    jq '[.Results[].Vulnerabilities[]?] | length' py34.json
    jq -r '.Results[].Vulnerabilities[]? | select(.Severity=="CRITICAL") | .VulnerabilityID + " " + .PkgName + " " + .InstalledVersion' py34.json | sort -u

    Le tableau Results contient une entrée par cible (système, fichiers de dépendances), chacune avec sa liste Vulnerabilities ; le ? évite une erreur quand une cible n’en a aucune. Résultat attendu : le premier jq renvoie un nombre égal au total de l’étape 1 hors secrets ; le second liste les vulnérabilités critiques, une par ligne, avec le paquet et la version installée.

  6. Produire un rapport HTML. Les paquets officiels installent des modèles de rapport ; vérifiez leur présence puis générez la page.

    ls /usr/local/share/trivy/templates/
    trivy image --scanners vuln --format template --template "@/usr/local/share/trivy/templates/html.tpl" -o py34.html python:3.4-alpine

    Le @ indique que le modèle est lu dans un fichier. Résultat attendu : le répertoire contient notamment html.tpl et le fichier py34.html s’ouvre dans un navigateur sous forme de tableau par cible. Si le répertoire n’existe pas sur votre installation, récupérez contrib/html.tpl dans le dépôt GitHub de Trivy, à l’étiquette correspondant à votre version.

  7. Comparer avec une image récente. On mesure l’effet d’une simple reconstruction sur une base maintenue.

    trivy image --scanners vuln --severity HIGH,CRITICAL --ignore-unfixed python:3.13-alpine

    Résultat attendu : un total nettement inférieur, souvent nul, pour une image équivalente sur le plan fonctionnel. C’est l’argument principal à présenter à une équipe applicative : mettre à jour l’image de base corrige en une fois la majorité des lignes.

Vérification

Le TP est réussi si vous disposez de py34.json et py34.html, si vous pouvez donner pour l’image ancienne le nombre de vulnérabilités HIGH et CRITICAL corrigeables, si --exit-on-eol 1 renvoie bien le code 1, et si l’image récente présente un total sensiblement plus faible.

Problèmes fréquents

  • « toomanyrequests » lors de la récupération de l’image. Cause : quota de téléchargement anonyme de Docker Hub atteint, fréquent derrière une adresse IP partagée. Correction : s’authentifier sur Docker Hub (docker login), attendre, ou utiliser un miroir de registre interne.
  • « jq: error … Cannot iterate over null ». Cause : une cible sans vulnérabilité a un champ Vulnerabilities absent. Correction : conserver le []? dans l’expression, comme dans les commandes ci-dessus.
  • Erreur « open …/html.tpl: no such file ». Cause : chemin du modèle incorrect ou @ oublié. Correction : vérifier le chemin avec ls et le préfixer par @.
  • Résultats différents d’un jour à l’autre pour la même image. Cause normale : la base de vulnérabilités a été mise à jour. Correction : rien à corriger ; pour comparer deux images, analysez-les avec la même base (--skip-db-update).

Bonnes pratiques et sécurité

  • Désigner les images par une étiquette précise, et en production par leur empreinte (@sha256:…) : latest change sans prévenir et rend les rapports non reproductibles.
  • Prioriser les vulnérabilités corrigeables et exposées, puis vérifier celles qui figurent au catalogue KEV de la CISA ou dans les avis du CERT-FR.
  • Stocker les rapports JSON avec un accès restreint : ils constituent une liste de points d’entrée pour un attaquant.
  • Préférer des images de base minimales et maintenues ; moins de paquets, c’est moins de vulnérabilités à suivre.

Questions de contrôle

1. Que signifie le statut affected dans une ligne du rapport ?

Voir la réponse

Que le paquet est vulnérable et qu’aucune version corrigée n’est disponible dans la source de l’avis ; ces lignes disparaissent avec --ignore-unfixed.

2. Pourquoi l’option --exit-on-eol 1 est-elle utile même si l’image affiche peu de vulnérabilités ?

Voir la réponse

Parce qu’une distribution en fin de vie ne publie plus d’avis ni de correctifs : un faible nombre de lignes ne garantit plus rien.

3. Quel format choisir pour transmettre les résultats à un autre outil ?

Voir la réponse

Le JSON (--format json), qui contient toutes les informations ; le tableau sert à la lecture humaine et le HTML à la diffusion.

Pour aller plus loin

Les vulnérabilités d’une image ne disent rien de son comportement une fois lancée : pour détecter un shell ouvert dans un conteneur ou une écriture suspecte, complétez avec une surveillance d’exécution comme Falco. Pour reconstruire vous-même l’image sur une base récente, reportez-vous au cours Introduction à Docker.

Conservez py34.json : il sera comparé au SBOM dans le TP05.

// formation sur mesure

Former votre équipe sur ce sujet ?

Azur Secure anime des sessions intra-entreprise, à distance ou dans vos locaux sur la Côte d'Azur, adaptées au niveau de vos équipes.

Demander un programme
Défiler vers le haut