# インシデント対応

## どのようなものか

インシデント対応とは、サービスが中断したり、システムに重大な脅威が見つかったりしたときに、対処を調整して進めることです。インシデントは対応が必要になった事態そのものです。対応には、問題の検知と宣言、作業の分担、利用できる状態への復旧、残る作業の引き継ぎが含まれます。開発や運用の担当者に加え、利用者を支援する人も関わります。事態によっては、セキュリティーや法務の判断を任された人が必要になります。

NISTが示すサイバーセキュリティーのインシデント対応指針では、検知、対応、復旧を、準備と継続的な改善が支えます。この指針の対象はサイバーセキュリティーです。役割を割り振り、判断を記録する考え方は、リリース後の障害にも応用できます。データが外部に出た可能性があるときは、サービスが動いていても、証拠の保全や利用者の保護が必要になることがあります。一般的な障害では、問題のある経路を避け、安全に利用を再開できるようにすることが先かもしれません。

Googleのインシデント管理の解説では、対応全体を見る指揮役、運用上の処置を取りまとめる人、連絡を担当する人を分けています。初動では一人がいくつかを兼ねることがあります。参加者が増えたら、各役割の担当者を明記すると、同じ調査を二人で行ったり、異なる指示が出たりするのを防げます。役割の組み合わせはチームの規模と状況に合わせられます。

## なぜ重要なのか

対応の初めには、情報の確かさがそろいません。計測値から決済の失敗が増えたことはすぐ分かっても、どの利用者や支払い方法に影響があるかは、時間をかけて確かめる必要があります。利用者からの申告を受ける窓口が、先に傾向をつかむこともあります。共有する時系列には、観察した内容とその出どころ、どこまで確かかを書きます。後から参加した人は、最初に出た仮説を事実として扱うことなく調べられます。

作業を調整すれば、急いで加える変更のリスクも抑えられます。以前の版に戻すことと、設定を一時的に変更することは、個別には妥当でも、同時に行うと互いの効果を損ねる場合があります。運用をまとめる人は、何をいつ変えるか、結果がいつ見えるか、取り消しは可能かを把握します。個々の担当者は専門知識を生かして提案でき、チームは誰が決めるかを確認できます。

復旧と原因調査には別々の時間がかかります。トラフィックを別の経路へ移せば、原因が分かる前にサービスが使えるようになる場合があります。復旧の判断には、新しい注文が完了し、保留中の注文の照合が進んでいる、といった条件を定めます。その後の振り返りでは、なぜ障害が起きたか、対応はどう機能したか、何を変えるべきかを見ます。対応中の判断や検証を残しておけば、後から根拠をたどれます。

## 実際の活用例

予約サービスがときどき支払いを受け付ける一方で、チケットを発行しないとします。窓口に最初の連絡が入り、開発担当者が失敗した要求を確認しました。最初に対応した人はインシデントを宣言し、症状を確認した時刻を書きます。チームで分かっている影響を短くまとめ、変更を取りまとめる人を決めます。窓口には連絡先と次の更新時刻を伝えます。

運用担当者は影響を受けた予約をいくつか調べ、開始時刻と重なる最近の変更を見つけます。指揮役は、以前の版へ戻しても、決済済みの記録が確認できることを先に確かめるよう頼みます。一人が切り戻し、別の人が決済とチケット発行の様子を見ます。窓口は未解決の予約番号を保管し、確定していない予約について、利用者が取れる安全な行動を知らせます。

復旧を確かめるには、一つの支払いに正しいチケットが対応するところまで確認します。保留中の予約がどの程度処理されたかも見ます。再び使えるようになった時刻と、残る予約を誰が照合するかを記録します。通常の運用で残るリスクを扱えるようになれば、対応を終了できます。原因調査には別の担当と期限を決めます。交代のときは、直近の確定事項と進行中の操作、次の連絡時刻を引き継ぎます。

EngineerのmacOSアプリで増え続けるメモリー消費に対処した事例には、別々の測定と、保持するイベントを制限した作業が記録されています。測定がどこまでの状況を示すかを残す大切さが分かります。予約サービスは、作業と連絡をどう調整できるかを示す架空の例です。

## 問題が起きるところ

確実になるまで宣言を待つ。 影響がありそうなら、担当者と次の確認時刻を決めて調べられます。人を集める条件を普段から決めます。追加の情報で深刻でないと分かれば、体制を縮小できます。

複数の人が同時にシステムを変える。 予定や実施した作業を、担当者とともに共有します。可能なら、次の変更の前に一つ目の結果を確かめます。独立に進められるものは範囲を明らかにします。

推測が利用者に伝わる。 何が起きているか、何をしてよいか、いつ次の情報が出るかを伝えます。不明な点は不明と明記し、原因の説明には確認できた情報を使います。

復旧した時点で残りの作業が見えなくなる。 予約の照合、利用者への連絡、一時的な対策の見直しを担当者に割り当てます。対応の連絡先を閉じる前に、通常の作業管理へ移します。

## 参考資料
* NIST SP 800-61改訂第3版 — サイバーセキュリティーのインシデント対応と、その準備・改善。
* Googleによるインシデント管理の解説 — 対応時の役割分担、連絡、記録。
* Google SREワークブックのインシデント対応 — 具体的な対応の例と教訓。

=> /ja/portfolio/an-app-that-ate-41-mb-a-second-stopped/ macOSアプリで増え続けるメモリー消費に対処した事例
=> https://csrc.nist.gov/pubs/sp/800/61/r3/final NIST SP 800-61改訂第3版
=> https://sre.google/sre-book/managing-incidents/ Googleによるインシデント管理の解説
=> https://sre.google/workbook/incident-response/ Google SREワークブックのインシデント対応

=> https://engineer.company/ja/glossary/incident-response/ このページのウェブ版
