E-postsäkerhetstester faller ofta på de tråkiga delarna. Någon skickar ett ”snabbt” gateway-test, någon annan tar en skärmbild av resultatet, och en vecka senare kan ingen hitta beviset när revision, GRC eller ledningen frågar efter det.
Den här Gmail Sheets logs-automationen träffar säkerhetsteam först, men Red Team-operatörer och compliance-folk känner igen samma friktion. Du får ett repeterbart sätt att skicka säkra, strukturerade testmejl och samla bevisen på ett ställe. Inget jagande i trådar. Inget ”jag tror att det funkade”.
Nedan ser du exakt vad arbetsflödet gör, vad du behöver för att köra det och hur du kan tänka kring att anpassa det för era egna SEG- och sandbox-kontroller.
Så fungerar den här automatiseringen
Här är hela arbetsflödet som du kommer att sätta upp:
n8n Workflow Template: Gmail till Google sheets: e-posttestloggar för revision
flowchart LR
subgraph sg0["Manual Batch Starter Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Batch Starter", pos: "b", h: 48 }
n1@{ icon: "mdi:database", form: "rounded", label: "Retrieve Target List", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Assemble Payload", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "AI Text Generator", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Append Email Field", pos: "b", h: 48 }
n5["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/merge.svg' width='40' height='40' /></div><br/>Combine Streams"]
n6@{ icon: "mdi:swap-vertical", form: "rounded", label: "Adjust Field Values", pos: "b", h: 48 }
n7@{ icon: "mdi:database", form: "rounded", label: "Record Validated Log", pos: "b", h: 48 }
n5 --> n6
n3 --> n4
n4 --> n5
n6 --> n7
n1 --> n2
n2 --> n3
n2 --> n5
n0 --> n1
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
class n3 ai
class n1,n7 database
classDef customIcon fill:none,stroke:none
class n5 customIcon
Varför det här spelar roll: att kunna bevisa era e-postgateway-tester
Att köra e-postgateway- och sandbox-tester är inte det svåra. Att kunna bevisa att du körde dem, vad som skickades och vad som hände efteråt är där det blir rörigt. En testbatch blir snabbt ett dussin små manuella uppgifter: ta fram en mottagarlista, skriva ett trovärdigt mejl, säkerställa att payloaden är ofarlig och sedan logga resultaten någonstans ”för senare”. Senare kommer snabbt, oftast som en Slack-ping: ”Har vi bevis för förra månadens SEG-validering?” Om ditt underlag finns i inkorgar, skärmbilder och halvt ifyllda kalkylark kommer du lägga mer tid på att återskapa historiken än på att förbättra kontrollerna.
Det eskalerar snabbt. Här är var det brukar falla isär i riktiga team.
- Testmejl skickas, men payload-detaljer och meddelandetext hamnar aldrig i en central logg.
- Folk glömmer att fånga tidsstämplar och status, vilket gör att ”revisionsredo” blir ”så gott det går”.
- Olika testare skriver mejl på olika sätt, så jämförelser mellan batcher blir i praktiken omöjliga.
- När en gateway blockerar något behöver du fortfarande felfri dokumentation av vad som testades och varför det var säkert.
Vad du bygger: en Gmail-till-Sheets-loggare för payloadvalidering
Det här arbetsflödet skapar en enkel, repeterbar ”testbatch”-loop. Du börjar med en mottagarlista i Google Sheets, triggar körningen i n8n och arbetsflödet genererar ett realistiskt phishing-liknande simuleringsmejl som innehåller kontrollerade, ofarliga markörer (tänk PDF-/HTML-/JS-liknande markörer utan skadligt beteende). Därefter skickas meddelandet via Gmail och det som skickades, till vem och när loggas tillbaka till Google Sheets. Loggen blir er källa till sanning för granskningar, uppföljningar och rapportering. Ärligt talat är det bästa att bevisen skapas automatiskt medan testet körs, istället för som en eftertanke.
Arbetsflödet börjar med att läsa mottagarna från Google Sheets. Sedan bygger det en strukturerad payload och ber OpenAI skriva simuleringsmejlet runt den. Till sist slår det ihop dataströmmarna, normaliserar fält och lägger till en revisionsvänlig rad i loggarket.
Det här bygger du
| Vad som automatiseras | Vad du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du kör en veckovis SEG-validering till 20 interna brevlådor i olika team. Manuellt kanske du lägger cirka 5 minuter per mottagare på att skriva mejlet, klistra in rätt markör, skicka och logga någonstans, vilket blir ungefär 100 minuter per batch (och då är det innan någon strukturerar upp kalkylarket). Med det här arbetsflödet triggar du körningen i n8n, låter OpenAI skriva utkastet och n8n skriver automatiskt tillbaka raden till Google Sheets. De flesta team gör samma batch med cirka 10 minuters aktivt arbete.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Sheets för mållistan och revisionsloggen.
- Gmail för att skicka dina testmejl.
- OpenAI API-nyckel (hämta den i OpenAI-dashboarden).
Kunskapsnivå: Medel. Du bör vara bekväm med att koppla konton och matcha kolumner i Sheets mot fält.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Batchtrigger i n8n. En manuell trigger startar körningen, vilket passar perfekt för kontrollerade testfönster och miljöer med change management.
Målhämtning från Google Sheets. Arbetsflödet läser din mottagarlista från ett ark (README hänvisar till flikar som RedOps_Targets eller en mall för payloadvalideringslogg), så du kan lägga till, ta bort eller segmentera mål utan att röra automatiseringen.
Payloadbygge och AI-genererad text. n8n bygger en strukturerad, ofarlig markörpayload och anropar sedan OpenAI för att skriva ett realistiskt simuleringsmejl runt den. Så håller du testerna ”tillräckligt verkliga” för att utmana kontrollerna, samtidigt som du håller dig helt på den säkra sidan.
Slå ihop, normalisera och logga. Arbetsflödet slår ihop strömmarna för payload + mottagare + genererat innehåll, justerar fältvärden (status, modultaggar, tidsstämplar) och lägger till en korrekt formaterad loggrad i Google Sheets så att rapportering i princip blir direkt.
Du kan enkelt ändra payloadtyper och loggfält så att de matchar er interna process. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Det här arbetsflödet startas manuellt så att ni kan batchköra valideringar vid behov.
- Lägg till noden Manual Batch Starter som trigger.
- Behåll standardinställningarna eftersom Manual Batch Starter inte kräver någon konfiguration.
- Anslut Manual Batch Starter till Retrieve Target List.
Steg 2: Anslut Google Sheets
Hämta mål-listan från Google Sheets och förbered arbetsflödet för att skriva validerade loggar.
- Öppna Retrieve Target List och välj kalkylarket och bladet som innehåller era mål.
- Inloggningsuppgifter krävs: Anslut era Google Sheets-inloggningsuppgifter i Retrieve Target List.
- Öppna Record Validated Log och välj destinationskalkylarket och bladet för validerade poster.
- Inloggningsuppgifter krävs: Anslut era Google Sheets-inloggningsuppgifter i Record Validated Log.
Steg 3: Konfigurera AI-textgeneratorn
Den här grenen genererar text som används för att berika er payload innan den slås ihop och valideras.
- Öppna AI Text Generator och konfigurera prompten och modellalternativen efter behov för er valideringstext.
- Inloggningsuppgifter krävs: Anslut era OpenAI-inloggningsuppgifter i AI Text Generator.
- Bekräfta att AI Text Generator skickar output till Append Email Field.
Steg 4: Konfigurera payload-bearbetning och parallell sammanslagning
Sätt ihop och justera payloaden och slå sedan ihop AI-berikad data med huvudflödet.
- I Assemble Payload lägger ni till eller mappar fält som behövs för validering längre fram.
- Notera den parallella körningen: Assemble Payload skickar output både till AI Text Generator och Combine Streams parallellt.
- I Append Email Field lägger ni till eller mappar e-postfältet till er AI-output innan sammanslagning.
- I Combine Streams säkerställer ni att merge-strategin matchar den förväntade input-ordningen (AI-data vs. payload-flödet).
- I Adjust Field Values normaliserar eller byter ni namn på fält innan ni skriver till loggar.
- Bekräfta att slutlig output från Adjust Field Values går till Record Validated Log.
Steg 5: Testa och aktivera ert arbetsflöde
Validera flödet från början till slut innan ni aktiverar det för produktion.
- Klicka på Execute Workflow och trigga Manual Batch Starter för att köra en testbatch.
- Verifiera att Retrieve Target List läser rader och att Record Validated Log skriver de justerade payload-posterna.
- Kontrollera att AI-genererad text visas i payloaden efter Append Email Field och sammanslagning.
- När ni är nöjda, växla arbetsflödet till Active för produktionsbruk.
Felsökningstips
- Google Sheets-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det uppstår problem, kontrollera Google-anslutningen i n8n-fliken Credentials och bekräfta att kontot kan redigera målarket.
- Om du använder Wait-noder eller extern rendering varierar behandlingstiderna. Öka väntetiden om nedströmsnoder misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att redigera utdata för alltid.
Snabba svar
Cirka 30 minuter om ditt Sheet är klart och inloggningar är konfigurerade.
Nej. Du kommer främst att mappa fält och koppla Gmail, Google Sheets och OpenAI.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med OpenAI API-kostnader (ofta bara några cent per batch, beroende på meddelandelängd och volym).
Två alternativ: n8n Cloud (hanterad, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och klarar n8n bra. Egen drift ger obegränsat antal körningar men kräver grundläggande serveradministration.
Ja, och det borde du förmodligen. Byt payloadtexten i set-steget ”Assemble Payload” och justera sedan OpenAI-prompten i AI Text Generator så att den matchar ditt scenario (fakturalockbete, delat dokument, HR-uppdatering och så vidare). Många team lägger också till kolumner som ”team”, ”module” eller ”campaign” i Google Sheets så att filtrering blir smärtfri senare.
Oftast beror det på att Gmail-behörigheter har löpt ut eller dragits tillbaka. Återanslut din Gmail-inloggning i n8n och bekräfta att avsändarkontot faktiskt kan skicka mejl (vissa organisationer begränsar API- eller SMTP-liknande åtkomst). Kontrollera också Google Workspace-säkerhetsinställningar om noden plötsligt slutade fungera efter en policyändring.
Gott om för typiska interna tester. På egenhostad n8n finns inget tak för antal körningar (servern är begränsningen), och n8n Cloud-planer skalar upp med högre volym. I praktiken är e-postutskick den långsamma delen eftersom leverantörer stryper, så räkna med att stora batcher tar längre tid även om själva arbetsflödet är snabbt.
Ofta, ja. n8n passar bättre när du behöver förgreningar, sammanslagningar och logik av typen ”forma datan, logga den sedan” utan att betala extra för varje villkorsgren. Det ger också möjlighet till egen drift, vilket vissa säkerhetsteam föredrar för kontroll och förutsägbara kostnader. Zapier och Make är bra för enkla tvåstegszaps, men det här arbetsflödet vinner på att kunna slå ihop strömmar (mål + payload + AI-utdata) på ett prydligt sätt. Om du vill ha hjälp att välja, prata med en automationsexpert så mappar vi det mot dina krav.
När detta väl är på plats slutar era tester att vara ”muntlig tradition” och blir bevis. Arbetsflödet sköter den repeterbara loggningen så att du kan fokusera på vad resultaten faktiskt betyder.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.