8月31日正式發佈「MF自我防禦型伺服器整合監視系統」自動化異常檢測到初期應對

媒體融合股份有限公司（總部：大阪市北區）將於2026年8月31日正式發佈「MF自我防禦型伺服器整合監視系統」。

該系統是一個運營平台，當檢測到伺服器異常時，不必等待操作員登錄並確認情況，而是根據預先設定的規則自動執行初期應對措施，如阻斷、服務停止和通知。基於事實標準的開源整合監視應用程序「Zabbix」，結合Azure OpenAI的日誌分析和Microsoft SharePoint的運營知識共享，可在單一平台上實現監視、脆弱性管理、事件初期應對、AI分析和知識共享。

▶ 請點擊此處聯繫

● 背景（不僅僅是檢測——如何改變公開伺服器運營的初期應對）

近年來，互聯網公開伺服器的運營面臨著應對網絡攻擊和集中訪問的挑戰，以及由於伺服器和雲環境增加而導致的運營負荷增加。特別是，許多組織面臨以下挑戰：

需要快速應對網絡攻擊和集中訪問 由於伺服器增加，監視設置和運營品質出現差異 檢測到異常後，「首先登錄以確認情況」的過程成為瓶頸 原因調查和信息共享依賴於操作員的經驗，導致應對品質出現差異 應對歷史和技巧保留在個人那裡，不易作為組織資產積累

MF自我防禦型伺服器整合監視系統是為了解決這些挑戰而開發的整合運營平台。基於事實標準的開源整合監視應用程序「Zabbix」，整合以下功能，為操作員提供在訪問伺服器之前掌握情況的環境。這實現了初期應對的加快和運營品質的標準化。

異常檢測 自動防禦 AI日誌分析 知識共享

※「Zabbix」是一款在190多個國家和地區擁有超過30萬次部署記錄的開源整合監視軟件（來源：▶ Zabbix官方網站）

● 將伺服器運營和維護工作流程整合到單一平台

在傳統的伺服器運營中，監視、故障應對、脆弱性管理、日誌分析和信息共享由不同的工具或人員分別處理，導致情況掌握和交接耗時。本系統將伺服器運營和維護所需的功能整合到單一平台。

整合監視（Zabbix） 集中監視伺服器、網絡和中間件的狀態，並管理警報。

脆弱性管理 將JVN公開信息與伺服器配置信息進行對比，自動檢測受影響的脆弱性。

自動防禦和初期應對 檢測到不正訪問或異常行為時，根據預先設置的規則，自動執行IP阻斷或目標服務停止等初期應對措施。

日誌自動收集和共享 在發生故障時，自動收集相關日誌，並將其保存和共享到SharePoint。

AI日誌分析 利用Azure OpenAI分析原因候選、影響範圍和推薦應對措施。

知識積累和再利用 將故障應對歷史和分析結果作為知識積累，並利用過去案例支持快速問題解決。

由於異常檢測、初期自動防禦、AI原因調查和SharePoint知識積累都在同一平台上連接，因此操作員可以一貫地進行情況掌握、應對、記錄和共享，而無需橫跨多個工具。

● 特點和優勢（導入速度、初期應對速度、運營品質標準化）

本系統基於Zabbix標準的監視和通知，結合我們的專有擴展，在單一運營平台上實現監視、分析、防禦和信息共享。

Zabbix的導入和設置加快 在每個伺服器上部署Zabbix Agent，並使用標準化的監視模板和Docker提供的Zabbix Server進行集中監視，以便在短時間內啟動。

監視設計標準化（模板）：標準化監視獲取項目、閾值、通知目標和日誌發送。應用通用模板後，只需根據應用程序調整差異，減少個別設置工作。

短時間導入（Docker）：使用Docker提供Zabbix和我們的擴展功能。縮短從環境準備到運行開始的設置時間，並使運行期間的版本升級更容易。

Zabbix導入流程與傳統程序的區別

基於Zabbix的整合運營功能

本系統基於開源整合監視應用程序「Zabbix」，整合了安全措施、自動防禦、AI日誌分析、知識共享等功能。以下是我們與Zabbix協作實現的專有功能。

自動訪問過多對策：基於CPU或通信量觸發器，自動阻斷IP地址的過多訪問一定時間，並發送必要日誌。暫時抑制行為不良的機器人的集中訪問。

異常行為檢測和緊急措施：當檢測到如勒索軟體攻擊所假定的文件系統過度訪問時，發出警報。如果持續一定時間，自動執行緊急措施，如服務停止。

警報管理和時序確認：集中管理生成的警報，並按重要性和應對狀態列表顯示。可以按時間順序確認故障應對的歷史記錄，支持防止應對遺漏和運營品質的標準化。

脆弱性和配置集中管理：集中管理OS/中間件版本，並通過API自動獲取JVN等公開的脆弱性信息。早期提取影響範圍，並根據嚴重程度發出警報。

重要軟件和安全措施軟件監視：持續監視Web伺服器、數據庫、Java執行環境等重要軟件以及病毒防護軟件（ESET等）的運行狀態。檢測到服務停止或異常時，發出警報，並支持早期發現系統停止或安全風險。

日誌自動收集和共享：在檢測到故障或安全事件時，自動收集CPU、記憶體、磁碟使用情況、服務狀態和相關事件日誌。收集的日誌自動發送到SharePoint或我們的支持系統，因此操作員可以在登錄伺服器之前掌握情況，支持快速原因調查和初期應對。

AI日誌分析（Azure OpenAI/RAG）：使用AI分析收集的日誌，並使用RAG參考過去的故障應對歷史和運營知識，提出原因候選、影響範圍和下一步行動方案。AI分析使用監視伺服器引入者的Azure租戶中運行的Azure OpenAI，並匿名處理日誌中包含的個人信息。

運營知識共享（SharePoint整合）：將分析結果和應對歷史記錄在Microsoft SharePoint上積累和共享。可以將故障應對技巧作為組織資產重複使用，消除個人化並標準化運營品質。