Azure Sentinel中Ubiquiti解决方案使用AMA自定义日志的配置指南
2025-06-09 15:49:28作者:翟萌耘Ralph
背景介绍
在Azure Sentinel的安全监控解决方案中,Ubiquiti设备日志的集成是一个常见需求。随着技术演进,原有的日志收集方式已被标记为弃用(deprecated),微软推荐使用Azure Monitor Agent(AMA)通过自定义日志方式实现数据采集。本文将详细介绍如何正确配置这套新方案。
核心问题分析
许多用户在迁移到AMA方案时遇到的主要问题是:
- 虽然已配置AMA收集Ubiquiti日志到Ubiquiti_CL表
- 但解决方案中的工作簿、查询等组件仍尝试从旧的数据源获取信息
- 导致监控面板无法显示有效数据
根本原因
经过技术团队深入分析,发现问题的关键在于日志格式的匹配:
-
预期格式:解决方案设计的解析器需要特定格式的日志消息
"<30>Mar 9 14:51:17 U7PG2,18e8296c3188,v10.10.10.1075: logread[1491]: Logread connected to 10.10.10.10:22022" -
实际格式:直接从设备获取的日志可能不符合这个结构
解决方案实施步骤
第一步:确认日志收集配置
- 在Azure门户中创建AMA数据收集规则
- 确保数据流向正确的Log Analytics工作区
- 验证日志是否正常流入Ubiquiti_CL表
第二步:检查日志格式
-
运行以下KQL查询检查原始日志:
Ubiquiti_CL | take 10 -
确认Message字段是否包含设备标识、时间戳等关键信息
第三步:调整日志源配置
-
在Ubiquiti设备管理界面中:
- 检查系统日志(syslog)设置
- 确保启用了详细日志记录
- 验证时间戳格式
-
在AMA收集规则中:
- 确认没有添加不必要的数据转换
- 检查自定义日志解析规则
第四步:验证解析器工作
- 执行解决方案提供的解析器查询
- 检查输出是否包含结构化的字段:
- DeviceName
- EventTime
- EventMessage等
最佳实践建议
-
测试环境验证:先在非生产环境验证日志格式和解析结果
-
监控配置:设置警报规则,当日志流中断时及时通知
-
文档记录:详细记录自定义日志的配置参数,便于后续维护
-
定期审查:随着Ubiquiti固件升级,可能需要调整日志配置
总结
通过正确配置AMA收集规则并确保日志格式匹配,可以充分发挥Azure Sentinel中Ubiquiti解决方案的安全监控能力。关键在于理解解决方案对日志格式的预期,并在源设备上进行适当配置。如遇问题,建议从原始日志检查入手,逐步验证数据流每个环节。
对于更复杂的网络环境,可能需要考虑在日志传输路径中添加格式转换层,但应优先尝试在源头解决问题,以保持日志的完整性和真实性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210