--- title: "LLMによるログ分析で毎月数時間の作業をほぼ自動化 | grasys（グラシス）" url: "https://www.grasys.io/case-studies/capy-llm-log-analysis" description: "Capy株式会社とgrasys（グラシス）が、BigQuery（bq）・Shodan・Geminiを組み合わせたログ分析基盤を構築。属人化していたセキュリティログ分析をほぼ自動化し、攻撃傾向や新たなリスクを分かりやすく把握できる体制を整えた導入事例を紹介します。" --- Capy株式会社 # LLMによるログ分析で毎月数時間の作業をほぼ自動化 Capy株式会社とgrasys（グラシス）が、BigQuery（bq）・Shodan・Geminiを組み合わせたログ分析基盤を構築。属人化していたセキュリティログ分析をほぼ自動化し、攻撃傾向や新たなリスクを分かりやすく把握できる体制を整えた導入事例を紹介します。 ![LLMによるログ分析で毎月数時間の作業をほぼ自動化](/_astro/ea1635237_et260317_capy01_02.B9wVCDZ6_Znj0CE.webp) 公開日 2026年4月8日 更新日 2026年8月8日 著者 株式会社 grasys ## 導入事例の要約 課題 大量のセキュリティログを十分に活用できず、Shodanの専門データを読み解く分析作業も担当者に依存していました。 支援 BigQuery（bq）、Shodan、Geminiを組み合わせ、分析対象を絞ることでコンテキスト量とコストを最適化し、要件整理から運用まで一貫して伴走しました。 成果 毎月数時間かかっていた分析をほぼ自動化でき、能動的な提案を含む分かりやすいレポートの作成につながりました。 ## 事例の概要 自社サービスのバックエンドで生まれるログは、サービス改善の基になる貴重なデータだ。高度なセキュリティ運用においても、膨大なログデータを十分に活用することは容易ではない。この課題解決に挑んだのが不正ログイン対策サービスを展開している Capy だ。自社サービスのインフラ運用を任せている grasys（グラシス） と協力して、LLM（大規模言語モデル）を活用したログデータ分析基盤を構築した。 ## 不正ログイン対策で独自路線を行く Capy 　Capy は、ログインリクエストの送信元が人間なのか bot なのか判別する CAPTCHA の技術に強みを持つ。同社の「Capyパズル CAPTCHA」（以下、Capy CAPTCHA）は、変形した文字を入力する従来型の CAPTCHA ではなくジグソーパズル形式を採用した独自の手法で、国内外の数十社が導入している。 　Capy が保有するログデータは、日々の不正ログイン攻撃を含む大量のトラフィックに関する情報を反映しており、攻撃傾向の分析において価値の高いデータ群である。この膨大なデータの真価を引き出し、サービスの価値を引き上げるために始まったのが、grasys（グラシス） と共同で実施したログデータ分析基盤の構築プロジェクトだ。 ## 大量のログデータをどう活用するか 　Capy と grasys（グラシス） の関係は、Capy CAPTCHA のサービス基盤を「Google Cloud（GCP）」に移行するプロジェクトから始まった。当時、事業拡大に伴うアクセス数の増加に直面して、サーバの安定性を向上させることが喫緊の課題だった。サービスの入り口を担うシステムであり、停止すると顧客のサービス全体に影響を与えてしまう。Google Cloud（GCP） 環境の構築、運用について豊富な経験を持つ grasys（グラシス） はそのノウハウを駆使してインフラの移行をサポートし、その運用においても伴走を続けている。 　その過程で浮上した課題が「ログデータの活用」だった。代表的な不正ログイン手口の一つであるリスト型攻撃（クレデンシャルスタッフィング）は、流出した ID とパスワードを悪用して正規のログイン手順を踏むため、WAF のシグネチャ検知だけでは防ぎにくい。このような攻撃の兆候を検出するにはログデータの分析が有効だと Capy の松本悦宜氏（技術顧問）は語る。 　「従来、蓄積されたログデータはお客さまへの回答の裏付けとして利用していました。そこから一歩踏み出し、攻撃の予兆検知や地域特性の特定といった、より高度で能動的な活用の必要性を感じていました」 ![Capy株式会社の松本悦宜氏](/_astro/ea1635237_et260317_capy01_001_1.bL3X5ji3_ZxwAuX.webp) Capy の松本悦宜氏 　ログデータを利用する仕組みにも課題があった。攻撃に使われた IP アドレスをブラックリストに登録しても、IP アドレスの割り当て地域や所有者が頻繁に変わるためブラックリストの効果が薄れてしまう。最新の割り当て状況を把握して、ログデータと突き合わせられる仕組みが必要だった。 　IPインテリジェンスサービスの「Shodan」を使ってIPアドレスの所有者や開放ポート、使用製品などの情報を確認できるようになったものの、Shodan のデータは専門性が高く、読み解く工程が属人化してしまうという新たな課題が生まれた。 ## ログデータ × AI でレポートを作成　「期待以上の効果」 　Capy の課題に対して、grasys（グラシス） は Google Cloud（GCP） の AI プラットフォーム「Vertex AI」を使ったデータ分析基盤の構築を提案。Capy のログデータは Google Cloud（GCP） のデータウェアハウス「BigQuery（bq）」に集約されている。このログデータと Shodan のデータを Google の LLM「Gemini」で分析してレポーティングするシステムを構築した。 　grasys（グラシス） が要件定義から設計、実装、運用までを一貫して担い、Capy と密に連携しながらプロジェクトを推進した。その中でも細心の注意を払った工程が、Gemini に入力するデータの最適化だ。大量のログデータをそのまま渡すのではなく、分析の目的に応じて必要なフィールドのみを抽出してコンテキスト長を削減することで回答精度の向上とコストの削減を図った。 　分析の精度を向上させ、高度なセキュリティリスクの兆候を把握するために、Gemini のファインチューニングも実施した。ログデータや IP アドレスの情報の背景を読み解き、アクセス元の正体や攻撃の兆候・手口を推測するセキュリティ専門家の思考プロセスを再現したという。 ![BigQuery（bq）、Gemini、Shodan、Cloud Runを連携したログ分析システム構成図](/_astro/ea1635237_et260317_capy01_03.DgffY6UI_2aBkHi.webp) Capy と grasys（グラシス） が連携して構築したシステムの概要。オペレータからの問い合わせ内容に応じてログデータを Gemini に渡す 　「当社のログデータは、AI 活用を前提にしたものではありません。これを LLM 向けに最適化する作業は難易度が高かったはずです。また、当社だけで Gemini をファインチューニングするのは難しかったでしょう」 　構築した AI システムが出力するレポートは、IP アドレスのアクセス元地域やデータセンター、開いているポート、SSL 証明書などの情報が含まれる。同システムを使えば、アクセスリクエストの送信者が人間なのか bot なのかを判定できる。VPN 端末やプリントサーバ、ネットワークカメラなどを経由したアクセスも可視化できる。その意義について松本氏は次のように説明する。 　「ここ数年は VPN 端末の脆弱（ぜいじゃく）性を悪用した攻撃が多く、大規模なランサムウェア被害につながるケースもあります。Shodan のデータを使ったレポートは、各アクセス元の IP アドレスから使用されている VPN の一覧を確認できるため、攻撃の起点となるポイントを素早く把握できます」 　新たなシステムの導入によって、1 カ月当たり数時間かかっていたログデータの分析をほぼ自動化できた。これによって、顧客からの問い合わせに先回りして、分かりやすくまとめられたレポートで攻撃の傾向や新たなリスクを把握できる体制が整ったという。 　「セキュリティの高度な専門知識がなくても概要を理解できるレポートが出力されるので、次のアクションを決めるための議論が活発になりました。膨大な量の情報から必要なものと不要なものを見極める作業を AI で効率化したことは私たちのサービスにとっても大きな前進です。セキュリティチーム内だけでなく、お客さまや営業担当者とのコミュニケーションも円滑になりました。この取り組みは当初に期待していた以上に成果を挙げています」 ## 2 週間でプロトタイプを開発　伴走と技術力がもたらした成果 　プロジェクトを通して松本氏が「印象的だった」と振り返るのが、grasys（グラシス） の開発スピードだ。松本氏は、セキュリティ分野の専門性が高い業務に生成 AI を適用するのは時間がかかると考えていた。その予想に反して、grasys（グラシス） は依頼からわずか2週間でプロトタイプを完成させた。松本氏は「一般的には数カ月を要する領域において、2週間でプロトタイプを実現したスピードは驚異的でした」と語る。 　このように迅速に対応できたのは、grasys（グラシス） がデータ基盤構築に関する実績とノウハウを積み重ねてきたからだ。Capy から「AI を使ってログデータを活用できないか」という相談があった際、grasys（グラシス） はその意図を即座にくみ取り、Google Cloud（GCP） に構築したサービス基盤を生かして短期間で具体化してみせた。顧客のビジネスに伴走する同社の姿勢と技術力が組み合わさり、短期間での成果創出につながった。 　松本氏が見据える次のステップが、分析情報を顧客にレポーティングする新サービスの実現だ。 　「ある企業がサイバー攻撃を受けた際に、似た構成のシステムを使っているお客さまに『同様の攻撃が来る可能性がある』と警告できるシステムを構想しています。リスクがあるお客さまのサービスで使われている CAPTCHA の難易度を一時的に上げるといったアクションを提案できれば、サービスの価値を高められます」 ## LLM によるログデータ分析で広がる可能性　マーケティングやUX改善に 　grasys（グラシス） は、Capy が実現させたログデータ分析の手法は業種を問わず応用できると捉えている。人流データをマーケティングに活用する場合は、位置情報や滞在時間、移動経路といったログを分析することで人の動きや関心度合いの傾向を可視化し、広告などの施策の効果を向上させられるはずだ。 　ゲームやエンターテインメント領域におけるユーザーコミュニティーの管理にも応用できる。ユーザーのチャットや行動ログを分析すれば、悪質な発言や不自然な挙動を示す bot を早期に検知できる。運営側が問題のあるユーザーに迅速に対応することで、健全なコミュニティーを維持しやすくなる。 　EC サイトや Web サービスにおける UX（ユーザー体験）の改善にも有効だ。ユーザーの行動ログや検索クエリを分析すれば、目的の商品や情報にたどり着けていないユーザーの傾向を把握できる。その意図を推測し、適切な商品をレコメンドすれば購買率や満足度の向上につなげられる。 　このように、ログデータを単に集計するだけでなく、LLM がユーザーの意図や事象の背景を読み解いて意思決定に生かす仕組みは、セキュリティ分野だけでなくさまざまな分野で競争力を高める基盤となり得る。 ## データ活用を成功に導くために 　Capy と同様に膨大な量のデータを抱えながらも活用に悩む企業に対し、grasys（グラシス） は「『どのような問題を解決したいのか』『どの KPI を向上させたいのか』という目的の明確化が第一歩になる」とアドバイスしている。目的が定まれば必要なデータが分かり、次に取るべきアクションが見えてくる。データの保管場所の整理、利用内容の精査、暗黙知のデータ化など、業務を変革する手段はさまざまだ。 　ビジネスにおけるデータの重要性はますます高まるだろう。蓄積したデータを眠らせるのではなく意思決定に生かす取り組みが、これからの時代の競争優位を支える。 転載元：[大規模ログを意思決定に生かすAI活用　セキュリティベンダーが挑んだ分析基盤構築 ](https://www.itmedia.co.jp/enterprise/articles/2604/08/news003.html) ### プロジェクト情報 #### 業種 IT・デジタルサービス #### 支援領域 データ分析・AI運用・最適化セキュリティ Discover ## この内容に関連する課題・目標・技術 同じ文脈にあるサービスや実績を、別の視点から探せます。 ### 課題 - [AI・社内ナレッジを活用したい](/problems/ai-knowledge-utilization/) - [業務システムを開発・自動化したい](/problems/business-system-automation/) - [セキュリティ・統制を強化したい](/problems/security-governance/) ### 実現したいこと - [自社業務に合うAI基盤・AIアプリを構築したい](/outcomes/build-enterprise-ai-solutions/) - [定型業務をシステム連携・AIエージェントで自動化したい](/outcomes/automate-business-workflows/) - [セキュリティ設定・権限・監査を共通基準で管理したい](/outcomes/standardize-security-governance/) ### 技術 - [Google Cloud（GCP）](/technologies/google-cloud/) - [Gemini Enterprise Agent Platform](/technologies/gemini-enterprise-agent-platform/) - [BigQuery（bq）](/technologies/bigquery/) - [Gemini](/technologies/gemini/) - [Cloud Run](/technologies/cloud-run/) ## 同じような課題をお持ちではありませんか？ クラウドインフラやデータ活用について、grasys（グラシス）の専門チームが課題を伺い、最適な進め方をご提案します。 [資料請求](/document-request/)[お問い合わせ](/contact/) ## その他の事例 業種や支援領域の近い事例から順にご紹介します。 ![Google Cloud（GCP）移行で不正ログイン対策サービスの安定運用を実現](/_astro/S__27115553.BbGdc_6i_Z1Os9Fa.webp) Capy株式会社 ### [Google Cloud（GCP）移行で不正ログイン対策サービスの安定運用を実現](/case-studies/capy-google-cloud-operations/) 業界 IT・デジタルサービス サービス クラウド基盤・移行 / 運用・最適化 / セキュリティ 課題 顧客の急増に伴い、サービスの安定性と運用リソースが課題となっていました。停止を許容できないサービスのため、旧OSやソフトウェアも安全に更新する必要がありました。 支援 Google Cloud（GCP）への移行とスケールアウト可能な構成への刷新を進め、検証環境を使った段階的な更新や、監視・スクリプトによる運用を支援しました。 成果 アクセスが増えた際も安定してサービスを提供でき、最小限の停止でアップデートを進められる柔軟な運用基盤が整いました。 ![約1,000倍の人流データを数時間で解析できる基盤を構築](/_astro/original-scaled.D2RF091f_1phl8A.webp) 株式会社SVI研究所 ### [約1,000倍の人流データを数時間で解析できる基盤を構築](/case-studies/svi-lab-people-flow-data/) 業界 IT・デジタルサービス サービス データ分析・AI / クラウド基盤・移行 課題 人流データ量が従来の約1,000倍となり、オンプレミスでは処理に1カ月以上かかると見込まれる中、独自の解析ロジックを維持する必要がありました。 支援 約1,000台のGCEハイメモリインスタンスによる並列処理を構築し、アジャイルな処理フローの改善とWebGLによる可視化を進めました。 成果 大規模な人流データを数時間で解析できるようになり、大都市の鉄道路線別混雑率など、従来は難しかった分析も可能になりました。 ![生成AI検索で資料探索時間を半分以下に短縮](/_astro/4c4b6293-4f80-4046-898f-2117fa90434a.CUhkYQd3_U9vWK.webp) 株式会社島津製作所 ### [生成AI検索で資料探索時間を半分以下に短縮](/case-studies/shimadzu-generative-ai-search/) 業界 製造 サービス データ分析・AI 課題 350種類以上の社内資料を中身まで検索できず、必要な資料を探す作業が事業部全体で月100時間を超えていました。 支援 Agent Search(旧Vertex AI Search)を活用し、社内固有の略語・用語や回答言語を調整するとともに、閉域網とSSO認証を備えた検索システムを構築しました。 成果 1回約70秒かかっていた検索時間が半分以下になり、利用者満足度の平均も導入前の42.5から導入後は75.2まで向上しました。 ![上場に向けたAmazon Web Services（AWS）基盤刷新で可用性とセキュリティを強化](/_astro/kh_grasys_02.BtefE4F7_Z1NJUmN.webp) ＩＡＣＥトラベル ### [上場に向けたAmazon Web Services（AWS）基盤刷新で可用性とセキュリティを強化](/case-studies/iace-travel-aws-infrastructure/) 業界 旅行 サービス クラウド基盤・移行 / 運用・最適化 / セキュリティ 課題 Smart BTMの成長に伴う性能低下や、IT専任者がいない中での運用負荷に加え、上場に向けてセキュリティと可用性を強化する必要がありました。 支援 マルチAZ、バックアップ、オートスケーリングを備えたAmazon Web Services（AWS）基盤を構築し、GuardDutyやSecurity Hub、最小権限、24時間監視を導入することで、安全に運用できる体制を整えました。 成果 高負荷時の応答低下を防げるようになり、脆弱性対応とセキュリティ確認の迅速化、運用担当者の手作業削減につながりました。 ![限られた下水データから感染症を予測し行政の意思決定を支援](/_astro/7966bae78213db11914ad7af893f8431.BBBHo-QY_Z1I3BmG.webp) 八千代エンジニヤリング ### [限られた下水データから感染症を予測し行政の意思決定を支援](/case-studies/yachiyo-engineering-infectious-disease-prediction/) 業界 建設・社会インフラ サービス データ分析・AI 課題 4カ所で週2回採取する限られた下水データから感染症を予測し、形式の異なるPCR検査データも現地運用に合わせて扱う必要がありました。 支援 アイデア段階から必要なデータを整理し、予測モデルの種類・設定・対象期間を最適化したうえで、CSV形式の差異を吸収するシステムと調整用UIを構築しました。 成果 限られたデータでも地域ごとの感染拡大パターンを捉え、誤差を許容範囲に収めた予測によって、行政の事前準備を支援できる基盤が整いました。 [導入事例一覧を見る](/case-studies/)