"Wisdominterface は、最新の研究や出版物の入手先として、世界最大かつ最も著名な企業に代わって厳選したリソースを配信しています。プロフェッショナルは、無料のWisdominterface.comメンバーシップに加入することで、サイトのリソースライブラリへのフルアクセスや、WisdomInterfaceライブラリ全体へのアクセス、最新の論文や研究が掲載されたメールの受信、無料のeBookプロモーション、エキスパートサービスなどのサービスを利用することができます。世界最大かつ最も重要な企業のリサーチや出版物については、今や何百万人ものプロフェッショナルがWisdominterface.comを主要な情報源として選んでいます。"
入会案内
Wisdominterface.comは、世界で最も影響力のある企業と協力し、最新のITイノベーションに関する最先端のコンテンツで現代のマーケティング担当者を教育する技術ニュースレター、レポートなどを推進する洗練されたコンテンツリポジトリです。
Wisdominterface.comは、世界中のハイテク企業のリサーチや出版物にアクセスできる、専門家の間で好まれるリソースとして成長してきました。
もっと読む
コンテンツマーケティング、データソリューション、販売機会創出、リードジェネレーション、イベント登録、アカウントプロファイリング、インバウンドマーケティング、デジタルPR、アーンドメディア、コンテンツプロモーション、コンテンツ戦略、コンテンツパブリケーション、インフルエンサーマーケティング、マーケティングイベント、コンテンツシンジケートメント
WisdomInterface編集部は、最新のITイノベーション、技術革命、B2Bマーケティングトレンド、デマンドジェネレーション戦略など、最先端のコンテンツを読者に提供することに専心しています。21世紀の最新ニュースレターやウェブサイトとともに、私たちのチームメンバーは、ソーシャルメディアの支持者や業界のソートリーダーでもあり、LinkedInやTwitterでの会話に積極的に参加し、最新ニュースを共有しています。
最近のブログ
Amazon Web Services（AWS）は、クラウドコンピューティングおよびビッグデータという両分野において、圧倒的な存在感を示しています。前回のブログ記事では、AWS GlueとEMRの主な違いについて解説しました。 今回のブログでは、AWS Data PipelineとAWS Glueを比較します。AWS Glueは現存するETLツールの中でも特に優れたツールの一つであり、しばしばData Pipelineと比較検討されます。 これら2つのツールは、その処理プロセスや機能の仕組みにおいて違いがありますが、本記事ではETL（抽出・変換・格納）という観点から両者を比較していきます。 AWS Data Pipeline vs. AWS Glue：徹底比較 AWS Data Pipelineとは何ですか？ AWS Data Pipelineは、データ移動の自動化を提供するAWSのサービスです。また、最初のプロセスが正常に完了した後にのみ次のプロセスが開始されるよう保証し、手動による介入を不要にします。ビッグデータの分野においては、「データ転送（Data Transfer）」のカテゴリに分類されます。 AWS Glueとは何ですか？ AWS Glueは、データセットの作成、変換、およびその後のロード（読み込み）を容易にするAWSのサービスです。主にETL（抽出・変換・ロード）ツールとして機能します。ビッグデータの分野においては、「データカタログ（Data Catalog）」のカテゴリに分類されます。 データソース データ転送ツールであるAWS Data Pipelineでは、新たなデータソースを独自に作成することはできません。あらかじめ定義されたデータソースを利用して作業を進める必要があります。 一方、AWS Glueでは、AWS環境と同期していないデータに接続するためのカスタムソースを作成することが可能です。 データのバックアップ／複製タイプ： AWS Data Pipelineでは、タイムスタンプフィールドを活用して、データのバックアップや複製を行うことができます。これにより、開発者はより高度な処理段階に向けたデータベースを構築することが可能になります。 AWS Glueの場合、データキャプチャの手法を用いることでデータを複製し、複製されたデータの変換処理をより容易に行うことができます。 コンプライアンス要件とセキュリティ認証 AWS Data Pipelineは、HIPAAやGDPRといったセキュリティ要件には準拠していません。しかし、だからといって、その利用が違法な行為にあたるわけではありません。 これは単に、コンプライアンスに関するチェックリストや必要な各種パラメータの管理を、ツールを通じて直接行うのではなく、利用者側で独自に管理する必要があるということを意味しています。 一方、AWS GlueはHIPAAおよびGDPRの認証を取得しています。そのため、監査報告書の提出が求められた際も、ツールから直接データを抽出することが可能です。これにより、煩雑な手間をかけることなく、関係当局に対して報告書を提出することができます。 料金体系 AWS Data PipelineとAWS Glueでは、それぞれ異なる料金モデルが採用されています。AWS Data Pipelineは「アクティビティ」単位で課金されるのに対し、AWS […]
敵対的生成ネットワーク（GAN）は、深層学習モデルの一種です。Ian J. Goodfellow氏が2014年にその概念を提唱しました。 これは、深層学習の手法を用いた生成モデリングのプロセスです。ここで用いられるニューラルネットワークは、機械学習における教師なし学習タスクに利用されます。 敵対的生成ネットワーク（GAN）の主要ツール 敵対的生成ネットワークは、どのように機能するのでしょうか？ GANは、以下の2つのモデルで構成されています。 Generator（生成器）： 妥当なデータを生成することを学習します。Generatorは、Discriminator（識別器）を騙そうと試みます。提供された訓練データセットに類似したデータを生成します。 識別器： 識別器は、生成器が生成した偽データと本物のデータを識別することを学習します。識別器は、類似したデータに騙されないように努めます。 偽のデータセットと本物のデータセットを区別する方法を学習します。 GAN（敵対的生成ネットワーク）における処理手順： このプロセスにおいて、ジェネレーター（生成器）は合成データの作成者としての役割を果たします。ジェネレーターの目的は、たとえ偽物であっても、本物であると判定されるようなデータを生成することです。生成されたデータは、一連の実際のデータセットと併せて、ディスクリミネーター（識別器）に入力されます。ディスクリミネーターは、本物のデータと生成されたデータを比較し、両者を見分けて偽物のデータを特定します。その判定結果は、数値による確率として出力されます。数値の「0」はデータが偽物であることを、「1」はデータが本物であることを示します。 ここでいうデータには、画像、音楽、音声、動画、あるいはテキストなどが含まれます。 GANの利点 書籍『Deep Learning』（Adaptative Computation and Machine Learning Series）には、次のように記されています。「敵対的生成ネットワークは、生成器ネットワークが『敵対者（Adversary）』と競合するという、ゲーム理論に基づいたシナリオを基礎としています。生成器ネットワークは、直接的にサンプルを生成します。一方、その敵対者である識別器ネットワークは、学習データから抽出されたサンプルと、生成器によって生成されたサンプルとを識別しようと試みるのです。」 敵対的生成ネットワーク（GAN）の潜在的な用途と応用例 GANにおけるニューラルネットワークは、データを生成する役割を担っています。画像、音楽、音声、テキストなどが、あたかも人間が制作したものと見紛うほどに生成されます。 FacebookのAI研究ディレクターであるヤン・ルカン氏は、この「敵対的学習」を「過去10年間で最も興味深いアイデア」であると評しました。 以下に、GANの潜在的な応用例やユースケースをいくつかご紹介します。 サイバーセキュリティ分野におけるGANの活用 サイバーセキュリティは、日々新たな概念を取り入れ、絶えず進化し続けている分野です。近年、サイバー犯罪の発生件数は著しく増加しています。 人々は日常的に自身の情報を共有することに積極的である一方で、その情報の安全性に対する高いセキュリティを求めています。GAN（敵対的生成ネットワーク）を活用することで、偽の画像が悪用され、ユーザーが脅迫や名誉毀損の被害に遭うのを未然に防ぐことが可能になります。 GANは、ディープラーニング（深層学習）に基づく技術概念です。これを学習させることで、悪意のあるデータや不正なハッキング行為を検知・特定できるようになります。 オンライン販売やEコマース市場が拡大の一途をたどる中、GANは、正規のオンライン販売業者と詐欺的な偽業者を見分ける際にも有効な手段となります。 さらにGANは、AIによって生成されたコンテンツを特定するよう学習させることが可能です。また、ウェブサイトやアプリケーションの開発に用いられた正規のプログラミングコードと、ハッカーによる攻撃目的のコードとを識別するといった応用も期待されています。 ヘルスケア分野におけるGANの活用 AI、ニューラルネットワーク、そしてGAN（敵対的生成ネットワーク）といった技術は、ヘルスケア産業に大きな進歩をもたらしました。特にGANには、体内に潜む重篤な疾患を早期に発見できる可能性が秘められています。 この技術は、2つのデータセットを比較・照合するように学習させることが可能です。具体的には、ニューラルネットワークがMRI画像内の異常や差異を特定することができます。 これにより診断プロセスが迅速化され、結果として疾患の治療プロセス全体の改善につながります。これは、患者様にとっても医療従事者にとっても、多大な利益をもたらすことになります。 また、GANは医薬品の探索・開発（R&D）の分野においても貢献できます。この領域では、医薬品の分子構造を学習・認識するようにシステムを訓練することが可能です。 分子構造のパターンを特定できるようになれば、新たな医薬品の開発や疾患の治療法確立に向けて、極めて有益なツールとなります。研究者は、既存のデータベースを活用して、この技術を効果的に学習させることができます。 このプロセスによって作業時間の短縮が実現し、その分のリソースや労力を、他の疾患に対する新たな医薬品の探索・開発へと振り向けることが可能になります。 アニメーション分野におけるGANの活用 GAN（敵対的生成ネットワーク）は、映画やゲーム業界において極めて重要な役割を果たす可能性があります。これにより、アニメーター、開発者、そしてデザイナーたちは、作業時間を大幅に短縮できるようになるでしょう。 GANは、映画、動画、あるいはゲーム向けの3Dコンセプトを生成することができます。これらのニューラルネットワークは、2次元のデータセットを基に3次元のアニメーションを生成します。 アニメーション制作にGANを導入・開発するには、多くの要件を満たす必要があります。特に昨今では、映画作品において「常識を超えた」ようなアクション演出が主流となりつつあるからです。 GANは、生成された画像を識別するだけでなく、極めてリアルな画像を生成することをも可能にします。これにより、映画やゲーム作品における「本物らしさ」やリアリティを、より一層際立たせることができるのです。 写真編集および画像変換におけるGANの活用 写真編集の用途は、単に被写体の欠点を隠すことだけにとどまりません。偽のプロフィールや架空のアイデンティティを作り出すためにも利用され得ます。 GANには、顔や写真に加えられた改変（本来とは異なる見栄えにするための加工）を特定する助けとなる可能性があります。これにより、捜査当局は犯罪者を即座に特定できるようになり、判断に迷うことなく迅速な対応が可能となります。 また、GANは画像データの「変換（トランスレーション）」を行う上でも有益です。画像、写真、テキスト、セマンティック画像（意味情報を含む画像）などを別の形式へと変換する際に役立ちます。 実社会における具体的な応用例としては、以下のようなものが挙げられます。 敵対的生成ネットワークの主要ツール TF-GAN TF-GANは、敵対的生成ネットワーク（GAN）の学習および評価を行うためのツールです。これは、機械学習および研究用途向けにアップデートされたソフトウェアライブラリです。 TF-GANの最新バージョンは、これまでに数多くの論文やプロジェクトで活用されてきました。 主な特徴： […]
機密コンピューティング —— サイバーおよびデータセキュリティにおける新たなマイルストーン コンフィデンシャル・コンピューティングは、ワークロードの処理中にそのデータを暗号化するという、新しいセキュリティのアプローチです。これによりアクセスが制限され、360度全方位にわたるデータ保護が実現されます。また、Trusted Execution Environment（TEE：信頼実行環境）を活用することで、データおよびコードの機密性を確実に守ります。 この技術により、クラウド上のデータをシステム全体に露出させることなく、メモリ内で直接データの暗号化処理を行うことが可能になります。 現在、データが「保存時（at rest）」や「転送時（in transit）」にある際の保護手法はすでに複数確立されていますが、データが「使用中（in use）」にある機密データを保護することこそが、コンフィデンシャル・コンピューティングの役割です。 その主な目的は、セキュリティ上のリスクを抱えるOS、悪意ある内部関係者、そしてネットワークからの脅威に対し、保護層を提供することにあります。 2019年8月21日、Intel、Google、Microsoft、IBM、Red Hatといった主要なテクノロジー企業各社は、Linux Foundationの下に「Confidential Computing Consortium（CCC）」を設立し、その発足を発表しました。 コンフィデンシャル・コンピューティングが誕生するきっかけとなった課題は、プライバシーと機密性を維持しつつ、意図されたクラウドシステム以外へのデータ露出を最小限に抑えることでした。 この技術は、「使用中のデータ」を保護するためのセキュリティ標準を確立することを目指しています。さらに、特にパブリッククラウド環境において、より高度なユーザー権限管理と透明性を提供することにも取り組んでいます。 コンフィデンシャル・コンピューティングの仕組み データセキュリティに関して、これまでの私たちは「保存時（at rest）」や「転送時（in transit）」の状態にのみ関心を向けてきました。 しかし、機密性の高いデータは、「処理時」の段階においても保護される必要があります。TEE（Trusted Execution Environments：信頼実行環境）は、コードやデータのための安全な領域を保証するとともに、システムの他の部分とは独立してアプリケーションを稼働させるために必要な各種機能を提供します。 TEEとは、分離された実行環境、言い換えれば、中央処理装置（CPU）内部に設けられた安全な領域のことです。TEEや暗号化メカニズムの実装により、外部からの不正アクセスやセキュリティ上の隙間（脆弱性）が排除されます。 つまり、コンフィデンシャル・コンピューティングはTEEを活用することで、ソフトウェアやデータを基盤となるハードウェアやオペレーティングシステム全体から分離し、ハードウェアレベルで暗号化された状態で保護するのです。 CCC（Confidential Computing Consortium）は、アプリケーション、デバイス、およびオンラインサービスによってデータが利用されている最中も確実に暗号化が維持されるよう、より優れたガイドラインやシステムを策定し、関連ツールへの明確な導入経路を確立するための取り組みを進めています。 コンフィデンシャル・コンピューティングの利点とは？ コンフィデンシャル・コンピューティング・コンソーシアム データセキュリティ連合（Data Security Coalition）の概要 Linux Foundationによって発表された「Confidential Computing Consortium」コミュニティは、様々な業界におけるコンフィデンシャル・コンピューティングの定義およびその導入の加速を目的として設立されました。その参加組織には、以下の団体が含まれます。 これまでの主な貢献事例は以下の通りです。 これらの企業は連携し、あらゆる段階においてデータを完全に保護するための取り組みを進めています。 パブリッククラウド、オンプレミスサーバー、あるいはエッジ環境のいずれであっても、CCCはユーザーがこれら多様な環境間で、より容易かつ迅速にワークロードを実行・移行できるようにすることを目指しています。また、この取り組みでは以下の点にも注力しています。
エディターズチョイス
近年、石油・ガス産業は、最新のテクノロジーによって変貌を遂げています。O&G業界の競争が激化するにつれ、組織は創造的なアプローチに邁進しています。多くのリーダーは、市場のあごひげから身を守るために、デジタル化をのぞんでいます。また、原油価格が下がっても利益を確保し、回復期には競争力のある利益を生み出そうとしています。バリューチェーン全体で開発・採用されているAIやMLベースの技術を活用することが、今後の道筋になります。
ネットワークを保護するための侵入検知システム（IDS）には、さまざまな種類があります。しかし、なぜIDSが必要なのでしょうか？昨今、インターネット上には様々な個人情報や業務データが存在します。したがって、IDSは、このデータが悪意のある活動やポリシー違反から安全であることを確認します。IDSは、疑わしい活動に対してユーザーに警告を発します。
デバイス管理機能とは、あらゆる物理デバイスや仮想デバイスの運用、実装、保守を管理することに他なりません。デバイス管理プロセスには、ネットワーク、コンピューティング、物理的または仮想的なマシンを維持するための様々なツールやテクニックが含まれています。例えば、ノートパソコン、コンピューター、サーバー、携帯電話などが、通常デバイス管理の対象として考えられている。今回は、デバイス管理の主な4つの機能を勉強します。
関連会社によるリソース
現代では、"Data "という言葉には複数の意味があり、その抽出や解釈の仕方も様々です。このため、Google Cloud Platform（GCP）には、データ処理とウェアハウスの分野で3つの主要な製品があります。Dataproc、Dataflow、Dataprepは、さまざまなニーズに対応した大量のETLソリューションを顧客に提供しています。
ULは、独立した包括的なプレコンプライアンス試験および認証サービスを提供しています。これらのサービスは、性能や安全性、サイバーセキュリティや相互運用性など、スマートホーム製品をグローバルに販売するための様々な要件をカバーしています。発売前の
Return Material Authorization (RMA) ハードディスクは、保証の下、交換または返金を求めるため、メーカーに返却する必要があります。これらのハードディスクには社員や顧客の記録などの機密情報が含まれている可能性があります。多くの場合、異常または使用停止となったハードディスクはオンサイトで保存されるため、、リース契約の「Keep my disk (自己のディスク保存)」条項の罰金の対象となるだけでなく、保管費用も発生します。
COVID-19の危機が発生する以前から、企業とその従業員の働き方は大きく変化していました。例えば、人工知能や機械学習（AI/ML）、自動化の導入が急速に進み、リモートワークが増えつつありました 。
今年は、パンデミックによってもたらされた予測不可能な変化により、あらゆる種類と規模の組織にとって、紛れもなく困難な年でした。多くの企業が足がかりを見つけるのに苦労しましたが、混乱が続く中、リーダーたちが再考、再評価、再構築を行う機会も生じました。このインタビュー コレクションでは、CFO の皆さんがパンデミックにどのように対応したか、その皆さんの勤務先である組織がどのように回復しているか、その組織の未来がどのように再考されているかをご覧いただけます。