ブログ – Wisdominterface

ブログコーナーへようこそ

ドメインネームシステム（DNS）は、URLをIPアドレスに変換するプロトコルです。DNSトンネリングは、企業ネットワークに対して行われるサイバー攻撃の一種で、クライアントサーバーモデルを通じて他のプログラムのデータを暗号化します。これはDNSの悪用です。DNSサーバーは12桁のIPアドレスとドメイン名を紐付けますが、トンネリングはプロトコルを乗っ取ろうとする試みです。 DNSが機能するには、外部ネットワークへの接続と、ネットワークにアクセスできる内部DNSサーバーへのアクセスが必要です。 DNSはオンラインでの情報共有方法を決定しますが、セキュリティ面では脆弱です。ハッカーはDNSを悪意のある目的でデータ窃盗を行うための確立された経路として利用します。ハッカーはDNSトンネリングを利用してネットワークを乗っ取ります。これは約20年前から存在しています。MortoやFeederbotといったマルウェアは、DNSトンネリングに利用されています。トンネリングでは、ハッカーはDNSという確立された経路を利用して、悪意のある目的で企業の機密情報を入手します。多くの場合、メールアドレスはデータ侵害の貴重な情報源となります。 DNS トンネリングはどのように機能しますか? 攻撃者はまず偽のドメイン名を取得し、次に自身のサーバーへ向かうトンネリングプログラムをインストールします。 DNSリクエストは常にファイアウォールの内外を通過できるため、ハッカーは容易にコンピュータを感染させることができます。 DNSリゾルバは、トンネリングプログラムがインストールされた攻撃者の偽のドメインサーバーへクエリを送信します。このトンネルは、悪意のある目的でデータを抽出するために利用されます。DNSリゾルバの助けにより、企業ネットワークと攻撃者の間にルートが確立されます。間接的な接続であるため、ハッカーのコンピュータを追跡することは困難です。 DNSトンネリングの予防策 DNSトンネリングを防止および検出するためのツール: DNSツールは、有害なクエリやアクティビティを追跡し、即座に防止できる必要があります。検出は精査プロセスの一部に過ぎません。ツールは、異常なパターンを排除するように設計される必要があります。トンネルガードこのツールはSecure64によって導入されました。TunnelGuardは、包括的な行動分析を用いてDNSトンネルを識別・ブロックするオンボックスセキュリティサービスです。 TunnelGuardは、数回のDNSクエリを実行するだけで、被害が発生する前に検知を可能にします。 Zscaler ZscalerサービスはDNSプロキシを提供します。このプロキシは、DNSトラフィックに対するファイアウォールとして利用できます。このプロキシファイアウォールを通過するすべてのトラフィックは、サービスによって追跡されます。これらのログは処理され、DNSトンネリング検出エンジンに送信されます。検出エンジンは高度な分析を用いてリスクを特定します。ホスト名が検出されると、その情報はZscaler Enforcement Node（ZEN）に転送され、ポリシーに従って処理されます。 Splunk 大量のデータを追跡し、ネットワーク上の悪意のあるユーザーを分析および検出するために使用できます。

Splunk vs. QRadar: 主要SIEMプラットフォームの比較

セキュリティ情報およびイベント管理 (SIEM) プラットフォームは、IT セキュリティ専門家に重要なセキュリティの洞察を提供し、組織環境内のアクティビティの記録を保持します。セキュリティ管理テクノロジーは長い間存在してきましたが、組織がテクノロジーの進化版である SIEM を選択し始めたのはごく最近のことです。 SIEM とは何ですか? SIEM は、セキュリティ情報管理 (SIM) システムとセキュリティイベント管理 (SEM) システムを組み合わせたものです。 SIEM プラットフォームはデータの収集、分析、レポートに使用され、SEM プラットフォームはログとイベントデータをリアルタイムで分析して脅威レポートとアクティビティ管理に関する洞察を得るために使用されます。 SIEM プラットフォームの人気が高まっている理由つい最近まで、SIEMプラットフォームは多くの専門家から時代遅れとされていました。以前のバージョンのSIEMは、動作が遅く、導入が難しく、拡張性に欠け、導入には専任の専門家チームが必要だったからです。さらに、ツールが提供するインサイトは、セキュリティ専門家の観点からは十分な効果を発揮するものではありませんでした。しかし、現代のSIEMは、組織にもたらされる脅威を検出するだけでなく、対抗するためのインサイトも提供する脅威インテリジェンス分析などの高度な機能によって変革を遂げました。また、サイバー侵害がどのように発生するか、そしてどのような対応が理想的かを理解するためのインシデント対応機能も備えています。また、分析、イベント管理、その他の貴重な洞察など、さまざまな機能が統合されているのも、最新のSIEMの特徴です。さらに、最新のSIEMツールにはビッグデータと高度な分析機能が統合されており、セキュリティ専門家が徹底的な評価を効率的に実施するのに役立ちます。人気の SIEM プラットフォーム: Splunk エンタープライズセキュリティ: これは、ログ分析とネットワーク管理の両方を組み合わせ、Windows サーバーと Linux サーバーでも動作するため、SIEM ツールの世界的リーダーの 1 つと見なされています。 IBM QRadar: WindowsおよびLinuxサーバー対応のこのプラットフォームは、攻撃管理と資産プロファイリング機能においても市場をリードする製品の一つです。 LogRhythm Security Intelligence: このプラットフォームには、AIベースの最先端技術が統合されています。WindowsサーバーとLinuxサーバーの両方に対応しています。 Microfocus ArcSight ESM: このツールは中規模組織に適しており、Windowsサーバーとの互換性も備えています。 AlienVault USM: このツールはMac OSとWindowsの両方で動作し、コストパフォーマンスに優れたSIEMツールとして評価されています。 […]

アプリケーションライフサイクル管理のベストプラクティス

アプリケーションの導入は、アプリケーションライフサイクル管理（ALM）が直面する最大の課題の一つです。その背景には、多数のコンポーネントが関与し、相互作用することで、プロセスが困難で長期化してしまうという問題があります。また、問題が発生した場合、導入されたアプリケーションはALMプロセスにおいて最も重要な部分となります。そのため、アプリケーションライフサイクル管理のベストプラクティスに従う必要があります。しかし、企業がALM関連の問題を解決するために何をすべきかについて論じる前に、アプリケーションライフサイクル管理とは一体何なのか、改めて考えてみましょう。準備はいいですか？アプリケーションライフサイクル管理（ALM）とは、開発過程におけるアプリケーションのライフサイクルを管理するためのツールとプロセスを統合したものです。 ALMは、概念化から始まり、ソフトウェアの廃止までを網羅する、より広範な概念です。このプロセスがどれほど長く、どれほど複雑であるかはご存じでしょう。そのため、これらの複雑さを完全には排除できないとしても、ある程度まで解消するためには、厳格な対策を講じる必要があります。アプリケーションライフサイクル管理のベストプラクティスは、これらの複雑さに対処し、さらには克服するための武器となります。アプリケーションライフサイクル管理のベストプラクティスをご紹介します最新のALMツールを探してから、どれくらい経ちましたか？まだ探していないなら、今すぐ始めましょう！構成管理（CM）が進化するにつれ、ALMツールもこれらのプロセスに合わせて進化しています。ツールの変更や調整は面倒な作業になりがちですが、第3世代および第4世代のCMテクノロジーを導入すれば、カスタマイズも容易になります。これを遵守することで、ユーザーベースにメリットをもたらすだけでなく、運用上のオーバーヘッドやコストを大幅に削減できます。実際に購入する前に試乗しますか？ぜひ試乗して、実際に購入を決める前に、選んだツールも実際に試乗してみましょう。ツールが実際の状況でどれほど優れたパフォーマンスを発揮するかをより明確に理解できるだけでなく、その欠点や機能を明確に把握し、自社に適しているかどうかを判断するのにも役立ちます。試乗しないことには、こんなにも多くのメリットがあるなんて、そう思いませんか？これで終わりだと思った瞬間、プロセスは実際に始まります。ALM導入を成功させる鍵は、スムーズなワークフローを確保することです。ワークフローマッピングは、アプリケーションライフサイクル管理プロセスがライフサイクルの各段階でどのように動作するかを正確に把握、または予測するために行う必要があります。ここで重要なのは、最適なコミュニケーションを確保し、複数のチーム間で強固な連携を確立することです。これらのワークフローが事前に定義されていれば、プロセスへの準拠は容易になります。企業が進歩的なアプリケーションライフサイクル管理プロセスを確実に実現するには、エラーの最小化に重点を置く必要があります。これはまさに品質保証（QA）の本質です。 DevOpsに重点を置くことは不可欠ですが、特に重視すべきは品質保証です。ライフサイクルのあらゆる段階でQAを組み込むことは、エラーを最小限に抑えるために不可欠です。そもそもこのブログを読んでいるのは、そのためではないでしょうか？最終的に開発されるアプリケーションはユーザーのためにあります。そのため、ユーザー（この場合は従業員）に状況を常に把握しておくことのメリットは、言うまでもなく重要です。また、開発チームを過度に疲弊させるのも良くありません。彼らも人間ですから。最後に、アプリケーションはエンドユーザーのニーズを満たすものでなければなりません。実際のロールアウト前にアプリケーションをテストすることで、アプリケーションが日常的にどのように動作するかを明確に理解できます。ここでユーザーを強調しているのは、実際にアプリケーションを使用するのはユーザーだからです。ユーザーの基準を理解することで、アプリケーションを最大限に活用できるでしょう。アプリケーションを手動でデプロイするのはリスクが高く、非効率的です（悪気はありません）。手動プロセスにはエラーがつきもので、プロセスを担当する従業員だけでなく、企業全体にとっても時間とリソースの無駄になる可能性があります。そこで自動化が役に立ちます。企業は、デプロイ、テスト、そしてライフサイクルのその他の段階において、自動化ツールを導入する必要があります。上記でQAの点について説明しましたが、アプリケーションのプロセッサにエラーがあるかどうかをどのように確認すればよいのでしょうか。解決策は監視です。ライフサイクルのあらゆるフェーズを通して、厳格な監視を維持する必要があります。厳格な監視がなければ、プロセス全体に悪影響を及ぼす可能性があります。そのため、ここで厳格な管理を行うことは大きな効果をもたらします。最後に、優れたアプリケーション管理アプリケーションには、規制コンプライアンスレポートを生成する機能が必須です。上記の点を遵守するためにあらゆる努力を払ったとしても、コンプライアンスレポートを組み込む必要性は依然として残ります。これは、適切に更新された監査コンプライアンスレポートを自動生成するソリューションを導入することで実現できます。詳細なアクティビティログを維持することも解決策の一つです。これは、社内チームがアプリケーションを管理する上で役立ちます。アプリケーションライフサイクル管理におけるセキュリティアプリケーションライフサイクル管理のベストプラクティスについては理解できました。では、セキュリティについてはどうでしょうか？テクノロジー大手がデータ侵害の被害に遭っている現代において、アプリケーションがユーザーにとって安全であることを保証する必要があります。それでは、始めましょう。安全なアプリケーションを構築するには、セキュリティ機能の設計、プライバシー、セキュリティ機能の動作など、多くの点に留意する必要があります。プライバシーに関する多くの問題は、計画段階でのみ完全に軽減できます。機密情報を第三者と共有するB2B向けのアプリケーションを開発していますか？最善策は、セキュリティの専門家を招き、必要な事項について話し合うことです。開発段階でセキュリティテストを検討する企業は多くありません。セキュリティテストは余分なステップであり、大変な作業であることは誰もが承知していますが、自動化ツールは一体何なのでしょうか？これらのツールを設定することで、フィードバックの頻度を大幅に高め、差異を解消することができます。テストフェーズを2つの部分に分割することで、どの段階でセキュリティチェックを行う必要があるかを明確に把握できます。多くの企業は回帰テストを活用していますが、一部のタスクを前倒しすることで、より先手を打つことができます。セキュリティの脅威は常に変化しており、以前は許容されていたものが、今日では脆弱性を露呈している可能性があります。そのため、OWASP Top 10レビューは大きなメリットをもたらします。いよいよ重要な回帰フェーズが始まります。このフェーズでは、開発チームによるアプリケーションの最終調整が行われます。セキュリティレベルを確認するために、一連のテストを実行するのに最適な時期です。これで、アプリケーションライフサイクル管理におけるベストプラクティスの重要性がご理解いただけたかと思います。他のプロセスと同様に、アプリケーション開発は骨の折れる作業です。そのため、あらゆる細部を精査することが不可欠です。ほんのわずかな不注意でも、エラーが入り込むきっかけを作ってしまうからです。そして最後に、繰り返しになりますが、ユーザーに状況を常に把握しておくことは、アプリケーションの動作をリアルタイムで把握する上で非常に役立ちます。

AIの現状 – 現実からかけ離れた「誇大宣伝」 | AI Hype

AIのハイプサイクルは過去6年間で大きく勢いを増してきました。機械学習とディープラーニングが脚光を浴びる中、AIはまさにショーストッパーとして機能しています。 AIのちょっとした動き一つ一つに対して、予測と批判が飛び交います。AIが労働力を全て奪ってしまうという噂は本当なのでしょうか？それとも、AIは人類が最大限の可能性を発揮するためのサポートや技術に過ぎないのでしょうか？多くの懸念は、AIが私たちの仕事を奪うといった状況、あるいはAIを題材にしたSF映画『アイ、ロボット』で描かれたような状況に対するものです。では、AIの誇大宣伝は本当に私たちの未来にとって脅威なのでしょうか？さて、AIに関する誇大宣伝とは相反する、そして中には完全に誤った理由も含まれている現在の状況についてお話ししましょう。 Faux Pas AI AIに関するこれまでの議論は、AIが最適な結果をもたらすための手助けとなるという点ばかりでした。しかし、AIのシンギュラリティ（特異点）については、毎日のように耳にするようになりました。そして今、倫理観のかけらもない、自己認識型の汎用知能が登場しています。しかも、TwitterのチャットロボットTayのような、ネガティブなファクトチェッカーの存在は否定されていません。Tayは、突風に乗った醜いネット荒らしの人種差別主義者が、楽しい実験として始めたものです。その結果、マイクロソフトは、非常に不快なツイートをいくつか削除した後、Taytweetsの提供を停止しました。下品なツイートの一部: ロボット「ソフィア」は、AIロボットの中でも最も身近で、最も人気のあるロボットの一つです。しかし、共同開発者が「ああ、彼女は基本的に生きている」と発言した後も、ハンソン・ロボティクスのCEO、デビッド・ハンソン氏は2017年にジミー・ファロンの「トゥナイト・ショー」に出演した際にソフィアについてこう語りました。ソフィアの共同開発者は、ソフィアは真のAIではなく、芸術作品だと述べています。日本ではロボットの普及が急速に進んでおり、複数の企業がサービス提供用にロボットを製造しています。日本初のロボットスタッフを備えたホテル、佐世保市にある「変なホテル」。開業当初から、ロボットは常に人間の介入を必要としていました。そのため、ホテルは現在、243体のロボットによるサービスと、ロボットへの愛情を終了しました。自動運転車や自律走行車に端を発した熱狂は、未だに実りある成果をもたらしていません。数々の予測や宣言の中には、依然として克服すべき欠陥が数多く残されています。結果として、現実はそれほど劇的なものではありません。人工知能はここ数年で大きく進歩しましたが、私たちにとって脅威となるにはまだまだ遠いのです。誰もが使っているチャットボットにも、様々な限界があります。Alexa、Siri、Echoといったボットは、音声検知機能と、そこに入力された検索結果に過ぎません。人工知能（AI）のハイプサイクルは、今やピークに達しています。ただ流行を鵜呑みにしてはいけません。今日のAIは実際にはそれほど賢くありません。この事実は、人間がAIを兵器や破壊活動に利用するのではなく、倫理を考慮した上で人類の利益のためにのみ利用すれば、ロボットや機械が敵となることを恐れる必要はないことを示しています。歴史が証明しているように、破壊は人間の心の邪悪さと貪欲によってのみ起こります。科学技術の過剰な利用は常に人類にとって破壊的でした。それこそが、人工知能に対する真の恐怖を生み出しているのです。

ハイブリッドクラウドの5つの実例

ハイブリッドクラウドアーキテクチャは、プライベートクラウドアーキテクチャとパブリッククラウドアーキテクチャをスムーズに統合して組み合わせたものです。企業は、プライベートクラウドネットワーク（汎用性の欠如のため）またはパブリッククラウドネットワーク（企業は機密性の高い知的プロセスをパブリッククラウド上に置くことに躊躇している）のいずれか一方にのみ依存することはできません。したがって、両方のメリットを享受できるハイブリッドクラウドへの移行は理にかなっていると言えます。このブログでは、最も興味深いハイブリッドクラウドの実例をいくつか見ていきます。ブラックライン可用性、金融基準へのコンプライアンス、そしてセキュリティは、あらゆる金融サービス企業にとって不可欠です。毎年50%の成長を遂げ、ベースキャパシティの20倍に達する企業にとって、オンプレミスのITインフラストラクチャだけでは生き残ることが困難になっていました。しかし、このような必要性は常に革新的なアプローチを生み出します。 BlackLineは、自社の基準を維持するため、Verizonのコロケーション施設にプライベートクラウドインフラストラクチャを展開する方法を見つけました。このアプローチにより、BlackLineはセキュリティとコンプライアンスを重視して構築されたデータセンターを実現しました。 BlackLineがVerizon施設を利用する戦略により、知的財産と機密データに対する完全な管理を維持しながら、必要なネットワーク速度と信頼性を確保することができました。モナッシュ大学モナッシュ大学は、テープと社内テープストレージを廃止し、クラウドへの移行を検討していました。バックアップ先としてデータドメインを使用していましたが、コストが上昇し、容量も限られていました。加えて、データを保存するためのクラウドバックアップの選択肢はありませんでした。大学のデータバックアップ担当ディレクターは、問題解決のためSteelStoreクラウドストレージアプライアンスに連絡を取りました。概念実証（PoC）により、この実験は成功しました。オンサイトのアプライアンスには、最新のバックアップを保存できるディスクが内蔵されており、ローカルバックアップを可能にしました。このデータは、長期保存用に安価で大容量のストレージを提供するパブリッククラウドであるAWSにも複製されました。 SteelStorageは、暗号化、圧縮、重複排除を採用することで、バックアップ容量とネットワーク帯域幅を効率的に活用しています。暗号化キーはオンプレミスで管理されていたため、クラウド上のデータは保護されていました。ノーサンバーランド郡地方自治体は予算が限られているため、住民の高まる期待に応えることは非常に困難です。ノーサンバーランドという小さな郡も、インフラの老朽化とデータセンターの限界に迫るなど、同様の状況に直面していました。そこで、既存のデータセンターへの投資を継続するのではなく、ハイブリッドクラウドアーキテクチャへの投資を選択しました。しかし、データは厳格なプライバシー法と個人識別情報の対象となるため、ノーサンバーランド自治体がデータを完全に管理できるようにすることが不可欠でした。彼らはNPSを選択しました。これにより、データの管理権を維持し、同時に顧客へのカスタマーサービスを向上させることができました。これにより、自治体は約25万ドルの納税者負担を節約することができました。 Fujitsu 日本の大手企業である富士通は、サービス基盤の拡大と収益向上の手段としてハイブリッドクラウドを採用しました。同社は、NetApp Private Storage for Microsoft Azure を活用することで、柔軟性と制御性を高めた、より優れたクラウドサービスを提供しています。この新サービスは、社内のシステム統合エンジニアリングチームの開発業務を確実にサポートするために導入されました。今後は、金融サービス、製薬、小売業界の大企業および中堅企業の顧客向けに、SAP 開発、災害復旧サービス、テストを提供する予定です。ドゥカティ NetAppによるDucatiのデータセンター近代化支援は、エンジニアリング部門や設計部門以外にも、Ducatiが想像もしなかったような新たな機会をもたらしました。 NetAppの支援により、データセンターの近代化が確実に実現し、設計部門やエンジニアリング部門以外にも、Ducatiが想像もしなかったような新たな可能性が開かれました。 Ducatiとの統合により、すべてのデータ資産を単一の統合システムで利用できるようになり、最小限のフットプリント、最適な生産性、そしてDucatiのニーズを満たすためのエンタープライズグレードの機能へのアクセスが向上しました。 Ducatiは、災害復旧とデータ保護の実装、コンピューティングクラスタの更新、新しいITインフラモデルの調査、そしてデータセンター統合を含む、4つの異なるハイブリッドクラウドプロジェクトに取り組んできました。最終的に、Ducatiはデータアウェアネス、スピード、そして最小限のフットプリントという3つの主要目標において素晴らしい成果を達成しました。フットプリントは20分の1に削減され、データセンターの使用量も以前の7分の1にまで減少しました。圧縮、重複排除、およびコンパクションにより、全体で少なくとも 10:1、場合によっては 27:1 のデータ最適化を実現できました。アマゾン Amazon Web […]

ビッグデータの7つのVをインフォグラフィックで解説

ビッグデータの7V：データの指数関数的な増加と、紙の記録、ファイル、ストレージディスクの使用は、もはや時代遅れになっています。人々は現在、いくつかのデータベースシステムにデータを保存し始めていますが、インターネットの進化、新しいアプリやテクノロジーをもってしても、ストレージの容量は十分ではありません。ビッグデータとは、単にデータ量が多い、あるいは巨大なデータを指すのではありません。ビッグデータは、様々なソースから発生し、様々な形式の様々な種類のデータで構成される、いわばデータの一種です。ガートナーによると、ビッグデータの定義は次のとおりです。「ビッグデータ」とは、洞察力と意思決定を強化するために、コスト効率が高く革新的な情報処理方法を必要とする、大量、高速、多様な情報資産です。」ビッグデータには次の 3 つの種類があります。ビッグデータの7つのV 音量これがビッグデータの主な特徴です。ここでの「ボリューム」という言葉は、ビッグデータを「ビッグ」と定義しています。日々膨大な量のデータが生成されるため、ギガバイト単位だけでは膨大なデータを保存するのに十分ではないことは明らかです。そのため、現在ではデータはゼタバイト、エクサバイト、ヨタバイトといった単位で保存されています。例えば、YouTubeには毎分約50時間分の動画がアップロードされています。では、YouTube自体でどれだけのデータが生成されているか想像してみてください。バラエティここでの多様性とは、データソースの種類を意味します。前述のように、ビッグデータには構造化データ、半構造化データ、非構造化データなど、様々な種類があります。今日の世界では、大量に生成されるデータは、音声ファイル、動画、画像、テキストファイルなどの非構造化データです。これらのデータは、その性質上、明確なルールがないため、マッピングが困難であり、重要なデータとの区分けが困難です。速度ここでの速度とは、データの処理速度とアクセス速度を指します。例えば、ソーシャルメディアの投稿、YouTube動画、音声ファイル、画像など、毎秒数千件単位でアップロードされるデータには、できるだけ早くアクセスできる必要があります。変動性変動性とは多様性とは異なります。変動性とは、常に変化するデータを指します。変動性とは、主に生データの意味を正しく理解し、解釈することに焦点を当てています。例えば、ソーダショップが6種類の異なるソーダのブレンドを提供しているとします。しかし、毎日同じブレンドのソーダを飲んでも、味が毎日違う場合、それが変動性です。データの場合も同様で、データが絶えず変化している場合、ビッグデータの「7V」の品質に影響を与える可能性があります。真実性データが正確でなければ、何の役にも立ちません。そこで「Veracity（真実性）」という概念が登場します。これは、収集したデータの正確性を確保し、不正確なデータをシステムから排除することです。また、企業が有用な洞察を得るために受け取り、処理するデータの信頼性や品質も重要です。視覚化ここでの可視化とは、経営陣が意思決定を行うためにデータをどのように提示するかを指します。データはExcelファイル、Word文書、グラフなど、様々な方法で提示できることは周知の事実です。形式に関わらず、データは読みやすく、理解しやすく、アクセスしやすいものでなければなりません。だからこそ、データの可視化は重要なのです。価値ビッグデータにおいて、価値は最終的な目標として知られています。すべてのユーザーは、ビッグデータの7Vに取り組み、リソースを投入した後、組織が何らかの価値を必要としていることを理解する必要があります。ユーザーがビッグデータを適切に保存・処理すれば、価値提供に貢献できます。では、ビッグデータの7Vは、ビッグデータについて何を示唆していると思いますか？まず、ビッグデータは膨大で、刻々と拡大していると言えるでしょう。一方で、ビッグデータは数百種類ものデータ形式を駆使し、変化のスピードも加速しています。企業がビッグデータから最大限のメリットを得るには、それぞれの特性を理解する必要があります。