はてなブックマーク

著名なセキュリティーリサーチャーのpiyokango氏が注目のシステムトラブルをピックアップ。今週の注目ネタは……。 今回は、NTTPCコミュニケーションズのメールサービスがスパムメールのブラックリストに掲載された問題と、アイネットの情報漏洩、三興空気装置のランサムウエア被害を取り上げる。 メールサービスのIPアドレスがSpamhausのブラックリストに NTTPCコミュニケーションズは2024年12月13日、同社のメールホスティングサービスを利用したメール送信に、2024年12月10日以降問題があるとして謝罪した。 対象のサービスは「メールホスティング/SuiteX V2 メールプレミアム」。このサービスで利用するIPアドレスが、スパムメール関連の情報を管理する国際組織Spamhaus（スパムハウス）のブラックリストに登録されたという。Spamhausのリストは、メールセキュリティーサー

自然言語を解釈したり文章を生成したりできる大規模言語モデル（LLM）が注目を集めている。この特集では、LLMとは何かを分かりやすく解説する。 大規模言語モデル（LLM）は、翻訳やプログラミング、情報提供など、さまざまなことに対応できる汎用性を持っています。普段からChatGPTを使っていると当然のことに聞こえるかもしれませんが、技術的には非常に革新的なことです。 なぜなら、従来は「1つのAIに対して1つのタスク」が一般的だったからです。たとえば、Google翻訳のような翻訳AIは翻訳しかできません。翻訳という1つのタスクに特化することで、高い性能を発揮していたのです。 一方、LLMは翻訳だけでなく、コード生成、情報提供など、さまざまなタスクで高い性能を発揮します（図1-4）。この「何でもできる」汎用性こそが、LLMの革新的な部分です。

世界で業績に苦しむ自動車メーカーが目立っている。日本では日産自動車の利益が急落。欧州ではドイツVolkswagen（フォルクスワーゲン、VW）の大幅リストラ＊1やStellantis（ステランティス、旧FCA）CEOの辞任などのニュース＊2が飛び交っている。 中国で販売が苦戦している点は、中国市場への依存度が高い会社には痛手だ。中国車をウオッチしていると、高級セグメントに属するクルマは吉利汽車（Geely）などのローカルメーカーが力を付けているし、小米（Xiaomi）は高級ブランドイメージこそないが、装備的には高級車仕様で販売しているようだ。中国の国産電気自動車（EV）に共通するのは驚異的なコストパフォーマンスで、外国メーカーには太刀打ちできそうにない。 総じて、従来型の自動車産業が「ゾンビ」になりつつある、というのが読者の不安ではないだろうか。ここでいうゾンビとは「もうからない事業」のこ

滋賀銀行は2024年12月20日、次世代勘定系システムの構築を中止することで日立製作所と合意したと発表した。日立は和解金として滋賀銀行に80億円を支払う。次世代システムの構築は一旦仕切り直しになり、滋賀銀行と日立の双方にとって痛手になる。 滋賀銀行は次世代システムについて「想定を上回るハードルの高さと銀行システムの安定的な提供という観点からサービスインの時期を延伸してきたが、早期の完成が見通せないため、プロジェクトの中止を決めた」（総合企画部）と説明する。 日立との合意に基づき、滋賀銀行は日立から和解金80億円を受け取り、2024年10～12月期に「受取和解金」として特別利益に計上する見込みだ。この特別利益が2025年3月期の連結業績に与える影響については、現在精査中としている。 滋賀銀行は2020年9月、日立のオープン勘定系パッケージである「OpenStage」を利用して勘定系システムを

発送代行などを手掛ける倉業サービスが、ランサムウエア攻撃を受けた。30万人超の発送先情報が漏洩した可能性がある。狙われたのは、サーバーで使用しているソフトウエアに残っていた脆弱性だった。関係各所への連絡が遅れ、技術面以外でのサイバー攻撃対策の不備が露呈。委託元企業の委託先管理の甘さも否定できない。 「サーバーソフトの脆弱性を突かれた。パッチを当て忘れていた。委託先のシステム会社が適切に管理・保守することになっていたが、システム会社を管理する当社にも落ち度はある」。発送代行などを手掛ける倉業サービスの川井俊之社長はこのように説明する。 同社は2024年11月11日、同年9月12日に受けたランサムウエア攻撃に関する最終報告を公開した。「取引先から受託した発送業務における発送先情報などが漏洩した恐れは否定できないものの、漏洩の具体的事実も確認していない」（倉業サービス）とする。倉業サービスは件数

自然言語を解釈したり文章を生成したりできる大規模言語モデル（LLM）が注目を集めている。この特集では、LLMとは何かを分かりやすく解説する。 「大規模言語モデル（LLM）に興味がある」もしくは「LLMを学ばなければいけない」という方は多いのではないでしょうか。また、「今LLMを学ぶメリットは？」という疑問を持っているかもしれません。 一言でいうと、LLMを学ぶメリットは「LLMをただ使う」側から「LLMを活用して、アプリやサービスを企画・開発できる」側にステップアップできることです。言い換えると、ChatGPTのようなツールを使うだけでなく、それを活かしたサービスを企画・実装するスキルが得られるということです。 本特集では、LLMの基礎知識を解説しつつ、学ぶメリットについても、より詳細に解説します。具体的には、次の3つのテーマを中心に説明します。 AI、生成AI、LLMの定義 LLMが注目

エンドポイント＊1セキュリティーはかつてアンチウイルス（Anti-Virus、AV）＊2製品が主流だった。しかし2010年代になると、高度な脅威に対抗するため横展開などの攻撃活動を把握できるEDR（Endpoint Detection and Response）＊3製品が登場。侵入型のランサムウエア攻撃などが増えるにつれてEDRを導入する組織が増えた。こうした事情から、攻撃者はEDRを回避する手口を模索している。 そこで今回は、最新のEDR回避手法の中から特に注目すべき10種の手口を厳選して解説する。日々進化する攻撃者の戦術を理解することは、対策の「死角」を把握する上で重要である。 正規ドライバーの脆弱性を悪用 ハッカーフォーラム＊4でもAVとEDRの回避は注目度が高い話題だ。例えばある攻撃者が販売する「AV/EDR disabler」は、AVとEDRを終了させずに検知だけを無効化するとう

攻撃者から社内ネットワークを守る「壁」。それがファイアウオールだ。 歴史が長く「当たり前」の存在ではあるものの、サイバー攻撃の脅威が高まる中、その重要性は日を追うごとに高まっている。ファイアウオールがどうやって壁の役割を果たすのか、どんな種類のファイアウオールがあるのかといった一歩踏み込んだ知識を深め、ネットワーク技術者としての基礎力を高めよう。 ネットワークを3つに分ける ネットワーク機器としてのファイアウオールは、建物に設置して火事の延焼を防ぐ防火壁（Firewall）になぞらえたものだ。異なるネットワーク同士の境界に置き、ネットワークを越えてやってくるサイバー攻撃や不正アクセスなどを止める。 よくある用途は、ネットワークを3つに区切るというものだ。インターネット、LAN（Local Area Network）、DMZ（DeMilitarized Zone）＊1の3つである（図1-1）

「生成AI（人工知能）の業務活用に取り組んではいるが、思うような成果を得られない」と悩む企業は少なくない。そこで生成AIの応答品質を高める手法としてRAG（Retrieval-Augmented Generation、検索拡張生成）が注目されている。本特集では実際の経験に基づいて、RAGシステムの構築時に検討すべきプロセスや注意点を解説する。今回はRAGシステムを業務に導入する際の評価手法を見ていこう。 RAGは生成AI（正確には大規模言語モデル）が社内データなどの外部情報源を活用し、より的確な回答を生成するための代表的な手法だ。ユーザーの質問によって外部情報を検索し、検索結果を基にプロンプトを作成する。そのプロンプトを大規模言語モデル（LLM）に送り、外部情報を踏まえた回答を生成させる。 社内ナレッジの検索支援やドキュメント作成の自動化など幅広い業務の効率化を期待してRAGシステムの構築

厚生労働省は2024年12月19日、医療機関や薬局が利用する電子処方箋システムの一斉点検を実施すると発表した。2024年12月20～24日の5日間は電子処方箋の発行を停止し、紙で発行する。薬局側のシステムで医師の処方と異なる医薬品名が表示される事例が発生。2024年12月19日までに7件の報告があったという。今回の一斉点検の実施は、この事例に対応するものだ。 電子処方箋システムでは、医療機関や薬局が自院（局）で使用するデータに付与する「ハウスコード」と、規定のコードをひも付けて運用している。ところが医療機関が一時的に利用するコードである「ダミーコード」を用いて、医薬品を登録する事例があった。これを受けた薬局のシステムはダミーコードを特定の医薬品に設定。その後、別の医薬品を同じダミーコードで受け付け、当初登録した医薬品名を表示してしまったという。

最近は欲しいアプリケーションがあると、人工知能（AI）による対話サービス「ChatGPT」につくってもらうことが増えた。自分で調べてつくると半日から1日はかかるようなアプリでも、ChatGPTを使えばあっという間に出来上がる。 AIアプリも簡単に実現できる。先日AIの取材で、オープンソースの物体検出モデルである「YOLO（You Only Look Once）」を使ったデモを見た。これを自分のパソコンでも再現できないかと思い、Pythonによるアプリの作成をChatGPTに依頼してみた。 最初はアプリ内の画面表示がうまくいかなかったものの、数回のやり取りでトラブルは解決した。ChatGPTが生成したPythonコードを実行するとアプリが起動し、パソコンのカメラに写った複数の物体をリアルタイムに認識してそれぞれが何かを表示してくれる。こんなアプリがたった数分で出来上がるのだ。私はコードを1行

音声認識は音声の内容を文字として取り出す仕組みだ。本特集では、音声そのものの解説から音声認識モジュールの仕組み、Pythonによる音声認識のやり方までを説明する。 音声認識モデルのロード さて、ここまでで、代表的な音声特徴量を図示してみました。ここからは、実際に音声認識を行っていきます。まずは、音声認識モデルを読み込みます（リスト8）。 （1）では、reazonspeech.nemo.asrモジュールから、transcribe,audio_from_path,load_model関数をインポートしています。 （2）では、インポートしたload_model関数を用いて、学習済みの音声認識モデルを格納したファイルをダウンロードし、モデルを利用できるようにします。その過程で、2.5GBほどのファイルをダウンロードするので時間がかかります。 ここでダウンロードされる学習済みの音声認識モデルは、「H

リザバーコンピューティングのリザバー層（ニューラルネットワーク演算を行う階層）は、入力に対して出力が非線形な挙動を示すものであれば何でもよい。この非線形挙動部に光の干渉や散乱現象を利用しようという動きがある（図1）。国内では埼玉大学やNTTなどが研究に力を入れている。 カメラを利用した従来の映像認識技術では、光信号から電気信号に変換する際の遅延やプロセッサーでの電力消費が課題だった（a）。光の反射や干渉を利用した光回路は、光信号をそのまま処理するため、高速かつ低電力消費（原理によっては電力消費ゼロ）で演算できる（b）（出所：日経クロステック）

光量子コンピューターを開発するスタートアップOptQC（オプトキューシー、東京・豊島）が2024年9月に創業した。光方式を採用することで、現状の量子コンピューターが抱える課題を克服できると期待されている。同社代表取締役最高経営責任者（CEO）の高瀬 寛氏に勝算を聞いた。（聞き手は佐藤 雅哉） OptQCの光量子コンピューターはどこが優れているのでしょうか。 OptQC代表取締役最高経営責任者（CEO） 2017年3月東京大学工学部物理工学科卒業、2019年3月東京大学大学院工学系研究科物理工学専攻博士前期課程修了。2022年3月同博士後期課程を修了後、古澤・遠藤研究室の助教に着任、同年4月、理化学研究所の量子コンピュータ研究センター客員研究員に就任。2024年9月東京大学を退職し、OptQCを設立（写真：東京大学） OptQCは、東京大学の古澤・遠藤研究室（大学院工学系研究科の古澤 明教授

アマゾンジャパンは2024年12月19日、「ふるさと納税」サービスを始める。同社のEC（電子商取引）サイト上で、従来の買い物と同じ使い勝手で納税先の自治体や返礼品を選べる。開始時点の参画自治体は約1000、登録返礼品数は約30万で、順次拡大する。 ふるさと納税を巡っては総務省が過度なポイント還元による競争過熱を問題視し、ポイント付与を禁止する方針を打ち出している。アマゾンという「黒船」の参入も相まって、EC大手をはじめとする既存事業者は戦略の練り直しを迫られそうだ。

ホンダは、2モーター式ハイブリッドシステム「e:HEV」の次世代技術を公開した。2025年以降、順次量産車に導入していく。こだわったのはエンジンの存在感だ。 2021年より同社は、2040年までに販売する新車の全てを電気自動車（EV）と燃料電池車（FCV）に絞る「脱エンジン戦略」を掲げる。一方でここ数カ月、北米や欧州市場を中心に世界の自動車市場でEVの需要が鈍化するのと対照的に、ハイブリッド車（HEV）は販売台数を伸ばしている。 これまでエンジン開発に力を入れてきたホンダ。「CVCC」エンジンや「VTEC」といったエンジン技術を世に送り出したほか、自動車レースのF1に度々参戦してきた。同社を「エンジン屋」と表す自動車業界関係者・愛好家も少なくない。ホンダ四輪事業本部長の林克人氏によれば現在、「得意なエンジンの強みを捨ててどうするのか」といったエンジン開発の今後を懸念する声が寄せられていると

日経BPは2025年の経済・技術・消費トレンドを総力を挙げて取材・予測します。雑誌・Web各メディアでの特集、未来を見通す書籍・調査レポートについてはこちらの特設サイトをご覧ください。 有識者5人が2025年に流行する技術を選出する「ITインフラテクノロジーAWARD 2025」。惜しくもグランプリ～3位には漏れたものの、個人としては「推し」の技術を5人の有識者それぞれに1つ挙げてもらった。先端技術を追いかけるエンジニアは、ぜひ参考にしてほしい。 個人的注目技術：HTML First 野村総合研究所 産業ITイノベーション事業本部 産業デジタルイノベーション企画部 エキスパートアーキテクト 石田 裕三氏 Web関連の記述スタイルがJavaScript FirstからHTML Firstに戻ってきた。ユーザーは「Figma」などデザインツールでHTMLを作成し、足りない箇所だけをJavaSc

「生成AI（人工知能）の業務活用に取り組んではいるが、思うような効果を得られない」と悩む企業は少なくない。そこで生成AIの応答品質を高める手法としてRAG（Retrieval-Augmented Generation、検索拡張生成）が注目されている。本特集では実際の経験に基づいて、RAGシステムの構築時に検討すべきプロセスや注意点を解説する。今回はRAGシステムの品質向上に欠かせない、データの整備について見ていこう。 RAGは、生成AI（厳密には大規模言語モデル）が社内データなどの外部情報源を活用し、より的確な回答を生成するための代表的な手法である。ユーザーの質問に基づいてRAGシステムの検索モジュールから抽出したデータを大規模言語モデル（LLM）に送り、それを基に応答させる。そのため、検索対象となる外部情報源のデータに誤りが含まれていたり最新ではなかったりすると、必然的に回答の品質は低下

ExcelでAI（人工知能）機能のCopilotを使えば、プロンプト（指示文章）によるデータ分析が可能だ。複雑な操作や分析機能を知らなくても分析できるので、時間がないときや操作に自信がないときに便利だ。Copilotが生成した分析結果は1つずつシートに出力されるが、複数の結果は1つのシートにまとめることもできる。今回はこの操作方法を紹介する。 本連載では、Microsoft 365 Business StandardのプランにMicrosoft 365 Copilotを追加した状態で動作を確認している。OSやOffice、アプリ、Edgeのバージョンによっては、ここで紹介する機能が使えなかったり、画面が異なったりする場合がある。また、AIで生成された文章には誤った内容が含まれる可能性もある。必ず内容を確認してから利用しよう。 ExcelのCopilotで分析結果を表示する ExcelのCo

新型コロナウイルス感染拡大に伴うテレワークの普及から、出社回帰が強まっている（資料1）。多くの建設会社が原則出社とする他、建設コンサルタント会社も出社頻度の目安を設ける。ただ、テレワークの利点は各社とも認めており、出社との上手な組み合わせが求められる。 最低でも週40時間出社しないならクビだ──。米電気自動車（EV）大手、テスラのイーロン・マスク最高経営責任者（CEO）が同社幹部に対し、こんな内容のメールを送ったとして話題になったのは2022年6月のこと。当時は過激な発言だとの受け止め方が多かったものの、最近では一概にそうとも言えなくなってきた。例えば、米アマゾン・ドット・コムは25年1月から原則として週5日の出社を社員に求める。 コロナ禍で広まった在宅勤務などのテレワークに関して、日本でも揺り戻しが進んでいる。国土交通省が毎年実施している「テレワーク人口実態調査」によると、企業などに勤務

日経BPは2025年の経済・技術・消費トレンドを総力を挙げて取材・予測します。雑誌・Web各メディアでの特集、未来を見通す書籍・調査レポートについてはこちらの特設サイトをご覧ください。 日経クロステックは5人の有識者を招き、2025年にブレークするITインフラ技術を選考する「ITインフラテクノロジーAWARD 2025」を開催した。選考会で議論した内容から、2025年に注目すべきITインフラ技術を解説する。 2023年の「ITインフラテクノロジーAWARD 2024」では10回目の節目として5位まで技術を選んだ。11回目となる今回は、グランプリと2位、3位の3つのITインフラ技術を選出した。ここではグランプリ「生成AI（人工知能）駆動開発」以外の2位と3位に選んだITインフラ技術を取り上げる。 選考会に参加したのは、野村総合研究所（NRI）の石田裕三産業ITイノベーション事業本部産業デジタ

「生成AIの業務活用に取り組んではいるが、思うような品質が得られない」と悩む企業は少なくない。そこで生成AIの応答品質を高める手法としてRAG（Retrieval-Augmented Generation、検索拡張生成）が注目されている。本特集では実際の経験に基づいて、RAGの導入時に検討すべき内容や注意点を解説する。今回はRAGシステム構築の開発手法の選び方、手法ごとの特徴や技術的ポイントを見ていこう。 RAGは、生成AI（厳密には大規模言語モデル）が社内データなどの外部情報源を活用し、より的確な回答を生成するための代表的な手法である。ユーザーの質問に基づいてRAGシステムの検索モジュールから抽出したデータを大規模言語モデル（LLM）に送り、それを基に応答させる。 RAGシステムを導入し、業務の効率化や社内のナレッジ共有などに生かそうと考える企業は多い。しかし、十分な品質を保ち、実際に業

マイクロソフトは2024年10月、Windows 11の大型アップデート「2024 Update」の一般提供を開始した。これは毎年秋に実施されるアップデートで、バージョンは「24H2」となる。11は2021年のリリース以来、3回目の大型アップデートを迎え、この最新版は24H2と呼ばれることが多い。（図1）。H2は下半期（Second Half）を意味する。 図1 Windows 11は2021年10月のリリース以降、月次の更新や大型アップデートによって新機能を追加。2024年10月には3回目の大型アップデート「2024 Update（24H2）」が公開された 待望の大型アップデート　24H2で何が変わる？ 前バージョン「23H2」公開後から24H2にかけて追加された主な機能や改善を図2で挙げた。強化点は、AI（人工知能）アシスタントの「Copilot（コパイロット）」をはじめ、エクスプロー

AI（人工知能）の産業利用が進むにつれて、「リザバーコンピューティング」という機械学習手法が日本の研究者や産業界を中心に、にわかに注目を集め始めた。主にエッジAI向けの機械学習モデルの枠組みで、AI処理に必要な電力を大幅に抑えつつ、推論性能と高速学習を両立できる可能性を秘めている。本特集では、リザバーコンピューティングの用途や原理を解説し、最新の研究動向を紹介する。