Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
なめらかなセキュリティを目指して/Toward The Coherently Fittable Security
Search
monochromegane
September 19, 2019
Technology
0
500
なめらかなセキュリティを目指して/Toward The Coherently Fittable Security
2019.09.19 第47回 情報処理学会 インターネットと運用技術研究会
https://www.ipsj.or.jp/kenkyukai/event/iot47spt35.html
monochromegane
September 19, 2019
Tweet
Share
More Decks by monochromegane
See All by monochromegane
AIを前提とした体験の実現に向けて/toward_ai_based_experiences
monochromegane
1
240
Go言語でMac GPUプログラミング
monochromegane
1
160
Contextual and Nonstationary Multi-armed Bandits Using the Linear Gaussian State Space Model for the Meta-Recommender System
monochromegane
1
470
迅速な学習機構を用いて逐次適応性を損なうことなく非線形性を扱う文脈付き多腕バンディット手法/extreme_neural_linear_bandits
monochromegane
0
1.5k
再帰化への認知的転回/the-turn-to-recursive-system
monochromegane
0
590
仮想的な探索を用いて文脈や時間の経過による番狂わせにも迅速に追従する多腕バンディット手法/wi2_lkf_bandits
monochromegane
0
560
Synapse: 文脈と時間経過に応じて推薦手法の選択を最適化するメタ推薦システム/smash21-synapse
monochromegane
0
440
なめらかなシステムと運用維持の未来/dicomo2021-coherently-fittable-system
monochromegane
1
27k
go:embedでExplainable Binaryを作る/fukoukago17_go_code_embedding
monochromegane
2
320
Other Decks in Technology
See All in Technology
EMとして2023年度に頑張ったこと / What we did well in FY2023 as a EM
pauli
1
160
On Your Data を超えていく!
hirotomotaguchi
2
650
20240418_Google ColabにLLMが搭載されたようなのでPython x データ分析の勉強方法を考えてみる
doradora09
0
120
少数チームで挑む: SwiftUI, TCA, KMPを用いた 新規動画配信アプリ 「ABEMA Live」の開発について
tomu28
0
620
[新卒向け研修資料] テスト文字列に「うんこ」と入れるな(2024年版)
infiniteloop_inc
0
1.6k
Tableau事例紹介 / Tableau Case Study of Eureka
kazuya_araki_tokyo
1
180
私が trocco を推す理由
__allllllllez__
1
200
JAWS-UG Bedrock Claude Night
yamahiro
3
520
VS CodeでAWSを操作しよう
smt7174
7
1.6k
カオナビの利用実績をアウトカムへつなげる旅 / example-of-data-management-startup-in-kaonavi
kaonavi
0
130
2024/4/26 コンピュータ歴史博物館解説告知
toshi_atsumi
0
210
現代CSSフレームワークの内部実装とその仕組み
poteboy
8
3.5k
Featured
See All Featured
How GitHub (no longer) Works
holman
304
140k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
120
39k
A Philosophy of Restraint
colly
197
16k
Fantastic passwords and where to find them - at NoRuKo
philnash
37
2.5k
A better future with KSS
kneath
231
16k
[RailsConf 2023] Rails as a piece of cake
palkan
23
3.9k
We Have a Design System, Now What?
morganepeng
43
6.7k
Mobile First: as difficult as doing things right
swwweet
216
8.6k
StorybookのUI Testing Handbookを読んだ
zakiyama
13
4.6k
Imperfection Machines: The Place of Print at Facebook
scottboms
260
12k
The Cult of Friendly URLs
andyhume
74
5.7k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
78
42k
Transcript
Toward The Coherently Fittable Security ࡾ ༔հ(GMOϖύϘגࣜձࣾ ϖύϘݚڀॴ), Ѩ෦ ത(ίίϯגࣜձࣾ
ٕज़ݚڀࣨ), ܀ྛ ݈ଠ(ϖύϘݚڀॴ) 2019.09.19 ୈ47ճ ใॲཧֶձ Πϯλʔωοτͱӡ༻ٕज़ݚڀձ ͳΊΒ͔ͳηΩϡϦςΟΛࢦͯ͠
1. എܠ 2. ͳΊΒ͔ͳηΩϡϦςΟ 3. ͳΊΒ͔ͳηΩϡϦςΟͷ࣮ݱʹ͚ͨ෦ݚڀ 4. ߟͱ·ͱΊ 2 ࣍
1. എܠ
ηΩϡϦςΟରࡦͷӡ༻ͱ՝
• ར༻ऀʹͱͬͯɼηΩϡϦςΟࢪࡦಋೖʹΑΔ໘͕૿͑རศੑ͕ଛͳΘΕΔ • ଟཁૉೝূͷಋೖΞΫηε੍ݶʢతͳ੍ʣ • IDS/IPSʹΑΔޡݕग़ͷରԠʢؒతͳӨڹʣ 5 ηΩϡϦςΟରࡦͷӡ༻ͱ՝ᶃ: རศੑͷԼ
• ৽ͨͳڴҖʹରͯ͠ɼ৽͍͠ࢪࡦΛಋೖ͢ΔɼϧʔϧΛݟ͠ݫ͘͢͠ΔͳͲɼ ࡍݶͳ͘ྔΛཁٻ͢Δ • ҰڧԽͨ͠ηΩϡϦςΟରࡦɼηΩϡϦςΟ্ͷڴҖ͕ऑ·ͬͨͱͯ͠ ܧଓ͞Εෆཁͳίετͷ૿Ճʹܨ͕Δʹ͋Δɽ 6 ηΩϡϦςΟରࡦͷӡ༻ͱ՝ᶄ: ίετͷ૿Ճ
• རศੑɾίετͱηΩϡϦςΟτϨʔυΦϑ • ঢ়گݸʑਓʹΑͬͯඞཁͳηΩϡϦςΟରࡦҟͳΔ • ৴པͰ͖Δؔऀʹର͢ΔηΩϡϦςΟରࡦͷ෦తͳ؇ • ݸผ͔ͭৄࡉͳݖݶཧӡ༻ෛՙ͕ߴ͍ • WebαʔϏεͷΑ͏ͳෆಛఆଟͷར༻ऀΛલఏͱ͢ΔใγεςϜͰ
Ұͷݖݶཧ 7 ηΩϡϦςΟରࡦͷӡ༻ͱ՝: ᶃᶄͷΞϓϩʔν ॊೈͳηΩϡϦςΟରࡦΛӡ༻ෛՙΛ૿େ͢Δ͜ͱͳ͘ߦ͍͍ͨ
• ใγεςϜͷ։ൃӡ༻ऀʹͱͬͯɼཧ͖͢ϧʔϧࢹ͖͢ϩάɼ ηΩϡϦςΟΠϯγσϯτͷରԠͳͲηΩϡϦςΟΛڧԽ͢ΔҝʹΔ͖ ͜ͱ͕૿Ճɽ • ֤ηΩϡϦςΟରࡦͷ࿈ܞ • ֤ηΩϡϦςΟରࡦΛԣஅͨ͠ϩάͷੳ • ֤ηΩϡϦςΟରࡦͷ࠷৽Խ
8 ηΩϡϦςΟରࡦͷӡ༻ͱ՝ᶅ: ӡ༻ෛՙͷ૿େ
• ࿈ܞԣஅͷ՝౷߹ཧʹΑΔলྗԽ • ෳͷηΩϡϦςΟରࡦΛ౷߹͢ΔUTM • ֤छϩάͷҰݩཧɾੳΛߦ͏SIEM • ࠷৽Խͷ՝ύονγάωνϟͷࣗಈߋ৽ʹΑ࣮ͬͯݱ • ҰํͰɼFirewallͷϙϦγʔWAFͷύλʔϯͱ͍ͬͨಋೖઌͷڥ
WebαʔϏεͷಛੑʹґଘ͢Δͷมߋʹै͢ΔΈ͕ඞཁ 9 ηΩϡϦςΟରࡦͷӡ༻ͱ՝: ᶅͷΞϓϩʔν ޮతͳηΩϡϦςΟରࡦͷͨΊҡ࣋ཧΛࣗಈԽ͍ͨ͠
ݚڀͷత
• ใηΩϡϦςΟʹؔ͢ΔΠϯγσϯτͷൃੜසࣾձతӨڹʑ֦େ • ଟ༷Խ͢ΔαΠόʔ߈ܸʹରԠ͢ΔͨΊɼଟޚ͕ओྲྀͱͳΔ • ڧݻͳηΩϡϦςΟͱͷτϨʔυΦϑͰ͋ΔརศੑͷԼɾίετӡ༻ෛՙ ͷ૿େΛղফ͠ɼܧଓՄೳͳηΩϡϦςΟରࡦͷΈΛ࡞Δ͜ͱ͕ใγε ςϜͷ։ൃӡ༻ऀʹͱͬͯॏཁ 11 ݚڀͷత
͜ΕΒΛ࣮ݱ͢ΔͨΊͷΈΛʮͳΊΒ͔ͳηΩϡϦςΟʯͱͯ͠ఏҊ 12 ఏҊͷࠎࢠ ᶃ ඞཁͳ࣌ʹඞཁ࠷খݶͷηΩϡϦςΟΛఏڙ → ঢ়گݸʑਓʹ࠷దԽ͢Δ͜ͱͰརศੑͷҡ࣋ɾෆཁͳίετൃੜͷճආ ᶄ ࠷దͳαʔϏεΛࣗಈతʹఏڙ →
ঢ়گݸʑਓͷѲ࠷దԽ͕ࣗಈతʹߦΘΕΔ͜ͱͰӡ༻ෛՙΛݮ
ͳΊΒ͔ͳγεςϜ
• ใγεςϜͷ͜ͱΛ͍͏ͷΈͳΒͣɼޓ͍ʹӨڹΛٴ΅͠߹͏ܧଓతͳؔ ʹ͋Δར༻ऀʢϢʔβ͓Αͼ։ൃӡ༻ऀʣͱใγεςϜͱ͔ΒͳΔ૯ମͱ͠ ͯͷγεςϜ 14 ͳΊΒ͔ͳγεςϜ ग़ॴ܀ྛ݈ଠ ࡾ༔հ দຊ྄հ ͳΊΒ͔ͳγεςϜΛࢦͯ͠
ϚϧνϝσΟΞɺࢄɺڠௐͱϞόΠϧʢ%*$0.0ʣγϯϙδϜ # +VM
• ཁ݅ʢ1ʣɿར༻ऀͱใγεςϜͱ͕ܧଓతͳؔΛऔΓ࣋ͭաఔʹ͓͍ ͯɼར༻ऀͦΕͧΕʹݻ༗ͷίϯςΩετΛݟग़ͨ͠Γɼ৽ͨͳίϯςΩετ Λग़ͨ͠ΓͰ͖Δ͜ͱ • ཁ݅ʢ2ʣɿཁ݅ʢ1ʣΛɼར༻ऀʹΑΔ໌ࣔతͳૢ࡞Λ՝͢͜ͱͳ࣮͘ݱͰ ͖Δ͜ͱ • ཁ݅ʢ3ʣɿཁ݅ʢ1ʣ͓Αͼʢ2ʣʹΑͬͯಘΒΕͨίϯςΩετʹجͮ ͖ɼใγεςϜ͕ར༻ऀʹରͯ͠࠷దͳαʔϏεΛࣗಈతʹఏڙͰ͖Δ͜ͱ
15 ͳΊΒ͔ͳγεςϜ ग़ॴ܀ྛ݈ଠ ࡾ༔հ দຊ྄հ ͳΊΒ͔ͳγεςϜΛࢦͯ͠ ϚϧνϝσΟΞɺࢄɺڠௐͱϞόΠϧʢ%*$0.0ʣγϯϙδϜ # +VM
2. ͳΊΒ͔ͳηΩϡϦςΟ
• ڧݻͳηΩϡϦςΟΛ࣮ݱ͢ΔηΩϡϦςΟରࡦͷͨΊʹɼརศੑίετ ͷ໘Ͱͷॊೈੑͱɼӡ༻ͷ໘Ͱͷޮతͳҡ࣋ཧΛཱ͕྆ඞཁ • ʮͳΊΒ͔ͳγεςϜʯͷཁ݅Λຬͨ͢͜ͱͰ͜ΕΛղܾ͢Δ 17 ͳΊΒ͔ͳγεςϜʹΑΔηΩϡϦςΟͷ࣮ݱ ᶃ ݸʑਓʹ߹Θͤͨඞཁ࠷খݶͷηΩϡϦςΟରࡦʹΑͬͯॊೈੑΛ֬อ →
ͳΊΒ͔ͳγεςϜʹ͓͚Δཁ݅ʢ3ʣ ᶄ ར༻ऀͱηΩϡϦςΟγεςϜͷؔੑΛࣗಈ͔ͭܧଓతʹݕग़ɽݸผԽΛ ؚΉηΩϡϦςΟରࡦΛޮతʹҡ࣋ཧ → ͳΊΒ͔ͳγεςϜʹ͓͚Δཁ݅ʢ1ʣͱʢ2ʣ
18 ͳΊΒ͔ͳηΩϡϦςΟ ग़ॴʮϖύϘݚڀॴʯºʮίίϯٕज़ݚڀࣨʯʮͳΊΒ͔ͳηΩϡϦςΟʯͷ࣮ݱʹ͚ͨڞಉݚڀՌͱͯ͠จ͓ΑͼΦʔϓϯιʔειϑτΣΞΛൃද γεςϜͷར༻ӡ༻ʹ͓͚Δ͞·͟·ͳোนʢΰπΰ πʣΛऔΓআ͖ɺݸʑਓʹ߹ΘͤͨʢύʔιφϥΠζ͠ ͨʣηΩϡϦςΟΛඞཁͳ࣌ʹඞཁ࠷খݶͷػೳͱͯ͠ ఏڙ͢Δ͜ͱͰɺརศੑΛଛͳΘͣɺ͔ͭϓϥΠόγʔ ใकΓͳ͕ΒηΩϡϦςΟΛ࣮ݱ͢ΔΈɻ l z
19
• ใγεςϜͷڥքɼ͢ͳΘͪϢʔβ͘͠։ൃӡ༻ऀͱίΞαʔϏεͷத ؒʹҐஔ͢Δ • ར༻ऀଆͷEdgeͰཁٻʹର͢ΔηΩϡϦςΟݕূΛߦ͏ • ཁٻʹର͢ΔηΩϡϦςΟཁ݅ͷબݸਓ·ͨݸʑʹ࠷దԽ • ։ൃऀଆͷEdgeͰίΞαʔϏεʹର͢ΔηΩϡϦςΟཁ݅Λड͚͚ɼ۩ ମɾݸผͷϧʔϧͷࣗಈੜৼΓ͚Λߦ͏ɽ
• ηΩϡϦςΟΦʔέετϨʔλͱͷ࿈ܞ 20 Edge
21 ηΩϡϦςΟΦʔέετϨʔλ ϩάऩूɾݕࡧ จ຺ղੳ ϧʔϧద༻ ηΩϡϦςΟΦʔέετϨʔλ ใγεςϜͱϢʔβͱͷΓͱΓʹؔ͢ΔେͳϩάΛऩ ू͠ɺඞཁʹԠͯ͡ݕࡧͰ͖ΔػೳΛఏڙ ཁٻΛ࣌ܥྻʹଊ͑Δ͜ͱͰจ຺ΛѲ͠ɺͦͷ༰ม Խʹରͯ͠దͳϥϕϦϯάͱܖػΛ༩͑Δ
จ຺ղੳ͔ΒಘΒΕͨϥϕϦϯάܖػʹج͍ͮͯɺ࠷ద͔ ͭඞཁ࠷খݶͷηΩϡϦςΟΛఏڙ͢ΔαʔϏεΛߏ ཁٻจ຺ʹରͯ͠ɺͦͷ࣌ʑʹඞཁ࠷খݶͷηΩϡϦςΟ ͷఏڙΛҡ࣋͢ΔΈɻԼهͷίϯϙωϯτ͔ΒͳΔɻ
3. ͳΊΒ͔ͳηΩϡϦςΟͷ ࣮ݱʹ͚ͨ෦ݚڀ
SQLΫΤϦͷϗϫΠτϦετࣗಈ࡞
• ͳΊΒ͔ͳηΩϡϦςΟʹݶΒͣɼҰൠతͳηΩϡϦςΟରࡦͰɼอޢର ͷใγεςϜʹैͯ͠ɼηΩϡϦςΟཁ݅Λߋ৽͢Δඞཁ͕͋Δɽ • ఏҊγεςϜͰɼݸʑਓʹ߹ΘͤͨηΩϡϦςΟΛඞཁͳ࣌ʹඞཁ࠷খݶͷ ػೳͱͯ͠ఏڙ͢ΔͨΊʹηΩϡϦςΟཁ݅ଟ༷Խ͢Δɽ • ͜ΕΒΛӡ༻ෛՙΛߴΊͣʹղܾ͢ΔʹɼηΩϡϦςΟཁ݅ͷߋ৽ΛਓखΛ հͣ͞ʹߦ͑ΔΈ͕ඞཁͱͳΔɽ 24
ӡ༻໘Ͱͷޮతͳҡ࣋ཧ
SQLΫΤϦͷϗϫΠτϦετࣗಈ࡞ 25 ଜ໋ Ѩ෦ത ੁ ྗ݈࣍ দຊ྄հ 8FCΞϓϦέʔγϣϯςετΛ༻͍ͨ42-ΫΤϦͷϗϫΠτϦετࣗಈ࡞ख๏ Πϯλʔωοτͱӡ༻ٕज़γϯϙδϜจू WPMVNF
QBHFTr OPW • WebΞϓϦέʔγϣϯͷࣗಈςετ࣌ʹൃߦ͞ ΕΔΫΤϦΛߏԽ͠ɼσʔλϕʔεFirewallͷ ϗϫΠτϦετͱͯ͠ར༻ • ఏҊγεςϜͰɼ։ൃӡ༻ऀଆͷEdgeʹର͠ ͯWebΞϓϦέʔγϣϯͷࣗಈςετ͕ొ͞ Εɼੜ͞ΕͨϗϫΠτϦετΛηΩϡϦςΟ ཁ݅ͱͯ͠ߋ৽
ଟ༷Խ͢ΔηΩϡϦςΟཁ݅ͷࣗಈੜ 26 ҰൠϢʔβ 6TFS"ཁٻ༻ͷ*' 6TFS#ཁٻ༻ͷ*' 0QT"ͷηΩϡϦςΟཁٻ 0QT" ϢʔβγεςϜ܈ ӡ༻։ൃऀγεςϜ ใγεςϜ
ݸผͷཁٻ ʢจ຺ʣ ηΩϡϦςΟ ΦʔέετϨʔλ ಛݖϢʔβ ΞϓϦέʔγϣϯͷࣗಈςετ͔ΒηΩϡϦςΟཁٻΛࣗಈ ੜ<> ࠓޙɺϢʔβཁٻͷจ຺ʹԠͯ͡ɺͷηΩϡϦςΟཁٻΛ ద༻͠Θ͚Δʢ͋Δ42-จΛಛݖϢʔβʹڐՄ͢Δʣऔ ΓΈΛߦ͏ ଜ໋ Ѩ෦ത ੁ ྗ݈࣍ দຊ྄հ 8FCΞϓϦέʔγϣϯςετΛ༻͍ͨ42-ΫΤϦͷϗϫΠτϦετࣗಈ࡞ख๏ Πϯλʔωοτͱӡ༻ٕज़γϯϙδϜจू WPMVNF QBHFTr OPW
Hayabusa
28 طଘݚڀ: Hayabusa Ѩ෦ത ౡܚҰ ٶຊେี ؔ୩༐࢘ ੴݪ༸ Ԭా தଜྒྷ
দӜ࢙ ࣰాཅҰ ࣌ؒ࣠ݕࡧʹ࠷దԽͨ͠εέʔϧΞτՄೳͳߴϩάݕࡧΤϯδϯͷ࣮ݱͱධՁ ใॲཧֶձจࢽ ר߸ QBHFT NBS • ͳΊΒ͔ͳηΩϡϦςΟʹݶΒͣɼҰൠతͳηΩϡϦςΟରࡦͰɼϩάΛҰ ՕॴʹूΊɼूதॲཧΛߦ͏߹͕ଟ͍ • େྔͷϩάΛऩू͔ͭ͠ॲཧ͢ΔͨΊͷࣄલݚڀͱͯ͠ɼHayabusaΛ։ൃ • ධՁ࣮ݧͰɼ144ԯߦͷsyslogσʔλͷશจݕࡧ͕7ඵͰྃ
• ϚΠΫϩηΩϡϦςΟαʔϏε͕࣮ߦ͞ΕΔEdgeࣗମʹେྔͷϩά͕ੵ͞ ΕΔɼ͔ͭEdgeͷେʢ1ສʙʣ • ϩάΛूதతʹॲཧͤ͞ΔʹɺϩάͷసૹԆଳҬͷѹഭ͕ݒ೦͞ΕΔ • EdgeͰͷࢄॲཧ • EdgeͷதͰࣗతʹॲཧΛ݁ͤ͞Δ •
EdgeͷதͰඞཁͳσʔλͷΈूܭͯ͠ɺΦʔέετϨʔλʹୡ 29 EdgeΛఆͨ͠ϩάॲཧ
Scalable Edge Log Processing 30 • ϩάॲཧΛEdgeدͤΔ • EdgeͰͷϩάੵ •
EdgeͰͷϩάॲཧͷ݁ʢࣗݾ݁ or ݁ ՌͷΈ֎෦సૹʣ • αʔϏεσΟεΧόϦʔͷԠ༻ • EdgeͰಈ͘ϚΠΫϩαʔϏεͷϩάΛऩ ूɾॲཧ • ͦͷͨΊͷϚΠΫϩαʔϏεͷ࠷దԽϧʔ ςΟϯά
Kaburaya
• Edge͕ಁաతʹৼΔ͏ͨΊʹύϑΥʔϚϯε͕ॏཁ • ҰํͰɼݸਓԽʹΑͬͯEdge͕૿Ճ͢ΔͨΊɼࢿݯࡃͷ࠷దԽ͕ٻΊΒ ΕΔɽ • ಉ༷ʹɼݸਓԽʹ͍֤Edgeͷଟ༷ੑ͕૿ͨ͢ΊɼखಈͰͷνϡʔχϯά ࠔͱͳΔɽ 32 Edgeʹ͓͚ΔࢿݯεέδϡʔϦϯάͷඞཁੑ
33 Edgeʹ͓͚ΔࢿݯεέδϡʔϦϯάͷඞཁੑ &EHF ϚΠΫϩηΩϡϦςΟαʔϏε࣮ߦͷฒྻԽ ֤ϚΠΫϩηΩϡϦςΟαʔϏεͷ࣮ߦج൫ͷΦʔτεέʔϦϯά • ύϑΥʔϚϯε্ʹϚΠΫϩηΩϡϦςΟαʔ Ϗε࣮ߦͷฒྻԽ࣮ߦج൫ͷεέʔϦϯά͕༗ޮ • ͜ΕΒΛෛՙࢿݯ੍Λߟྀͯ͠࠷దԽ͍ͨ͠
QSPDFTTͰෳϚΠΫϩηΩϡϦςΟαʔ Ϗε͕࣮ߦ͞ΕΔ߹ͳͲ ֤ϚΠΫϩηΩϡϦςΟαʔϏε͕ίϯς φͰఏڙ͞ΕΔ߹ͳͲ ⁞ ⁞
• ϑΟʔυόοΫ੍ޚΛ༻͍ͯɼରͷλεΫͷಛੑΛࣄલʹΔ͜ͱͳ͘ɼ Ԡత͔ͭܧଓతʹ࠷దͳฒߦΛٻΊΔ • ఏҊγεςϜͰɼݸผԽ͞ΕͨηΩϡϦςΟݕূ༰ͱॲཧ࣌ؒΛࣄલ ʹΔ͜ͱͳ͘ɼ࠷దͳΈ߹ΘͤΛ࣮ߦ࣌ʹࣗಈͰಋ͘ Kaburaya 34 :VTVLF.JZBLF 0QUJNJ[BUJPOGPS/VNCFSPGHPSPVUJOFT6TJOH'FFECBDL$POUSPM
(PQIFS$PO.BSSJPUU.BSRVJT4BO%JFHP.BSJOB $BMJGPSOJB +VMZ
4. ߟͱ·ͱΊ
• ͳΊΒ͔ͳγεςϜͷཁ݅ʹج͖ͮηΩϡϦςΟରࡦͷݸਓͷ࠷దԽΛࣗಈ͔ ͭܧଓతʹߦ͏ηΩϡϦςΟγεςϜΛఏҊ • EdgeͰͷϩάऩूɾݕࡧͷ؍͔ΒHayabusaͷ֦ு • ޮతͳҡ࣋ཧʹඞཁͳηΩϡϦςΟఆٛͷࣗಈੜ • ݸผԽ͞Εͨଟ༷ͳڥʹ͓͚ΔΦʔτεέʔϦϯάͷ࠷దԽ •
ࠓޙίϯςΩετղੳͱηΩϡϦςΟରࡦͷϚονϯάͷ࣮ݱͱEdgeͷཧత ͳஔܦ࿏બʹؔ͢Δݕ౼ΛਐΊΔ • ෳͷใγεςϜΛԣஅ͢ΔڥΛલఏͱͨ͠EdgeͷઃܭΛ௨࣮ͯ͠༻ੑͷ ߴ͍γεςϜΛ࣮ݱ͢Δ 36 ߟͱ·ͱΊ
None