Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
なめらかなセキュリティを目指して/Toward The Coherently Fittable...
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
monochromegane
September 19, 2019
Technology
740
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
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
More Decks by monochromegane
See All by monochromegane
Go言語とトイモデルで学ぶTransformerの気持ち / fukuokago23-transformer
monochromegane
0
270
適応的スパムフィルタのための軽量な類似メッセージカウンタ / jsai2026-adaptive-spam-filter
monochromegane
0
5.8k
ベクトル検索のフィルタを用いた機械学習モデルとの統合 / python-meetup-fukuoka-06-vector-attr
monochromegane
3
920
Claude Codeセッション現状確認 2026福岡 / fukuoka-aicoding-00-beacon
monochromegane
4
810
Go言語での実装を通して学ぶLLMファインチューニングの仕組み / fukuokago22-llm-peft
monochromegane
0
310
不確実性下における目的と手段の統合的探索に向けた連続腕バンディットの応用 / iot70_gp_rff_mab
monochromegane
2
580
なめらかなシステムと運用維持の終わらぬ未来 / dicomo2025_coherently_fittable_system
monochromegane
0
51k
ベクトル検索システムの気持ち
monochromegane
38
13k
Go言語での実装を通して学ぶ、高速なベクトル検索を支えるクラスタリング技術/fukuokago-kmeans
monochromegane
1
340
Other Decks in Technology
See All in Technology
AI時代に必要な脅威モデリング― 変化の速度に負けない理解とリスク判断
masakane55
2
540
自主式軟體工廠
philipz
0
200
生成AIを使って「人が」考える技術 ― AI時代の人機共想と実践ノウハウ|UNITT AC2026
ishiirikie
0
540
自律型 AI をセキュアに実装!Gemini と MIG で作る動的コード実行環境
recruitengineers
PRO
1
200
いちAWSエンジニアのAI活用を振り返る #devio2026 / devio osaka 2026 kawahara
masahirokawahara
2
360
[2026 Oracle Technical Deep Dive] エンタープライズAIエージェントを支えるOCIソリューション。ラインナップと特徴を理解しよう! (2026年9月17日開催)
oracle4engineer
PRO
0
470
オンラインゲームのシステム全体像 - コロプラ 2026年度 新卒研修
colopl
0
340
契約書画像からの情報抽出に特化した視覚接地モデルを育てる話
sansantech
PRO
1
120
More Freedom on the Same Shared GPU Cluster: A Small Team’s Experience with vCluster
nttcom
0
120
インバスケット試験対策アプリを 作って見えたAIエージェント構築 ナレッジ2選
shichijoyuhi
1
120
ファミコンでPHPを動かす / PHP on the Famicom side b
tomzoh
0
130
SREでアラート疲れを 解決しよう!
kairim0
1
160
Featured
See All Featured
Agile that works and the tools we love
rasmusluckow
331
22k
Faster Mobile Websites
deanohume
310
32k
The untapped power of vector embeddings
frankvandijk
2
1.9k
Being A Developer After 40
akosma
91
590k
Amusing Abliteration
ianozsvald
1
320
Designing for Performance
lara
611
70k
Reality Check: Gamification 10 Years Later
codingconduct
0
2.3k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
123
22k
Joys of Absence: A Defence of Solitary Play
codingconduct
1
530
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
35
2.6k
Getting science done with accelerated Python computing platforms
jacobtomlinson
2
520
How to audit for AI Accessibility on your Front & Back End
davetheseo
0
570
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