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
monochromegane
September 19, 2019
Technology
750
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
290
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
6.1k
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
930
Claude Codeセッション現状確認 2026福岡 / fukuoka-aicoding-00-beacon
monochromegane
4
830
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
320
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
600
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
54k
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
350
Other Decks in Technology
See All in Technology
AI駆動開発における開発環境のセキュリティの考え方
yamahiro
0
180
AI × アーキテクト 第1・2章|生成AIの課題とアーキテクトの素養
daidaidai
1
210
DevelopersIO2026 -バックアップは“消されないこと”が9割-
yoshida0129
0
190
Turning Repos into the Product Second Brain with an LLM Wiki
linedevth
0
130
PagerDuty Tech Hub-鳴らすけれど、人は動かない
ezaki
0
190
小規模OSSモデルは サイバーセキュリティ業務に どこまで使えるか
bbrbbq
0
150
Railsで挑む大量データ永続化 〜600億件を永続化するための設計とボトルネックとの戦い〜
occhi
1
1k
QA4AI 2026-Oct 生成AI時代の品質保証
tokuty
1
940
夫婦で子育てするための育児標準化
codmoninc
PRO
0
550
AI コーディングと人間の認知スループット / CTO Night & Day 2026 Morning Session / AI Coding and Human Cognitive Throughput
prog893
5
1.4k
AIネイティブ企業への変革。パーソルキャリアが挑む「データメッシュ×ガバナンス」のアーキテクチャ戦略
techtekt
PRO
0
110
SAENM ~Jupyterで残すPoCの試行錯誤、未来の自分と仲間を助ける記録!~
terapyon
0
170
Featured
See All Featured
The World Runs on Bad Software
bkeepers
PRO
72
12k
State of Search Keynote: SEO is Dead Long Live SEO
ryanjones
0
320
Balancing Empowerment & Direction
lara
6
1.3k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
16k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.9k
Building a A Zero-Code AI SEO Workflow
portentint
PRO
0
790
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
360
31k
Neural Spatial Audio Processing for Sound Field Analysis and Control
skoyamalab
0
570
How To Speak Unicorn (iThemes Webinar)
marktimemedia
1
610
Data-driven link building: lessons from a $708K investment (BrightonSEO talk)
szymonslowik
1
1.4k
The Illustrated Children's Guide to Kubernetes
chrisshort
51
53k
AI Search: Implications for SEO and How to Move Forward - #ShenzhenSEOConference
aleyda
1
1.4k
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