Upgrade to Pro — share decks privately, control downloads, hide ads and more …

CNDW2026発表資料

Sponsored · Your Podcast. Everywhere. Effortlessly. Share. Educate. Inspire. Entertain. You do you. We'll handle the rest. →
OSHIRO
November 17, 2026
42

 CNDW2026発表資料

OSHIRO

November 17, 2026

Transcript

23 slides
  1. 自己紹介  PROFILE Yosuke Hojo 株式会社ドワンゴ 教育事業本部  ROLE &

    FOCUS ソフトウェアエンジニア データ基盤の設計・運用 TECH STACK & INTEREST Go / DB / ContainerRuntime 2
  2. “未来の当たり前の教育をつくる ” 学習システム「 ZEN Study」 ※2024年9月に 「N予備校」からサービス名称を変更しています 学習に必要なものがすべて詰まっている「オールインワン」 e-learning アプリ

    • • • N高グループ ・ZEN大学の “学修” を支え、高校・大学の単 位と正しく認定される ことが重要 (BtoBtoC) 学校の履修科目だけではなく、 プログラミングや大学受験教材 など課外コンテンツ も学習可能 個人の月額課金 (BtoC) / 他学 校法人などへ課外コンテンツの 一部を提供 4
  3. IAM の基本構造 付与の構造 IAM の 3 つの性質 「誰が・どの Role を・どこに」の三つ組

    Principal Role Resource 1 誰が user:[email protected] どの権限を roles/bigquery.dataViewer 2 加算のみ 付けた Role から一部の権限を引くことはできない Project に付けると明示的な拒否が必要 事前設計が必要 どこに dataset / project など 3 Role × リソースごとに付与する 絞るほど付与の数が増える Role は上位から下位へ継承:プロジェクト → データセット → テーブル 絞る = 小さい単位に付ける = 付与の組み合わせが増える 6
  4. RBAC と ABAC : ロールで決めるか、属性で決めるか RBAC Role Based Access Control

    ユーザー 決め方 ➔ ロール ユーザーに ロール を割り当てて権限を決める ABAC Attribute Based Access Control 属性 決め方 ➔ 許可 / 拒否 人・データ・環境の 属性 を アクセスのたびに Policy で評価する 例 「データアナリスト」なら 分析用データセットをすべて閲覧できる 例 「担当業務 = 広告」かつ「データ分類 = 広告」 のときだけ閲覧できる 長所 単純。誰が何を見られるかをロールから読める 監査・棚卸がしやすい 長所 細かく柔軟。ロールを増やさずに個別化できる 属性が変われば権限も追従する 短所 粒度が粗い。例外ごとにロールを足すと ロールが爆発的に増える 短所 Policy が複雑になり管理コストが上がる 「業務ごとに見れるデータを最小に」は ABAC 的な要件。しかし RBAC からそのまま移るには 2 つの問題がある 7
  5. 従来のアクセスコントロール Role Based Access Control 例外処理と特権拡張 いわゆる RBAC による標準アクセス制御 柔軟なアクセス権限の調整

    • 規定のプリセットロールに当てはめる • 例外的な特権の追加も可能 • シンプルな運用モデル • 標準ロール外の要件に対応する柔軟性を確保 8
  6. RBACからABACへの移行を妨げる問題 1  IAM は加算しかできない 課題 既定ロールから特定アクセスを除けない  RBACモデルからの完全な移行を阻む主要要因の 1つ

    影響  細やかなロール表現は可能だが状態把握が困難 化 運用難易度の増大 / 保守性低下 コードの保守性と視認性が大幅に低下するリスク 10
  7. RBACからABACへの移行を妨げる問題 2 組み合わせ(静的な状態)が爆発的に増  加する 課題 管理の複雑化  管理する複雑さが大きく膨れ上がる 影響

    N:M Role を管理しきれない  大量の IaC のための管理コストが発生する 組み合わせ爆発による管理オーバーヒート 11
  8. どう対応するのか 課題 1 : IAM の加算ができない 課題 2 : Role

    組み合わせ問題  既定ロールから特定権限を引けない制約  静的状態と管理複雑性の爆発的増加 Approach 1 Approach 2 Approach 3 静的な Terraform 構成 Go による Terraform 自動生成 Rego によるガードレール • 権限ロジックを Go に移譲し宣言 を静的に保つ • Role + AddOn + Exclude の組み合 わせ計算 • CI で terraform plan の結果を検 証 • クラウド状態の SSoT を保証 • 抽象度を上げた定義からリソース へ自動変換 • 許容上限を超える権限付与を自 動検知 • 管理工数と手動ミスの削減 • ポリシー違反時は CI が失敗し適 用阻止 12
  9. OPA: Rego 汎用ポリシーエンジンによる検証とその記述 クエリ Query (JSON)  判定結果を求めるために必要な情報。terraform Plan の結果

    OPA 評価フローと構造 ポリシー Rego Logic  Regoで記述された判定結果を導くためのロジック データ (任意 ) Context Data  都度変更されるものではないが判定に必要な情報。ユーザーの許可リストなど 判定結果 Decision  クエリをポリシーに従って処理した結果が出力される 出典 : https://www.openpolicyagent.org/docs 13
  10. 全体アーキテクチャ: 3層 + ガードレール ① UI 層 ② ロジック層 ③

    宣言的 IaC 層 Google Cloud Go ジェネレータ Terraform BigQuery の IAM + AddOn / - Exclude ロール + AddOn + Exclude を リソース定義に変換 generated_*.tf 人が編集して PR で申請 意味的な検証はしない クラウドの状態の SSoT データセット閲覧 Policy Tag(列・マスク) IAM Roleで付与 user_master.yaml 誰に・どの ロール か plan → apply plan 結果( JSON) Policy (ロールの許容できる最大の権限 ) ガードレール: Rego (OPA / conftest) policy/*.rego, data/*.json 何を: terraform plan の結果(生成後の Terraform) 変更はマネージャー以上が承認 (CODEOWNERS) いつ: PR の CI で、plan のたびに実行 結果: ロールの上限を超える付与があれば CI が失敗し、 apply されない UIで誤った指定がされたり、生成ロジックが誤っていてもポリシーを逸脱しない Rego は UI層(Yaml)ではなく、クラウドに適用される直前の Terraform planを検査する 14
  11. UI層 役割 1 📄 user_master.yaml  ユーザーによる権限申請インターフェース 権限設定の定義を業務ドメインに基づいた表現 役割 役割

    02 2  ユーザーの権限付与のマスター これを元にして Terraform を自動生成するベース構造を提供 15
  12. ロジック層 Go で書かれたロジック層  変換処理 UI 層を Terraform(/HTML etc) に変換する

     関係性の制御 Role(原則のアクセスリスト) AddOn(例外の許可) Exclude(明示的な除外) の関係だけを処理する  非検証 Validation は行わない  ※ロジックは Yaml の解釈と IAMリソース へのバインディングであり、意味的な正しさは検証しない 16
  13. 宣言的 IaC 層 静的な Terraform で構成  SSoT 構成の唯一の正しい情報源 (Single

    Source of Truth)と して機能  静的な定義 条件分岐を伴わない IaC に より検索性が向上  IAM 統制 Authoritative な IAM 管理 が可能 静的な Terraform による宣言的 IaC 層を構築することでシステム全体の構成・権限管理の透明性と一貫性を  保証する 17
  14. ガードレール Rego による Policy 検査  管理とレビューの分離  簡易的な権限変更 UserMaster/IaC管理とセキュリティレ

    ビューを分離 ユーザーの権限の縮小や(Policy 規定内 の)拡大を簡易的に実行  Rego による自動ポリシー検証をガードレールとすることでセキュリティを担保しながら権限設定変更の迅速 化を実現する 18
  15. Rego で保証したいこと Policy として Role が許容できる最大値を記述  新しいデータセット自体の追加やマスキングへのアクセ スなどは Policy

    を更新  Policy 内部での変更は セキュリティレビュー不要で対 応可能  既存の Policy を逸脱する変更は Policy の更新が必 要 包含関係モデル 19
  16. Rego の具体例① : Policy とルール Policy : ロールごとの上限 ルール :

    上限を超える付与を deny policy/data/dataset_access.json policy/policy.rego (一部省略化 ) "dw-project" : { "roles": { "data_analyst" : [ "n_school_user_profile" , ... "ga" ], "data_scientist" : [ "n_school_user_profile" , ... // ga は無い ] } } deny contains msg if { some rc in dataset_iam_changes # plan の付与 some member in iam_members(rc) email := member_email(member) not allow_dataset_access(rc, email) msg := sprintf(...) } # ① ロールの上限内 allow_dataset_access(rc, email) if { after := rc.change.after some g in user_groups(email) after.dataset_id in data.dataset_access_policy.projects[after.project].rol es[g] } 許可の条件を allow に並べどれにも当たらない付与を deny. deny が 1 件でもあれば CI を失敗させる 20
  17. Rego の具体例② : Policy の内と外 ケース 1 : Policy の内側

    変更 user_master.yaml にアナリストを追加 - Name: 鈴木 花子 Email: [email protected] Role: データアナリスト Rego の結果 ケース 2 : Policy の外側 変更 基盤運用者に AddOn で ga - Name: 山田 太郎 Email: [email protected] Role: データサイエンティスト AddOn: datasets: [ga] Rego の結果 ✗ FAIL ✓ PASS ga はアナリストの上限内 user "[email protected]" is not allowed ... on dataset "ga" ... by role limit or add_on_datasets ケース 3 : Policy を更新 arrow_ 変更 add_on_datasets.json に追記 {"add_on_datasets": [ {"user": "[email protected]", "dataset_id": "ga"} ]} Rego の結果 ✓ PASS ケース 2 と同じ yaml でも通る 承認 承認 承認 通常の PR レビューのみ CI が失敗し、マージできない マネージャー以上の承認が必要 セキュリティレビューは不要 yaml だけでは上限を超えられない /policy/ は CODEOWNERS で保護 許容範囲内の変更は yaml の変更だけで反映 . 許容範囲そのものを広げられるには Policy を変更 21
  18. 得られるメリット  責務を分離    申請は UI 層のみ Terraform

    変換時に Policy violation を気にしなくて良い 日常的なセキュリティレビュー が不要 自動検証により運用者が違反を意識せ ず安全に操作可能 ガードレールによる自動チェックで定常 レビューコストを削減 権限申請などの操作を UI 上に限定 し、バックエンド構造を分離 22
  19. まとめ ユーザの責務 / 担当PJなどによって膨大な組み合わせが生じるデータ領域の IAM管理を ABACに移行  役割を 3層に分けた 

    ガードレールの設定  管理とレビューを分離 UI / ロジック / 宣言的 IaC Policy Violation を検出 CODEOWNERS でガバナンス UI 層(Yaml)・ロジック層(Go)・宣言的 IaC 層(Terraform) 成ロジックが誤っていても上限を超えない安 全性を確保 Policy 範囲内での変更は Yaml で管理 各層の責務を 1つに絞り込み、設計を明確 化 Policy 自体の変更は CODEOWNERS(しか るべき承認)でのみ変更 ドワンゴ教育サービス開発ブログ https://blog.nnn.dev/ 23