こんにちは、タイミーでデータアナリストをしているyuzukaです。 主にプロダクトの分析に携わっています。 ビジネス職からデータアナリストに転向して約1年経った私が、1年前の自分に教えてあげたい、BigQueryや LookerStudioに関する落とし穴を、いくつか挙げてみようと思います。 はじめに 弊社では、分析環境として BigQueryを採用しています。LookerStudioを使って、 BigQueryのデータを参照してダッシュボードを作ることもよくあります。 BigQueryの SQLを使った分析を進めていく中で、想定と異なるデータが出てきてしまい、原因を特定するのに苦労し、無駄な時間を費やしてしまった経験が何度もあります（実際には、そんな過程もきっと無駄ではないと信じたい）。 こちらのブログを読んでいただいたみなさまには、同じ苦労を味わっていただきたくないので、私が今までにハ

\begin{align} \displaylines{ \mathbf{x}(n+1) &=& \mathbf{f}(W^{in}\mathbf{u}(n+1)+W\mathbf{x}(n)) \;\;\;\;\;\;(n=0, 1, 2, ...)\\ \mathbf{x}(n+1) &=& \mathbf{f}(W^{in}\mathbf{u}(n+1)+W\mathbf{x}(n)+W^{fb}\mathbf{y}(n)) \;\;\;\;\;\;(n=0, 1, 2, ...)\\ \mathbf{y}(n+1) &=& W^{out}\mathbf{x}(n+1)\;\;\;\;\;\;(n=0, 1, 2, ...) } \end{align} なぜリザバーがランダム値のままうまくいくのか？ 入力層とリザバーのパラメータがランダムな初期値ままでよいというのは直観に反しますが、

1. はじめに：機械学習と確率分布推定の重要性 私たちは日々、膨大な量のデータに囲まれていますが、そのデータがどのように生成されているのか、その背後にはどのような法則が隠れているのでしょうか？ 機械学習は、この問いに答えるための強力なツールです。 中でも、確率分布推定は機械学習の中心的な問題の一つです。データが未知の確率分布から生成されていると仮定し、その確率分布を推定することで、データの背後にある真理に迫ることができます。 この推定された確率分布を用いれば、新しいデータに対する予測も可能になります。 本稿では、確率分布推定の基礎となる概念を発見法的に議論し、その面白さと重要性を明らかにしていきます。 さらに、代表的な推定法である最尤法、MAP推定、ベイズ推定の理論的な導出過程を詳しく解説し、それぞれの方法の特徴や関連性を探ります。 また、汎化誤差と過学習の概念について説明し、モデル選択の

機械学習に限らず，データ分析の依頼を受ける際によく訊かれるのが、 「どれくらいデータがあればいいですか？」 という質問です。それに対しては、まずは、 「特徴量の数の10倍1が目安ですね。でも問題とモデルの複雑さに依存するので簡単ではないですね。」 と答えることが多いです。 しかし、この問題は一言では片付けられないほど奥が深いのです。 必要なデータ量は、扱う問題の性質や用いる手法によって大きく変わります。 そこで本記事では、①説明変数の数、②機械学習モデル、③データ量を変えながら精度がどう変化するかを実験的に調べ、問題設定ごとに最低限必要なデータ数を見積もるための指針を提示します。 AIやデータ分析に取り組む皆さんにとって、必要データ量の見積もりは永遠の課題ともいえます。本記事の知見を活用いただき、プロジェクトを成功に導く一助となれば幸いです。 第1部 必要データ量を左右する要因 必要なデー

機械学習モデルの訓練において、データセット中のクラスの出現頻度が大きく偏っている「不均衡データ」は、しばしば課題となります。 不均衡データをそのまま扱うと、モデルは多数派クラスに偏った予測を行うようになり、予測精度が低下する可能性があります。 本稿では、不均衡データ対策の手法と、より効果的なモデル構築のための包括的な戦略を紹介します。 初学者から実務家まで、幅広い読者に情報を提供することを目的としています。 1. 不均衡データとは 不均衡データとは、分類問題において、各クラスのデータ数が大きく異なるデータセットを指します。 例えば、クレジットカード詐欺検出では、詐欺取引 (Positive) は正常な取引 (Negative) に比べて圧倒的に少ないため、不均衡データとなります。 2. 不均衡データ対策の重要性 不均衡データをそのまま用いてモデルを学習すると、モデルは多数派クラスのデータに

この記事は有名な画像生成AIであるStable Diffusionの使い方を説明する入門です。 画像生成AIに興味を持ったけどどうやって始めるからわからない人にとっておすすめです。簡単についていけるようにまず簡単な最低限のコードから例を見せてからどんどん説明を追加していきます。 はじめに きっかけ 私はずっと前から生成AIに興味を持って2018年の時にDCGANに挑戦したこともあって、ここで記事も書いたのです。 DCGANを使ったら絵が描けない私でもある程度新しい絵が作れるようになって嬉しいことです。 しかしあの時のDCGANでは満足できそうな画像が作れなくて限界を感じてしまいました。実用レベルはまだまだでした。 当時はあれで精一杯だったのですが、技術の発達は本当に速いものです。あれから時間が経って2022年になって漸くStable Diffusionが現れました。 これを使ったら本物のイ

この先を生き残るために!!「生存戦略としてのLLMアプリ開発技術」/20240124_PE-BANK

LLM Agent 入門 データ処理パイプラインと LLM Agent の違い Google Cloud の Gemini API には Function Calling 機能が実装されており、基盤モデルの Gemini に「外部 API を利用して回答に必要な情報を収集する」という動作が追加できます。ここでポイントになるのは、「どの API をどのように使用すれば回答に必要な情報が得られるか？」という部分を Gemini 自身に考えさせるという点です。これを利用すると、いわゆる LLM Agent が実装できます。 集めるべき情報の種類や処理の手順があらかじめ決まっている場合は、LLM によるテキスト生成を組み込んだデータ処理パイプラインを実装する方が安定的に動作する（期待する結果が確実に得られる）はずですが、特定の手順を前提としない柔軟な処理を実現する際は LLM Agent が向いて

米Metaは6月27日（現地時間）、コード最適化のためのLLMモデル「Meta Large Language Model Compiler」（以下「LLM Compiler」）を発表した。特別な商用ライセンスの下でリリースしており、Hugging Faceでダウンロードできる。70億パラメータと130億パラメータの2サイズ構成だ。 LLM Compilerは、研究者や開発者がコードの最適化とコンパイラの最適化をさらに研究開発するための、スケーラブルで費用対効果の高い基盤を確立することを目指しているという。このモデルを利用することで、コードサイズを大幅に削減したり、プログラムの実行速度を向上させることができるとしている。 従来のコード最適化手法は、手作業で設計された特徴やグラフニューラルネットワークに依存しており、プログラムの表現が不完全だが、LLM Compilerは「ソースプログラムを完

LLM が抱える課題と RAG 技術の登場 LLM は大量のデータを使って学習しますが、学習データに含まれない情報を含む質問にはうまく回答できません。例えば、「最新の科学論文に基づいて、この病気の新しい治療法を提案してください」といった質問に対して、LLM は学習データに含まれていない最新の科学論文の内容を理解することができません。 この問題を解決するために、Retrieval-Augmented Generation (RAG) 技術が登場しました。RAG は、ユーザーの質問に基づいて関連情報を検索し、その結果を LLM への入力として使用することで、より正確な回答を生成します。 従来の RAG では、検索にベクトル類似度が用いられてきました。しかし、Microsoft Research の最新の研究では、非公開データの分析において、プロンプト拡張が有効であることが示唆されました。 Gr

スライド概要 2024年5月31日に開催した「AWSで生成AI入門！ LLMの概要からRAG、エージェントまで」セッションの資料です。 生成AIに使われるLLMの基本を説明し、AWSが提供している生成AIサービスであるAmazon Bedrockの使い方を説明します。 APIの使い方に始まり、チャット、ベクトル検索、RAGと段階的に説明し、最終的に「はにわロボット」工場のエージェントを作成する内容になっています。

Metaがコードをコンパイルしつつ最適化するという大規模言語モデル「Meta Large Language Model Compiler」をリリースしました。モデルは商用利用可能で、Hugging Faceにてホストされています。 Meta Large Language Model Compiler: Foundation Models of Compiler Optimization | Research - AI at Meta https://ai.meta.com/research/publications/meta-large-language-model-compiler-foundation-models-of-compiler-optimization/ Today we’re announcing Meta LLM Compiler, a family of models

はじめに こんにちは、KDDIアジャイル開発センターのはしもと（仮名）です。 エンドレス水出しコーヒーの時期になりましたね。 今回は、Ollama を使って日本語に特化した大規模言語モデル Llama-3-ELYZA-JP-8B を動かす方法をご紹介します。 このモデルは、日本語の処理能力が高く、比較的軽量なので、ローカル環境での実行に適しています。さあその性能は如何ほどに！！！！？？？？はやくAIは俺から仕事を奪え。 Llama-3-ELYZA-JP-8Bとは Llama-3-ELYZA-JP-8Bは、ELYZA社が開発した日本語に特化した大規模言語モデルです。Meta社の「Llama 3」シリーズをベースに、日本語での追加学習を行っています。80億パラメータという比較的小さなモデルサイズながら、「GPT-3.5 Turbo」や「Claude 3 Haiku」、「Gemini 1.0 P

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 皆さんこんにちは♪ 本日は、ローカルLLMの最新動向と事例について、紹介します。 ローカルLLMについてはこちらも参考にしてください♪ https://note.com/kii_genai/n/nf360bc4e0167 LLM（Large Language Model）は、膨大なデータセットを用いて学習された自然言語処理モデルです。従来はクラウドサーバーでの実行が主流でしたが、プライバシー保護やデータセキュリティの観点から、ローカル（デスクトップやモバイルデバイス）での利用が注目されています。今回は、ローカルLLMの最新動向

マルチメディア，分散，協調とモバイル（DICOMO2024）シンポジウムでの招待講演の資料です。 https://dicomo.org/

こんにちは、つくぼし(tsukuboshi0755)です！ 生成AIという技術がさらに進化を遂げ、本番利用される事例も増えてきました。 そのような時代の流れに従って、生成AIに関する入門書も続々と増えてきています。 そんな中、現状世界で最も利用されているクラウドであるAWSで提供されているAmazon Bedrockというサービスを用いて、生成AIアプリを構築するにはどうすれば良いか？という所に重点を置いた「Amazon Bedrock 生成AIアプリ開発入門」という本が発売されました。 今回著者であるみのるん(minorun365)さん、moritalous(moritalous)さん、Kumada(hedgehog051)さんに本書をご恵贈頂いたので、紹介させて頂きたいと思います！ 本書の概要 想定読者 こちらの本は、ITエンジニアの方を主な対象としつつ、内製開発に入門してみたい非エン

PHPとAPI Platformで作る本格的なWeb APIアプリケーション（入門編） / phpcon 2024 Intro to API Platform

関連記事 Google、LLM「Gemini 1.5 Pro」の改良と「Gemini 1.5 Flash」「Gemma」の新モデルを発表 Googleは、大規模言語モデル「Gemini 1.5 Pro」のアップデート、新しい軽量モデル「Gemini 1.5 Flash」、Gemini APIの新機能、軽量オープンモデルファミリー「Gemma」の新モデルを発表した。 Google Cloud、AIベースのDBアシスタント「Gemini in Databases」を発表　専門知識不要でDB開発、管理が可能に Google Cloudは、開発支援やパフォーマンス最適化、フリート管理、ガバナンス、移行など、データベース運用のあらゆる側面を簡素化するAIベースのデータベースアシスタント「Gemini in Databases」のプレビュー提供を開始した。 Google Cloud、Gemini LL

2024年6月28日、200万トークンのコンテキストウィンドウを利用できる「Gemini 1.5 Pro」がすべての開発者向けに公開されました。また同日、90億(9B)と270億(27B)のパラメーターサイズを持つ大規模言語モデルの「Gemma 2」も公開され、Google AI StudioやHugging Faceを通じて利用できるようになりました。 Gemini 1.5 Pro 2M context window, code execution capabilities, and Gemma 2 are available today - Google Developers Blog https://developers.googleblog.com/en/new-features-for-the-gemini-api-and-google-ai-studio/ Google lau

Googleがオープンな言語モデル「Gemma 2」を開発者向けに公開しました。90億パラメータと270億パラメータの2サイズを提供しています。 さて、この1週間の気になる生成AI技術をピックアップして解説する「生成AIウィークリー」（第53回）では、生成する動画時間の延長や無音ビデオに適した音を生成するなど動画AIに関する内容が盛りだくさんです。 生成AI論文ピックアップ 既存のAIが生成する動画の時間を長くするモデル「ExVideo」、Stable Video Diffusion生成動画を5倍以上の長さに拡張> 言語より視覚に重きを置く、オープンなマルチモーダル大規模言語モデル「Cambrian-1」はGPT-4VやGemini Proと同等レベル イベントカメラを使用するAIビデオ超解像技術「EvTexture」、特にテクスチャ領域で画質向上 長い動画を理解できるオープンソースなAI

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

オープンソースAI(Open Source AI)とは、オープンソースの状態にあるAIシステムのことである。これはある意味で自明なのではあるが、「オープンソースの定義」(OSD)を管理している米国の非営利団体Open Source Initiative(OSI)では、2023年からわざわざ新たに「オープンソースAIの定義」(OSAID: Open Source AI Definition)の策定を開始している。2024年の8月頃には定義のRC版が公開される見込みであるが、本稿ではこの新たな定義が何故必要になり、その定義がどのような機能するものであるかということに対し、主に佐渡が視点から時系列的に簡単に紹介していく。これによって日本国内においてOSAIDが認知され、AI開発コミュニティにおいて自由かつ透明性が確保されたシステムの必要性への理解が深まる一助となることを期待する。 OSIにおける

Pythonの爆速化を可能にするにはどうすればいいのか。ツールやライブラリに頼る前に、まずはピュアPythonに組み込まれている機能を使い、コードの最適化を図るべきです。なぜなら、処理速度の課題を解決できる可能性が高いからです。今回はPythonのパフォーマンスを劇的に向上させるためのテクニックを解説した『爆速Python』（翔泳社）から、Pythonの組み込み機能のパフォーマンスを引き出す方法を紹介します。 本記事は『爆速Python』の「Chapter 2　組み込み機能のパフォーマンスを最大限に引き出す」から一部を抜粋したものです。掲載にあたって編集しています。 ※本書はTiago Rodrigues Antãoによる『Fast Python: High performance techniques for large datasets』（Manning Publications）の邦

すべての経済活動を、デジタル化したい松村(@yu-ya4)です。LayerXのバクラク事業部機械学習グループにおいて機械学習エンジニア兼マネージャーを務めています。 先日、代表の福島(@fukkyy)が以下のnoteを公開しました。LayerXの発信を見てくださっている社外の方々から「もう入るには遅い会社だよね?」と言われることが最近増えたことに対して、LayerXがまだ全然完成されていない、成長機会だらけのこれからの会社であるということを綴った内容となります。 note.com 今回はこの内容を受け、LayerXのバクラク事業部においてAIや機械学習を活用した機能の開発・顧客価値の提供に責任を持っている機械学習グループについても、まだまだこれからの組織であり、今入っていただくことで様々な挑戦や成長の機会を提供できるということをお伝えしたいと思います。 現在のLayerX バクラク事業部

こんにちは、羽山です。 みなさんは業務に LLM（生成AI）を活用していますか？ラクーングループでは生成系AI LT大会を開催するなど、積極的な利用を推し進めています。 そこで今回は私がその生成系AI LT大会で発表し、隙間時間で開発して、社内で幅広く利用されるに至った AIアシスタント「おっさんずナビ」を紹介します。 おっさんずナビは LLM + RAG（Retrieval-Augmented Generation）を利用した Slackボットで「ラクーンホールディングスの社風を教えてください」という質問に 社内事情を踏まえた回答 をしてくれます。 ファインチューニングを利用せず RAG のみで精度を高めているのと、ベクトルDBなどの外部リソースを必要としないのがポイントで、使い込まれた Slack ワークスペースさえあればアプリを起動するだけで 社内事情通のAIアシスタント ができあが

東京都知事候補である安野たかひろ氏の運営事務所（以下、安野たかひろ事務所）は6月28日、YouTubeで公開しているAITuber「AI安野たかひろ」（AIあんの）の仕組みを解説する記事を公開した。AIあんのでは、特定のデータベースにある固有の知識をLLM（大規模言語モデル）に学習させる手法「RAG」（検索拡張生成）を活用していることなどを明かした。 安野氏は23日ごろから、自身の政策を学習させたAITuberによるYouTube Liveを始めていた。AITuberとは、生成AI技術を活用してライブ配信を行う人のこと。安野氏は、自身の声色や容姿を模したアバターを使ったAITuberを使い、ユーザーがチャットに投稿した質問や意見に24時間全自動で回答する配信を行っている。 安野たかひろ事務所の技術チームは28日、AIあんのの技術解説記事をnoteで公開。Unityによるレンダリングなどを中

リコーの国内販売子会社であるリコージャパンは2024年6月28日、生成AI（人工知能）が対話形式で社内情報に関する質問に回答するサービスを2種類、同日から提供すると発表した。RAG（Retrieval Augmented Generation、検索拡張生成）の仕組みを使い、LLM（大規模言語モデル）が社内規定や過去事例、業務報告書といった社内文書を参照できるようにすることで回答精度を上げる。 「RICOH デジタルバディ」は大企業での利用を想定する。PDF、Word、Excel、PowerPoint形式のファイルをアップロードできる。個人や部門ごとに利用範囲を制御でき、情報の漏洩を防ぐ。米Amazon Web Services（AWS）の生成AIサービス「Amazon Bedrock」を通じてLLMにアクセスする。既存データベースとの連係、長文読解や多言語対応に強いLLMへの切り替えなど、

Anthropicから「Claude 3.5 Sonnet」が公開され、話題を集めています。 中でも注目を集めているのが新機能「Artifacts」については、Xでも多くの活用事例が出ており活用事例30選を紹介する記事を出し、反響をいただきました。 今回は、Claude 3.5 Sonnetを使用して、「データ分析＆自動スライド作成」の方法を紹介します。 PIVOTのYoutubeチャンネルのデータを分析して、ビジネス系で新しくYoutubeチャンネルの提案書を作成することをゴールとします。 AIでのスライド作成は今までもChaGPTなどでできると話題になったことはありますが、実際にビジネスで使えるデザインまで落とし込むのは難しいなどの問題点がありました。 Claude 3.5 Sonnetでは、どこまでできるのかを実践していきたいと思います！ ChaGPT×GASでデータ自動取得①GAS

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

生成AIを使った実験を重ねるにつれて、クリエイティブ分野での限界が明確に理解されるようになってきた。AIとアーティストたちの力関係を変えようとする取り組みもいくつか始まっている。 by Melissa Heikkilä2024.06.30 190 14 この記事の3つのポイント AIとアーティストとの関係性はこの2年間で変化しつつある 独創的で面白いものを生み出すのは難しく、補強ツールとして使うのが最適 権利侵害を防ぐ技術やツールも開発が進み、不安を和らげている summarized by Claude 3 この記事は米国版ニュースレターを一部再編集したものです。 人工知能（AI）のジョークはありきたりだ。グーグル・ディープマインド（Google DeepMind）の研究チームがプロのコメディアン20人に依頼し、一般的なAI言語モデルを使ってジョークやコメディパフォーマンスの台本を書いても

ドバイを拠点とするAIエンジニアリング企業のLEAP 71が、大規模計算工学モデルのNoyronが設計して3Dプリンターで出力した液体燃料ロケットエンジンの燃焼試験に成功したことを発表しました。 LEAP 71 hot-fires 3D-printed liquid-fuel rocket engine designed through Noyron Computational Model | LEAP 71 https://leap71.com/2024/06/18/leap-71-hot-fires-3d-printed-liquid-fuel-rocket-engine-designed-through-noyron-computational-model/ We just test fired a 20,000 horsepower AI-generated rocket engi

AIスタートアップの米Luma Labsが提供する動画生成AI「Luma Dream Machine」に新機能「キーフレーム」が登場した。これまでは、始点にあたる写真・画像とプロンプトから動画を生成できたが、新たに動画の終わりのコマを設定できるようになり、始点から終点までの“中割り動画”を生成できるようになる。 Dream Machineは、Luma Labsが6月13日に公開した動画生成AIで、1枚の画像とプロンプトから5秒の動画を生成（のちに10秒以上に延長するExtend機能を追加）できるのが特徴。1カ月あたり30本までなら無料で動画を生成できることから、X（旧Twitter）などで話題に。ミーム画像を動かしたり、さまざまな動画が投稿されている。 これまでの動画生成AIと異なり、Dream Machineは顔やオブジェクトの形を保ったまま動画化できるのが特徴ではあるものの、完璧に同じ

Alibaba Cloudのエンジニア兼研究者であるEnnan Zhai氏が、LLMトレーニング向けデータセンターのGPUをイーサネットで相互接続する方法に関する研究論文を発表しました。この技術は特に、NVIDIAのGPU相互接続プロトコルであるNVLinkではなくイーサネットを採用している点で斬新とされています。 Alibaba HPN: A Data Center Network for Large Language Model Training (PDFファイル)https://ennanzhai.github.io/pub/sigcomm24-hpn.pdf Alibaba Cloud ditches Nvidia's interconnect in favor of Ethernet — tech giant uses own High Performance Network t

米OpenAIの動画生成AIモデル「Sora」に中国から続々と挑戦者が現れている。ショート動画アプリ大手の快手科技（Kuaishou Technology）は6月21日、自社開発した動画生成AIモデル「可霊（Kling）」の機能を公開した。 Klingは入力したプロンプト（言葉）に応じ、任意の静止画像を5秒の動画に変換する。生成された動画をワンクリックで最長4.5秒延長することもできる。さらに、新たなプロンプトを与えればさまざまな動きが追加され、最長3分の動画を生成することが可能になる。 Klingが発表されたのは6月6日。当時の説明では、生成可能な動画は最長2分で、すでにSoraを超えていた。生成精度もSoraに匹敵するため、ネット上で大きな注目を集めている。6月23日時点で、累計14万人が申請している。 独自の動画生成AI「Vidu」で米Soraに挑む、中国・清華大学系ベンチャーに注目

【視聴】無料 【視聴方法】こちらより事前登録 【概要】元・東京大学松尾研究室、今井翔太氏が登壇。 生成AIは人類史上最大級の技術革命である。ただし現状、生成AI技術のあまりの発展の速さは、むしろ企業での活用を妨げている感すらある。AI研究者の視点から語る、生成AI×デジタル戦略の未来とは――。

普段から生成AIの情報を追い、自分でも使いながら情報発信をしているため、どのように情報収集をしているのかを聞かれることがあります。 情報収集手段はおそらく皆さんとそれほど変わらず、SNS・ブログ・YouTubeなどが中心ですが、情報収集する上で意識しているポイントをまとめておきます。 ＜この記事の著者＞ 大谷大 - Tech Team Journal ウェブデザイナー/映像クリエイター/作曲家/ギタリスト/ブロガー/YouTuber BGMや効果音を無料でダウンロードできるサービス「タダオト」を運営し、自らが作曲した楽曲を掲載。2023年に生成AIにハマり、さまざまな仕事でフル活用しながらそのノウハウをYouTubeやブログで情報発信している。 【目次】 人の意見を鵜呑みにしない 複数の人の意見を確認する 信頼できる人を見つけておく ChatGPTを活用して情報収集を時短する 情報を拾うだ

日本経済新聞は6日、生成AI（人工知能）と日本アニメをテーマにしたビジュアル調査報道コンテンツを掲載した。既存のアニメと特徴が似ている大量の画像が、画像共有サイトで公開されており、著作権侵害の疑いがある事実が分かった。生成AIはコンテンツのあり方を変えるイノベーションである一方、悪用すると権利侵害の危険をはらんでいる。取材班は画像証拠をもとにした調査手法（Visual Investigation

This post is also available in: English (英語) 概要 本稿は、クラウド内の仮想マシン (VM) サービスに対する潜在的な攻撃ベクトルを特定・緩和するための戦略について解説します。組織はこの情報を使って、VM サービスに関連する潜在的リスクを理解し、防御メカニズムを強化できます。この調査では、Amazon Web Services (AWS)、Azure、Google Cloud Platform (GCP) という 3 つの主要クラウド サービス プロバイダー (CSP) が提供する VM サービスを中心に取り上げます。 VM はあらゆるクラウド環境で最も利用数の多いリソースの 1 つで、その多さがゆえに、攻撃者らの主要な標的にされています。私たちの研究からは、インターネットに公開されているクラウドホストの 11% には、深刻度が「緊急 (Crit