ウィリアムのいたずらの、まちあるき、たべあるき

ウィリアムのいたずらが、街歩き、食べ物、音楽等の個人的見解を主に書くブログです(たま~にコンピューター関係も)

ネット履歴保存、義務化へ

2013-05-22 21:42:48 | ネットワーク

ネット履歴保存、義務化へ
http://blog.livedoor.jp/dqnplus/archives/1762214.html




児童ポルノ「製造・販売」禁止から「単純所持」を新たに禁止へ。児ポを所持保管しているだけで逮捕
http://blog.livedoor.jp/dqnplus/archives/1339112.html




ビッグデータによるログ解析



京都府警による逮捕者続出?

*って、結局、京都とかは、「単純所有」とかを禁止してるけど、
他は現状、OKなのかな?
禁止されると、この法案、もっと大きな話になるかも?

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

不当表示でKDDI窮地、「iPhoneで優位に」への焦り

2013-05-22 18:41:02 | ケータイ
という記事があるんだけど、
結局iPhone5は、KDDIとソフトバンク、どっちがいいんでしょうね。
そこが知りたい・・


不当表示でKDDI窮地、「iPhoneで優位に」への焦り
http://www.nikkei.com/article/DGXBZO55311410R20C13A5000000/


  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

LEGOのマインドストームの新しく出るやつ(EV3)いい!-教育ITソリューションEXPO

2013-05-22 15:32:08 | Weblog
ちょっと前になるけど、この前、教育ITソリューションEXPOに
行ってきた。そのときのお話。

 展示としては、採点システム、証明書発行などなどの、学校事務(校務)、教務支援が半分くらいあったかなあ~大学向けの展示が多いですね。卒業生CRM?なんていうのもあった。もちろん、小中高校向けもあるんだけど、大学向け多い。やっぱ、お金を持っていて、即決できるのが大学だからかな・・

 セキュリティ関係やメールでの連絡とか、その辺は予想付くけど、災害、節電、スクールウェア、(学校の)販促品まであると、う~ん、”教育「ITソリューション」”なのかあ?って思っちゃうけど・・・ま、いいか(^^;)

 もちろん、e-ラーニングコンテンツ(英語のほか、中国語も!)コンテンツ配信、タブレット、iPodアプリ、電子教科書や遠隔授業、電子黒板などもあるけど、思ったほど広くはない。GAIA mimioっていう、テストを画像で取り込むものが、「熱心に説明していた」。moodleは2つのブースで扱ってたかな・・・

 で、その中でも私の関心をひきつけたのは、LEGOのマインドストーム。
 説明によると、1998年からあって、2006年にNTX、そして、今年2013年に、新しいEV3が出る。その説明の展示では、
  ・ジャイロセンサーでバランスをとって立つ(実演)
  ・ブロックを組み立てるかんじのプログラミング(実演)
  ・グラフプログラミング(というのがある)
というお知らせをしていた。
 NTXって、すぐに立たなかった気がするんだけど・・・あれって、EV3になって改良されたってことなのかしら?それとも、私のやり方がまずかった(^^;)

 ちなみに、6月30日にEV3のカンファレンスがあるらしいよ(っていうチラシが入ってた)
http://www.legoschool.jp/conference/

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

「クラウド化の流れは近いうちに止まる」、ガートナーがITの近未来を予想

2013-05-22 12:04:59 | ネットワーク

「クラウド化の流れは近いうちに止まる」、ガートナーがITの近未来を予想
http://itpro.nikkeibp.co.jp/article/NEWS/20130425/473703/


だそうな。コンサルティング会社が、こう言う時は、
たいてい、次のモノがあるはずだよね。
ということで、

ガートナー スティーブ・プレンティス氏:今後5年間でITに影響を与える10のトレンド
http://www.sbbit.jp/article/cont1/26300


ビッグデータといいたいのかな(^^)

ガートナー、「国内の企業ユーザーのビッグ・データに対する意識に関する調査結果」を発表
『ガートナー ビジネス・インテリジェンス&情報活用 サミット2013』
(5月27~28日、東京・品川) において知見を提供
http://www.gartner.co.jp/press/html/pr20130513-01.html

なんていうくらいだからね。




ビッグデータはもともと、
マッキンゼーの

Big data: The next frontier for innovation, competition, and productivity
http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation

から始まったという見解が、多いのではないかな?

で、ガートナーは、その日本版の数字を出しているんだけど・・・

ビッグ・データ関連の新雇用、日本で2015年までに36万5,000万人分創出――ガートナー展望
ただスキル不足や教育体制の不備から実際に雇用されるのは11万人程度
http://www.computerworld.jp/topics/1468/205077

この数字、盛りすぎだよよねえ・・・
あの、論理が重視されるアメリカですら、14万人なのに、
なぜ日本が11万人も(@_@!)



  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

ビッグデータ収集には、ケータイでなく、ネームプレートのほうがいいかも

2013-05-22 09:19:57 | AI・BigData
情報処理2013年6月号 592ページ
(情報処理は、1月号からページ数は続けて振られている。
 6月号が600ページ以上あるわけではない)

ウェアラブルセンシングの実世界応用

の第二段落?「センシングの実世界応用」にいろいろ
なライフログ用のセンシングデバイスがある。

ビッグデータ収集としてのライフログを考えた場合、
そのセンシングデバイスとしては、
  ・ライフログ以外にも使う汎用デバイス
  ・ライフログ専用デバイス
の2種類ある。

 そして、汎用デバイスとしては、スマートフォンが有力
候補ではあるが、電池の消耗が激しいという問題がある。
 専用デバイスとしては、上記論文に出てくるモノや、
HMDなど・・




 ここは、汎用デバイス?専用デバイス?の区別がつきにくい
ところではあるが、企業で使う名札?ネームプレート?を
使ってみては?と思う。

 名札は、大手企業では、クビから下げて、たいてい、
写真、部署、名前が書いてあり、あれをつかって、
部屋に入ったりもできるやつ。
 社員証などになっているものもある。

 で、あの名札部分を、電子ペーパーにして、一部を太陽電池にする。
 こんなかんじ

      *(クビから下げられる)
----------------------------------
| |(電子ペーパー部分) 会社 |
|太|           ロゴ |
|陽|ソフト商事プログラマ部   |
|電| うぃりあむの いたずら  |
|池|(など、名前が入ってる)  |
| |              |
----------------------------------



で、これは、カードよりも少し厚くなっていて、
そこに、センサーが入っていて、ケータイと
通信できたり、データを蓄えたりできる。

データは、ケータイないし、ネットで送る。
ICカード機能も、入れておく必要があるかな・・・
部屋を入るのに使うなら

これなら、会社から出たら、会社名、部署、名前を消して、
なんか違う画像を表示すれば、社外にでても名札をつけていて
名前が見られる・・なんていう事態を防げる。
太陽電池を使っているし、省電力化もできそうなので、
電池の心配もあんまりいらないかも?



  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

トレジャーデータ日本進出

2013-05-21 18:40:31 | AI・BigData
ビッグデータ界に、「黒い目をした外国企業」が、とうとう参入!

オールインワン型のクラウド型ビッグデータサービス
クックパッドや博報堂も愛用中!トレジャーデータ日本進出
http://ascii.jp/elem/000/000/790/790038/

博報堂は、トレジャーデータさんなんですか。

電通は、富士通さんと協業しますよね

富士通と電通、ビッグデータを活用したマーケティング領域の事業で協業
クラウドサービスの活用により、企業のマーケティング活動を革新
http://pr.fujitsu.com/jp/news/2013/05/16.html?nw=pr


富士通と、トレジャーデータ。
トレジャーデータが勝ったら、富士通涙目ですよね(^^;)


  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

ビッグデータには、3段階あると思う。日本のSIerは、一番儲かる部分をやってないよね!

2013-05-21 15:50:41 | AI・BigData
唐突ですが、ビッグデータには、3段階あるとおもうんです。
前に2種類と書いたが、後者のほうがさらに2段階に別れる)
レベル低いほうから

第一段階(BIによる予想)
 BIツールを使って、データを可視化、BIキューブによるスライシング・ダイシング・ドリル(ドリルダウン・アップ)を行う。データはETLツールを使う。現場でのデータ活用としては直感的で有効、将来データについては、直感的に予想することになる。

第二段階(統計と機械学習による予測)
 ビッグデータを統計的に解析し、重回帰、機械学習(SVM等)によって予測していく。
 基本的に、相関を求めるのであって、
 潜在因子については、せいぜい因子分析程度の一つ奥の潜在因子を調べる程度
 表面的な現象を中心に予測する。

 そのため、現在の環境が変化した場合、使えないリスクもある。


第三段階(SEM,ベイズ・シミュレーションを利用した未来の創造)
 データから、潜在的因子を見つけ出し、その心の奥に潜んだ心理的構造に迫る。
 この心理的構造を解明し、潜在的な心のニーズ、満たされない欲望に対し、
 「あなたの気持ちをわしづかみ!」にする商品、サービスを出していく。
 そしてシミュレーション(マルチエージェントなど)によって、
 それらのサービス、商品の有効性を確認していく。
 未来の創造のためにビッグデータを使う

注意したいのは、この3段階は、使っている理論の難しさ、複雑さであって、
儲かるかどうかという話ではない。

第一段階は、現場に直結する。なので、すぐに効果が(でるものなら)でる。

第二段階は、データサイエンティストか、マーケティング部が中心となる。
 現場直結ではないので、利益の出るタイミングは遅れる

第三段階は、マーケティング部が新製品開発を行うのに有効となる
 新製品が出る前、効果が現れないこともあるが、
 新製品が当たれば、利益はでかい!


SIerの人たちが、今扱っているのは、
 第一段階は、BI・OLAPツールとして
 第二段階が、いわゆるビッグデータとして最近売り出している。
  ただ、「ビッグデータ解析」といえばRということからわかるように、
  第三段階には、いたっていない。

  その根拠だが、第三段階のSEM(共分散構造分析)をRで行うのは、
 めんどうくさすぎる。
  つまり、SEMなど、潜在因子を扱うには、パス図を書いたりすることが必要になってくるのだが、
この図が、Rでは、異様に書きにくいのだ
 ってか、コマンドラインで図のデータは入れにくいだろ、JK

 で、たとえば、共分散構造分析だと、この図が書きやすいのが、SPSSのAMOS

 そうSPSS

 そう、IBMが買収した会社(^^)v

 ・・・日本は・・・ここまで、行ってないってことだね、
 Rで話が付くということは・・・




 今、大学等で研究が進んでいるのが、第三段階の、潜在因子の構造分析とシミュレーション、
観測されないデータを説明する結晶化などなのだが、ここまでは、日本のSIerは、行っていない
可能性がある。IBMが、共分散構造分析を意識してSPSSを買収したとすれば、IBMは、
第三段階を意識しているのかもしれない。

 そして、第一段階、第二段階だけでは、市場全体としてはパイが大きくならないので、
 ゼロサムであり、ビッグデータ市場にも限界があることは、

「インフラエンジニア」は最強の職種である-データサイエンティストではなく
http://blog.goo.ne.jp/xmldtp/e/68fb22cd16168f0f335ef01154324f4f

 で示したとおり。

 第三段階まで行かないと、ビジネスとしては限界が来るのだが、
 日本のSierはその段階にいたっていないのだ・・

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

パターンの理論的な発見法としてのグラウンデッド・セオリー

2013-05-21 12:32:34 | トピックス
鷲崎先生のつぶやき
https://twitter.com/Hiro_Washi/status/336202237984526338



チームワークに対するGrounded Theoryによる分析。最近、Grounded Theoryの適用をよく見かけるなあと思ったら、そういえばXP2013での論文でした(対象は全くことなりますが)http://xp2013.org/program/academic/perspectives-on-productivity-and-delays-in-large-scale-agile-projects/

というのがあった。
鷲崎先生といえば、パターンだけど、
パターンの理論的な発見法として、グラウンデッド・セオリーは有効だと思う。




パターンは、帰納的ではあるのだけど、パターンを「見出す」という点では、仮説導出に近い。
仮説導出の手法は、主に教育、介護、看護などの世界で、グラウンデッドセオリーが使われる。

グラウンデッドセオリーは、Wikipediaによれは(赤字の部分引用

1.分析したいものをよく読み十分に理解し、観察結果やインタビュー結果などを文字にして文章(テキスト、データ)を作る。

2.データへの個人的な思い入れなどは排除し、できるだけ客観的に、文章を細かく分断する。

3.分断した後の文章の、各部分のみを読み、内容を適切に表現する簡潔なラベル(あるいは数字、コード)をつける。このラベルは、抽象度が低い、なるべく具体的な概念名とする。

4.次に、似たラベル同士はまとめ、上位概念となるカテゴリーを作り名前をつける。これらの作業を「オープン・コーディング」という。

5.ある1つのカテゴリーと複数のサブカテゴリーを関連付け、現象を表現する。サブカテゴリーとは現象について、いつ、どこで、どんなふうに、なぜ等を説明するものである。これらの作業を「アクチュアル・コーディング」という。

6.アクチュアル・コーディングでつくった現象を集め、カテゴリー同士を関係づける。これが、社会現象を説明する理論となる。

*注:上記説明はWikipediaによる、一般的なグラウンデッドセオリーの方法で、このほかに、木下先生による、M-GTAがある。こっちのほうが、判りやすい本がでているので、やりやすい。


 システム開発の個々・具体的な内容・記録の文章を細分化し、まとめたり、まぜまぜして、最終的に仮説を作る。この仮説が、いろいろな開発で利用できるのであれば、パターンとなっていくと思う。

 ここまでの流れが、ちゃんと理論化されているのが、グラウンデッド・セオリーってことになる。




 ただ、日本では、そもそも、開発現場を社会学的に観察して、法則化したりしていない。
 (エスノメソトロジーは、要求工学で使われるのであって、開発現場をエスノメソトロジーを使って観察した論文は、あまり見当たらない)
 そのため、グラウンデッドセオリーを利用することも「日本のソフトウェア工学では」すくない(IEEE Xploreで Grounded Theory と引くとわかるけど、海外では、よく使われる)。
 なので、開発現場から理論的に仮説を出してくることもあまりないわけだ。
 その結果、パターンは、ヒューリスティックに作られ、データに基づいたものには、なりにくい。
 こうなると、パターンは根拠を明示しにくいので、パターンの論文は、パターンを中心に扱う学会のみで議論され、一般の論文誌には通しにくいと思う。

 グラウンデッドセオリーからパターンが導かれ、それが、論文誌で通るようになると、かなり現場と近いものが、アカデミックでも扱えるようになる。
 昨日「大学のソフトウェア工学の授業が、なぜ役立たないか、わかった!」で書いたように、大学では概念を扱っているが、現場から仮説導出することはない。この現場のケースからの仮説導出ができるようになると、(パターンだけでなく)日本のソフトウェア工学も代わってくると思う。



  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

”SDNツールを呉越同舟で開発へ「OpenDaylight」・・・”って、何?

2013-05-21 10:00:47 | ネットワーク
今、別件で資料探してて(その資料は見つかった)、
そのとき、ふと開いたら、
日経コンピューター 2013年5月2日号(いまのより1つ前の号)
の12ページに

SDN用ツールを呉越同舟で開発へ
「OpenDaylight」プロジェクトが始動

ってあったんだけど、これ、なに?

見てみましょう。

Open daylight
http://www.opendaylight.org/

(以下太字は上記サイトより引用)
どうもLinuxファンデーションによる、
オープンソースの

a common, robust Software-Defined Networking platform

をつくるという話らしい。

How To Participate
http://www.opendaylight.org/developers/how-participate

から、メーリングリスト、Wiki、Getting Start Guideにいける
リンクが見える

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

大学のソフトウェア工学の授業が、なぜ役立たないか、わかった!

2013-05-20 16:27:37 | トピックス
本家に書いたとおり、大西先生の英語学習の講演会行って、
なぜ、大学のソフトウェア工学が、実践で役立たず、
再教育しないといけないか、わかった!

簡単な実験してみるとわかる。

実験:

「掲示板のソフトウェアを作ってください」

といわれたら、なにを考えます?


まず、
「掲示板」といったとき、イメージが出てくる。

そして、

・クライアント側はHTMLで作成し、
 ボタンでイベント送るよなあ・・・

・サーバーは、PHPかJavaかで違い、フレームワークによって、
 構成は違うけど、とにかく、
  ・データチェック(これはクライアントでもOK)
  ・DBないしはファイルに保存
  ・表示
 の部分があって・・・

・もし、削除を認めるなら、普通自分か管理者しか
 削除できないので、ユーザー管理と認証が必要

・文が長かったりするなら、詳細と一覧が必要

・掲示板は普通入力画面は、一覧側に出してOK
  →一般のWebアプリの入力は、詳細画面と同じフォームの別画面

・スレッド(板のほうのスレッドの意味)が必要かも

・検索画面は、いるかも?

ということが、たぶん1分かからず、数秒で出てくると思う。

ここまで出てきて、イメージできていれば、画面遷移もすぐにかけて、
コーディングに取り掛かれるはず・・・

で、ここまでで、
「多態性」とか、
「デザインパターン(例えば、ストラテジパターンとか)」とか、
「継承」とかの、ソフトウェア工学の概念、出てきた?
一切出てきてないですよね・・・

・・・そこなんですよ!




大学で教えるソフトウェア工学は、概念、大西先生の講演の言い方で言えば、文法なんですよ。概念は教えているけど、概念でシステム作っているわけじゃない。

「今日は、デザインパターンのストラテジパターンを使ってやろう」
「あ、Webって、メソッド切り替えは、まさにストラテジーではないか!」
「おお、じゃあ、Web切り替えに、ストラテジーパターンを使おう」

じゃないんですよね。

普通作るときには、さまざまな場面があって、その場面に対応した
ソースコード、アーキテクチャ、その他もろもろが既に頭の中に
あって、それを状況によって、適宜選択していくカタチ。

つまり、実務的には、「掲示板」のイメージが頭の中にあって、
それを作るには、Webのシステムだなと類推して、
Webシステムの流れをつらつらと出してくる感じ・・・

だから、実務に持っていくには、概念を状況に応じて再編成しないといけない。




大学は、概念のレベルはやるんだけど、状況に応じた応用はやらない
というか、概念から、応用させようとしている。
これをやっていたら、間に合わない。
お客さんとの会話の中で行うので、1分じゃ遅い。数秒でやらないといけないのだが、
それには、抽象度が高すぎる。

たとえば、Webシステムのフレームワークは、
 ストラテジーパターンをリフレクションを使って実現すると
できるんだけど、それに、何秒でおもいつく?
今言ったことがわからない人、
ストラテジーパターンとリフレクションをWebで調べて、
フレームワークの創り方を考えてみて。

私が教育した中で、
 最短で気づいた人、2時間(=こいつ、若手だけど、相当優秀。私より優秀)
 多くは、1日考えて気づかなかった
でも、2時間かかったら、会議終わっちゃうのよ(^^;)




結局、状況にあったシステムの作り方の例をある程度学習しないと、
概念だけだと、ちょっと難しいものがあるかもしれない。

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

2万5千円ぐらいで、かなり小型省電力のLinuxボードが(将来はAndroidも)入手可能ってこと?

2013-05-20 11:15:24 | トピックス
このまえの、アルテラ SoC シンポジウムの話。
私の理解があっているかどうかわからないけど、

アルテラSoCのボードHelio
http://www.elsena.co.jp/elspear/altera/kit/3rd/helio.html


って、安価な(2万5千円ぐらい?)ARM CPU+FPGAっていう見方が普通だけど、それがYocto Linux BSP supportってことは、

2万5千円ぐらいで、かなり小型省電力のLinuxボードが入手可能ってこと?

将来は富士ソフトがAndroid版も無償で出してくれるということは、Android版もってこと?

また、いろんなハード、ソフトIP(ライブラリみたいなもん)を
Qsysを使って組み替えると、高速化できるかもってこと?

理解、まちがってる・・??

もし、そうだとすると、CPU+FPGAとは、
違った意味でインパクト大きいと思う。

安価で小型な自作機や、デバイスが作れるってことで、
研究はもちろん、趣味とかも変わりそうだったりして・・・

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

ビッグデータを使って儲け(データ分析の利益)は、どこから出てくるか

2013-05-19 15:41:20 | AI・BigData
とかについて

ビジネスアナリティクスを駆使した戦略的情報活用基盤
SASで実現するアクショナブルリアルタイムデータ解析

富士通 利光 哲哉氏

という題で、富士通フォーラムで聞いてきたので、メモメモ




ビジネスアナリティクスを駆使した戦略的情報活用基盤
SASで実現するアクショナブルリアルタイムデータ解析

富士通 利光氏

アクショナブル:IDS

1.スピード時間をお金に換える
2.データの時間をそろえる
3.業務のアクションと結びつける

1.データの分析h場利益を生むのか
・ビッグデータは利益を生み出すか

3V=Volume+Variety+Velocity
 富士通はこれに価値(Value)をいれて4V
  利益が見えてこない
    目先利益・間接利益
    とおめ、直接

 利益=(よみ+速さ+行動)X決断力

 やめる決断力、ここまでやるという決断力
   →アクショナブルリアルタイム分析
 直近にやることがある

・ビジネスアナリティクス データ分析の利益は
  どこからお金が出て、どこへお金が戻るのか
   広告費を削るのか、売り上げを増やすのか

  ヒト、もの、プロセス、時間、思考に利益を生む
  →あたらしい商品開発

  一番利益が出るのは、コストカット

  分析して、売り上げ上げるのが難しい
   うまくいくと、データがきれいになってしまう

・アクショナブル・リアルタイムデータ分析
  従来のDWH/BIとの違いは、「時間の単位」
  Hadoop解析→新しいデータ活用
  アクショナブルりあるたいむ→現場担当者
    →利益が利いてくる
・アクショナブル・リアルタイム分析の実現イメージ
 刻々と変わる状況を捉え、全体を把握し、的確に判断、支持
   ビジネスルール、イベント
   CEP

・アクショナブル・リアルタイム分析手順
 1.時間そろえ、ビジュアル分析
   ながめる

 2.分析視点の追加
   マスタの加工、説明するデータ

 3.データのスモール化
   データ特性でグルーピング→スモール化

 4.データ解析・モデル化
   規則性、法則性:スモールデータ

 5.評価KPIの決定
   業務に会わないものは却下
   KPIが設定できないなら、そぐわない

 6.データ発生時判断・アクション
   分析した結果、こう動くと決めてしまう→PDCAのCがない。

 7.規則性・法則性のチューニング
   常に監視

例:データの時間をそろえる
  相対時間
  ずれを生じている原因を考える

・データを眺めるビジュアル分析
  散布
図、ヒートマップ、アニメーション
  統計、アニメーション、図形にマッピング

・データのスモール化
 データマート
 フィルターを通す

・BSCを使って、KPIの相関を見る
  →利益にいくパス(ルート)を探す


2.業務でのアクショナブルリアルタイム分析
・マーケティング
・製造
・サプライチェーン

3.戦略マーケティング
・戦略的に、どうやるんだ
  はじめから、どんだけヒトをあつめるんだ決める
・カスタマーエクスペリエンス
  動きをとらまえる

・カスタマーエクスペリエンスを中核とした戦略マーケティング

・マーケティングオートメーションの全体イメージ
  ライフサイクルと予見
   →どう行動させるか:接点を大事に
    ターゲット客を絞る

・顧客視点の分析
  潜在ニーズ
  信用リスク

・潜在ニーズの推測
  分析のシナリオ:推測できる形
   お客様を乗せる

。キャンペーン実施の流れを設計

・イベント検出ロジックの実装
  →EBM(いべんとべーすどまーけてぃんぐ)

・活用例:銀行

4.アクショナブルりあるたい無分析を支える製品
・大量データ分析を支える
  京の汎用機ばん SPARC M10
   430倍?・・・なんにもしなくても、半分にはなる
・SAS Solutions Powered By Fujitsu
  InterstageとSASの組み合わせ
    →HadoopをETERNUSに入れている
     COBOL、SQLでOK
・富士通の提供するビジュアルデータ解析ツール
・SAS VA
・富士通SAS VAおふぁリングモデルのポイント
・浜松町で見れる
・各種ソリューション
  統計モデルをつくるところまで
  業務の中に入れていく

データサイエンティストの育成
  データのセンス:探究心、好奇心、学士力
  利益に結び付けられる思考能力
  コスト意識:中断・継続
  コミュニケーション能力→インスピレーション
  スピード・コスト・容易性
  ヒアリング力、実務力、技術力

メイン解析者 数理力(損益計算できる)
業務知見者
データ解析者

統計解析士は、外に出したほうがいい


  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

標的型サイバー攻撃時代のセキュリティ対策指針-その日が来る前に「すべきこと」と「できること」

2013-05-19 09:35:45 | トピックス
表題の内容を「富士通フォーラム」で聞いてきたので、メモメモ




1.サイバー攻撃事例
・事例1.Java脆弱性を利用した標的型攻撃
 2013年2月 Facebook,Apple,Microsoft
  Javaサンドボックスをバイパス可能な
  ドライブバイダウンロード攻撃
 想定される攻撃シナリオ
  1.事前プロファイリングで、
    アクセスする可能性の高いWebサイト調べる

  2.サンドボックスバイパスする0day exploit不正Jarファイル配置

  3.開発者にJarファイルを落とさせる

  4.マルウェアインストールさせる

 →水のみ場攻撃
 分析・評価
   入り口対策をバイパス
    従来:メール
   Javaに対する0day
   事前プロファイル
  ・進入手口が以前にも増して巧妙化
  ・もはや内部進入を前提とした対策は必要不可欠

・事例2.ショッピングサイト決済ページ改ざん
 2013年3月14日、大手めがねチェーン
 セキュリティコードを含むすべての決済情報転送
 2059人のクレジットカード情報、7人悪用
 PCIDSSめざす

 想定される攻撃シナリオ
   Apacheを改ざん
   情報転送
 →サーバーに格納した情報ではない:PCIDSSに対応してもX

 分析評価
   SQLインジェクションでは入手困難なセキュリティコードを含む
   すべての決済情報を盗まれる
   ビジネスへの打撃
  ・進入手口は不明ながら、残存する脆弱性への対処は必須
  ・早期に発見し、事業への影響最小化

・事例3:韓国同時多発サイバー攻撃
 2013年3月20日

 想定される攻撃シナリオ
  水のみ場と理解するのが主流
   組織内集中管理→不正プログラム

 分析ポイント
  MBR書き換えは1990年代
  集中管理型の盲点
  攻撃者が本気になれば、このような攻撃はいくつも考えられる
  攻撃者の真の狙いは?本来、もっと深刻になりえた

 ・気づかないうちに深く進入されていた
 ・情報漏えいだけでなく、システム破壊、データ破壊の脅威が現実に
・標的型サーバー攻撃は、経営リスク
  企業の存続にかかわる経営リスク
  組織の存続に直結する
  危機管理の視点で

2.サイバー攻撃対策の理解
・セキュリティ脅威の変化
  区別して考える:いまどういう脅威

 脅威
  これまで:怪獣来襲モデル:撃退すればハッピーエンド

  これから:悪の秘密結社モデル:ミッションが終わるまでやってくる

 対策
  これまで:水際防御(ぺりメーター防御)
  これから:多層防御(総力戦)

・よくあるサイバー攻撃の流れ
  静かに気づかれないように侵入して情報を盗む

・これまでの違い
  巧妙に偽装された標的型メールは見つけにくい
   やりとりして
  →攻撃者がコストかけられる
  ターゲット絞込み、事前にわなをしかける

・もし、初期侵入をゆるしてしまうと
  内部サーバーの脆弱性
  クローズドでもUSBメモリ
  シーメンス社のPLC

  ノートPCのマルウェア感染
   7ヶ月も侵入

・時間をかけて見つからないように

・感染に気づけない

・サイバー攻撃の脅威に対応するために
  考え方を変える(リスクを正しく認識する)
  まずは想定できる脅威に対応する
  危機管理能力を高め、有事に備える

3.有事に備えるCSIRT
・現代に求められる緊急対応組織とは
  重要なのは、誰が意思決定を行うのか?
  必要な情報をいかにそろえるか?

  従来のセキュリティ部門の責務
    +
  これからのCSIRTに求められる責務

  経営レベルで支援できる

・CSIERTの役割
  OODAモデル+レディネス(事前準備)
   O 監視
   O 情勢判断
   D 意思決定
   A 行動
   +事前準備

・CSIRT設置のメリット
 高度な脅威に対応する

・CSIRT構築運営のプロセス
  チケット管理
  富士通クラウドCERT

・【ご参考】
  JPSERT CSIRT構築マテリアル RFCベース

・緊急系業務と定常系業務

・情報セキュリティ運用・緊急対応業務
・情報セキュリティマネジメント業務

4.富士通のソリューションのご紹介
・サイバー攻撃時代の危機管理
・SystemWalker Desktop Patrol/Keeper
・ShieldMailChecker 標的型メール対策
・UTM IPCOM EX
・マルウェア検知・対処支援サービス

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

富士通のSDN/ネットワーク仮想化への取り組み

2013-05-18 17:06:11 | トピックス
表題の話を、富士通フォーラムで聞いてきたので、メモメモ




1.データセンター・ネットワークの現状
・サーバー仮想化の普及
 2011年には、仮想サーバーの出荷台数が、物理サーバーの出荷台数を超えた
 仮想サーバー導入の目的
  IT設備の利用率向上
  サービス提供の短期化
  自動化によるミス防止

・スマートデバイスの普及
 スマートフォン/タブレットがクラウド(アプリケーション)
 と連携し、いつでも、どこでも業務に必要な情報の活用
  導入の目的
   顧客対応のスピードアップ
   生産性の向上、コストダウン

  クラウドで動くアプリも増える・・端末よりも

・BCP/DR対策見直し
  東日本大震災以降、企業のBCPやディザスタリカバリ

・これからの企業ICTの鍵はネットワーク
  ・企業ネットワークへの期待
   クラウドとビジネス現場を柔軟かつ安定に、また安全につなぐ
    パブリッククラウド
    プライベートクラウド
  データセンターのネットワークはますます複雑に

・お客様の悩みは
・データセンターの現状
  集約あげようとしている

  データセンターネットワークがますます複雑

  ネットワーク設計・管理・運用をシンプルに

・データセンター・ネットワークに対する他社動向
  各社がSDNとしてアピール

  当社は、サーバー/ストレージの仮想化で実績のある
  ROR(りそーすおーけすとれーたー)でSDNに対応
  サーバー、ストレージネットワークを一元管理運用

  ネットワークの仮想化を実現するハードウェア

2.第一弾製品
(1)Converged Fabric Switch
 仮想化サーバーに対応したネットワーク仮想化スイッチ
  RORの連携により仮想化されたシステムのネットワークを用意に設定
  ライブマイグレーションに連動
 特徴:何がよくなる

・常に高速応答するネットワーク
 L2のSTPだけでなく、メッシュ型もサポート(Multi Chasis Link Aggregation)
 最短パスで通信
  →CFabric

・たくさんのスイッチ管理不要
 複数のスイッチを1台の仮想スイッチとして構成
  制御用ネットワークの構築不要

・サーバー仮想化システムと連携
 VFAB
 スライス機能
 サーバーをまたいで動いたときのポートが引き継げる
 (AMPP)

(2)仮想アプライアンス IPCOM VXシリーズ
 機能統合されたIPCOMを常に仮想化し、複数を動作
  →IPCOMEXが中に複数個入ってるかんじ(仮想化)

・特徴ー何がよくなる
  サイジングの簡素化
  複数動作時の劣化を最小化

・アプライアンスプラットホーム
  RADIUSなどの細かな機能も統合
  SRIOV

(3)ServerView Resouce Orchestrator(ROR)

・RORによる管理、制御の特徴
 面倒なネットワーク設定を含む業務システムの追加変更が簡単
   テンプレートを用いて、
 ファイアーウォール、サーバーロードバランサを一括

3.新製品による課題解決
・ケーススタディー キャンペーンサイト
  比較的、出し入れ多い

・(1)パートナー様ごとに必要なサーバー数を変更
   独自な環境
   動的にサーバーが動く
  課題
   サーバー間の通信でボトルネックを作らない
    80%は、サーバー間、20%~25%が外(うちDC間が半分)
    仮想サーバーは物理ネットワークを考慮していない
     →急にパケットロスとか、そのくらい輻輳起きたりする
   一括して配備

  新製品RORで解決
   →RORがうまくやってくれる

4.当社のSDNへの取り組み
  Fujitsu Intellgent Networking and Computing Archtecture

  ネットワークとコンピューター、両方みる

・ICTへのアプローチ
  ソフトウェアによって、ネットワークを自在に、かつ自動で制御
  体感品質 安心して、気持ち右翼使える
  ネットワークセントリックにモダナイズ

・データセンター/WAN/フロント
  ネットワークの特質がことなる3つの領域
    DC:サーバー間
      →テナント単位
    WAN:拠点、端末をどのくらいの帯域
      →帯域、経路制御
    フロント:どこでどの機能、そもそも、つないでいいのか
      →なにを選択したらよいか自動的に

  それぞれ仮想化
  分散サービス基盤層
   コンピューティング:リソースコントローラー

・仮想インフラ層
  経路仮想化:論理的に分けてつなぐ
 分散サービス基盤層

・アーキテクチャを支える制御モデル
 今使っている機器もコントロールはいか
 OpenFlowも
  →ハイブリッド
   すべて対象
 →適材適所

・今後の展開予定
  ・データセンター間をつなぐソリューション(新しいスイッチ)
  ・WANにソリューション拡大
 並行して
  ・スマートデバイスM2Mなど、多様な端末収容

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

富士通のビッグデータの考え方

2013-05-18 12:25:03 | AI・BigData
富士通フォーラムで

ビッグデータがイノベーションを引き起こす
キュレーターが実施する新たなデータ活用
富士通(部署省略) キュレーターの高梨氏

聞いてきたのでメモメモ





・ビッグデータのもたらすインパクト
 「まっきんぜーのレポート
  Big Data:The next frontier for innovation,competitioon and productivity」
  ビッグデータの活用により ICTの活用
  ビッグデータを活用するために 米国だけで14万人~19万人不足
   まねーじゃー、分析者150万人不足

データでできること、すべきこと
・LODから データジャーナリズム
 LOD:Linked Open Data
  富士通もLODを生かそうとしてる
  Ted2010 Tim Berners-Lee講演 Row Data Now

  上下水道の整備→白人と黒人の家

  データを無作為に見たわけではない→必然

 LOD:ハイチの地図
  目的が明確:データも手に入る

・生活習慣病の高リスク者を予測
  機械学習によるリスク予測モデル
   単純なヒント→ヒントを増やす

・機械学習を用いた将棋ソフト
  これまでの将棋ソフト
    コツをヒアリング
    開発者の固定観念、先入観、主観でパラメータ 500パラメータ
      →アマチュア初段
  機械学習を用いた将棋ソフト ぼなんざ~
    プロの棋譜 
    各こまの価値
    こまとこまの位置関係
      ↓
    「局面評価関数」の最適なパラメータを自動学習
         9000万パラメータ
      ↓
     プロレベル

・まとめ「ITデータでできること」
  目的から
  必要なデータを集めて
  分析することで
  課題を解決

集める/ためる 必要なデータとは
・なぜ大量のデータが必要か
  データの集積度を上げることで、
  ひとつのモノ・ひとりの人を
  より深く理解できる
   →一人一人に価値あるフィードバックを

・実現するコンバージェンスサービス
  リアルワールドとバーチャルワールドが密接に連携
    センシング
    フィードバック

・コンバージェンスサービス全体の取り組み
  コンバージェンスサービスは、
    プラットフォーム、アプリ、人材で構成されています

・データ活用のステップ
  1.データが実現するイノベーション
  2.見直すべきデータ、新しいデータ
  3.データから考える
  4.新しい価値へ

・身近なデータを見直す
  1.商品そのもの
  2.業務の中で生み出されるデータ
  3.ヒントになる外部データ

 1,2 事業者から入手できんじゃい 大量の事実データ
   =価値がある

・大量の事実データを再利用する
  ローデータ
   サマライズされる前
  業務システム
  ほかの目的で活用

・商品やプロセスを見続けるためのデータ
  1つの製品や1つの業務の中でデータをデザイン
  長期的な視点でデータをデザイン
   どんなデータを使って新製品のスペックを間がエルベkぃ科
   製品や利用者の何を見続けて行くべきか
     ↓
   長期的なビジネス目標

・価値のある新しいデータを作る
  ロジックに価値
   データ→ロジック→生活習慣病
  データに価値
   生活習慣病の予測
     →事業を通してしか得られないデータ
        →長期的アドバンテージ

・まとめ
  ひとつのモノ、ひとりの人を理解するためにデータをあつめる
  データ発生源に価値あるフィードバック・・・
  (かききれん)

キュレーター
・データから考える
  人知に基づくアプローチ
  データに基づくアプローチ

・キュレーターのアプローチ
  データビューイング
  モデリング&アナリティクス

・データビューイング
1.データの概観
   テーブル数
   レコード数
   項目数
   収集機関

2.固有IDの確認
   予測したい単位の定義
   固有IDの存在
   全体の出現数
   補完の可能性

3.目的変数の確認
   予測すべき事象を定義
   フラグの存在

4.説明変数の確認

・モデリング&アナリティクス(予測モデル作成)
5.特徴量の作成
   ヒントとなる項目を作成

6.モデルの構築
   予測モデルの構築

7.モデルの評価

・データから理解するモノ
  データを通して、モノの向こう側にいるヒトとコトを捕らえる

  目に見える事象から推測

・データから理解するステップ
1.センシング
2.スライシング
3.エクスプレッション
4.アグリケーション
   捕らえたいモノ/コト
5.キュレーション

・ロジック+データで理解する
  ヒトをより深く理解するためのデータ活用
  ロジックは精度向上に、データは世界を広げるために

  モノでフィードバック
  好みでフィードバック
  思いでフィードバック

 世界観を広げる

・まとめ
  データで解くほうが効率y的

キュレーションサービス
・データ活用をサポートするキュレーター
  業務知識をいかにはずせるか

   モデリング
   アナリティクス
   システムデザイン

・データによる価値創造サイクル
 キュレーションサービス

・商品「データコンサルティング」

・キュレーションサービス(分析チーム)の価値
 
・分析アルゴリズムをさまざまなデータに展開

・参考 オートアナリティクス(仮称)
  関連性マップ

・参考 データ活用ワークショップ
  目的をどう作って共有するか
    トライアルワークショップ
    データビューイングワークショップ
    ビッグデータブートキャンプ

・参考 ビッグデータ・ブートキャンプの考え方
 バックキャスト

・参考 データプラーザ
 データ利活用促進の場所

まとめ

事例
・購買データから顧客の特徴を見出す
・検査データから品質見直し
  クラスタリング(デンドログラム)
・Webページを評価方法を見直す

まとめ
・ローデータは必ずある
・データを味方にして競争力を

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする