AILuminateとは?|調達で読む安全性スコア

AILuminateとは?|調達で読む安全性スコア

「導入候補の生成AIについて、ベンダーから『AILuminate で上位の結果です』と説明された。これで安全だと考えてよいのか」「調達の要件に、第三者の安全性評価を入れろと言われたが、何を求めればよいのか分からない」——2026年10月に AILuminate の公開結果と測定サービスが出てから、情シスや法務、リスク管理の担当者が同じ壁に当たっています。数字そのものは本物です。けれども、その数字が答えているのは「どの版の問題集で、どの言語で、どの構成を、ほかのAIと比べてどうだったか」という狭い問いだけです。この記事では、AILuminate の仕組みと2026年10月の動きを公式の説明から確かめたうえで、AIベンダーや社内の導入候補がこのスコアを示してきたときの読み方、調達や契約に入れるかどうか、測定サービスに自社の構成を預けるときに何が社外に出るか、監査やガバナンス委員会でどう扱うかを整理します。


カメ先生カメ先生

第三者の安全性スコアがあれば、そのAIは安全だと証明されたと思われがちなんだ。でも AILuminate を作る MLCommons 自身が、これは認証ではないし、どこまでの危険を許すかも決めない、と書いている。測る道具を作って測るところまでが仕事で、判断は買う側に返しているんだよ。


カメ子カメ子

点数が高くても、それで合格というわけではないということですか。


カメ先生カメ先生

そう。しかも点数は、ほかのAIと並べたときの順位に近い。英語の一往復のやりとりを、決まった版の問題で測った結果だから、自社の業務で日本語の社内文書を読ませる仕組みの安全性とは、そのままではつながらないんだ。


カメ子カメ子

数字を読む前に、何を測った数字なのかを確かめる必要があるんですね。


この記事のポイント
  • AILuminate のスコアは認証ではなく、版・言語・構成を固定した相対評価なので、示されたら「何を測ったか」から確かめる
  • 調達や契約では、スコアの高さを条件にするより、公式結果の提出と測定条件の開示を求めるほうが運用しやすい
  • 外部のスコアは自社の合格線の代わりにならない。業務での合否は、自社の題材で人が線を引く

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

目次

AILuminateとは:非営利の業界団体が作る、危険な応答の測定器

AILuminate は、米国の非営利の業界団体 MLCommons が作っている、生成AIの危険と信頼性を測るベンチマークの集まりです。MLCommons はもともと機械学習の処理性能を測る指標で知られた団体で、公式の説明では、会員は企業・大学・非営利団体を合わせて125を超えます。AILuminate はその中の「AIの危険と信頼性」を扱う作業部会が作っていて、作業部会には80を超える組織の人が参加していると公表しています。

中身は、AIに危険な依頼を投げて、返ってきた答えが危険に加担していないかを数えるものです。公式の説明では、加担の判定は、公開された採点の規則に照らして、大規模言語モデルではない専用の自動判定器で行います。2026年5月に改めた規則の第1.4版では、答えが危険を正当なものとして扱っていないかと、実行できるように手助けしていないかを、別々に採点するとしています。採点にAIの評価役を使わない理由について、MLCommons は、結果を時間がたっても比べられるように安定させるためで、脱獄の試験では生成AIの評価役が「すり抜けられたかどうか」を見分けられなかったと説明しています。

もう一つ押さえておきたいのは、MLCommons が自ら「AIシステムを認証しない、組織を監査しない、どこまでの危険を許すかを決めない」と明記していることです。判断するのは、買い手と、保証を手がける事業者と、規制当局だという立場です。なお、名前の似たグーグルの別のサービスとは関係がありません。社内の資料で取り違えないよう、初出では「MLCommons の AILuminate」と書いておくのが無難です。

2026年10月の動き:測定サービスCandelaと、初の公開結果

2026年10月29日、MLCommons は AILuminate を依頼に応じて走らせる測定サービス Candela を始めました。公式の発表によると、開始時点で使えるのは、12の危険分類への応じ方を測る安全性ベンチマークの1.2.1版と、そのうち11分類について脱獄の手口への耐性を測る脱獄ベンチマークの1.1版の二つです。開発中のモデルを「公開したまま」の形で測ることも、導入済みの仕組みを「動かしているまま」の形で測ることもできると説明しています。

同じ10月29日には、安全性ベンチマーク1.2.1版の最初の公開結果も出ました。対象は英語(米国)で、9月22日から測り始めたものです。掲載されたのは、重みを公開しているモデル22と、入出力を見張る防御用のモデル5の計27システムで、グーグルの Gemma、IBM の Granite、Meta の Llama Guard、NVIDIA の防御用モデル、OpenAI の重み公開モデルなどが並んでいます。一方で、完成品として提供されているシステムの欄はまだ空で、公式も最初の結果は主に手元で動かせる公開モデルが対象だと断っています。

沿革を見ると、変化の速さが分かります。2026年2月に保証事業者向けの国際プログラムと脱獄ベンチマークの0.7版、5月に採点規則の1.4版、9月に安全性ベンチマークの1.2版、10月に脱獄ベンチマーク1.0版の論文と Candela の開始です。エージェントの安全性を測る0.2版も、10月に一部の会員の試験者に配られた段階です。半年前の資料に書かれた点数や評価段階は、いまの版とは比べられない可能性が高いと考えて読むのが前提になります。

点数の読み方:ほかのAIと比べた百分位で、合格線ではない

安全性ベンチマークの点数は、1.2版から0から100の百分位で出るようになりました。それ以前の版は「劣る」から「優れる」までの5段階の評価で出していたため、昔の資料を見ると段階の名前が書かれていることがありますが、公式は1.0版の評価と1.2.1版の点数は比べられないと明記しています。

百分位は、あらかじめ固定した参照システムの集まりに対する位置です。1.2.1版では参照システムは19あり、どのシステムかは公表していません。危険な答えを出しやすいものから出しにくいものまでを並べて物差しにしているので、点数が高いことは「参照に選ばれたAIの中で、危険な答えを出しにくい側にいる」ことを意味し、危険な答えがゼロであることは意味しません。公式は、この点数は危険に加担しなかった答えの割合と0.99を超える高さで連動するとも説明しています。参照の集まりを公開前に固定しているので、新しいシステムを足しても過去の点数は動かない設計です。

ここで大事なのは、MLCommons は「点数は許容できる安全性の基準を定めない」と書いていることです。80点なら合格、50点なら不合格という線は、どこにも引かれていません。ベンダーから「上位15%に入っている」と聞いたら、それは事実として受け取ってよい一方で、自社が許せる水準かどうかは、まったく別の問いとして残ります。

測っているもの、測っていないもの

安全性ベンチマークが測るのは、12の危険分類への直接の依頼に、どれだけ危険な答えを返すかです。公式の分類は、身体に関わるもの(暴力犯罪、性に関わる犯罪、子どもの性的搾取、自殺と自傷、大量破壊兵器)、身体に関わらないもの(知的財産、名誉毀損、暴力を伴わない犯罪、憎悪表現、プライバシー)、文脈によるもの(選挙・金融・医療・法律の専門的な助言、性的な内容)に分かれています。問題数は1.2版で3,900問に絞ったと説明しています。

逆に、公式がはっきり「測らない」と書いているものがあります。長い会話、画像、エージェントの動きは測りません。内容が合法かどうかも判断しません。そしてAIの能力、正確さ、役に立つかどうかは測りません。公式は、すべての依頼を断るAIなら危険な答えは出さないが、役には立たない、と例を挙げています。高い点数のAIが業務で使えるとは限らないということです。

観点安全性ベンチマーク1.2.1版で測るか調達で別に確かめること
危険な直接の依頼への答え測る(12分類・一往復)自社の業務に近い依頼での振る舞い
脱獄の手口への耐性測らない(別のベンチマーク)脱獄ベンチマークの公式結果の有無
日本語での振る舞い測らない(英語(米国))日本語の社内文書・問い合わせでの試験
長い会話・エージェントの操作測らない操作の権限と承認の設計
正確さ・役に立つか測らない業務の題材での品質評価
内容の合法性判断しない法務の確認

脱獄への耐性は別の点数:二つを混ぜない

脱獄とは、言い回しを変えたり、文字を似た形に置き換えたり、依頼を断片に分けて組み立てさせたりして、AIの安全策をすり抜ける手口です。脱獄ベンチマークは、安全性ベンチマークと同じ危険分類のうち専門的な助言を除いた11分類について、公開されている攻撃の手口で依頼を書き換え、安全策がどこまで持ちこたえるかを測ります。専門的な助言を外しているのは、注意書きを添えれば答えてよい分類だからだと公式は説明しています。

この二つの点数の関係には注意が要ります。公式は、以前に試した39のモデルで、脱獄の点数が安全性の評価と同じ水準に達したものは一つもなかったと報告し、その差を「耐性の差」と呼んでいます。つまり、ふつうに頼まれたときに断れるAIでも、手口を使われると崩れるのが普通だということです。ベンダーが安全性の点数だけを示してきたら、脱獄の公式結果があるかを別に尋ねる意味があります。

一方で、引用の規則は AILuminate の結果をほかのベンチマークと比べること、さらに脱獄の点数と安全性の点数を比べることも禁じています。社内の資料で二つを足し合わせたり、平均したりして「総合点」を作るのは避けましょう。複数の結果をまとめて調達の審査に使うこと自体は認められていますが、その場合は元の公式結果をそれぞれ示し、まとめ方を説明し、まとめた数字を AILuminate の点数として出さないことが条件です。

四つの選び方を比べる:自己申告・公式結果・自社測定・自前の評価

AIを調達するときに安全性の根拠をどこから取るかは、大きく四つの選び方があります。ベンダーの自己申告を受け取る、AILuminate の公開結果や公式結果を確かめる、Candela で自社の構成ごと測ってもらう、そして自社の題材で自前の評価を組む、の四つです。どれか一つで足りることはまれで、費用と手間と、何が分かるかの釣り合いで組み合わせます。

選び方分かること分からないこと手間と費用
ベンダーの自己申告ベンダーが重視している点測り方の妥当性と比べやすさ低い
AILuminate の公開結果・公式結果決まった版での他のAIとの相対位置日本語・自社構成・業務の品質低い(確かめるだけ)
Candela で自社の構成を測る導入する形のまま、決まった物差しで測った位置日本語・業務固有の危険中(1回ごとに料金)
自社の題材で自前の評価自社業務での合否と弱い場面他社と比べた位置高い(題材づくりと採点)

隣の記事で扱った英国の評価の枠組みのように、自前で評価を組んで社内の合格基準にする道は、業務の合否を決めるには最も確かですが、作る人と採点する人の時間がかかります。AILuminate の位置づけは、その手前で候補を同じ物差しで並べ、明らかに弱いものをふるい落とすための外の物差しです。調達の担当者が最初に持つべきなのは、どの選び方をどの段階で使うかの順番です。

目安としては、候補を絞る段階では公開結果と自己申告で十分で、最終の二、三社に残った段階で公式結果の提出を求め、社内で広く配る仕組みや顧客に触れる仕組みでは自前の評価を必ず組む、という分け方が現実的です。Candela での自社測定は、構成を作り込んだ後、または大きく変えた後に使うと費用に見合いやすくなります。

ベンダーが「AILuminateで評価済み」と言ってきたら

提案書や営業資料に AILuminate の名前が出てきたら、まず次の点を確かめます。どれも、MLCommons の引用の規則が公式結果を引用するときに書くよう求めている項目なので、まともな引用であれば答えられるはずです。

  • どのベンチマークの、どの版か(安全性の1.2.1版か、脱獄の1.1版か、古い1.0版か)
  • どの言語で測ったか(現行の安全性ベンチマークは英語(米国))
  • 公式結果か、練習用の結果か(練習用は公表できない決まり)
  • 測った対象は何か(モデル単体か、指示文・検索・防御の仕組みを含む完成品か)と、その版
  • 結果を受け取った日付、または公開ページで確かめた日付
  • 自社に提供される構成と、測った構成は同じか
  • 脱獄ベンチマークの公式結果もあるか

特に注意したいのが練習用の結果です。Candela には、練習用・注釈付き・公式の三種類の試験があり、公表して引用できるのは、非公開の問題を使う公式の試験の結果だけと決まっています。練習用の結果は社内で使う分には「非公式」と明記して共有してよいとされていますが、営業資料や公の場での説明に使うことは認められていません。提案書に練習用の点数が載っていたら、その時点で引用の作法が守られていないと判断できます。

もう一つ、公開結果の大半は重みを公開したモデル単体の結果です。ベンダーが「採用しているモデルの点数が高い」と言う場合、それはそのモデルの話で、ベンダーが指示文や検索の仕組みを足して提供する製品の点数ではありません。モデルの点数を製品の点数のように書いている資料は、読み替えて受け取る必要があります。

モデルの点数と、導入される仕組みの点数は別物

MLCommons は、測る対象を「一つ以上のモデル、指示文、防御の仕組み、検索、その他の工程」の組み合わせとして定義し、どれか一つでも変えれば、ベンチマーク上は別のシステムになると説明しています。FAQ では、温度の設定を一つ変えただけでも別のシステムだと書いているほどです。Candela の発表でも、安全性の採点は「部品の点数を足し合わせて全体の点数にはならない」と念を押しています。

これは調達の実務に直結します。たとえば、点数の高い公開モデルを使っていても、ベンダーが付けた指示文が安全策を弱めることもあれば、社内文書を検索して答える仕組みが、本来なら断るはずの話題に文書の内容で答えてしまうこともあります。逆に、モデル単体の点数が低くても、前後に防御用のモデルを挟むことで仕組み全体としては危険な答えが減ることもあります。公開結果で防御用のモデルが軒並み高い点数を取っているのは、その役割を示しています。

  • モデル単体の公開結果を、そのモデルを使った社内の仕組みの点数として稟議書に書く
  • 測った後に指示文や検索の範囲を変えたのに、前の点数を使い続ける
  • 防御用のモデルの点数を、それを組み込んでいない構成の根拠にする
  • 英語で測った点数を、日本語でしか使わない仕組みの安全性の説明に使う

調達の要件や契約に、このスコアを入れるか

調達の要件にスコアを書く方法は、大きく三段階あります。何も書かない、公式結果があれば提出を求める、一定の点数以上を条件にする、の三つです。結論から言えば、点数の下限を条件にするのは勧めにくく、公式結果の提出と測定条件の開示を求める形が扱いやすいと考えます。理由は三つあります。

一つ目は、公式が合格線を定めていないことです。下限を決めるなら、その数字の根拠を自社で説明しなければなりません。二つ目は、版が変われば物差しが変わることです。契約期間中に新しい版が出たとき、昔の版の点数を条件にした条文は意味を失います。三つ目は、現行の安全性ベンチマークが英語だけを測っていることです。日本語で使う仕組みに英語の点数の下限を課しても、守りたいものを守れているとは言えません。

そのうえで契約や仕様書に書くなら、次のような形が現実的です。公式結果を持っている場合は、版・言語・測った構成・日付を付けて提出すること。提供する構成を大きく変えるときは、事前に知らせること。新しい版で測り直した場合は、結果を共有すること。点数は審査の材料の一つとして扱い、合否は自社の評価と合わせて決めること。こう書いておけば、点数を持たないベンダーを一律に締め出すことも避けられます。

STEP1
要件の段階

仕様書には「第三者の安全性評価の結果があれば、版・言語・構成・日付を付けて提出」と書き、点数の下限は書かない。

STEP2
比較の段階

提出された結果を、同じベンチマーク・同じ版・同じ言語どうしでだけ並べる。条件が違えば並べない。

STEP3
確認の段階

最終候補には、自社の題材での評価を行う。日本語・業務の依頼・社内文書を使い、合否の線は人が決める。

STEP4
契約の段階

構成の変更の事前通知、新しい版での再測定の共有、事故時の報告を条文に入れる。

Candelaに自社の構成を預けると、何が社外に出るか

Candela で導入済みの仕組みを測るときは、社内の環境に小さな中継用のクライアントを入れます。公式の手順の説明では、このクライアントが Candela のサーバーから試験の問題を受け取って測る対象の仕組みに渡し、仕組みが返した答えを Candela に送り返して採点させます。測定はおよそ1時間で終わると説明しています。FAQ には「Candela は自社の環境の中で動く」とあり、モデルの重みを評価する側から隠す、秘匿計算の選択肢もあるとしています。

ここから読み取れる、社外に出るものは「問題に対する自社の仕組みの答え」です。指示文そのものや、検索させている社内文書そのものを渡す手順は、公開されている説明には書かれていません。ただし注意が要るのは、答えの中に社内文書の中身が混ざりうることです。検索の仕組みが社内文書を引いて答える構成なら、危険な依頼に対する答えとして、その一部が引用されて Candela に送られる可能性があります。道具を呼び出す構成なら、試験中に道具が実際に動くこともありえます。

  • 送り返した答えを MLCommons がどれだけの期間保存するかは、公開ページでは確認できない。契約の前に書面で確かめる
  • 測る対象は本番ではなく、本番と同じ構成の試験用の環境にする。検索させる文書は試験用の写しに差し替える
  • 道具を呼び出す構成では、外部への送信や登録が起きない状態で測る
  • 注釈付きの試験では、問題・答え・採点の組がすべて返ってくる。社内での保管先と閲覧者を先に決める

情報の流れとしては、社外の評価機関に業務委託をするのと同じ扱いで、情報管理の担当と法務が事前に見る対象です。個人情報を含む文書を検索させている構成なら、なおさら試験用の写しに差し替えてから測るべきです。

費用の増え方:練習・注釈付き・公式の三段階

Candela は1回の試験ごとの料金です。公式の手順のページには料金表が載っていて、会員でない組織の場合、安全性ベンチマークは練習用が200ドル、注釈付きが4,800ドル、公式が6,000ドル、脱獄ベンチマークは練習用が200ドル、注釈付きが6,400ドル、公式が8,000ドルです。両方をまとめた組み合わせもあります。MLCommons の会員は、練習用が無料になり、ほかの試験も割り引かれます。

費用が増えるのは、構成を変えるたびに測り直す運用を組んだときです。前の節のとおり、指示文や検索の範囲を一つ変えれば別のシステムになるので、厳密には変更ごとに測ることになります。日々の改善は安い練習用で回し、公表や調達先への提出が必要な節目だけ公式の試験を受ける、という使い分けが前提の料金設計だと読み取れます。自動の申込と請求は準備中で、当面はメールで申し込む形だと公式は書いています。

調達する側としては、ベンダーに公式の試験を求めれば、その費用は最終的に見積に乗ると考えておくべきです。一方で、自社で測るなら、どの仕組みを、どの節目で、どの試験で測るかを年間の予定として決めておかないと、変更のたびに判断が揺れます。

外部のスコアと、自社の業務での安全性は違う

AILuminate が測るのは、一般向けの対話AIが、誰が聞いても危険な依頼にどう答えるかです。一方、企業の業務で問題になる危険の多くは、それとは種類が違います。社外秘の情報を答えに混ぜてしまう、顧客への返信に事実と違う約束を書く、社内規程と矛盾する案内をする、根拠のない数字を報告書に書く——これらは12の危険分類のどれにも当たらないことが多く、外部のスコアには表れません。

だからこそ、外部のスコアを読んだ後に、自社の業務での合格線は、自社の題材で人が引く必要があります。どの依頼に断るべきか、どこまで答えてよいかは、業務と顧客と法令によって会社ごとに違います。AIに採点の下ごしらえをさせることはできても、合否の線を決めることと、線をまたいだ答えをどう扱うかを決めることは、AIに判断させない部分です。採点の根拠を答えと一緒に残させ、人が抜き取って確かめる範囲を先に決めておきます。

外部の点数と自社の評価がずれたときの扱いも決めておくと迷いません。外部の点数が高く自社の評価で落ちたなら、自社の評価を優先します。外部の点数が低く自社の評価で通ったなら、測っていない危険分類での振る舞いを追加で確かめてから判断します。外の物差しは「見落としの確認」に、内の物差しは「合否の判断」に使うと役割を分けると、委員会での説明もしやすくなります。

ガバナンス委員会・監査への説明で、どう位置づけるか

AIのガバナンス委員会や内部監査で、導入したAIの安全性の根拠を問われたとき、AILuminate の結果は「第三者が決まった方法で測った、比べられる証拠」として示せます。公式も、公式結果はモデルやシステムの説明書、調達の判断で引用できる点数だとしています。保証を手がける外部の事業者に測ってもらう選択肢もあり、独立性を上乗せしたいときに使えるとしています。

ただし、説明の資料には、この結果が「認証ではない」「合格線を示すものではない」「測った版と言語と構成に限った結果である」の三点を必ず添えます。そのうえで、自社の題材での評価、人が確認する範囲、事故が起きたときの止め方と組み合わせて、全体として安全策を説明する形にします。外部の点数だけを根拠にした説明は、版が変わったり、構成を変えたりした時点で根拠が崩れます。

台帳の上では、AIシステムごとに「外部の評価の結果(ベンチマーク名・版・言語・日付・対象の構成)」と「自社の評価の結果(題材・合格線・判定者・日付)」を別の列で持つと、見直しのきっかけが見えます。構成を変えた日が外部の評価の日より新しければ、その外部の評価は古いと分かるからです。四半期ごとの棚卸しで、この日付の前後を見るだけでも十分な点検になります。

社外に出すときの書き方と、言ってはいけないこと

自社が AI を提供する側で、AILuminate の結果を顧客向けの資料や説明書に載せる場合もあります。そのときは引用の規則に従います。公式結果だけを載せ、ベンチマークの正式な名前と版と言語、測ったシステムとその版、結果を受け取った日付を書き、MLCommons の商標であることの注記を添えます。公開ページの該当結果へのリンクで代えることもできます。自分が持ち主でない仕組みの公式結果を公表するには、持ち主の許可が要ります。

言ってはいけないこともはっきりしています。MLCommons が自社や製品を推薦していると受け取れる書き方、名前を自社の製品名やドメイン名に使うこと、練習用の結果を公の宣伝に使うこと、ほかのベンチマークの結果と並べて比べることは、規則で認められていません。また、規則は料金を払っても答えの判定や採点は変えられないと書いています。

「AILuminate 認証取得」「安全性が保証されたAI」といった表現は、公式が認証しないと明言している以上、事実と違う説明になります。表示の規制や取引先との約束の観点からも避けるべきで、広報や営業の資料を出す前に、法務が引用の作法と表現を確かめる工程を入れておくと安全です。

よくある質問

日本語のAIの安全性は測れますか

現行の安全性ベンチマーク1.2.1版は英語(米国)を測るもので、公式の説明に日本語は出てきません。過去にはフランス語の結果や中国語の試作版があり、アジア太平洋の言語と文化に合わせた試行も進んでいますが、2026年3月の公式の説明で名前が挙がっているのはインドや韓国などの協力先で、日本語は含まれていません。日本語の業務で使うなら、自社の題材での評価が欠かせません。

点数の高いモデルを選べば、社内の仕組みも安全になりますか

なりません。指示文・検索・防御の仕組みを一つ変えれば別のシステムだと公式が定義しているとおり、モデルの点数は仕組み全体の点数ではありません。導入する形のまま測るか、自社の評価で確かめる必要があります。

ベンダーが公開結果に載っていないのは、問題があるからですか

そうとは限りません。最初の公開結果は主に手元で動かせる公開モデルが対象で、完成品のシステムはまだ載っていません。また、独自のモデルの提供元は申し出れば掲載から外れられる決まりで、外れた場合は結果のページの下に開示するとしています。載っていない理由を尋ね、必要なら公式の試験の結果を求めるのが筋です。

Candelaの練習用の結果を、社内の稟議に使ってよいですか

社内での利用は、非公式であることと、どの試験の結果かを明記すれば認められています。ただし、稟議書が取引先や外部に渡る可能性があるなら、公式の結果を使うか、練習用の結果は載せないほうが安全です。

まとめ

AILuminate は、非営利の業界団体 MLCommons が合意に基づいて作った、生成AIの危険な応答と脱獄への耐性を測る物差しです。2026年10月に測定サービス Candela と最初の公開結果が出て、調達やガバナンスの場で名前を見る機会が増えています。読み方の要点は、点数が認証でも合格線でもなく、決まった版と言語と構成で、ほかのAIと比べた位置だということです。ベンダーから示されたら、版・言語・公式かどうか・測った構成・日付を確かめ、調達の要件では点数の下限より公式結果の提出と条件の開示を求めます。Candela に自社の構成を預けるなら、答えに社内文書が混ざる可能性を前提に試験用の環境で測ります。そして最後の合否は、自社の題材で人が引いた線で決める。外の物差しと内の物差しを分けて持つことが、このスコアを調達で生かす前提です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

運営会社:株式会社デボノ

目次