AIへの依頼に混ざる個人情報や鍵を見つけるモデル「AstrLink Guard」はどこまで防げるのか

「開発者がAIのコーディング支援に設定ファイルやログを丸ごと渡していて、中にパスワードが入っていないか心配だ」「禁止するだけでは現場が回らない。送る前に機械的に見張る手段はないのか」——AIの開発支援ツールを社内で広げ始めた企業のセキュリティ担当者から、こうした相談が増えています。AIのコーディング支援は、開いているファイルやコマンドの実行結果をまとめて言語モデルの提供元へ送ります。その中に、顧客の氏名やメールアドレス、外部サービスの鍵が紛れ込むことは珍しくありません。そこに、送る前の依頼から個人情報と認証情報を手元で見つける小型モデル AstrLink Guard が Hugging Face で公開されました。ただし、問われているのはモデルの検出率ではありません。本当は、見逃しが出る前提で送信の仕組み全体をどう組むかです。この記事では、AstrLink Guard が何を見つけ、何を見つけないのか、公表された性能をどう読むか、安全性の精査結果と、企業が導入を考えるときに確かめる点を、防御の立場から整理します。
カメ先生送る前に秘密を見つけて隠すモデルがあれば情報漏えいは防げる、と思われがちなんだけど、本当は「見つけやすいものを先に拾う網」の一枚にすぎないんだ。
カメ子網の目をすり抜けるものが残る、ということですか。
カメ先生そう。提供元の評価でも、AIの開発支援への依頼に含まれる認証情報のうち2,158件中45件は、どこも隠されないまま残ったと書かれている。しかも対応言語は中国語と英語で、日本語の成績は公表されていないんだよ。
カメ子だから、検出の網と、そもそも秘密を渡さない仕組みを分けて考える必要があるんですね。
- AstrLink Guard は、文章・ソースコード・設定ファイル・ログ・AIの開発支援ツールの依頼から、個人情報と認証情報を10種類に分けて見つける約3,700万パラメータの小型モデル
- パソコンの演算装置だけで手元で動き、見つけた箇所と点数を返す。隠すかどうかは使う側が決める。性能はすべて提供元の自社評価で、日本語は対象外
- 見逃しは必ず出る。秘密を渡さない運用、鍵の短命化、人が確認する範囲の決定と重ねて使い、AIに最終判断をさせない
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。
AstrLink Guardとは何か。2026年11月時点で確かめられる事実
AstrLink Guard は、QuantumNous という名前の組織が Hugging Face(AIモデルの公開・共有サイト)で公開している、個人情報と認証情報を見つけるためのモデルです。モデルカード(モデルの説明書きにあたるページ)によると、中国語・英語・その二つが混ざった文章を対象に、人名やメールアドレス、パスワードや鍵といった値が文章のどこにあるかを、種類の名前と点数付きで返すモデルとされています。文章を生成するモデルではなく、文章の一部分に名札を付ける「固有表現の抽出」と呼ばれる種類のモデルです。
当ラインの精査で確認した Hugging Face 上の記録では、作成日は2026年9月30日、最終更新は2026年10月23日で、確認時点の版は0.1.3です。ライセンスは Apache-2.0(商用利用も認める代表的なオープンソースのライセンス)で、利用の前に申請や同意を求める制限(ゲート)は付いていません。確認時点で「いいね」は29、直近のダウンロード数は402と、注目度はまだ大きくありません。日本語での紹介記事は、調べた範囲では見つかっていません。
土台になっているのは、Microsoft が公開している多言語向けの小型モデル MiniLM で、部品(パラメータ)の数は約3,690万と記載されています。数十億規模の文章生成型モデルと比べると、およそ百分の一以下の大きさです。モデルカードは、このモデルが同じ名前のアプリ「AstrLink」のプライバシー検出に使われていると説明しています。
なぜ今、AIの開発支援に送る情報の見張りが求められるのか
AIのコーディング支援ツールは、質問の文章だけを送るわけではありません。開いているソースコード、エラーの記録、設定ファイル、ツールが読み込んだファイルの中身や検索結果などを、まとめて一つの依頼として言語モデルの提供元へ送ります。AIエージェント(AIが自分で手順を考えて道具を使う仕組み)型の支援ツールでは、AIが自分でファイルを開いて中身を読み込むため、人が意識しないまま機密が送られる場面が増えています。
送られた情報は、提供元との契約や設定によっては一定期間保存されます。また、社外の中継サービスを経由している場合は、その事業者の手にも渡ります。設定ファイルに書かれた外部サービスの鍵や、障害調査のために貼り付けた顧客データのログが送られてしまうと、自社の管理の外に複製が残ることになります。これは、利用者が悪意なく起こす情報漏えいの典型的な形です。
AstrLink Guard のモデルカードは、まさにこの場面を想定しています。対象として、一般的な文章に加えて、ソースコード、設定ファイル、ログ、そして Claude Code、Codex、Cursor といったAIの開発支援ツールが言語モデルに送る依頼を名指しで挙げています。送信の手前、つまり自社の端末の中で見つけて隠すという発想は、社外に出てから対処するよりも被害を小さくできる点で、防御側にとって筋の良い考え方です。
見つける情報は10種類。対象外にしているものもある
モデルカードによると、AstrLink Guard が見つける情報は次の10種類です。人名、電話番号、メールアドレス、住所(自宅・配送先・勤務先)、特定の人物に関する日付(誕生日や身分証の日付、通院や旅行の日程など)、個人のアカウント(利用者名や会員番号・社員番号など)、銀行やクレジットのカード番号、IPアドレス、URL、そしてパスワードや鍵、アクセス用の文字列などの認証情報です。
同じくらい大切なのが、あえて見つけないと明記されているものです。注文番号や取引番号、金額や件数、版の番号、ハッシュ値(データの指紋にあたる値)、署名、一部を伏せ字にした値、仮の値、そして特定の人物に関係しない日付(ログの時刻や記録の作成日時など)は、名札を付けない方針とされています。開発の現場の文章には、こうした「個人情報に見えるが個人情報ではない値」が大量に含まれるため、ここを区別できるかどうかが実用性を左右します。
一方で、日本企業にとって見過ごせないのは、国の身分証の番号に当たる専用の種類が無いとモデルカード自身が限界として書いている点です。日本でいえばマイナンバーや運転免許証の番号のような値は、専用の種類として扱われていません。こうした値を守る必要がある企業は、別の規則で補う前提で考える必要があります。
手元で動く小型モデルという設計
AstrLink Guard は、異なる環境で同じモデルを動かすための共通の形式で配布されており、一般的なパソコンの演算装置(CPU)だけで動かせるとされています。画像処理用の演算装置(GPU)向けの軽量版も用意されています。推奨される軽量版の大きさは約36メガバイトで、開発者の手元の端末でも負担が小さい規模です。
手元で動くことには、防御の面で大きな意味があります。秘密を見つけるために、送ろうとしている依頼を別の外部サービスへ送ってしまっては本末転倒です。AstrLink Guard は、見つけた箇所とその種類、点数を返すだけで、どれを隠すか、止めるかは使う側のアプリが決めるという役割分担になっています。
点数については、0.8を下回るものは捨てることが推奨されています。この境目(しきい値)を上げれば誤検知は減りますが見逃しが増え、下げればその逆になります。つまり、モデルの性能の数字は「0.8で切った場合」のものであり、境目を変えれば成績も変わります。自社で使う場合は、境目を誰がどんな根拠で決めたかを記録しておくことが大切です。
0.1.2で変わった「日付」の扱いと、その引き換え
このモデルの更新履歴には、防御担当者が知っておくべき大きな方針の変更があります。0.1.2の版から、日付は「特定の人物に関する日付」だけを見つける方針に変わりました。それ以前の0.1.1は、ほぼすべての日付に名札を付けていたため、ログの時刻や記録の作成日時まで隠してしまい、AIの開発支援では使いにくかったとされています。
提供元の評価では、AIの開発支援への依頼に含まれる、個人に関係しない日付7,743件のうち、名札が付いたものは0.1.1の7,435件から0.1.2では21件に減りました。誤検知が劇的に減った一方で、個人に関する日付の発見率は約99%から約82%に下がったと、提供元自身が引き換えを明記しています。とくに見逃しやすいのは、身分証などの書類の日付と、通院などの予約の日付でした。
この変更は、モデルを入れ替えるだけで検出の範囲が変わりうることを示しています。モデルカードは、すべての日付を隠したい場合は旧版を使い続けるか、規則による日付の検出を追加するよう案内しています。企業が使う場合は、版を上げる前に、何が検出されなくなるかを確かめる手順を運用に組み込んでおく必要があります。
公表されている性能と、その読み方
モデルカードは、一般的な文章、ソースコードや設定ファイル・ログ、AIの開発支援ツールの依頼の三つの場面で評価した結果を示しています。成績は F1値(見逃しの少なさと誤検知の少なさを合わせた指標で、100に近いほど良い)で表されています。推奨の軽量版の主な数字は次のとおりです。
| 評価の場面 | 公表された成績(軽量版) | 補足 |
|---|---|---|
| 一般的な文章(2,200件) | F1値 97.46 | 英語は約96、中国語は約98 |
| コード・設定・ログ(709件) | F1値 93.54 | 認証情報の種類が最も弱い |
| AIの開発支援の依頼(1,200件) | 9種類の平均F1値 90.58 | 日付を除く。アカウントの種類は約77 |
| 依頼の中の認証情報(2,158件) | 51件がどこも隠されず | 高精度版では45件 |
| 情報を含まない依頼(187件) | 20件で誤検知 | 約10.7% |
一般的な文章では高い数字が並びますが、AIの開発支援の依頼という本来の使い道では数字が下がることが読み取れます。これは、コードや設定の中の値が、文章の中の値よりも見分けにくいためです。依頼の約1割で誤検知が出ることも、運用の負担として見積もっておく必要があります。
また、これらの数字はすべて提供元による自社評価で、評価に使われた依頼は架空のものと説明されています。第三者による検証は確認できていません。評価の対象は中国語と英語だけで、日本語の文章や、日本語のコメントが入ったソースコードでの成績は分かりません。数字は「提供元が用意した中国語と英語の試験での成績」と読むのが妥当です。
AIの開発支援への依頼で見逃されやすいもの
モデルカードの限界の欄は、防御担当者にとって情報の宝庫です。まず、最も見逃しやすいのはパスワードと、近くに項目名や提供元を示す目印がない鍵とされています。たとえば、区切り記号でつないだだけの鍵のように、周りの文脈から鍵だと分かりにくい値は、すり抜ける可能性が高いということです。
次に、AIの開発支援の依頼では「アカウント」の種類が最も弱く、ソースコードの中では「認証情報」の種類が最も弱いと書かれています。さらに、ツールが読み込んだファイルの中身や問い合わせの結果に含まれる個人の日付は、利用者が自分で書いた日付より見つけにくい(約75%と約92%)とされています。AIエージェントが自分で読み込んだ情報ほど、人の目にも、モデルの目にも入りにくいという構図です。
逆向きの誤りもあります。項目名の末尾が「鍵」を意味する語で終わる設定値は、秘密でなくても認証情報と判定されやすく、見たことのない発行元のカード番号(交通系や会員証の番号など)は、カード番号と誤って判定されることがあるとされています。誤検知が多すぎると、開発者が見張りを外したがるようになります。見逃しと誤検知の両方を、自社の実際の依頼で数えることが欠かせません。
組み合わせて使う前提のアプリ「AstrLink」との関係
モデルカードには、AstrLink というアプリでこのモデルを使う場合の動作が書かれています。GitHub には、同じ名前のデスクトップアプリ AstrLink が Apache-2.0 で公開されており、その説明書き(README)によると、AIエージェントと言語モデルの提供元の間に入る「手元の中継役」として働き、依頼が外へ出る前に秘密や連絡先などを見つけ、方針に応じて警告・遮断・伏せ字への置き換えを行うとされています。
README によると、このアプリは規則による検出と、手元のプライバシー用モデルによる検出の両方に対応しており、伏せ字にした値を応答の中で元に戻す機能もあるとされています。加えて、複数の言語モデルの契約や鍵をまとめて管理し、依頼の振り分けや記録を行う機能も備えていると説明されています。一方で、正式な配布版はまだ出ていない初期の開発段階だと明記されています。
ここで注意したいのは、モデルの評価と、アプリの安全性は別の話だという点です。この記事で精査したのはモデルの公開ページだけで、アプリのソースコードや動作は確かめていません。中継役のアプリは、すべての依頼と複数の鍵が通る場所になるため、もし導入を考える場合は、モデルとは別に、アプリそのものの評価が必要です。
ほかの手段との違い
送信前に秘密を見つける方法はいくつかあります。AstrLink Guard の位置づけを、代表的な手段と並べると次のようになります。表の内容は一般的な傾向で、個々の製品によって異なります。
| 観点 | 小型の検出モデル(AstrLink Guard) | 規則や文字の型による検出 | 大型の生成AIによる判定 |
|---|---|---|---|
| 見つけ方 | 文脈から値の種類を推し量る | 決まった形や接頭辞に当てはまるかを見る | 文章を読ませて判断させる |
| 形の決まっていない秘密 | ある程度は拾える。パスワードは苦手 | 拾いにくい | 拾える可能性があるが揺れる |
| 速さ・費用 | 軽い。手元の端末で動く | 非常に軽い | 重い。外部に送る形が多い |
| 日本語 | 評価の対象外 | 自社で規則を用意すれば可能 | 製品による |
| 結果の説明 | 種類と点数 | どの規則に当たったか | 理由を文章で返せるものもある |
この比較から分かるのは、AstrLink Guard が規則による検出の置き換えではなく、補いだということです。提供元に固有の接頭辞を持つ鍵のように形が決まっているものは規則で確実に止め、氏名や住所のように形が決まらない情報をモデルで拾う、という組み合わせが現実的です。実際、アプリの README も、規則による検出だけならモデルの取得は不要だと説明しています。
安全性の評価:紹介可とした根拠
当ラインでは、記事で取り上げる前に公開情報だけで安全性を精査しています。モデルを取得したり動かしたりはしていません。AstrLink Guard は次の事実から「紹介可」と判定しました。
- ライセンスは Apache-2.0 で、商用を含む利用条件が明確
- 重み(学習済みの数値)は異なる環境で共通に使える形式で配布され、読み込むだけでプログラムが動くおそれのある Python の Pickle 形式のファイルは無い
- モデルと一緒に動かす独自のプログラムのファイルは置かれていない
- すべてのファイルの指紋(ハッシュ値)の一覧が公開されており、取得したファイルが改ざんされていないかを確かめられる
- 確認した範囲で、このモデルに対するセキュリティ上の勧告や問題の報告は見当たらない
作成から約1か月半で「いいね」は29と、不自然な伸びも見られませんでした。学習に使った公開データの一覧とライセンスの文書も、公開場所の中に置かれています。
ただし、問題が見つからなかったことは、安全の保証ではありません。精査は公開情報を読んだ範囲のもので、検出の精度やすり抜けやすさまでは確かめていません。また、提供元の組織の実績や運営体制について、公開情報から分かることは限られています。導入する場合は、配布元が正式な公開場所であることを確かめ、業務の機密情報に触れない環境で試すことをおすすめします。
ライセンス・学習データ・評価の出どころで確かめておきたい点
ライセンスの面では、モデル本体は Apache-2.0、土台の MiniLM は MIT ライセンスとされています。モデルカードは、学習に使ったデータの一部に、表示を求めるライセンス(CC BY 4.0 など)のデータを加工して使ったことを明記しています。社内で改変して配布する予定がある場合は、表示義務の範囲を法務部門と確認しておくと安心です。
学習データとしては、NVIDIA が公開している個人情報の学習用データ、多言語の個人情報データ、Samsung が公開している認証情報の検出用データ、いくつかの公開ソフトウェアのソースコードと文書、そして提供元が作成した架空の例文が挙げられています。日本語のデータが含まれているという記載は見当たらず、日本語での検出は学習の範囲の外にある可能性が高いと考えるのが無難です(これは当ラインの推測です)。
評価の出どころにも注意が要ります。先に触れたとおり、数字はすべて提供元の自社評価で、評価用のデータは公開されていません。そのため、第三者が同じ条件で数字を再現することは現時点では難しい状況です。一方で、旧版より悪くなった項目も隠さずに書かれており、限界の欄も具体的です。弱点を数字で示している説明書きは、検証の出発点として使いやすいといえます。
悪用されうるリスクと、すり抜けの可能性
AstrLink Guard は守るための道具で、それ自体が攻撃に直接使われる性質のものではありません。ただし、公開された検出モデルには一般的な注意点があります。誰でも手元で動かせるということは、情報を持ち出したい内部の人物が、検出されない書き方を試しながら探せる可能性があるということです。これは AstrLink Guard に限らず、公開された検出の仕組み全般に言える構造上の弱点です。
もう一つは、見逃しが前提の道具を「全部止める道具」と取り違える過信です。提供元の評価でも認証情報の一部はどこも隠されずに残っており、日本語は評価の対象外です。見張りを入れたことを理由に、AIの開発支援ツールに読ませるフォルダの範囲を広げたり、本番環境の鍵が置かれた端末での利用を許したりすると、すり抜けた一件の被害が大きくなるおそれがあります。
さらに、伏せ字にした値を手元で元に戻す仕組みを使う場合、元の値と伏せ字の対応表がどこかに保持されることになります。その保存場所や消すタイミングが不明確だと、守るための仕組みが新たな機密の置き場所になる可能性があります。これは一般的な設計上の注意点で、AstrLink のアプリでの扱いは当ラインでは確かめていません。
導入を検討するときに確かめること
AstrLink Guard のような検出モデルを試すときは、いきなり全社の開発者の端末に入れず、段階を踏んで確かめます。次の5段階が一つの目安です。
顧客の個人情報、社員の情報、外部サービスの鍵、社内システムの接続情報など、送ってはいけない情報を業務の言葉で書き出します。モデルの10種類に当てはまらないもの(国の身分証の番号や社内独自の番号など)は、規則で補う対象として分けておきます。
実際の開発で使われる設定ファイルやログの形を参考に、架空の個人情報や無効にした鍵を埋め込んだ例を作ります。日本語のコメントや日本語の氏名・住所を含む例を必ず入れ、正解の箇所を人が付けておきます。
業務の機密情報に触れない検証用の環境で例を判定させ、種類ごとに見逃しと誤検知の件数を数えます。しきい値を変えたときに両者がどう動くかも記録し、提供元の数字と比べます。
誤検知で止まる依頼が一日に何件出るか、開発者がそのたびに確認する手間に耐えられるかを試算します。負担が大きすぎると見張りが外されるため、止める種類と警告にとどめる種類を分けて考えます。
最初は検出結果を記録して警告するだけにして、送信は止めません。数週間分の記録を人が見直し、判定が妥当だと確かめられた種類から順に、伏せ字や遮断の運用へ移します。
この順番で進めると、提供元の成績ではなく自社の開発現場での成績をもとに判断できます。版を上げるときも、同じ試験用の依頼で検出の範囲が変わっていないかを確かめてから切り替えます。
企業が取るべき対策
AstrLink Guard を使うかどうかにかかわらず、AIの開発支援ツールへの情報の送信について企業が整えておきたい対策は次の四つです。
一つ目は、そもそも秘密を端末やソースコードに置かないことです。鍵は専用の保管の仕組みで管理し、有効期限を短くし、権限を最小限にします。検出は最後の網であり、渡す情報を減らすことが最も確実な守りです。二つ目は、AIの開発支援ツールが読み込める範囲を決めることです。本番の顧客データを含むフォルダや、本番環境の接続情報がある端末では使わない、といった線引きを利用規程に入れます。
三つ目は、検出を一枚にしないことです。規則による検出、モデルによる検出、ソースコードの保管場所での秘密の検査、外部への通信の監視を重ね、どれか一枚がすり抜けられても気づけるようにします。四つ目は、調達時の確認項目に検出の仕組みの事情を加えることです。対応言語、評価が自社評価か第三者によるものか、重みのファイル形式、ライセンス、依頼の中身がどこに記録され、誰が見られるかを、社内の確認表に固定の項目として入れると、担当者が替わっても判断がぶれません。
これらの対策は、OWASP(ウェブの安全性に取り組む国際的なコミュニティ)が生成AIの主なリスクとして挙げる「機密情報の漏えい」への備えとも重なります。送信前の検出は、その備えのうち出口で拾う一部分だと位置づけると、他の対策との抜け漏れを点検しやすくなります。
AIに任せる範囲と、人が決める範囲
検出モデルを入れると、検出されなかった依頼は「安全」と扱いたくなります。しかし AstrLink Guard が返すのは、見つけた箇所と点数だけです。AIに判断させず、点数を材料に人が決めた基準で動かすという線引きを、導入の前に文書にしておくことが大切です。次のような運用は避けます。
- 中国語と英語の評価の数字を根拠に、日本語の依頼で検証しないまま「漏えい対策は済んだ」と報告する
- 検出されなかった依頼は秘密を含まないものとみなし、AIの開発支援ツールに読ませる範囲を広げる
- 見つかった鍵を伏せ字にして送ったことで満足し、漏れかけた鍵の無効化や交換をしない
- しきい値や版を担当者の判断で変え、変更した日と理由を残さない
- 誤検知が多いという理由で、記録を見直さないまま見張りを外す
人が決めるべきなのは、どの種類を止め、どの種類を警告にとどめるか、検出された鍵をどう扱うか、そして基準を見直す時期です。AIに任せてよいのは、決めた基準に沿った一次的な仕分けまでです。検出のたびに、どの種類にどの点数が付いたかという根拠を記録に書き残させるようにすると、人が後から確かめられます。また、人が必ず確認する範囲を先に決めておくと、検出の件数が増えても確認が追いつかなくなる事態を防げます。とくに認証情報が検出された場合は、送信を止めたかどうかに関係なく、その鍵を交換するかを人が判断する決まりにしておくと安心です。
よくある質問
日本語の開発現場でそのまま使えますか
モデルカードの対応言語は中国語と英語で、評価も二つの言語だけです。メールアドレスやURLのように言語に左右されにくい値は拾える可能性がありますが、日本語の氏名や住所をどこまで見つけられるかは分かりません。自社の日本語の例で測ってから判断する必要があります。
これを入れれば、AIの開発支援ツールの利用を全面的に認めてよいですか
おすすめしません。提供元の評価でも認証情報の一部は見逃されており、検出は最後の網にすぎません。利用を認める範囲は、秘密を置かない運用や読み込める範囲の制限が整っているかで判断します。
アプリの AstrLink も一緒に使うべきですか
モデルはアプリと切り離して評価できます。アプリは README によると初期の開発段階で正式な配布版がまだ無く、すべての依頼と鍵が通る場所になるため、使う場合はモデルとは別に評価が必要です。
- 本記事の内容は、2026年11月16日に確認した Hugging Face のモデルカードと、GitHub の AstrLink の説明書き(README)に基づきます。数値やファイル構成、ライセンスは今後の更新で変わる可能性があります
- 性能の数字はすべて提供元の自社評価による公表値で、当ラインでは検証していません
まとめ
AstrLink Guard は、文章やソースコード、設定ファイル、ログ、そしてAIの開発支援ツールが送る依頼から、個人情報と認証情報を10種類に分けて見つける、手元で動く小型モデルです。Apache-2.0 で公開され、重みは Pickle 形式を含まず、ファイルの指紋の一覧も公開されているなど、公開情報から見た安全面の懸念は見当たらず、当ラインでは「紹介可」と判定しました。ただし、問題が見つからなかったことは安全の保証ではありません。
一方で、性能は提供元の自社評価で、対象は中国語と英語だけです。認証情報の一部やパスワードは見逃されることがあり、版によって検出の範囲が変わることも明記されています。導入を考える企業は、自社の日本語の例で見逃しと誤検知を数え、警告だけの運用から始め、止める基準と人が確認する範囲を先に決めておくことが大切です。検出モデルは最後の網であり、秘密を端末に置かない、読み込める範囲を絞る、漏れかけた鍵を交換するといった基本の守りと重ねて使うことで、初めて効果を発揮します。
- Hugging Face のモデルカード(AstrLink Guard):https://huggingface.co/quantumnous/astrlink-guard
- GitHub の公開場所(AstrLink のデスクトップアプリ):https://github.com/Calcium-Ion/AstrLink
※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。
