AIを自社で調整する企業が知っておきたいモデル「ERNIE-5.5-Flash-Base」の注意点

AIを自社で調整する企業が知っておきたいモデル「ERNIE-5.5-Flash-Base」の注意点

「中国の百度が、調整前の素の状態のモデルを公開したらしい。自社の業務データで鍛え直せば、うちだけのAIが作れるのではないか」「安全のための調整がされていないモデルを、社内で使ってよいものなのか」——自社専用のAIを作りたい開発部門と、それを審査する情報システム・セキュリティ部門の双方から聞こえてくる声です。2026年11月、百度(バイドゥ)は、事前学習(大量の文章から言葉の規則を学ぶ最初の学習)を終えた段階のモデル ERNIE-5.5-Flash-Base の重みを Hugging Face(AIモデルの公開・共有サイト)で公開しました。ただし、問われているのはモデルの性能ではありません。本当は、安全のための調整を自社で引き受ける覚悟と、独自の条件を守れる体制があるかです。この記事では、ERNIE-5.5-Flash-Base がどのようなモデルか、公開情報で確かめられる事実、当ラインの安全性の精査結果、企業が独自調整の土台にする前に確かめるべき点を、防御の立場から整理します。


カメ先生カメ先生

ベースモデルは、まだ何も教えていない分、自社の色に染めやすい便利な素材だと思われがちなんだけど、本当は、危ない依頼を断る仕組みもまだ入っていない状態なんだ。


カメ子カメ子

提供元が普通はやってくれる安全のための仕上げを、使う側が自分でやることになるということですか。


カメ先生カメ先生

そう。さらにこのモデルは独自のライセンスで、使える地域や商用利用の条件、禁止される用途が細かく決まっている。性能の表より先に、仕上げの責任と条件の二つを確かめる必要があるんだよ。


カメ子カメ子

素材として優秀かどうかより、仕上げと条件を引き受けられるかが先なんですね。


この記事のポイント
  • ERNIE-5.5-Flash-Base は、総パラメータ約2,800億(1回の処理で使うのは約140億)の専門家混合型で、事前学習を終えた直後の段階のベースモデル。指示に従う調整や安全のための調整の前の状態で、ライセンスは独自のものでOSSではない
  • 重みは safetensors 形式で、独自のプログラムや Pickle 形式のファイルは無い。一方、使える地域から欧州連合・英国・韓国を除くなど条件の多い独自ライセンスのため、当ラインは「注意付き」と判定した
  • 独自調整の土台にするなら、安全のための調整と評価は使う側の責任になる。条件の確認・隔離した評価・人の承認を先に決め、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。

目次

ERNIE-5.5-Flash-Baseとは何か。2026年11月時点で確かめられる事実

ERNIE-5.5-Flash-Base は、中国の大手IT企業である百度が開発した、重み公開型(オープンウェイト)のモデルです。重み公開型とは、学習済みの数値(重み)を誰でも取得できる形で配るもので、利用者が自分の機材で動かせます。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、ERNIE 5.5 Flash という効率を重視した言語モデルの、事前学習を終えた時点の版で、その後の追加の学習を一切行う前の状態だと説明されています。扱うのは文章だけで、言語は英語と中国語が明記されています。

当ラインの精査で確認した Hugging Face 上の記録では、公開場所の作成日は2026年10月21日、最終更新日は11月5日です。ライセンス本文と技術ブログの日付は11月5日でした。確認時点で「いいね」は251、ダウンロード数は2,111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。重みは精度の違う2種類が用意され、本記事で扱うのは FP8(数値を小さく表して容量を抑えた形式)の版です。BF16 という別の精度の版も公開されています。

ライセンスは Hugging Face 上で「その他」に分類された独自のもので、名称は ERNIE 5.5 Flash Base モデルライセンス 第1.0版 です。OSI(オープンソースの定義を管理する団体)が承認したライセンスではなく、使える地域や用途にも制限があるため、このモデルを「OSS」と呼ぶのは正確ではありません。本記事では「モデル」と呼びます。日本語での詳しい解説は、確認した範囲ではまだ見当たりません。

ベースモデルとは何か:指示に従う調整と安全のための調整の前の段階

一般に、対話型の生成AIは、いくつかの段階を経て作られます。まず大量の文章で次に来る言葉を予測する力を身につける事前学習を行い、次に人の指示に従って答えるための調整(指示調整)を行い、さらに危険な依頼を断る、偏った表現を避けるといった安全のための調整を重ねます。普段使われているチャット型のAIは、こうした仕上げを済ませた後のものです。

ERNIE-5.5-Flash-Base は、このうち最初の段階だけを終えた状態です。モデルカードは「中間段階や仕上げの学習の前のチェックポイント(途中の保存点)」と明記し、分野ごとの適応、指示調整、強化学習(試行と採点を繰り返してモデルを鍛える学習)の研究の共通の出発点として使えると説明しています。技術ブログでも、事前学習の終わりで重みを公開することで、開発者がその先の方向を自分で選べるようにした、と公開の狙いを述べています。

つまり、このモデルは続きの文章を書く力は持っていても、何を書いてはいけないかはまだ教わっていない状態です。モデルカードにも技術ブログにも、安全性、限界、偏りについての独立した説明は、確認した範囲では見当たりませんでした。安全のための調整が施されていないことは、ベースモデルという性質上、そのまま受け止めるべき前提です。

なぜ今、調整前のモデルの公開が企業の議題になるのか

自社の業務に特化したAIを作りたい企業にとって、すでに仕上げ済みのモデルを追加で鍛えるより、素の状態のモデルから自社の方針で調整したほうが、自社の用語や判断の基準を一から反映しやすいと考えられることがあります。提供元が仕上げで決めた振る舞いの方針に縛られない点も、研究や特定分野への適応では魅力とされます。

一方で、守る側から見ると、この種の公開には特有の心配があります。調整前のモデルは、仕上げ済みのモデルより扱いが難しいにもかかわらず、「大手企業の公式の公開だから安心」と受け取られやすい面があります。また、重みは誰でも取得できるため、情報システム部門が把握しないまま、開発部門や委託先が独自に試し始めることもありえます。

加えて、このモデルは海外の提供元が独自の条件で配るもので、条件の中に使える地域の制限や、準拠法(契約の解釈に使う法律)の指定が含まれます。技術の評価とは別に、法務と調達の審査が欠かせない題材です。提供元は仕上げを済ませた版も後に続けると技術ブログで予告しており、今回のベースモデルを社内でどう扱うかの決まりは、その後の版を検討するときの土台にもなります。

仕組み:約2,800億パラメータの専門家混合と長い文脈

モデルカードによると、ERNIE-5.5-Flash-Base は専門家混合型(MoE)のモデルです。専門家混合型とは、内部に多数の小さな部品(専門家)を持ち、入力に応じて一部だけを使う作りで、全体は大きくても1回の処理にかかる計算を抑えられます。総パラメータは約2,800億、1つの単語ごとに使われるのは約140億で、各層に512の専門家と共通の専門家1つを持つと説明されています。

事前学習には約33.5兆トークン(文章を区切った単位)が使われ、学習時の文脈の長さは最大約12万8,000トークン、追加の学習と推論(モデルに答えを出させる処理)では約100万トークンまで扱えるとされています。注意の仕組み(文中のどこを参照するかを決める部分)を、圧縮した軽い層と全体を見る層の組み合わせにして、長い文章を扱うときの記憶の量を抑えた点が、設計の特徴として挙げられています。

モデルカードは、同規模の他社のベースモデル3つと同じ手順・同じ条件で比べた成績を公表しており、知識を問う MMLU という評価で93.3などの数字が並びます。一部の評価では比べた相手に及ばなかったことも併記されています。ただし、これらはすべて提供元の自己申告の数字で、当ラインでは検証していません。ベースモデルの成績は、仕上げ後の使い勝手や安全性を示すものではない点にも注意が必要です。

学習に使われたデータについて公表されていること・いないこと

モデルカードと技術ブログは、事前学習のデータを大きく三つに分けて説明しています。多言語のウェブの文章を大規模に集め、モデルを使って複数の観点から品質をふるいにかけたもの、ソフトウェアの保管場所やウェブ上のプログラム(変更の履歴、課題の記録、自動の検査で確かめた修正などを含む)、そして長い文書と、検索や複数段階の質問応答を練習するために合成したデータです。

一方で、具体的にどのデータの集まりを使ったか、個人情報や著作物をどう扱ったかは、確認した範囲では公表されていません。ウェブの文章を大規模に集めたモデルは、一般に、誤った情報や偏った表現、個人に関する情報を学習している可能性があるとされます。仕上げの調整が無いベースモデルでは、こうした学習内容が、そのまま出力に現れやすいと考えられます。

学習データの中身が分からないことは、このモデルに限らず、多くの重み公開型のモデルに共通する課題です。企業が独自調整の土台にする場合は、学習データの来歴が説明できないことを前提に、出力を検査する仕組みを持つ必要があります。自社の顧客や取引先に向けたサービスに使うなら、なおさらです。

比べる表:ベースモデル・仕上げ済みのモデル・提供元のサービスの違い

同じ系統のモデルでも、どの段階のものを、どの形で使うかで、企業が負う責任は大きく変わります。ベースモデルを土台にする場合と、ほかの選択肢を比べると次のとおりです。仕上げ済みの版は、技術ブログで後に続くと予告されている段階のものを想定しています。

使い方安全のための調整企業が負う主な責任
ベースモデルを取得して自社で調整する無い。使う側が自分で施す指示調整と安全のための調整、その評価、配布物の審査、ライセンスの順守のすべて
仕上げ済みの重み公開型モデルを使う提供元が施した調整がある自社の用途に合うかの評価、配布物の審査、ライセンスの順守
提供元のサービスを通じて使う提供元が施し、入力と出力の監視も提供元が行うことが多いデータの送り先と扱いの確認、利用規約の順守

表のとおり、ベースモデルを土台にする道は、自由度が最も高い代わりに、本来は提供元が担う仕上げと評価の仕事を、まるごと自社が引き受ける道です。どれが優れているかではなく、自社の体制でどこまで引き受けられるかで選ぶのが現実的です。研究目的の評価と、業務に組み込む開発とでも、求められる体制は大きく違います。

安全性の評価:注意付きとした根拠

当ラインは、モデルを取得・実行せず、Hugging Face 上の公開情報、ファイル一覧、モデルカード、ライセンス本文、技術ブログを読んで判定しました。判定は「注意付き」です。根拠にした事実は次のとおりです。

  • 公開元は百度の公式の公開場所で、技術ブログからも同じ場所が案内されている
  • 重みは safetensors 形式(読み込むだけでプログラムが実行されることのない形式)で、Pickle 形式(読み込み時に任意のプログラムが動きうる形式)のファイルは無い
  • 読み込みに必要な独自のプログラムのファイルは、ファイル一覧に含まれていない
  • ライセンスが独自のもので、使える地域、商用利用、禁止される用途に細かな条件がある
  • 事前学習を終えただけで、指示調整や安全のための調整の前の状態である

前半の三つは、提供元と配布物の形式の面での安心材料です。読み込み時に手元で動く他社のプログラムが無いことは、配布物そのものを経由した攻撃の入り口が小さいことを意味します。注意を付けた理由は後半の二つで、どちらも配布物の欠陥ではなく、使う側が条件と責任を正しく理解していないと問題になる性質のものです。

なお、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、モデルが実際にどのような文章を生成するか、学習データに何が含まれているかまでは確かめていません。導入を検討する企業は、これらを自社の責任で確かめる必要があります。

独自ライセンスの条件1:使える地域と商用利用の区分

ライセンス本文で、まず確かめるべきなのは使える地域の制限です。本文はライセンスが及ぶ地域を「世界のうち、欧州連合、英国、韓国を除くすべての地域」と定め、その地域の外での利用、複製、改変、配布、表示を認めていません。日本は対象の地域に含まれますが、欧州や英国、韓国に拠点や利用者を持つ企業は、海外の子会社や顧客への提供が地域の制限に触れないかを確かめる必要があります。

商用利用は、関連する売上の規模で区分されます。研究、教育、評価などの非商用の利用は無償で、届け出も要りません。関連する年間の売上が5,000万米ドル以下の商用利用も、モデルの利用料は掛かりませんが、製品やサービスに「Powered by ERNIE」という表示を目立つ形で出すことと、使い始める前に提供元へ一度だけ利用の通知を送ることが条件です。5,000万米ドルを超える場合は、事前に書面の許可が必要です。

売上の数え方にも注意が要ります。本文では、直近12か月の関連する製品の売上を合算し、ほかのモデルも組み合わせた製品なら、その製品の売上全体を数えるとしています。支配関係にある会社の売上も合算されます。自社の製品の売上が、思ったより大きく数えられる可能性があるため、どの製品にどのモデルを組み込むかを記録し、法務部門と原文で確かめることが欠かせません。

独自ライセンスの条件2:禁止される用途と運営者の義務

ライセンスには、禁止される用途を並べた別紙が付いています。項目は20あり、法令に反する利用や不正なプログラムの作成・拡散のほか、軍事目的での利用、医療・信用・雇用などの重要な場面での自動の判断、機械が生成したことを明示せずに生成物を公開すること、資格の要る専門職の業務を資格なしに行うことなどが含まれます。提供元は、この禁止事項を改定できるとしています。

また、このモデルやその出力を使って、ほかのAIモデルや機械学習の仕組みを改善することは禁止されています(このライセンスの下で派生のモデルを作ること自体は認められています)。たとえば、このモデルの出力を、別のモデルを鍛えるための学習データに使う計画があるなら、条文に触れないかを事前に確かめる必要があります。

第三者に向けて出力を生成するサービスを運営する場合は、合理的な技術面と組織面の安全策を講じ、試し、定期的に見直すこと、違反を受け付ける窓口を持ち、報告に速やかに対応することが求められます。下流の利用者との契約にも、主な制限を盛り込む必要があります。安全のための調整が無いモデルを土台にする以上、この義務は形式ではなく、実際の仕組みとして備える必要があります。

安全のための調整が無いことのリスク:独自調整の土台にするとき

ベースモデルを自社の業務データで調整するとき、最も見落とされやすいのが、指示に従うようにする調整と、安全に振る舞うようにする調整は別物だという点です。業務の質問に上手に答えられるように鍛えても、危険な依頼を断る力や、不適切な表現を避ける力は、別に教えない限り身につかないと考えられます。

その結果、社内の利用者の悪意のない質問に対しても、学習データに含まれていた誤った情報や偏った表現、個人に関する情報が出力される可能性があります。顧客向けの窓口に使えば、企業の信用を損なう発言や、事実と異なる案内につながるおそれもあります。また、文書を読み込ませて答えさせる使い方では、文書に紛れ込ませた指示に従ってしまう間接プロンプトインジェクション(AIが読む文書を使ってAIへの指示を外から書き換える攻撃)への備えも、調整と周りの仕組みの両方で用意しなければなりません。

自社で安全のための調整を施す場合も、その効果を確かめる評価の仕組みが必要です。どのような依頼を断るべきか、どこまで答えてよいかという方針を先に文書にし、方針に沿った評価の項目で、調整の前後を比べて確かめることが求められます。評価の体制が用意できないうちは、業務への組み込みではなく、隔離した環境での研究の範囲にとどめるのが妥当です。

悪用されうるリスク

重みが公開されたモデルは、攻撃者も同じように取得できます。一般に、安全のための調整が施されていないモデルは、詐欺の文面や偽の情報の作成などに、断られることなく使われうるとされています。このモデルについて、現時点で攻撃に使われたという報告は確認できていません。ただし、ベースモデルは続きの文章を書く形で動くため、対話型のモデルより使いこなしに手間がかかるとはいえ、悪用の手間が大きく変わるとは言い切れません。

ライセンスは不正なプログラムの作成や偽の情報の拡散を禁じていますが、ライセンスは守る意思のある利用者を縛るもので、攻撃者による悪用を技術的に止めるものではありません。守る側としては、だまそうとする文面がより自然になり、量も増えるという前提で、従業員への注意喚起や、送信元の確認、取引の手続きの多重の確認を見直すのが現実的な備えです。

もう一つの論点は、社内での誤用です。安全のための調整が無いモデルを、検証の名目で社内の誰でも使える形に置くと、意図せず不適切な出力が業務の資料に紛れ込むことがありえます。利用者と用途を限定し、出力を人が確かめてから使う決まりを、研究の段階から設けておくことが大切です。

海外製モデルの調達とガバナンス:準拠法・連絡・配布物

ライセンス本文は、準拠法を香港特別行政区の法律とし、紛争は香港の裁判所で扱うと定めています。また、利用者は、自社の利用や改変に起因する第三者からの請求について、提供元を防御し補償する義務を負うとされ、モデルと出力は「現状のまま」提供され、提供元は正確さなどを一切保証しないと書かれています。提供元には、更新や支援を続ける義務も無いとされています。

商用利用で求められる利用の通知は、提供元の窓口に送る形です。売上が5,000万米ドルを超える利用者には、提供元が年に一度まで、順守の説明と裏付けの資料を求めることがあるとされています。通知や資料の中に、自社の事業の情報がどこまで含まれるかは、社内の情報の管理の決まりや取引先との契約と照らして判断する必要があります。

配布物の面では、重みが safetensors 形式で独自のプログラムを含まない点は安心材料ですが、動かすための推論の仕組みとして、モデルカードは Transformers、SGLang、vLLM などを挙げています。モデル本体だけでなく、推論の仕組みや第三者が変換した派生版まで審査の対象にする必要があります。とくに、提供元以外が公開した派生版は、配布元と中身が公式のものと同じかを別に確かめなければなりません。

導入を検討するときに確かめること

ERNIE-5.5-Flash-Base のような調整前のモデルを独自調整の土台にするかどうかは、いきなり開発を始めず、段階を踏んで判断します。次の5段階が一つの目安です。

STEP1
目的と使う地域・売上の区分を決める

研究にとどめるのか、製品に組み込むのかを決め、使う拠点と利用者の地域、関連する売上の規模から、ライセンスのどの区分に当たるかを法務部門と確かめます。出力を別のモデルの学習に使う計画が無いかも確かめます。

STEP2
配布物と推論の仕組みを審査する

配布元が提供元の正式な公開場所であること、重みの形式、推論の仕組みの版を確かめ、審査した版を記録します。社内のソフトウェアの審査の手続きに沿って承認を得てから次へ進みます。

STEP3
安全の方針と評価の項目を先に作る

断るべき依頼、答えてよい範囲、出力に含めてはいけない情報を文書にし、それに沿った評価の項目を用意します。調整を始める前に、評価の方法を決めておくのが要点です。

STEP4
隔離した環境で調整と評価を行う

外部と切り離した環境で、指示調整と安全のための調整を行い、調整の前後を同じ評価の項目で比べます。結果と、どの版をどの条件で評価したかを記録します。

STEP5
限定した範囲で人の確認付きで始める

最初は少人数・少ない業務で、出力を人が確かめてから使う形で始めます。一定期間の記録を見直し、問題がないと確かめられた業務から順に範囲を広げます。

途中でやめる基準も最初に決めておきます。たとえば「評価で不適切な出力が一定の割合を超えたら業務には使わない」「ライセンスの区分が確定しないうちは製品に組み込まない」といった線を先に引いておくと、判断が場当たり的になりません。

企業が取るべき対策

このモデルを使うかどうかにかかわらず、調整前のモデルや海外の重み公開型のモデルについて、企業が整えておきたい対策は次の五つです。

一つ目は、利用の申請と台帳です。重み公開型のモデルは誰でも取得できるため、申請を必須にし、どのモデルのどの版を、どの段階(ベースか仕上げ済みか)で、どの用途に使っているかを一覧にします。委託先が使う場合も対象に含めます。二つ目は、調達の審査項目の追加です。ライセンスの地域の制限、売上の区分、禁止される用途、準拠法、配布物の形式を、審査の標準の項目にします。

三つ目は、ベースモデルを業務に直接つながない決まりです。安全のための調整と評価を終えるまでは、隔離した研究の環境にとどめ、社内の業務の仕組みや顧客の窓口にはつなぎません。四つ目は、出力の検査と記録です。入力と出力を記録し、個人に関する情報や不適切な表現が出ていないかを定期的に確かめます。記録そのものも機密情報として管理します。

五つ目は、社内規程への反映です。調整前のモデルの扱い、生成物を公開するときに機械による生成と明示する決まり、人の確認が必要な用途を、AIの利用規程や情報セキュリティの規程に書き込みます。これらは、OWASP(ウェブの安全性に取り組む国際的なコミュニティ)が示す生成AIの主なリスク、とくに供給網の脆弱性、学習データの汚染、出力の不適切な扱いへの備えとも重なります。

AIに任せる範囲と、人が決める範囲

自社で調整したモデルは、自社の業務を知っているように見えるため、判断まで任せたくなります。しかし、モデルが出力するのは、学習した文章から推測したもっともらしい続きです。とくに調整前のモデルを土台にした場合、どこまで信頼してよいかは評価でしか確かめられません。AIに判断させず、人が決めた範囲の中で下書きや整理だけを任せるという線引きを、開発を始める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。

  • 大手の公式の公開だからという理由で、ベースモデルをそのまま社内の誰でも使える形に置く
  • 業務の質問に答えられるように調整しただけで、安全のための調整と評価をせずに顧客の窓口に出す
  • 使う地域や売上の区分を確かめないまま、海外の子会社や顧客に機能を提供する
  • 採用、与信、医療などの重要な判断を、人の確認なしにモデルの出力で決める
  • 生成した文章を、機械による生成であることを示さずに社外へ公開する

人が決めるべきなのは、任せる業務と禁止する用途、人の確認が必要な場面、問題が起きたときの止め方、そして規程を見直す時期です。出力のたびに、どの資料を根拠にその答えを出したのかを書かせるようにすると、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、利用が広がっても確認が追いつかなくなる事態を防げます。

よくある質問

ベースモデルは、そのまま社内のチャットとして使えますか

モデルカードは、このモデルを続きの文章を生成する形で使うものとして説明しており、対話のための調整は施されていません。質問に的確に答える保証も、危険な依頼を断る保証も無いため、そのまま社内のチャットとして使うのは適しません。対話に使うなら、提供元が予告している仕上げ済みの版を待つか、自社で調整と評価を行う必要があります。

日本の企業なら、地域の制限は気にしなくてよいですか

ライセンスの対象の地域に日本は含まれます。ただし、欧州連合、英国、韓国での利用や配布は認められていないため、これらの地域に拠点や利用者を持つ場合や、海外向けのサービスに組み込む場合は、どこで使われ、どこへ届くかを確かめる必要があります。判断に迷う場合は、原文をもとに法務部門と確かめてください。

中国企業のモデルだから使ってはいけないのですか

提供元の国籍だけで一律に判断するより、使う段階、データの置き場所、準拠法、配布物の中身、評価の結果を確かめるのが実務的です。重みを自社の機材で動かす場合、入力した情報が提供元に送られる経路は小さくなります。そのうえで、業界の規制や取引先との契約で制限がある場合は、それに従います。

  • 本記事の内容は、2026年11月11日に確認した Hugging Face のモデルカード、ファイル一覧、ライセンス本文と、提供元の技術ブログに基づきます。数値、ファイル構成、ライセンス、禁止事項は今後の更新で変わる可能性があります
  • 成績の数字はすべて提供元による公表値で、当ラインでは検証していません。モデルは取得・実行していません。ライセンスの解釈は要約で、法的な助言ではありません

まとめ

ERNIE-5.5-Flash-Base は、百度が2026年11月に重みを公開した、総パラメータ約2,800億の専門家混合型のベースモデルです。事前学習を終えただけの状態で、指示に従う調整や安全のための調整は施されていません。当ラインでは、公式の提供元であること、safetensors 形式の重みで独自のプログラムや Pickle 形式のファイルが無いことを確認した一方、地域や用途に細かな条件のある独自ライセンスであること、安全のための調整の前の状態であることから「注意付き」と判定しました。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。

このモデルを独自調整の土台にする企業が備えるべきなのは、調整の技術よりも、条件と責任の確かめ方です。使う地域と売上の区分の確認、禁止される用途の把握、隔離した環境での調整と評価、出力の検査と記録を先に整え、AIに判断させず、人が確認する範囲を先に決めておくことが、調整前のモデルと付き合うための出発点になります。

出典(一次情報)

※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