2 分で読了
0 views

PMLによるクラウド向け汎用アクセス制御言語の提案

(PML: An Interpreter-Based Access Control Policy Language for Web Services)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「クラウドのアクセス制御を統一しろ」と言われて困っております。各ベンダーでルールが違うと、うちの現場は混乱するのではないかと不安です。そもそもアクセス制御の言語が色々あるという話自体、私にはまだ腹落ちしていません。まずはこの論文が何を変えるのか、端的に教えていただけますか。

AIメンター拓海

素晴らしい着眼点ですね!簡潔に言えば、この論文は「クラウド間で共通に使えるアクセス制御の記述言語(PML)」と、それを安全かつ言語非依存に実行する仕組みを示しています。結果として、ユーザーは複数のクラウドで同じルールを書け、サービス提供者は実装コストを下げられるんです。大丈夫、一緒に見ていけば必ず理解できますよ。

田中専務

言語非依存というのは魅力的です。ただ、実務では性能やセキュリティ、現場への浸透が重要です。PMLを導入すると、本当に遅くなったり危なくなったりしないのか、その点が最も気になります。現場目線での利点とリスクを教えてください。

AIメンター拓海

いい質問です。要点を3つで整理しますよ。1つ目、互換性の向上です。PMLはACL(Access Control List、アクセス制御リスト)やRBAC(Role-Based Access Control、役割ベースアクセス制御)、ABAC(Attribute-Based Access Control、属性ベースアクセス制御)など多様なモデルを表現できるため、既存のルールを移しやすいんです。2つ目、導入コスト低下です。PMLの実行部はLuaという軽量スクリプトを使い、ほとんどの言語に組み込めるので各ベンダーが独自実装を大量に抱える必要がなくなります。3つ目、性能面は検証済みです。論文では主要クラウドで1リクエスト当たり数マイクロ秒のオーバーヘッドに抑えたと報告しており、実務レベルで許容できるケースが多いでしょう。

田中専務

これって要するに、今のまま各社がバラバラにルールを作る手間とリスクを減らしてくれるということですか?ただ、Luaを間に挟む「インタープリタ上のインタープリタ」という構造は、具体的にどう安全なんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!身近なたとえで言いますと、PMLは『共通の書式(規約)』で契約書を作る仕組みで、Luaのサンドボックスはその契約書を開いて読む専用の監視付き読取器です。書き手が誤って危険な処理を書いても、読取器側が許可されていることだけ実行させるので本体環境を守れます。またLuaを使うことで多数の言語環境へ展開しやすくなりますから、互換性と安全性を両立できるのです。

田中専務

なるほど。実務導入の際の注意点は何でしょうか。うちの現場ではIT担当が少数で、古いシステムも残っています。移行計画として最初にやるべきことを教えてください。

AIメンター拓海

良い質問です。導入は段階的に進めるのが得策ですよ。まず既存の重要なアクセスルールを洗い出し、PMLで表現できるかを検証します。次にテスト環境でPMLを動かし、性能と互換性を確認します。最後に本番では限定的なAPIやサービスから着手して全社展開へ広げると安全に進められます。大丈夫、一緒にやれば必ずできますよ。

田中専務

分かりました、非常に整理されました。要するに、まずルールの棚卸しをして、小さく始めて拡げる。安全装置としてLuaのサンドボックスを使う。これで行けば現場の負担は抑えられると理解して良いですか。私の言葉で言い直すと、PMLは『共通のルール帳』でLuaは『鍵付きの閲覧機』ということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
ビデオをロボットの命令語へ変換する技術の本質
(V2CNet: A Deep Learning Framework to Translate Videos to Commands for Robotic Manipulation)
次の記事
TTRに基づく報酬で学ぶ強化学習
(TTR-Based Reward for Reinforcement Learning with Implicit Model Priors)
関連記事
単調分類と相対近似
(Monotone Classification with Relative Approximations)
ロバストなオンライン意思決定に関する後悔境界
(Regret Bounds for Robust Online Decision Making)
不均衡アトラスを用いた状態表現学習
(State Representation Learning Using an Unbalanced Atlas)
生成的敵対的能動学習による教師なし外れ値検出
(Generative Adversarial Active Learning for Unsupervised Outlier Detection)
グラフニューラルネットワークにおけるコンフォーマライズドリンク予測
(Conformalized Link Prediction on Graph Neural Networks)
ロボット学習における異常外分布検出のための位相適合正規化フロー
(Topology-Matching Normalizing Flows for Out-of-Distribution Detection in Robot Learning)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む