投稿

Oracle Autonomous AI Databaseを使用したローカルETLおよびMLOpsパイプラインの実行 (2026/11/13)

イメージ
Oracle Autonomous AI Databaseを使用したローカルETLおよびMLOpsパイプラインの実行 (2026/11/13) https://blogs.oracle.com/cloud-infrastructure/local-etl-mlops-autonomous-ai-database 投稿者:  Leo Li  | AI Infrastructure Architect レオ・リー — AIインフラストラクチャアーキテクト、JAPACセンターオブエクセレンス(CoE) ナタラジャン・マリマス — マスタープリンシパルクラウドアーキテクト ウサマ・ムハンマド — プリンシパルクラウドアーキテクト、クラウドエンジニアリングASEAN ドゥルガ・プラサド・パラドゥグラ — 契約社員 多くのお客様は既に、正常に機能するデータパイプラインを運用しています。課題は、データが保持されるべき場所、あるいはアプリケーションが迅速に対応できるようデータソースに十分近い場所で、データパイプラインを実行する方法を見つけることです。一部のユースケースでは、生データが顧客のセキュリティ境界から外に出ることを制限するデータレジデンシー要件があります。また、データ転送の遅延を削減するためにローカル処理が有効な場合もあります。お客様は、これらの要件のいずれか、または両方を満たす必要があるかもしれません。 このアーキテクチャは、既存の抽出、変換、ロード(ETL)パイプラインと機械学習オペレーション(MLOps)ワークフローを、顧客サイトのOracleインフラストラクチャに統合します。Oracle Autonomous AI Database(ADB)は、スケジューリングと公開結果へのアクセスをサポートします。パイプライン自体はローカル実行環境で実行されます。この設計では、生の入力と中間処理はローカルに保持され、クラウドサービスに送信される内容は顧客が定義した公開ポリシーによって制御されます。 この記事では、以下の内容について取り上げます。 データ所在地の制約が重要なユースケース、低遅延アプリケーション、またはその両方に対応するローカル実行パターンを示します。 ADBスケジューリング、ローカル実行サービス、および制御された公開機能を用いて構築されたソリューシ...

CISOの視点:AIアシスタントはできないデータを読み取ることができますか? (2026/11/13)

イメージ
CISOの視点:AIアシスタントはできないデータを読み取ることができますか? (2026/11/13) https://www.ateam-oracle.com/ciso-perspectives-can-your-ai-assistant-read-data-you-cannot 投稿者: Marcus D'Andrea  | Field Chief Cloud Security Architect 事件の概要は正確で役立つものであると同時に、関係者が知るべき以上の情報を含んでいる可能性もある。 事件発生時のアクセス方針の例。アシスタントが利用できる証拠は、質問者によって変化する。 セキュリティアナリストが朝のインシデントコールに備えている場面を想像してみてください。複数の場所で最新情報が発信されており、コールはまもなく始まります。アナリストは会社のAIアシスタントに「当社の決済サービスに影響を与えているインシデントについて、何か分かっていることはありますか?」と尋ねます。 返ってきたのは、何が起こったのか、どの顧客が影響を受ける可能性があるのか​​、そしてチームがそれに対してどのような対策を講じているのかといった、役立つ要約です。また、弁護士の機密調査メモからの詳細情報も含まれています。 アナリストにはこれらのメモを閲覧する権限がありません。リンクを送っても、アクセス拒否のメッセージが表示されます。しかし、アシスタントはコネクタが法務ワークスペースを読み取ることができるため、ファイルの一部を要約してアナリストに提供しました。 この架空の例では、アナリストは特に変わったことはしていません。問題は、本来時間を節約するはずだったワークフローの中に潜んでいます。文書を探し出して回答を作成する過程で、アシスタントは誰の権限が重要なのかを見失ってしまったのです。 セキュリティレビューはそこから始めます。まず、 この人物が何を見ることが許されているのかを示し、次に、アシスタントがそれらの質問に答えるために何を使用したのかを示します。 追加アクセスが忍び込む場所 システム横断的に検索を行うアシスタントがあれば、多くの手間を省くことができます。検索拡張生成(RAG)では、アプリケーションが関連する箇所を見つけ出し、それを回答の背景情報としてモデルに提供します。Oracle...