新規事業の実践論(1/2)

「社内起業」こそ、最高のキャリア戦略だ。

第1章 日本人は起業より「社内起業」が向いている

なぜ日本で起業家が増えないのか
  • 日本人が『社内起業』に向く理由は、政治的構造に由来している。
  • 日本は、アメリカや中国とは、起業家輩出の背景が異なっている。
国名 起業の背景
アメリ 企業が簡単に社員を解雇する。社員は自身を守るために、自律的にキャリアを考え、転職し、起業する。これが定着しており、起業家の絶対数が増えていく。比例して起業家のレベルが上がっていく。スタートアップ企業中心の社会である。
中国 共産主義であり、政府が企業をバックアップする。政府主導でイノベーションを推進している
日本 資本主義であり、中国のように政府は企業を主導しない。政治構造的にも労働者が手厚く守られており、会社をやめてまでスタートアップしない(する必要がない)→スタートアップは増えない
  • 日本でスタートアップが増えないのはイノベーションへの害悪か。→ No。「失敗しても生活は揺るがないから、企業にいながら進んでリスクを取ることができる」とも言える。
  • 日本でイノベーションを実現する母体は『政府(中国)』でも『スタートアップ(アメリカ)』でもなく、『社内起業』が最も適しているという事実。
なぜ日本でイノベーションが減ったのか

第2章 「社内起業家」へと覚醒するWILLの作り方

WILLの定義

WILL(意志)の強さと明確さを評価する基準は以下の3つ。

  • Q1. 誰の(課題を解決するのか) ← 領域の明確化①
  • Q2. どんな課題を(解決するのか) ← 領域の明確化②
  • Q3. なぜあなたが(解決するのか) ← 圧倒的当事者意識

3つの評価基準に至る成長過程を「原体験化」と(筆者は)呼んでいる。

ゲンバとホンバ、2つの行動で「原体験化」
  1. ゲンバに触れて対話する

    • 課題の震源地(発生源)に足を運べ
      • 震災のボランティア
      • 介護施設の現場
      • 一次産業の現場
      • 民泊トラブルの現場
    • 日本のサラリーマンはゲンバに足を運ばない。やりたいことが見つからないのではなく「見てないし、知らない」のだ。
    • NPOボランティア、カンファレンス、イベント参加など、方法はある activo.jp
  2. ホンバを訪れて刺激を受ける

体験したことをアウトプットする
  • 誰かに感動をコメントする。
  • コメントついでに「小さな約束」をする。

「小さな約束」をすることで、自身をつぎの行動に後押しし、結果を生み出す好循環が生まれる。

第3章 最初にして最大の課題「創設メンバーの選び方」

『人数』の王道

3人以下が王道であり、4人以上にしない方がよい。

人数の観点は以下の3つである。

  1. コミュニケーションスピード(少ない方がよい)
    人数が増えればコミュニケーションは『指数関数的に』複雑になる。2人なら1だったコミュニケーションパスが、3人なら4倍に、4人なら11倍になる。調整にも時間がかかり、情報が共有しきれない。1人が最強説。
  2. チームレジリエンス・くじけぬ心(多い方がよい)
    ダメだしに折れない。挫折にくじけない。スクラムでチーム力向上。
  3. マンパワー(多い方がよい)
    業務をさばける量。人数が多ければ『比例的に』高まる。

新規事業の立ち上げでは、情報共有が超重要。共有はデイリー(daily)ですらなく、アワリー(hourly)である。そのスピードに対応するには、5人は多すぎ。情報共有と、会議調整するだけ時間がムダ。

『役割』の王道
  • 創設メンバーで何の役割を果たし、何の役割を外部に委託するかを決める。数ある役割のうち「外部に委託しえない役割」こそが、新事業における「競争優位性の源」となる。以下に例示。
    • システム開発を外部に委託できる
      ビジネスモデルの先進性やUX・デザインが優位性
    • システム開発を外部に委託できない
      システム自体に差別化を備えている
『人数』と『役割』以上に必要な『3つの力』
  • Network(異分野をつなぎネットワークする)
    名刺交換の力ではない。異なる異分野・異業種の人たちとゼロから人間関係を構築する力が必要
  • Execution(圧倒的にやりきる力)
    マネジメントを含めた実行力(割愛)
  • Knowledge(深く広い知識と教養)
    新たな業界との対決では「無知の知」(何をしらないかを知る力)が必要。そのためには基礎教養と、個別の知識が必要であり、業界慣習や歴史、関連法規などを知らねばならない。これからのリーダーは哲学・宗教・科学・化学・数学・美術・歴史・倫理学、経済・金融・生命科学・宇宙科学などの知識が必要である

運動不足と血圧問題

血圧問題

若いころの不摂生がたたったのか、6月に血圧が140を超えていることが判明しました。病院に行って診断してもらったところ、まずは体重を減らす努力としてウォーキングなどをはじめ、だめなら薬(降圧剤)で落とすしかないと言われました。

現在の成果

項名 2020年6月 2020年9月
体重 75.2Kg 78.2Kg
BMI 29.0 30.2
体脂肪率 37.8% 31.2%
基礎代謝 1,220Kcal 1,440Kcal
血圧(上) 145 142
血圧(下) 101 99

努力のわりに体重が減らないので凹んでいたんですが、インナーマッスルが鍛えられたのか、体脂肪率基礎代謝が上がっていました。体重が増えたのは筋肉になったせいだと考えておくことにします。

やったこと

子供も小さく、将来に不安を残したくはなかったので、すぐに対策に取り組みました。具体的な対策は以下のものになります。

ウォーキング : 2日に1回、約10,000歩強。時間にして1時間~1時間半。

ドラクエウォークをやったり、某Youtuberの学習チャンネルを片耳で聞きながら歩き続けます。番組内容が楽しく、意外に続けられました。

運動① : 「ゆらころん」を購入。30分/日程度ゆらゆら。

テレビでCMしていた「ゆらころん」をドンキホーテで購入しました。少しさぼり気味で、カミさんに途中怒られました(--;

運動② : 週に5日、8分/日 スマホアプリで腹筋強化トレ。

短時間ながら、カミさんに紹介されたアプリでトレーニングを開始。最初は腹筋がツリそうになったり、結構きつかったです。
play.google.com

減煙 : 60本/週 → 2本/週。たまに付き合いで吸う程度。

22年続いた喫煙をわずか3か月でなくせました。たまたまサツドラで見つけたiQOSのNICORESSカートリッジを使ったところ、驚くほどスムーズに禁煙できました。途中、食欲が増えることはなかったんですが、イライラを自覚することがあったので、ストレスはあったのだと思いますが。

その他
  • 飲み会 : 1回/2週(コロナ前)→ 0回
  • 飲酒 : 飲酒は週1日、350ccのビール1缶。
  • 食事制限 : 極端に量は変えていないが、大食にならないよう加減。
  • 食事内容 : 以下3点。
    1. 妻が料理を減塩(感謝)
    2. 職場での缶コーヒー本数を制限
    3. 1日に水を2L以上飲む
    4. 9月からフルーツ酢、黒酢ドリンクを常用

副次効果

喫煙、コーヒーの制限、小金が貯まりました。まぁ、前回のグラボ強化なんかはそのおかげだったのですが。。。

自作パソコンのGPUを強化して廉価版ゲームPCにしました。

今回の活動経緯

前回、IoT検定に合格したので、自分へのご褒美としてグラボを購入してパソコンをパワーアップすることにしました。もともと、ノートPCとしてMacBookを買うために貯金をしていたのですが、ステイホームのため、携帯PCの購入意義が減りました。自宅にて、デスクトップの方を強化することにします。

今の装備

現在の自宅PCのスペックは以下のとおりです。

パーツ ブツ
CPU Intel Core-i5 4333(第4世代)
マザーボード ASUSTeK H87M-PLUS
グラフィックボード ASUSTek NVIDIA GeForce GT610
ストレージ Netac SSD 240GB
メモリ DDR3 SDRAM 16GB(PC3-10600)

先日メモリを8GB増設しましたが、それ以外の改造履歴はもう忘れてしまいました。4年ほど前にCPUを入れ替えて以来、ほぼ触っていなかったはず。

現在のスペック

2つのベンチマークソフトを使い、現在のスペックを計測しました。どちらも非常に残念な結果となりました。

強化パーツ

いろいろなサイトを参考にしましたが、CPUの第4世代Core-i5は、ゲームPCとして現役活用されている人もおり、そう悪くない様子。やはりグラフィックボードの強化が優先課題のようです。そこで、某YouTuberさんの紹介を参考に、現役最強コスパと名高い「MSI Radeon RX 570 ARMOR 8G J」を搭載することにしました。
f:id:camelrush:20200905184521p:plain

ツクモで中古の在庫がありました。同じ中古で上位機種のRT5500(¥17,800)と比較して悩みましたが、店員さんの「ほとんど変わらない」というアドバイスで購入を決定。

f:id:camelrush:20200905184505p:plain

開封するとこんな感じ。まるでスポーツ用品みたいにスタイリッシュ。おじさんからすると、たかがPCパーツなのに…と思うのだけど、やはり e-Sports 世代になってデザイン性も問われてきているんですかね…。
以下のAmazonリンクは、これとは別の、同機種・最新製品であるRX570です。冷却性能が少し高いようですが、ほぼ性能差はないようです。一応、貼っておきます。

取付け

取付けはなかなか難航しました。なんせグラボが大きい。配線を適当にしていたせいもあって、そのままでは刺さらず、結局一度内部のケーブルをすべてつけなおしました。

再計測

セッティングの後、再度計測を行いました。下の写真のとおり劇的に改善されたようです。浪費家のストレスも多少は解消されて、めでたしめでたし。
f:id:camelrush:20200905210600p:plain
f:id:camelrush:20200905210503p:plain

IoT検定 レベル1試験 プロフェッショナル・コーディネータ 合格!受験記

合格報告

この度、「IoT検定 レベル1試験 プロフェッショナル・コーディネータ」に合格しましたので、報告いたします。

IoT検定とは

f:id:camelrush:20200829221934p:plain

概要

  • 「IoT検定制度委員会」が主催するIoTに関する知識を問う民間検定。
  • 技術的な視点だけでなく、マーケティングやサービスの提供、ユーザーの視点からどのようなスキルが必要か判断する能力が問われます。
  • 国内のIoT試験は、現在これと、類似試験の「IoTシステム技術検定」の2つだけのようです。
    • 『IoT検定』・・・ユーザ視点・コンサル視点の検定
    • 『IoTシステム技術検定』・・・技術者・開発者視点の検定
  • その他、試験概要は以下のとおり。

    項目 内容
    資格種別 民間資格
    受験資格 なし
    試験日程 随時実施(プロメトリック)
    試験方法 CBT
    受験料 11,000円(税込)

検定レベル

IoT検定には、以下の4つのレベルが定められています。今回は、左から2つ目の「レベル1」を受験しました。
※このうち、現時点で受験できるのは、IoT-PU、IoT-PC(レベル1)のみであり、上位のレベル2、3については、「準備中」となっています。 f:id:camelrush:20200829202921p:plain

出題内容

IoT検定では、以下のカリキュラムから試験内容が出題されます。
(詳細なシラバスは、公式ページにpdfで掲載されています)

  1. 戦略とマネジメント
  2. 産業システムと標準化
  3. 法律
  4. ネットワーク
  5. IoTデバイス
  6. プラットフォーム
  7. データ分析
  8. セキュリティ

出題範囲は、所謂エンベデッドスキルに限定したものではありません。内容的にも、「戦略」ではファイブフォース分析、ブルーオーシャン戦略、破壊的イノベーション等といったMBA関連の問題が出ます。「法律」では電波法だけではなく、製造物責任法、下請法といった調達・開発プロセスに関する内容も出題されます。特にシラバスで高い配点を占める「データ分析」では、機械学習に関する用語が幅広く出題されます。

受験理由と経緯

  • 本ブログへの投稿も含め、これまで各種デバイスを弄り回し、本業ではないプログラムやプラットフォームを勉強してきました。そろそろ、無形財産として体系的なものを残しておきたく、受験を希望した次第です。

  • 受験を考えたのは今年の春ですが、2020年のコロナ禍の影響で「IoTシステム技術検定」からの7月受験回の中止が発表されました。やむを得ず、今回は「IoT検定」を受験することとしました。

  • IoT検定の「レベル」についても途中で方針転換をしています。最初の1か月は IoT-PU(パワーユーザ)を受ける予定で勉強していましたが、途中でレベル1に変更し、もう1か月勉強を継続しました。理由は主に以下2点です。
    • テキストを読んだ結果、IoT-PUの難易度を低く感じた。
    • IoT-PU検定は、検定評価が合否制ではなく(※)、この点も魅力薄。
      ※「グレード制」評価。A=正答率86~100%、B=76~85%、C=66~75%。

学習方法

  • 私が勉強にかけた時間は、期間としては約2か月。時間数の累積としては50~60時間程度。なので、平均して 5~6時間/週 程度です(厳密にいうと、最初の1か月は IoT-PUに向けた勉強をしていたので、IoT-PC対策をした時間は、1か月程度です)
  • 参考書は、IoT検定制度委員会が推奨する、以下の2冊です。

  • 書籍の内容は、前記カリキュラムに準じた1章~8章で構成されています。
  • この書籍を1日~2日に1章のペースで分けて読み込んでいき、はじめて覚えた内容は本ブログにアウトプットしていく、という作業を続けました。
  • 自分の言葉でアウトプットできない場合は、書籍とは別のHPなどで解説ページを読み解き、理解を深めるようにしました。
  • 特に「7章 データ分析」では、データサイエンス関連の理解が厳しく、某教育系Youtuberさんのお世話になりました。

所感・難易度など

  • 最初に、今回の勉強について、合否はさておき、体系的な知識を理解するのに非常に有益でした。特に法律と事業戦略の項は、IoTをビジネスに活用するうえで、考慮すべき事項の良い道標となりました。
  • 試験自体の難易度は「中の下」程度に感じます。理由は以下。
    • 試験対策としては、全体的に抑えるべき範囲が広く、斜め読みした程度では太刀打ちできません。それでいて専門分野の内容が非常に難解です。私は、IoTデバイスとデータ分析(機械学習)の一部を、理解するのを諦めました。特に後者は、参考書だけでは理解するのに例示が少ないため、別の入門書が必要と感じました(ベイズ分析とか、確率論、微積がらみの話はほとんどわからん)
    • しかし、試験の内容は比較的単純であり、単語の意味や用途の成否を問われるものがほとんどでした。事業提案の落とし穴とか、高度なネットワーク設定の実践とか、そういった問題はありません。なので、下手に原則を理解しようはせず、機械的に丸暗記するだけで合格率は上がると思います。
    • 私の場合、年のせいか最近丸暗記が苦手で…。試験対策の効果もあったのですが、4割程度はこれまでの経験に助けられた気がします(業務系SIer20年の実績と、ここ2~3年でPICマイコンやRaspberryPi等を弄った経験)

格通

本来の認定証は4週間以内に送られるとのことですので、取り急ぎ、本日送られてきたプロメトリックからの合格通知を掲載します。右上に「合格 77」とあるのが、正答率 77%を示しているようです。

f:id:camelrush:20200829195636p:plain

IoT検定対策7章 データ分析(2/2)

データ分析(2/2)

機械学習(の続き)

  • 強化学習
    • 構成要素は『エージェント』『行動』『環境』『報酬』から成る。
      f:id:camelrush:20200828232216p:plain
    • 機械学習の目標は、エージェントが、状態sで行動aを起こしたときに得られる報酬 Q(s,a) の中で、最も高い値の行動aを最適な行動とし、状態遷移を繰り返すこと。
    • Q学習:エージェントが行動した結果の価値(Q値)を、時間とともに繰り返し更新していく学習。更新では状態s、行動aと、割引率γを用いる。
    • 割引率:時間の経過によって変動する価値を調整するためのウエイト。
  • クラスタリング

    • 階層型クラスタリング
      • 要素同士の距離の関係(例えば最短距離にある要素の)に基づき、要素2つずつを段階的にグルーピング(クラスター化)していく分類する。分類の段取りを階層的なデンドログラフで表現した後、任意の高さで切り、クラスタリング結果を得る。 f:id:camelrush:20200829000237p:plain
    • 非階層型クラスタリング
      • k-means法:要素の集合に対する重心位置を割り出して、クラスターを特定する方法。
        1. 要素の集合にランダムな2つの点をうつ((a)のひし形)
        2. 各要素がいずれの点に近いか、判定する((b)で黒・白に色分け)
        3. 一度ランダム点を消し、2集合それぞれの重心(集合の中心部分)に点を打ちなおす((c)でひし形の位置変更)
        4. 再度、各要素がいずれの点に近いか、判定する((d)で黒・白に色分け)
        5. 3~4を、判定が変わらなくなるまで繰り返す。
        6. できあがった2集合がクラスターである
          f:id:camelrush:20200829000859p:plain
  • 回帰分析

…ここでまた「教師あり学習」に戻るのか…
…この本、微妙に行ったり来たするのでわかりづらいなぁ…
…いったん整理しよう…

機械学習の分類

IoT検定対策7章 データ分析(1/2)

データ分析(1/2)

データベース

  • NoSQL
    • KVS:AWS DynamoDB、Oacle NoSQL、Redis など
    • ドキュメントデータベース:MongoDB、Azure DocumentDB など
    • グラフデータベース
      • Neo4j、InfiniteGraph など。パナマ文書事件で有名。個のデータを示す「ノード」と属性である「プロパティ」、ノードの関係性を保有する「エッジ」から成る。
    • カラム指向
      • RDBMSの行指向と異なり、データを列単位で取得・操作するデータベース。ビックデータの分析などで有効。SAP HANAなど。
  • 人工知能
  • 機械学習
    • 既出の値を出すための無数の方法(関数)を策定し、最新データの特徴を関数に入力することで未来予測などを行う。
    • 教師あり学習
      • 既知の正解を手掛かりとし、正解のわからないデータを予測すること。
      • 予測の対象を大別すると「写真から日本人を探し当てる」ような『カテゴリ』と、「明日の売り上げを予想する『実数値』がある。
      • 『カテゴリ』では分類の対象数を指して「n値分類」と呼び、注目するデータを『正例』(上の例で、日本人の顔)、それ以外を負例と呼ぶ。
      • 機械学習で予測の手掛かりとなるデータを『特徴量』、または『素性(そせい )』と呼ぶ。計算で扱う場合は、『特徴ベクトル』または『素性ベクトル』で表現される。
      • 正解の判定と、特徴ベクトル(量)の組み合わせを『学習データ』と呼ぶ。
        • 画像判別では、例えば「喜び」と「悲しみ」の顔の正解と、画像の特徴ベクトルを結び付けた学習データを用いる。この機械学習『クラス分類』、この時に導出した関数のことを『分類器』と呼ぶ。
        • 数値判別では、例えばがん発生確率の値と、要因となる喫煙や酒量の特徴ベクトルを結び付けた学習データを用いる。この機械学習『回帰分析』といい、導出した関数を『回帰モデル』『回帰式』と呼ぶ。
    • 表現能力:学習データのとおり忠実に再現する力のこと。敏感さ・繊細さ。
    • 汎化性能:特徴ベクトルの微細な誤差は無視する力のこと。鈍感力。
    • 過学習:表現能力が高すぎ、現実的な予測ができなくなること。
    • 正則化過学習にならないよう、関数を調整すること。
  • 機械なし学習
    • 不特定のデータ集合から、何かしらの特徴を見つけ出す分析方法
    • 似た者同士をまとめ上げるクラスタリングと、クラスター内データの共通項となるパターンを抽出する『相関データ抽出』を使用する。
    • これにより「牛乳とパンを買う人(クラスタ)は、卵も買う(相関関係)」という分析が行える。用例として、スーパーマーケットで売れやすい商品レイアウトの参考にするといった活用が行える。

… 以降、長すぎて力尽きた…。

IoT検定対策8章 セキュリティー

セキュリティー

暗号化

  • セキュリティの3大要素「C.I.A.」

    • Confidentiality(機密性):許可のない人はアクセスさせない。暗号化、アクセス制御によって担保。
    • Integrity(完全性):改ざんされていないことを保証する。ハッシュ、デジタル署名、証明書によって担保。
    • Availability(可用性):必要な時に常にアクセスできる。冗長性やフォールトトレランスによって担保。
  • 共通鍵暗号方式

    • 換字式暗号(カエサル暗号)
    • 鍵データを使ったコンピュータ演算による暗号化
    • 運用上の課題として、鍵搬送の問題と、鍵管理(数)問題がある。
    • IoTでは、LoraWANがAES-128(ラウンド10段)を使用している。AES-256では14段となり、遅いため。
      f:id:camelrush:20200825003449p:plain
  • 公開鍵暗号方式
    • RSA鍵:整数因数分解暗号とも。1024bit×nの長さの鍵が可能。しかし、鍵の危殆化(計算能力向上によって暗号の安全性が侵食されること)によって、2030年までには 2048bit 以上を使用するよう、NISTが推奨している。
    • ECC鍵:楕円暗号曲線暗号とも。RSA鍵よりも短い鍵で暗号化が可能(データ運搬上の効率が良い)
  • SSL/TLSによる暗号化手順
  • SSH接続には、パスワード認証・秘密鍵認証のほか、特定接続元からの接続を許可する「ホスト認証」がある。
  • IoTにおいて暗号化通信機能を持たないレガシーデバイスと接続する場合は、そのサービスポートをSSHポート(22)経由で転送する、SSHポートフォワーディングを活用すうことで、簡易的なVPN接続を実現でき、サービスポートを平文から保護できる。
    f:id:camelrush:20200825005011p:plain
  • VPN

攻撃対策

  • DoS/DDos攻撃
    • DoSは、Denial of Service(サービス運用妨害)の略。
    • システムを負荷状態にしてサービス停止に追い込む攻撃。
    • 対策は、
      • 利用者からの使用リソース量を制限する
      • 敷居値を超えるアクセスを遮断する
    • DDosは、Distributed DoS(分散サービス運用妨害)の略。複数のコンピュータから対象に攻撃を仕掛ける
    • 以下のような信頼性設計が必要である。
      f:id:camelrush:20200826002401p:plain
  • SQLインジェクションサニタイズで入力内容を無害化して回避
  • サイドチャネル攻撃
    • 機器の電圧やデータバス電流の変化などを観測して、機密情報を抜き出す攻撃。データバスにプローブを当ててデータを読み取るプローブ攻撃など。対策には、データを外部から参照できなくする「隠蔽」と、参照できるデータを演算によって暗号化してしまう「遮蔽」のいずれかで対応する。
  • マルウェア
    • トロイの木馬など、悪意のあるソフトウェアによる攻撃。
    • 対策は、
      • ソフトウェア証明によって許可していないPGを動作させない
      • ソフトウェアの更新を定期的に行う。OTA(Over-The-Air)などを活用。
  • 踏み台
    • ソフトウェアの乗っ取りによって攻撃者の意図に応じた挙動をIoT機器が行う。感染機器を束ねるボットネットが形成されることも。IoT機器にLinuxOSなどが内蔵されている場合は、不要な機能を無効化するなど。

認証技術

  • アクセス制御:「識別」「認証」「許可」の3要素で、情報資産へのアクセスを管理する。
  • パスワード認証
  • BASIC認証
    • 「ユーザ名:パスワード」の連結文字列をBASE64形式にエンコードし、HTTPのAuthorizationヘッダに付与して送信する認証。平文のため、暗号化と併せて使用すること。
  • DIGEST認証
    • BASIC認証の弱点であるパスワード漏洩に対策して生まれた認証。接続要求に応じてサーバがランダムな値(チャレンジ)を返却する。クライアントがこれと認証情報を組み合わせたハッシュをサーバに送信する。サーバがどう計算を行い結果が一致すれば、クライアントを正規ユーザとみなす。
  • TOKEN
  • 二要素認証
  • 生体認証
    • 本人拒否率(FRR)と他人受入率(FAR)の組み合わせで評価される
  • リスクベース認証
    • 普段の利用者のプロファイル分析(IPやロケーションが同一か)を基に、規定から外れるログイン者に再質問(秘密の質問)、またはリジェクトする認証。

監視・運用

  • IPv6
  • SNMP
    • ネットワーク機器を監視するための通信プロトコルUDP
    • 管理される機器にSNMPエージェントを配置する必要がある。
    • 通常、ポート161(ポーリング)と162(TRAP)を使用している。
    • SNMPエージェントがSNMPマネージャに送信する情報はMIBと呼ばれる。
    • MIBは、OID(識別子)とPDU(各種データ)から成る。
    • SNMPにはv1~v3がある。v3でデータ暗号化に対応した。
  • ファイアウォール
  • IDSとIPS
    • IDSには、ネットワークセグメントのパケットを監視するNIDS(Network-Based IDS)と、機器にインストールされて機器のイベントを監視するHIDS(Host-Based IDS)がある。
  • 改ざん検知システム
  • セキュアOS
    • 定義は、強制アクセス制御と、最小特権の2つの機能を保有していること。
    • LinuxのRootや、WindowsのAdministatorなど。
  • NTP
    • 時刻同期用の通信プロトコルUDPポート123。
    • IoT機器などの時間をずらす攻撃を「タイムシフト攻撃」という。対策としてNTPを使用して同期させることが適当。
    • NTPには正確な時間を有する上位機器(GPS電波時計)からの階層構造による優先度付けがあり、その階層レベルをストラタム(Stratum)という。上位ストラタムからの通信は、秘密鍵(公開鍵方式)によって暗号化されている。
  • 総合ログ監視ツール
  • 情報セキュリティポリシー