業界動向に関するブログ記事
業界動向に関するブログ記事(92)
パッチが存在する前にAIモデルが脆弱性を発見するとき
かつて、防御側には脆弱性にパッチを適用するまでに2年以上の猶予がありました。今では、それがマイナス7日です。パッチ適用のあり方を今、どのように進化させる必要があるのか、詳しくご紹介します。
著者：Michael Montoya
AIデータガバナンス：AIライフサイクル全体でデータを管理
AIデータガバナンスは、AIライフサイクル全体を通じて機密データを適切に管理します。安全なAIモデルガバナンスに関するリスク、ルール、ベストプラクティスをご確認ください。
著者：F5 Newsroom Staff
エージェント型AI時代には、ボット検知だけでは不十分
エージェント型AIにより、推論、計画、行動を自律的に行うエージェントが生み出されています。そのためセキュリティチームには、ボットの意図を見極め、対応方法を判断することがこれまで以上に求められています。
著者：Vikas Shetty
パッチ適用が追いつかず、保護に猶予がないとき
セキュリティの脅威はアプリの開発・展開サイクルを上回る速さで進化するため、保護はこれらのサイクルから独立して機能する必要があります。最新のWAAPがこの課題にどう対応するかをご紹介します。
著者：Nirav Shah
AIストレージにレジリエントなフロントドアが必要な理由：SNIA SDC 2026からの考察
F5は、AIストレージにおいてレジリエンスとセキュリティを一体的に設計する必要がある理由、F5 BIG-IPがS3レイヤーでその両方を実現する仕組み、そしてSNIA SDC 2026で紹介した内容について解説します。
著者：Florin Meilescu, Paul Pindell, Sandeep Agarwal, Jonathan Chen
PQCへの移行は難しそうに見えますが、課題を絞り込めば、そうではありません。
PQCへの対応準備で特に陥りやすい大きな誤りの1つは、技術環境全体を見渡して、すべてを一度に変更する必要があると判断することです。その必要はありません。
著者：Joel Moses
AIが新たな攻撃対象領域に。セキュリティ対策の準備はできていますか？
エンタープライズAIの機能が飛躍的に向上したことで、攻撃対象領域が大幅に拡大しています。この領域を保護する方法をご紹介します。
著者：Mani Ganesan
F5 LabsによるAIモデルセキュリティの知見：導入前後にCISOが測定すべき項目
パフォーマンスはセキュリティの指標ではありません。F5 CASI、F5 ARS、F5の脅威インテリジェンスを活用し、AIライフサイクル全体でCISOが測定すべき項目をご確認ください。
著者：Malcolm Heath, Louise Scully
理由は間違っていても、結果は正しい：止まらないAPIの増加、20億件へ
従来、APIの乱立は人間の作業量によって制約されていました。現在では、AIエージェントが自律的にエンドポイントを作成して連携させるため、AI関連のAPI呼び出しや統合が急増しています。
著者：Lori Mac Vittie
柔軟性と制御：相反するように見えるニーズがハイブリッドクラウド導入を促進
ハイブリッドマルチクラウドが暫定的な状態から意図的なアーキテクチャ設計の選択肢へと移行した経緯と、経営幹部が引き続き採用する理由をご紹介します。
著者：François Locoh-Donou
ホワイトハウスによるLogin.gov義務化にアイデンティティブローカー戦略が必要な理由
重要なコンプライアンス上のマイルストーンが発効する前に、政府機関がOMBの指令に対応するためにできることをご確認ください。
著者：Steve Wallace
Gartner®、2026年7月の「Gartner Custom-Built AI Agent Security Guide」レポートでF5を第三者リーダーボード掲載企業の1社として評価
F5 CASIが、組織によるモデルリスクの測定とエージェント型AIの導入管理をどのように支援するかをご覧ください。
著者：Nirav Shah
経営幹部が抱くAIに関する4つの誤解
AIに関する誤解は数多くあります。ここでは、組織が自社環境にAIを導入する際に見直す必要があるかもしれない4つの誤解を紹介します。
著者：Kunal Anand
モデルルーティングがセキュリティインフラになり得る理由
エージェント型AIは、アイデンティティ管理の限界を浮き彫りにします。特化型モデルとポリシーベースのルーティングを組み合わせることで、権限をモデルの選択に結び付け、影響範囲とガバナンスの複雑さを軽減します。
著者：Lori Mac Vittie
AIのスピードで実現するセキュリティ：自律型脅威から企業を守る
脆弱性の開示から悪用までの猶予がほぼなくなった今、何を変える必要があるのかをF5のCTOO、Michael Montoyaが解説します。
著者：F5 Newsroom Staff
悪意あるパッケージが業界を蝕んでいる
AIと自動化によってサプライチェーンの悪用が加速する一方、オープンソースには悪意のあるパッケージを一元管理するレジストリがありません。エコシステムには、侵害を報告・追跡するための信頼できる仕組みが必要です。
著者：James Hendergart
F5 Post-Mythos Security Summitを見逃せない4つの理由
Mythos後の世界でアプリ、API、モデルを守るための専門家のアドバイスをご紹介します。
著者：John Maddison
F5の金融業界のお客さまがイノベーションを減速させずにデジタル主権に対応する方法
デジタル主権は、実際の現場でどのように実現されるのでしょうか。F5が最近支援した2社の事例から、企業ごとに異なる方法でこうした課題に取り組んでいることがわかります。
著者：Bart Salaets
AIの経済性はデータ転送が左右する
トークン当たりのコストとAIインフラの経済性を左右するのは、GPUの高速化だけではなく、推論ルーティング、セキュリティ、インパス制御である理由をご覧ください。
著者：Santosh Erram
AIアプリケーションデリバリーのトップ10：リソース使用効率の低さ
AIではリソース使用率が変動しやすくなります。リクエストのコストはプロンプト、コンテキスト、推論によって大きく異なるため、単純にRPSに基づいてルーティングすると、GPUへの負荷集中、キューの滞留、レイテンシの急増が発生します。
著者：Lori Mac Vittie
AIアプリケーションデリバリのトップ10：個別仕様のアプリケーション要件
AIにより、「個別対応」は例外ではなく標準になります。リクエストがモデル選択、検索、ポリシー、ツールを組み合わせた処理チェーンになるため、デリバリーはアプリ単位ではなく、リクエストごとに適応する必要があります。
著者：Lori Mac Vittie
アプリケーションデリバリコントローラーが再び戦略的課題に
AIにより、アプリケーションデリバリに求められる水準が高まっています。F5のNirav Shahが、Gartner®による最新のADC調査と、それが企業のインフラに関する意思決定に何を意味するのかを解説します。
著者：Nirav Shah1つのアプリからエージェント群へ：90日間のAIセキュリティフレームワーク
AIモデル、アプリケーション、自律型エージェントを保護する包括的なフレームワークにより、コストのかかる「まず導入し、セキュリティ対策は後回し」というアプローチを回避できます。
著者：James White, Jessica Brennan
AIの次なる時代を切り拓くのは共有。Kimi K3が、その代償を高くした。
Kimi K3は、オープンなフロンティアモデルにラックスケールのインフラストラクチャが必要な理由を示しています。F5とNVIDIAが、安全で効率的なAI推論の提供をどのように改善するかをご覧ください。
著者：Ahmed Guetari
AIアプリケーションデリバリの10大課題：セキュリティと規制遵守の欠如
AIにより、コンプライアンスの対象は経路やストアのセキュリティ確保から、モデルへのアクセス、検索コンテキスト、出力、エージェントのアクションといったランタイム動作のガバナンスへと広がります。そのため、制御を推論処理により近い場所へ移す必要があります。
著者：Lori Mac Vittie
AIアプリケーションデリバリのトップ10：互換性のないデリバリポリシー
ポリシーの不整合がAI障害を引き起こします。フェイルオーバー、タイムアウト、制限、セキュリティ制御に一貫性がないと、ソフト障害や不完全な結果が発生し、エンドポイントごとに異なる結果が生じます。
著者：Lori Mac Vittie
あらゆるデジタル主権戦略に必要な5つの機能
F5 ADSPが、複雑さを軽減し、デジタル主権戦略の進化に柔軟に対応するために組織が必要とする基盤をどのように提供するかをご紹介します。
著者：Nirav Shah
AIアプリケーションデリバリーの課題トップ10：レイテンシーに対応できない
AIにより、レイテンシは単なるパフォーマンス上の問題ではなく、信頼に関わる問題になります。「アシスタント」の応答が遅いと、ためらいや障害のように感じられます。また、トークン数の多いプロンプトや出力は、システムが正常でも処理負荷を増大させます。
著者：Lori Mac Vittie
AIアプリケーションデリバリーの課題トップ10：最適化されていないトラフィックステアリング
AIは従来のトラフィックステアリングの前提を覆します。バックエンドには互換性がなく、コストも異なり、エージェントは予測不能に処理を分散させるため、ルーティングではモデル、GPUの稼働状態、データの局所性を考慮する必要があります。
著者：Lori Mac Vittie