F5 Academy: F5 ADSP for AI and Modern Apps
アプリケーション配信・セキュリティ・AI対応を支える単一プラットフォーム
アプリケーション配信・セキュリティ・AI対応を支える単一プラットフォーム
可用性を高めるためにアプリケーションを複数のパブリッククラウドに展開しているものの、クラウド障害時のフェイルオーバーで、環境ごとに異なるセキュリティポリシーやツールの違いが原因となり、想定どおりに動作しない――そんな経験はありませんか。
同時に、AIを活用したサービスをテスト環境から本番環境へ移行しようとしても、APIの振る舞いやデータ漏えいのリスク、可視性の不足が不安となり、導入が進まないケースも増えています。これらはもはや例外的な問題ではなく、現代のアプリケーション運用における日常的な課題です。
本トレーニングでは、F5 Application Delivery and Security Platform（ADSP）を活用し、こうした課題をどのように解決できるのかを解説します。受講者は、オンプレミス、クラウド、エッジといったあらゆる環境において、一貫したポリシーの適用、アプリケーションやAPI（AIワークロードを含む）の集中可視化、そして配信と保護の自動化を実現する方法を学びます。
コース修了時には、運用リスクを低減し、デプロイを加速しながら、モダンおよびAI対応アプリケーションを安心して大規模に運用するための考え方と実践的な知識を身につけることができます。
対象者: ハイブリッド／マルチクラウドおよびAIを活用した環境において、アプリケーションやAPIの配信・セキュリティを担当するネットワークエンジニア、セキュリティエンジニア、プラットフォームエンジニア、クラウドエンジニア
プログラム概要
はじめに：F5 Academyが必要な理由
- エンジニア人材の不足は、もはや深刻な経営課題だ。
日本のネットワーク・インフラエンジニアの人口はこの10年で推定40万人減少した一方、需要は増加の一途を辿っている。 - 技術環境そのものが変わった。一領域の専門知識だけでは、もう通用しない。
現代のアプリケーションは、オンプレミス・クラウド・Kubernetesにまたがって稼働する。セキュリティ、配信、運用のすべてを横断的に担える人材が、今まさに求められている。 - この課題に応えられるのは、F5をおいて他にない。
アプリケーション配信、セキュリティ、マルチクラウドネットワーキングの交点に位置するF5だからこそ、次世代エンジニアの育成と、現役エンジニアのスキル刷新を実現できる。
モジュール1：グローバルアプリケーション配信の実践的習得
DNS ベースの GSLB、ヘルスチェック連動フェイルオーバーを使って新規リージョンを既存グローバル構成に追加する方法を習得。SSL 証明書の自動管理と地域ごとのパフォーマンス最適化まで、実際の構成作業を通じて身につける。
モジュール2：API・Webアプリへの実攻撃に対応する防御スキル
大規模なクレデンシャルスタッフィング攻撃を想定したシナリオで、WAF ポリシーの即時展開、OpenAPI スキーマによるバリデーション、誤検知を排除しながらセキュリティを維持するチューニング手法を実践的に学ぶ。
モジュール3：従来の WAF では検知できない AI ワークロードの保護
プロンプトインジェクション、ナレッジベースのスクレイピング、モデル悪用といった AI 固有の攻撃に対応するランタイムセキュリティ制御を実装。LLM アプリケーションが本番環境に普及する今、必須のスキルセット。
モジュール4：AWS・Azure・GCP をまたぐ Kubernetes クラスタのプライベート接続
インターネット経由の公開なしに、EKS・AKS・GKE 間でプライベートかつ安全な通信を確立。サイトメッシュネットワーキング、マルチクラスタ Ingress、クラウド間サービスディスカバリを一から構成する。
モジュール5：ゼロトラスト実装：SSL オーケストレーションとアイデンティティベースのアクセス制御
TLS 信頼チェーンを維持しながら暗号化トラフィックをサードパーティの検査ツールに通す SSL オーケストレーションを構成。さらに mTLS による API 認証と JWT ベースのロールアクセス制御を API ゲートウェイに実装し、ゼロトラストアーキテクチャを実現する。
モジュール6：運用負荷を削減する、セキュリティ更新・デプロイの自動化
手動コンソール作業を排除し、新規 CVE 発生時に WAF ポリシーを dev・staging・production 全環境へ自動展開する仕組みを構築。PR トリガーによる自動テストとロールバックを備えた GitOps パイプライン、および Prometheus・Grafana による可観測性ダッシュボードまでを一貫して実装する。
よくある質問
これは、ネットワークエンジニアおよびアプリケーションエンジニアを対象に、F5のアプリケーション・セキュリティ＆デリバリー・プラットフォーム（ADSP）を使用して、クラウド、オンプレミス、Kubernetes環境にまたがる最新アプリケーションを設計、保護、運用する方法を教える、シナリオベースの自己学習型オンライントレーニング・プログラムです。本プログラムは3日間にわたって提供される6つのコアモジュールで構成され、ハンズオンラボを含め合計28～30時間のトレーニングとなっています。
本プログラムは、ネットワークエンジニアリング、セキュリティエンジニアリング、システム管理、DevOps、またはソフトウェア開発で2年以上の経験を持つ経験豊富なエンジニアを対象に設計されています。受講者は、TCP/IP、DNS、HTTP/HTTPS、Linux CLI、および少なくとも1つのパブリッククラウドプロバイダー（AWS、Azure、またはGCP）に関する実務知識を有していることが望まれます。
- グローバルアプリケーション配信とGSLB
- APIセキュリティとWAFチューニング
- ボット防御とAIワークロードセキュリティ
- マルチクラウドKubernetesネットワーキング
- SSLオーケストレーションとゼロトラストID
- 自動化、GitOps、オブザーバビリティ（可観測性）
はい。すべてのモジュールに、ライブ環境でのシナリオベースのハンズオンラボが含まれています。参加者には、専用のF5 Distributed Cloudテナント、AWS、Azure、GCPのサンドボックスアカウント、マネージドKubernetesクラスター（EKS、AKS、GKE）、および自動化ラボ用のGitHub/GitLabリポジトリへのアクセスが提供されます。
本プログラムを修了すると、エンジニアは以下のことができるようになります。
複数の地理的リージョンにわたるGSLBおよびヘルスベースのフェイルオーバーの構成
正当なトラフィックを妨げることなくAPI攻撃をブロックするためのWAFポリシーの展開とチューニング
プロンプトインジェクションやスクレイピング攻撃からのAI推論エンドポイントの保護
インターネットに露出することなく、AWS、Azure、GCP間でのプライベートなマルチクラウド接続の確立
SSLオーケストレーション、相互TLS、JWTベースのアクセス制御の実
TerraformとGitOpsパイプラインを使用したセキュリティポリシー更新の自動化
モジュール3では、プロンプトインジェクション攻撃、ナレッジベースのスクレイピング、モデルの悪用、データ流出に対する保護を含む、AIランタイムセキュリティを特に取り上げます。エンジニアは、従来のWAFルールがAI固有の脅威を検出できない理由と、LLM推論エンドポイント向けに設計された動作制御を実装する方法を学びます。
本プログラムは以下のように構成されています。
事前学習モジュール0： 事前の読み物と講師による動画で4～6時間（ラボなし）。コアモジュールを開始する前に修了する必要があります。
パート1～3（モジュール1～6）： 各パートに2モジュールずつ、計3パート。各モジュールは、ハンズオンラボにおける受講者のペースに応じて修了に約2～3時間かかり、6モジュール全体ではおよそ12～18時間となります。
トレーニング合計： 約16～24時間（モジュール0＋モジュール1～6）。完全な自己学習型で、受講者にとって最適なスケジュールで修了できます。
本プログラムは完全な自己学習型です。各モジュールには、事前学習用の資料、録画された講師による動画、シナリオベースのハンズオンラボ、および理解度確認の演習が含まれており、受講者自身のスケジュールに合わせて受講できます。
F5は、2つの重なり合う課題に対応するため、本プログラムを作成しました。1つは、日本におけるネットワークおよびインフラエンジニアの深刻な不足（10年前と比べて推定40万人の減少）、もう1つは、オンプレミス、マルチクラウド、Kubernetesインフラにまたがり同時に展開される最新アプリケーション環境の複雑性の増大です。本プログラムは、新規エンジニアの育成と既存エンジニアのリスキリングの両方を目的として設計されています。
本プログラムは、製品操作をボタンごとに教えるのではなく、現実的な本番環境のシナリオ（進行中のクレデンシャルスタッフィング攻撃への対応、3つのクラウドプロバイダーにまたがるKubernetesクラスターの接続、新たなCVEに対応したWAF更新の自動化など）を用いて、設定の操作方法だけでなく、アーキテクチャ上の意思決定の背後にある論理的根拠をエンジニアに教えます。