「deploy」の検索結果

LLMへの入力と応答に検査を組み込み、不正な指示や有害な内容、機密情報の流出に備えます。３種のツールで会話の制約を設け、遮断率や誤検知率も検証します。

• LLM・RAG・エージェントの運用対策
• 不正な指示を含む入力の検査
• 機密情報や有害な応答のフィルタリング

サーバーやPythonアプリにTLS 1.3を設定し、暗号方式と鍵交換の選択、古い通信方式の無効化から、接続テストや設定不備の検証まで進めます。

• nginxやApacheでTLS 1.3を使いたいとき
• Pythonアプリの暗号化通信を設定したいとき
• 古いTLSや弱い暗号方式を無効化したいとき

pfSenseで社内・ゲスト・IoTなどのネットワークを分離し、通信ルールやポート転送、VPN、帯域制御を設定して、ログ確認と接続テストまで進めるスキル。

• 社内・ゲスト・サーバー・IoTの分離
• 外部公開サービスのポート転送設定
• VPN接続や帯域制御の設定

工場などの制御ネットワークで通常の通信パターンを学習し、通信間隔の乱れや未知の接続、想定外の操作を検出して、設備の異常監視や警告の調査を支援するスキル。

• 制御ネットワークの通常通信を把握したいとき
• 未知の接続や通信間隔の乱れを検出したいとき
• Nozomi GuardianやDragosの警告調査

許可された攻撃模擬演習に向け、Sliverの指令サーバー構築と保護、複数の通信方式の設定、複数担当者のアクセス管理、検証用プログラムの生成を支援するスキル。

• 許可された演習用サーバーの構築
• 演習で使う複数の通信方式の設定
• 複数担当者の証明書認証の管理

脅威情報の収集・分析・共有を一元化する基盤を設計・構築します。MISPやOpenCTIなどを連携し、情報の自動取り込み、追加調査、運用状況の可視化を進めます。

• 脅威情報の基盤を構築したいとき
• 脅威情報フィードの取り込み自動化
• 不審なIPやドメインの追加調査

複数クラウドのセキュリティログをMicrosoft Sentinelに集約し、不審な操作の検知ルール、過去ログの調査、インシデント対応の自動化を整えるスキル。

• 複数クラウドの監視を集約したいとき
• 既存のログ監視基盤からの移行
• 不審な操作への対応を自動化したいとき

AWS・Azure・GCPの許可された侵入テストを支援し、権限設定や認証情報の漏えい経路、監視の検知状況を検証して改善策付きの報告書にまとめるスキル。

• クラウドの本番公開前の安全性評価
• クラウド移行後の権限設定を点検したいとき
• 監視とインシデント対応の検証

書面で許可された攻撃模擬演習に向け、Havocの指令・制御サーバーや通信中継、Windows用エージェントを構成し、運用時の安全対策を整理するスキル。

• 許可済み演習のHavoc環境準備
• サーバーと通信中継の分離確認
• 演習用通信プロファイルの設定

MISPの導入から脅威情報の収集・保存・照合までを支援します。複数の配信元の侵害指標をPyMISPで取り込み、検索や監視ツール向けの出力を自動化するスキルです。

• 複数の配信元から侵害指標を集めたいとき
• MISPへの取り込みや検索の自動化
• 監視ツール向けの侵害指標出力

ソフトウェアの構成部品表を既知の脆弱性情報と照合し、間接的な依存関係も追跡します。影響範囲とリスクを整理し、修正の優先順位や監査向けの報告書にまとめるスキルです。

• 取引先のSBOMを評価したいとき
• 新しいCVEの影響を調べたいとき
• CI/CDに脆弱性チェックを組み込む

データベースの構造変更やデータ移行を、復旧手順と検証まで含めて進めるスキル。Sequelize・TypeORM・Prismaの移行例や、サービスを止めない段階的な変更を扱います。

• 列の追加・改名・型変更
• 保存データの構造を変えたいとき
• 復旧手順を準備・検証したいとき

話題に合う定番テンプレートを選び、短い文を入れたミーム画像を生成するスキル。SNSや会話に添える画像のサイズ、文字配置、背景、フォントも調整します。

• SNS投稿用のミーム画像作成
• チームの会話にユーモアを添えたいとき
• デプロイ成功の報告

学習済みの大規模言語モデルを4ビットに量子化し、必要なメモリを抑える手順を案内します。量子化済みモデルの読み込み、自前モデルの圧縮、追加学習との連携を扱います。

• 限られたGPUメモリでモデルを動かしたいとき
• 量子化済みモデルで文章を生成したいとき
• 学習済みモデルを圧縮して保存したいとき

LLMへの入力と生成した回答を安全性の観点で分類し、問題のある内容を遮断する処理の実装を支援します。API化や一括処理、既存の安全対策への組み込みも扱います。

• LLMに渡す前の入力チェック
• 表示前の回答フィルタリング
• 安全性判定APIの構築

調整用のデータセットを使わず、LLMの重みを少ないビット数で表して軽量化します。量子化の設定から保存、推論環境への組み込み、LoRAによる追加学習までを案内します。

• 調整用データなしでLLMを圧縮したいとき
• vLLMやHuggingFace Transformersで量子化モデルを使いたいとき
• ビット数や推論バックエンドの比較

LLMをGGUF形式に変換し、重みの数値精度を下げて軽量化する手順を案内します。CPUやApple Siliconでの実行、ローカルAIツールへの組み込みを扱います。

• CPUだけでLLMを動かしたいとき
• Apple Siliconでのローカル実行
• 量子化方式ごとの容量と品質の比較

Qdrantを使い、文章の意味の近さと属性条件を組み合わせた検索を実装します。文書を検索して回答に使うRAGの構築から、メモリ節約や分散構成の検討まで支援します。

• AI回答用の文書検索を作りたいとき
• 類似検索をカテゴリや日時で絞りたいとき
• 大量のベクトルのメモリを節約したいとき

LLMアプリの回答品質を、自動採点、人による確認、別のLLMによる採点で評価します。モデルやプロンプトの比較から、変更後の品質低下の検出まで支援します。

• モデルやプロンプトを比較したいとき
• 公開前に回答品質を確認したいとき
• RAGの検索品質の評価

GPUメモリを抑えながらLLMを追加学習するためのスキル。LoRAやQLoRAの設定、学習対象の選択、用途別アダプターの保存・切り替え・統合まで案内します。

• 限られたGPUメモリでLLMを追加学習
• LoRAの設定と学習対象の層の選定
• 同じ元モデルで用途別アダプターを切り替え

大規模言語モデルを4ビットに圧縮し、GPUメモリの節約と推論の高速化を図るスキル。量子化の設定から既存モデルの読み込み、vLLMでの利用まで案内します。

• 限られたGPUメモリでモデルを動かしたいとき
• 専門分野の文章で量子化を調整したいとき
• vLLMでAWQモデルを配信したいとき

大規模言語モデルの構造を学びながら、LitGPTで独自データによる追加学習や事前学習を進めるスキル。モデルの取得から学習設定、変換、APIでの提供まで案内します。

• コードを読みながらLLMの構造を学びたいとき
• 独自の指示データでモデルを追加学習したいとき
• 単一GPUでLoRA学習を設定したいとき

NVIDIA GPUで動かすLLMの推論と配信を、TensorRT-LLMで最適化するスキル。量子化、生成中の要求のまとめ処理、複数GPUへの分散を扱います。

• NVIDIA GPUでLLMを配信
• FP8やINT4の量子化を設定
• 大規模モデルを複数GPUに分散

機械学習の学習・バッチ処理を複数クラウドで動かす設定を支援します。GPU要件に応じた低コスト環境の選択や、スポットインスタンスの中断からの自動復旧を扱います。

• GPU学習のクラウド費用を抑えたいとき
• 中断から復旧する長時間学習の設定
• 複数マシンでの分散学習の設定