AOSデータ社、通信業界向けAIデータ管理システム「AIデータALM 通信」を発表

～通信データのAIデータライフサイクル全体の包括的な管理を支援～



[画像: https://prcdn.freetls.fastly.net/release_image/40956/434/40956-434-415fdd5d8148cf0ac7c901cd06716684-1978x1042.jpg?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
AIデータALM 通信

企業データとAIの利活用カンパニー、AOSデータ株式会社（本社：東京都港区、代表取締役社長　吉田 宣也　以下AOSデータ社）は、通信業界向けAIデータ管理システム「AIデータALM 通信」をリリースしました。 このシステムは、通信データのAIライフサイクル全体の包括的な管理を支援し、AIによる通信効率を大幅に向上させることを目的としています。

AOSデータ社の代表取締役社長、吉田 宣也は次のように述べています。「私たちの新しいAIデータ管理システムは、通信業界のデータ活用のあり方を革新します。これにより、通信業界は、効率的に通信データを活用し、業務効率を高めることができます。」
AIデータ社は、通信業界におけるデータ活用の最前線で革新的なソリューションを提供し続けることを約束します。私たちの使命は、最先端の技術を駆使して通信関連事業の成長と発展を支援することです。
AOSデータ社は、AIとデータ管理技術の分野でリーダーシップを持つ企業です。私たちは、通信データの活用を支援し、通信業界の進化を促進する革新的なソリューションを提供しています。


■主な特徴：
「AIデータ管理システム AIデータALM 通信」は、通信業界に特化した機能と特徴を備えており、通信データのAIライフサイクル全体を効率的に管理するためのソリューションを提供します。以下は、その主要な特徴です。


厳格かつ柔軟なアクセス権限管理機能や、通信関連ドキュメントへの検索用メタデータ付与によるデータ検索性の強化、AIデータ活用に向けたマルチモーダルAIへの対応、様々なフォーマットのデータを専用ソフトなしに表示できるファイルビューアー機能、暗号化および監査機能、バックアップ機能、および大容量長期保管向けアーカイブシステム機能を備えています。「AIデータ管理システム、AIデータALM 通信」は、通信データを活用するAIプロジェクトに携わる通信機関向けに設計されたクラウドストレージのSaaSです。


(1)通信業界のデータをバックアップし、どこからでもアクセスできるようにする
(2)専用ソフトを使用しなくて、多様なデータを閲覧し、チームと安全に共有できる
(3)すべてのドキュメントのバージョンと変更を追跡する
(4)VDRドリブンセキュリティにより、セキュリティとコンプライアンスを最大化して、通信業界の内外の関係者のデータを安全に保つ
(5) AI活用を見据えた検索用メタタグ機能
(6)大規模なコスト削減を可能にする大容量データ管理機能
(7)マルチモーダルAIへの対応
(8)セキュアなデータ管理、厳格なセキュリティプロトコルに基づいたデータ管理を実現し、通信データの機密性と安全性を確保します。


■AIに学習させる通信データ
AIに学習させる通信データは、通信ネットワークの最適化、異常検知、トラフィック予測、ユーザー体験の向上など、さまざまな目的に使用されます。以下は、AIに学習させるために適した通信データの一覧です。


1. トラフィックデータ
- ネットワークトラフィックログ: パケットの送受信量、トラフィックの種類（音声、データ、ビデオなど）、トラフィックのルーティング経路など。
- トラフィックパターン: 時間帯ごとのトラフィック量の変動、ピーク時間、ユーザーごとのトラフィックパターン。
- プロトコル別トラフィック: HTTP、HTTPS、FTP、VoIPなどのプロトコルごとのトラフィック量。


2. ネットワークパフォーマンスデータ
- レイテンシ: 通信データの送受信にかかる時間。ネットワークの遅延データ。
- 帯域幅の使用率: 利用可能な帯域幅のどの程度が使用されているかを示すデータ。
- パケット損失率: 通信中に失われたパケットの割合。
- ジッター: パケット間の遅延のばらつき。


3. ユーザーエクスペリエンスデータ
- QoE（Quality of Experience）データ: ユーザーが体感する通信品質に関するデータ（ビデオの再生品質、通話のクリアさ、ストリーミングのバッファリング頻度など）。
- 接続ドロップ率: 通信が突然切断される頻度やその原因。
- ユーザーリテンション率: 通信サービスの利用継続率、解約率など。


4. ログデータ
- システムログ: 通信設備やサーバーの動作ログ。エラーログ、警告ログ、システムステータスなど。
- アクセスログ: ユーザーがネットワークにアクセスした日時、場所、アクセスしたリソースなど。
- セッションログ: ユーザーの通信セッションに関する詳細なデータ（セッションの開始時間、終了時間、接続時間）。


5. セキュリティデータ
- ファイアウォールログ: 通信の許可/拒否に関するログデータ。
- 侵入検知システム（IDS）/侵入防止システム（IPS）データ: 不正アクセスや攻撃の兆候を示すデータ。
- 認証データ: ユーザーの認証プロセスに関するログ、成功/失敗の記録。


6. デバイスデータ
- 端末の種類: スマートフォン、PC、タブレットなど、接続されるデバイスの種類。
- 端末の状態: 電池残量、接続強度、CPU使用率、メモリ使用率など。
- デバイスID: IMEI、MACアドレスなどの一意の識別子。


7. ネットワークトポロジーデータ
- ネットワーク構成: ルーター、スイッチ、アクセスポイントなどのネットワーク機器の配置や接続状況。
- ルーティングテーブル: 各ネットワーク機器が持つルーティング情報。
- リンク状態: 各通信リンクの状態、稼働率、障害情報。


8. コンフィグレーションデータ
- ネットワーク機器の設定情報: ルーターやスイッチの設定内容、ファームウェアのバージョンなど。
- QoS設定: サービスの優先順位や帯域幅割り当てに関する設定情報。


9. 運用データ
- メンテナンススケジュール: 定期的なメンテナンスやアップグレードの計画データ。
- 稼働状況: 通信機器の稼働時間、再起動履歴など。
- 障害データ: ネットワーク機器の故障やトラブルの発生履歴。


10. 顧客データ
- 契約情報: ユーザーの通信サービス契約内容、利用プラン、契約期間など。
- 顧客サポート履歴: サポートセンターへの問い合わせ内容、対応履歴、満足度評価など。
- ユーザー行動データ: 通信サービスの利用頻度、アプリケーションの使用状況など。


11. 外部データ
- 天候データ: 通信に影響を与える可能性のある天候状況。
- 地理情報: 通信エリアの地理的特徴、人口密度、インフラ状況。
- 競合サービス情報: 他の通信サービスプロバイダの価格設定、サービス品質など。


12. 予測モデルデータ
- トラフィック予測データ: 過去のトラフィックデータに基づいた将来のトラフィック予測。
- 異常検知モデル: 通常のトラフィックパターンから外れる異常を検出するための学習データ。

■AIシステムを最適化する通信データのAIライフサイクルとは
AIシステムを最適化するための通信データのAIライフサイクルは、データの収集からモデルの運用・改善までの一連のプロセスを包括的に管理することを目的としています。以下は、通信データを用いたAIライフサイクルの各フェーズについて説明します。


1. データ収集 (Data Collection)
- 目的: AIシステムが学習に使用する通信データを集める段階です。
- 活動:
- 多様なデータソースからの収集: ネットワークトラフィックログ、システムログ、ユーザーエクスペリエンスデータ、デバイスデータなどを収集します。
- リアルタイムデータの取得: IoTデバイス、ネットワーク監視ツールからリアルタイムで通信データを収集し、即時分析やAIモデルのトレーニングに活用します。
- データストリーミング: 継続的に生成される通信データをリアルタイムでストリーミングし、データレイクやデータウェアハウスに保存します。


2. データ前処理 (Data Preprocessing)
- 目的: 生の通信データをクリーンでAIモデルが学習しやすい形に整える段階です。
- 活動:
- データクリーニング: 欠損データの補完、ノイズの除去、異常値の処理などを行い、データの品質を向上させます。
- データ正規化: データのスケールを統一し、異なるデータセット間での整合性を保つようにします。
- 特徴量エンジニアリング: 重要な特徴量を抽出し、新たな特徴量を生成することで、AIモデルのパフォーマンスを向上させます。
- データの分割: 学習データ、検証データ、テストデータにデータを分割し、モデルの訓練と評価に使用します。


3. モデルの設計とトレーニング (Model Design and Training)
- 目的: 通信データに基づいてAIモデルを設計し、トレーニングを行う段階です。
- 活動:
- モデル選定: 通信データの特性に基づき、最適なアルゴリズム（例えば、異常検知モデル、トラフィック予測モデルなど）を選択します。
- モデルのトレーニング: 大量の通信データを使ってAIモデルをトレーニングし、パターンや異常の検出能力を高めます。
- ハイパーパラメータの調整: モデルのパフォーマンスを最適化するために、ハイパーパラメータを調整します。
- 分散トレーニング: 膨大な通信データに対応するため、分散トレーニング環境を使用して、モデルの訓練時間を短縮します。


4. モデル評価と検証 (Model Evaluation and Validation)
- 目的: 訓練されたモデルのパフォーマンスを評価し、実際の運用に耐えうるかを確認する段階です。
- 活動:
- モデルの精度評価: 精度、再現率、F1スコア、誤差率などの指標を使ってモデルの性能を評価します。
- クロスバリデーション: モデルの汎化性能を確認するためにクロスバリデーションを行い、過学習やアンダーフィッティングのリスクを評価します。
- シミュレーションテスト: 仮想環境でモデルをテストし、実運用に近い状況でのパフォーマンスを確認します。


5. モデルのデプロイ (Model Deployment)
- 目的: 訓練されたモデルを実際の通信ネットワーク環境に展開し、運用に活用する段階です。
- 活動:
- 本番環境へのデプロイ: AIモデルを本番環境にデプロイし、リアルタイムでのトラフィック予測や異常検知に活用します。
- スケーラブルなデプロイ: ネットワークのスケールに応じて、モデルをクラウドやオンプレミス環境に展開します。
- APIの統合: モデルを他のネットワーク管理システムや運用ツールと統合するためのAPIを実装します。


6. 運用とモニタリング (Operation and Monitoring)
- 目的: デプロイされたAIモデルが正しく動作しているかを監視し、必要に応じて調整を行う段階です。
- 活動:
- リアルタイムモニタリング: AIモデルのパフォーマンスや通信ネットワークの状況をリアルタイムで監視します。
- 異常検知とアラート: 通信ネットワークに異常が発生した場合、AIモデルが即座に検知し、アラートを発信します。
- フィードバックループの構築: 運用中に得られた新しいデータをモデルにフィードバックし、継続的な改善を行います。


7. モデルの改善と再トレーニング (Model Improvement and Retraining)
- 目的: 新しい通信データや運用状況に基づいて、AIモデルの精度や効率を向上させる段階です。
- 活動:
- 新データの収集と反映: 運用中に得られる新しい通信データを収集し、モデルに反映させます。
- モデルの再トレーニング: 収集した新しいデータや追加の特徴量を用いて、モデルを再トレーニングします。
- モデルのリリースとバージョン管理: 改善されたモデルを再度デプロイし、バージョン管理を行います。


8. ドキュメンテーションとコンプライアンス (Documentation and Compliance)
- 目的: AIライフサイクル全体のプロセスを記録し、法規制や社内ポリシーに従う段階です。
- 活動:
- プロジェクトドキュメントの作成: モデル設計、トレーニングデータ、評価結果などを記録し、将来のメンテナンスや改良に備えます。
- コンプライアンス対応: 通信データの取り扱いやモデル運用が、業界規制やデータプライバシー法に準拠しているかを確認します。
- AI倫理の確保: モデルが公平かつ透明な意思決定を行っているか、偏りがないかをチェックします。


■「AIデータ管理システム AIデータALM 通信」の機能
「AIデータ管理システム AIデータALM 通信」における自動バックアップとデータ共有機能は、データの安全性と効率的な運用をサポートするために設計されています。以下に、それぞれの機能について詳しく説明します。


自動バックアップ機能


1. 定期的な自動バックアップ
- 機能概要: システムは設定されたスケジュールに従って、通信データを自動的にバックアップします。これにより、重要なデータが定期的に保存され、データ損失のリスクを最小限に抑えます。
- カスタマイズ可能なスケジュール: バックアップの頻度（毎日、毎週、毎月など）や時間帯をユーザーがカスタマイズできるため、業務に影響を与えないタイミングでバックアップを実行できます。


2. リアルタイムバックアップ
- 機能概要: 重要なデータや高頻度で更新されるデータについては、リアルタイムでバックアップが行われ、常に最新の状態が保存されます。
- データ整合性の確保: リアルタイムバックアップは、データの整合性を維持し、万が一の障害やシステムダウン時にもデータが損失しないように保護します。


3. データ復元機能
- 機能概要: 万が一データが失われた場合、直感的なインターフェースから迅速にデータを復元できます。
- 災害復旧対応: 大規模なデータ損失が発生した場合にも、システム全体を迅速に復旧できるように設計されています。


データ共有機能


1. 安全なデータ共有
- 機能概要: システム内で管理されているデータを、安全な方法で他のユーザーやシステムと共有できます。データは共有時に暗号化され、送信中および保存時のセキュリティが確保されます。
- アクセス制御: 共有するデータごとにアクセス権限を設定でき、特定のユーザーやグループにのみアクセスを許可することが可能です。これにより、機密情報が不正に共有されるリスクを防ぎます。


2. リンク共有
- 機能概要: データやドキュメントを外部のパートナーやクライアントと共有する際、セキュアなリンクを生成して共有できます。このリンクには有効期限やダウンロード回数の制限を設定することができ、セキュリティをさらに強化します。
- リアルタイム更新の共有: リンクを介して共有されたデータは、更新があればリアルタイムで反映されるため、常に最新の情報を共有することができます。


3. コラボレーション機能
- 機能概要: 通信データに関するチーム内コラボレーションをサポートするため、リアルタイムでのデータ共有、コメントの追加、フィードバックの管理が可能です。これにより、プロジェクトの進行がスムーズになり、意思決定が迅速化されます。
- バージョン管理: 共有されたデータのバージョン管理を行い、どのバージョンが最新かを明確に把握できます。過去のバージョンに戻すことも簡単に行えます。


4. API統合と他システムとの連携
- 機能概要: 他の通信システムやビジネスアプリケーションとデータを共有・連携できるAPIを提供します。これにより、異なるシステム間でのシームレスなデータ交換が可能となります。


これらの自動バックアップとデータ共有機能を備えた「AIデータ管理システム AIデータALM 通信」は、通信業務の安全性、効率性、信頼性を大幅に向上させます。これにより、常に最新のデータを確保しつつ、効率的なコラボレーションを実現し、業務の継続性を保つことが可能です。


■「AIデータ管理システム AIデータ ALM 通信」を支える各賞受賞実績の技術
「AIデータ ALM 通信」は、経済産業大臣賞に輝くAOSグループのリーガルテックの技術、ITreview Grid Awardの3部門で16期連続受賞、2020年11月ITreview Customer Voice Leaders受賞の「AOSBOX」のクラウドバックアップ技術、BCN AWARD システムメンテナンスソフト部門最優秀賞を14年連続受賞したデータ管理技術、経済産業大臣賞を受賞したグループ企業のリーガルテック社のVDR技術を融合し、安全なデータのやりとりと共有および保管システムを基盤とするインテリジェントなDXソリューションとして開発されました。


■「AIデータ管理システム、AIデータALM 通信」サービス概要
・サービス名： AIデータ管理システム、AIデータALM（エーアイデータ エーエルエム）通信
・提供開始：2024年9月5日　　
・価格：月額16,500円（税込）～
・URL：https://aidata.jp/notice/alm-communication/


【AOSデータ株式会社について】
名 称 AOSデータ株式会社　代表者 吉田 宣也
設 立 2015年4月　
所在地 東京都港区虎ノ門5-1-5 メトロシティ神谷町ビル4F
資本金 1億円（資本準備金15億2500万円）　
URL https://www.aosdata.co.jp/
AOSデータ社は、データ管理技術で知的財産を守る活動を続けており、企業8,000社以上、国内会員90万人を超えるお客様のデータをクラウドにお預かりするクラウドデータ事業、20年に渡り100万人以上のお客様の無くしてしまったデータを復旧してきたデータ復旧事業、1,300万人以上のお客様のデータ移行を支援してきたシステムデータ事業で数多くの実績を上げてきました。データ移行、データバックアップ、データ復旧、データ消去など、データのライフサイクルに合わせたデータアセットマネジメント事業を展開し、BCNアワードのシステムメンテナンスソフト部門では、15年連続販売本数1位を獲得しています。また、捜査機関、弁護士事務所、大手企業に対して、証拠データのフォレンジック調査や証拠開示のEデイスカバリサービスで数多くの事件の解決をサポートした技術が評価され、経済産業大臣賞を受けたグループ企業のリーガルテック社のリーガルデータ事業を統合し、今後一層、データコンプライアンス、AI・DXデータを含めた「データアセットマネジメント」ソリューションを通して、お客様のデータ資産を総合的に守り、活用できるようにご支援することで、社会に貢献いたします。また、 若手隊員の登用・育成を促進し、防衛省の優秀な人材確保・育成に寄与することを目的として作られた若年定年制度を支援し、先端技術のエンジンニアキャリアが活かされる産官連携で日本社会に貢献します。

企業プレスリリース詳細へ
PR TIMESトップへ