目次
機械学習は、明示的にプログラムすることなく、アルゴリズムを使用して経験から自動的に学習し、改善する人工知能のサブセットです。
私たちは皆、セキュリティ問題を解決するために人工知能を使用することに賛成しています。
概要
ホームページ テクノロジー周辺機器 AI サイバーセキュリティにおける人工知能の役割

サイバーセキュリティにおける人工知能の役割

Apr 10, 2023 am 09:31 AM
AI サイバーセキュリティ

社会における人工知能 (AI) の人気の高まりに伴い、ネットワーク セキュリティの分野にも人工知能 (AI) が参入しています。人工知能は、脅威の自動検出と対応、ネットワーク効率の向上、脆弱性の特定の支援など、さまざまな方法でサイバーセキュリティの向上に役立ちます。この記事では、人工知能がサイバーセキュリティをどのように変えていくのか、また人工知能が企業の安全を確保するのにどのように役立つのかについて説明します。

サイバーセキュリティにおける人工知能の役割

#人工知能はサイバーセキュリティの状況を変えています。この文書の強みは、人工知能システムを実装することで、組織が検出と対応の速度を向上させ、新たな脅威をより積極的に予測して対処できることを示しています。

人工知能 (AI) とは何ですか?

人工知能は、人間や他の動物が示す自然の知能ではなく、機械が示す知能です。 AI アプリケーションは、人間の介入なしにデータを分析し、独自に意思決定を行うことができます。

人工知能は、人間の脳のプロセスを評価し、人間の脳のパターンを研究することによって実現されます。これらの脅威の調査は、インテリジェントなソフトウェア、システム、または人工知能ソリューションの作成につながります。

人工知能の基礎は、いわゆる人工知能のチューリング テストに基づいています。人工知能におけるチューリング テストは、機械が人間と区別できない動作を示すことができるかどうかを判断する方法です。この質問に対する答えが「はい」の場合、そのマシンはチューリング テストに合格しており、インテリジェントであるとみなされます。

#人工知能の 3 つの主なコンポーネントは次のとおりです:

人工知能の学習は、経験プロセスから新しい知識やスキルを獲得することです。 。
  • 推論とは、一連の前提から論理的な結論を引き出す能力です。
  • 自己修正とは、エラーを認識して修正する能力です。

サイバーセキュリティにおける人工知能の役割は何ですか?

サイバーセキュリティにおける人工知能の役割は、組織が侵入のリスクを軽減し、全体的なセキュリティ体制を改善できるよう支援することです。人工知能は、過去のデータから学習してパターンと傾向を特定することで、サイバーセキュリティにおいて役割を果たします。この情報は、将来の攻撃を予測するために使用されます。 AI 主導のシステムは、脅威に自動的に応答し、より迅速な時間枠でサイバー脅威と戦うように構成することもできます。

企業の攻撃対象領域が拡大し進化し続ける中、サイバー脅威やサイバー攻撃の分析と強化はもはや人間の課題ではありません。組織の規模に応じて、リスクを正確に計算するには、最大数千億の時変信号を処理する必要があります。

この前例のない課題に対応するため、ニューラル ネットワークなどの人工知能ツールと手法は進化を続けており、情報セキュリティ チームがより効果的かつ効率的な脅威検出および脅威排除機能で機密製品を保護できるよう支援しています。 .情報を収集し、侵入のリスクを軽減し、セキュリティ体制を向上させます。

サイバースペースにおける機械学習の応用

機械学習は、明示的にプログラムすることなく、アルゴリズムを使用して経験から自動的に学習し、改善する人工知能のサブセットです。

これは主にネットワーク セキュリティに使用され、次の 2 つの目的があります:

異常検出: 機械学習を使用して、異常なユーザーの行動や予期しないネットワーク アクティビティなどの異常を自動的に検出できます。どの異常はセキュリティ上の脅威を示している可能性があります。たとえば、クラウドストライク、ダークトレース、その他多くの製品がこのテクノロジーを使用しています。
  • 分類: 機械学習を使用すると、電子メールやファイルなどのデータを自動的にカテゴリ (スパムやマルウェアなど) に分類し、より効率的に処理できます。
  • AI/サイバーセキュリティのジレンマ - 潜在的なデメリット

私たちは皆、セキュリティ問題を解決するために人工知能を使用することに賛成しています。

サイバー犯罪者は、人工知能システムを訓練したり、人工知能が使用するデータセットに誤ったデータを入力したりする可能性があります。これにより、より現実的で洗練された攻撃を作成できるようになります。さらに、人工知能を使用して攻撃を自動化し、単一の攻撃者が大規模な攻撃を実行できるようにすることもできます。

AI システムは、いわゆる「敵対的な例」、つまりシステムを騙して誤分類するように特別に設計された入力にも騙されやすいです。たとえば、一時停止標識として認識されなくなるようにわずかに変更された一時停止標識の画像は、自動運転車にだまされて、それが一時停止標識などの別のものであると思わせる可能性があります。これは悲惨な結果を招く可能性があります。

人工知能がサイバーセキュリティでより広く使用されるようになるにつれ、潜在的なリスクとその軽減方法を検討することが重要になります。これを実現する 1 つの方法は、AI システムが「説明可能」であること、つまり、意思決定の理由を提供できることを保証することです。これは、意思決定の透明性と説明責任を確保するのに役立つと同時に、敵対的な例がシステムを騙すために使用されるのを防ぐのにも役立ちます。

結論として、AI ベースのサイバーセキュリティ システムは、組織を支援する上で大きな可能性を示しています。ただし、潜在的なリスクを認識し、それらを軽減するための措置を講じることが重要です。

人工知能はセキュリティにどのように使用されますか?

人工知能には、ネットワーク セキュリティの分野で優れた応用例がいくつかあります。研究者やシンクタンクから始めて、サイバーセキュリティのユースケースに対するガートナーのプリズムの優れた例を次に示します。 Gartner の予測以来、ハイパーオートメーションが大きな関心を集めています。これは、次世代の汎用人工知能システムに基づいて別のレベルの自動化が開始されることを意味します。これには、AI/ML と自動化された品質保証を組み合わせて、アラートとインシデント対応の取り組みの管理を簡素化することが含まれます。基本的に、企業がノーコードまたはローコードのセキュリティを大規模に強化し、ビジネスの機敏性と DevOps 戦略を向上させるのに役立ちます。

#次は、セキュリティ サービスとクラウド セキュリティに該当する例のリストです:

#トランザクション詐欺検出
  • ファイルベースのマルウェアの検出
  • プロセス動作分析
  • 異常なシステム動作の検出
  • ネットワーク、ドメイン、レピュテーションの評価
  • 資産インベントリと依存関係マッピングの最適化
  • アカウント取得の識別
  • 適応型ランタイム アクセスと認可
  • 識別証明
  • マシンと人間の違い
  • テキストベースの悪意検出
  • 同一人物識別
  • Webコンテンツ視覚分析
  • セキュリティ運用タスク自動化
  • ビジネスデータリスク分類
  • 戦略推奨エンジン
  • イベント相関性
  • ハザードインテリジェンス
  • セキュリティ体制とリスクスコア

サイバーセキュリティにおける人工知能の役割の例は次のとおりですサイバーセキュリティの脅威の特定、検出、対応にかかる時間の短縮:

(1) 自動化されたマルウェアの検出と防止

人工知能 (AI) と従来のソフトウェア主導または手動の方法との比較)そして機械学習は、サイバー犯罪者と闘い、脅威を自動的に検出し、より効果的に対応するのに役立ちます。機械学習技術は、ホスト、ネットワーク、クラウド上のマルウェア対策コンポーネントからの大量のデータを組み合わせることにより、マルウェアの検出を向上させます。

これまで知られていなかったサンプルは、マルウェアやランサムウェアの攻撃検出における新しいファイルである可能性があり、エンドポイント保護メカニズムに貢献します。その隠されたプロパティは悪意のあるものである場合とそうでない場合があります。同様に、検出を回避できるマルウェアが毎回検出されるとは限りません。

これは、すべてのマルウェア攻撃を人工知能で阻止できるという意味ではありません。モデルは、データ属性をサポートする数学的に構造化されたルールのコレクションです。

(2) フィッシングとスパムの検出

ディープ ラーニングは、大量のデータを使用してディープ ニューラル ネットワークをトレーニングし、画像を分類する方法やその他の情報を完成させる方法を時間をかけて学習します。タスク。

ディープラーニング モデルは、比較的緩い特徴を使用した攻撃操作であっても、良好な精度を達成できます。これは、安全でないジョブやその他の画像、スパムやフィッシング攻撃を検出するために使用されます。

Google はディープ ラーニングを使用して、検出が困難な画像ベースの電子メール、隠されたコンテンツを含む電子メール、新しく形成されたドメインからの通信を検出します。これは、スパムに関連するインターネット トラフィック パターンなど、高度なフィッシング攻撃を検出するのに役立ちます。

(3) より高速かつ正確な異常検出 - SIEM および SOAR プラットフォーム

人工知能は、ネットワーク トラフィック データ内の悪意のある異常と良性の異常をほぼリアルタイムで識別できます。機械学習アルゴリズムをネットワーク トラフィック データに適用することで、これまで知られていなかった攻撃だけでなく、検出を回避するために変更された既知の攻撃も検出できます。

SIEM および SOAR システムは、組織のセキュリティ インフラストラクチャに追加されます。アラートの特定には高度な分析と機械学習が使用されますが、誤検知が発生するため微調整が必​​要です。

SOAR は、SIEM アラートの修復と応答を処理するエンジンです。これは、セキュリティ チームがアラートを収集し、ケースを管理し、SIEM の終わりのない通知に対応することで、対応プロセスを自動化できるように設計されています。

脅威インテリジェンス機能はそのソリューションの 1 つであり、セキュリティ チームにコンピューター システムだけでなく他の脅威、IoT デバイスやその他の統合についての理解を深めることができます。

(4) ゼロデイ脆弱性を探す

「ゼロデイ攻撃」では、犯罪者はメーカーによってパッチが適用されていないソフトウェアの欠陥を悪用し、コンピュータをマルウェアに感染させます。ただし、人工知能に関する現在の議論と開発が役立つ可能性があります。

ディープ ラーニング アーキテクチャを使用すると、隠れたパターンや潜在的なパターンを発見し、時間の経過とともにコンテキストに敏感になるため、ゼロデイ脆弱性やアクティビティの特定に役立ちます。自然言語処理は、ソース コードをスキャンして危険なファイルを検出し、フラグを付けることができます。敵対的生成ネットワークは、あらゆるデータ分布を模倣することを学習でき、複雑な欠陥を特定するのにも役立ちます。

(5) 検出と応答速度の向上

企業ネットワークを保護するための最初のステップは、脅威を検出することです。信頼できないデータをすぐに検出できれば理想的です。ネットワークを永久的な損傷から保護します。

人工知能とサイバーセキュリティを組み合わせることが、脅威をリアルタイムで検出して対応するための最良の方法です。人工知能はシステム全体のリスクをチェックします。人間の知能とは異なり、サイバー ドメインの人工知能はリスクを早期に検出できるため、より迅速かつ正確なセキュリティ アラートが得られ、サイバーセキュリティ専門家の作業がより効率的になります。

(6) 新たな脅威の検出

異常な動作や活動パターンを特定するための予測分析は、サイバーセキュリティにおける人工知能の主要なアプリケーションの 1 つです。サイバー犯罪者は常にシステムを悪用する新しい方法を探しています。人工知能は、こうした新たな脅威が被害を引き起こす前に特定するのに役立ちます。

(7) 誤検知の数を減らす

誤検知が多すぎると、実際の問題の解決に費やせるはずの時間が奪われてしまいます。しかし、人工知能を使用してセキュリティ インシデントを特定すると、誤検知の数を減らし、チームを迅速に業務に戻すことができます。

データ サイエンスの助けを借りて、人工知能は大量のイベントを迅速に分析し、マルウェアからフィッシングや悪意のあるコードにつながる可能性のある危険な行為に至るまで、幅広いセキュリティ リスクを特定できます。ダウンロード、脅威の特定。これらのシステムは時間の経過とともに改善され、以前の攻撃を利用して現在および新しい攻撃を識別します。行動履歴は、AI がユーザー、資産、ネットワークのプロファイルを作成することで、確立された規範から逸脱する行動を特定し、対応するのに役立ちます。

人工知能システムは、マルウェアを検出し、パターン認識を実行し、高度なアルゴリズムを使用して、システムに侵入する前に最小のマルウェアやランサムウェア攻撃も検出するように訓練されています。

AI は、自然言語処理を通じて、サイバー危険に関する記事、ニュース、研究をスクレイピングし、素材自体をキュレーションすることで、より優れた予測インテリジェンスを提供できます。 AI ベースのセキュリティ ソリューションは、グローバルおよび業界固有の脅威に関する最新の知識を提供し、システムの攻撃に使用される可能性が高いものではなく、システムの攻撃に使用される可能性が最も高いものに基づいて、より賢明な優先順位の決定を行います。

(8) ボットの検出

ボットは現在、インターネット トラフィックの大部分を占めていますが、致命的となる可能性があります。盗んだパスワードを使用したアカウント乗っ取りから、不正なアカウント作成やデータ詐欺まで、ボットは深刻な脅威となる可能性があります。手動による対応は自動化された脅威に対しては効果がありません。人工知能と機械学習は、Web サイトのトラフィックを分析し、良いボット、悪いボット、人間を区別するのに役立ちます。

ユーザーの行動パターンを分析することで、企業は典型的なユーザー エクスペリエンスがどのようなものであるか、また、まれな高リスク エクスペリエンスがどのようなものかを理解することができます。ここから私たちは彼らのネットワーク通信の目的を解読し、邪悪なロボットより一歩先を行くことができます。

(9) 侵入リスク予測

人工知能システムは、さまざまなシステムに対する脅威の完全かつ正確なリストである IT 資産インベントリの決定に役立ちます すべてのデバイス、異なるアクセス権限を持つユーザーとアプリケーション。現在、資産のインベントリと脅威への曝露(前述)を考慮すると、AI ベースのシステムは、資産がどこでどのようにハッキングされる可能性が最も高いかを予測し、リソースを最も脆弱な場所に向けることを計画できます。

この侵入リスク予測は、組織が影響を制限し、攻撃チェーンを断ち切るための準備を整えるのに役立ちます。さらに、リスクデータ、ポリシー、手順を活用して、AI ベースの分析を通じて開発および変更し、サイバー回復力を強化できます。

概要

人工知能がサイバー犯罪との戦いにおいて強力なツールとなり得ることは明らかです。人間のセキュリティアナリストが現在実行しているタスクを自動化することで、誤検知の数を減らし、検出と対応のプロセスを加速することができます。

さらに重要なのは、人工知能の使用に関連する潜在的なリスクを認識し、それらを軽減するための措置を講じることです。

以上がサイバーセキュリティにおける人工知能の役割の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Bytedance Cutting が SVIP スーパー メンバーシップを開始: 継続的な年間サブスクリプションは 499 元で、さまざまな AI 機能を提供 Jun 28, 2024 am 03:51 AM

このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Rag と Sem-Rag を使用したコンテキスト拡張 AI コーディング アシスタント Jun 10, 2024 am 11:08 AM

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

GenAI および LLM の技術面接に関する 7 つのクールな質問 GenAI および LLM の技術面接に関する 7 つのクールな質問 Jun 07, 2024 am 10:06 AM

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります 微調整によって本当に LLM が新しいことを学習できるようになるのでしょうか: 新しい知識を導入すると、モデルがより多くの幻覚を生成する可能性があります Jun 11, 2024 pm 03:57 PM

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 新しい科学的で複雑な質問応答ベンチマークと大規模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大学、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。 Jul 25, 2024 am 06:42 AM

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

あなたが知らない機械学習の 5 つの流派 あなたが知らない機械学習の 5 つの流派 Jun 05, 2024 pm 08:51 PM

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 SOTA パフォーマンス、厦門マルチモーダルタンパク質-リガンド親和性予測 AI 手法、初めて分子表面情報を結合 Jul 17, 2024 pm 06:37 PM

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性​​を実証しています。 「S」で始まる関連研究

AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 AIなどの市場を開拓するグローバルファウンドリーズがタゴール・テクノロジーの窒化ガリウム技術と関連チームを買収 Jul 15, 2024 pm 12:21 PM

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G

See all articles