タビLab.（技術ブログ） 「100%の防御は存在しない」— ITエンジニアのためのサイバーセキュリティ入門［後編］
社内セキュリティ講義の記事化・後編。基本対策で止まらない「残り1%」、城壁モデルが崩れた理由、ゼロトラストとサイバーレジリエンス、そして2026年のAI時代のセキュリティ（Security for AI / AI for Security）までを扱います。
タビLab.（技術ブログ）
タビLab.（技術ブログ） 
タビLab.（技術ブログ） 「99%は基本で防げる」— ITエンジニアのためのサイバーセキュリティ入門［前編］
社内で行ったセキュリティ講義を記事化しました。前編は「攻撃者の目」で自分たちを眺めるところから始め、攻撃の99%を止める基本対策と、偵察・OSINT・ソーシャルエンジニアリングの実際を扱います。
AI活用 生成AI時代にこそ効く「思考の土台」— エンジニアのためのCS基礎3本柱
「新人はAI使用禁止」が議論される今、本当に必要なのはAIの出力を判断できる土台。4月に行った講義をもとに、アルゴリズム・データ管理・リソース管理の3本柱で「AIに強い人の思考」を解説します。
フィジカルAI フィジカルAIとは？ “身体を持つAI”の基本をやさしく解説
「生成AIの次」と注目されるフィジカルAI。現実世界で身体を動かすAIの基本を、従来ロボットとの違い・支える技術・業界動向の3点からやさしく整理します。
GAN WGAN-GP（Train Wasserstein GAN with Gradient Penalty）
WGANを改良したWGAN-GPの実装です。WGANでは重みのクリッピングにより勾配消失や勾配爆発が起きやすい課題がありました。勾配そのものに制約をかけるGradient Penaltyの手法を解説します。
GAN WGAN（Wasserstein GAN）
WGAN（Wasserstein GAN）の実装です。学習が安定しない、勾配消失が起こりやすい、モード崩壊が起こるといったGANの問題に対し、Wasserstein距離による損失計算がどう効くのかを解説します。
GAN DCGAN (Deep Convolutional GAN)
DCGAN（Deep Convolutional GAN）の実装です。畳み込みニューラルネットワークによる敵対的生成の仕組みを、最初のGANと比較しやすいようMNISTデータセットを使って解説します。
DeepLearning 最初のGAN（Generative Adversarial Networks）
最初のGAN（Generative Adversarial Networks）を実装しながら、生成モデルと敵対的生成ネットワークについて調べました。構造がシンプルなので、GANの考え方を理解する入り口としておすすめです。
GAN GANの呼び方。ガン？ ギャン？
GANの読み方は「ガン」か「ギャン」か。英語の発音 /ɡæn/、提唱者グッドフェロー氏の講演字幕、日本語辞書の表記、派生手法の呼び方まで調べて、実務での落としどころを整理しました。
GAN GANの論文を読む
GANの原典であるIan Goodfellowらの論文を、自動翻訳を利用しながら読んでみます。GANについて学んでいくうえで一度は目を通しておきたい論文の内容を、順を追って追いかけます。