データ保護
サイバーレジリエンスに向けた予算編成でCIOが押さえるべき7つのポイント
常に変化する環境の中で、テクノロジー予算を組むのは簡単なことではありません。昨今、セキュリティコストは増加し、AIやデータ関連のプログラムは加速しています。総予算を増やさずにインフラ、運用、人員配置のすべてを拡張することが求められるうえ、取締役会、規制当局、保険会社に対して、トラブル発生時でも事業を継続できることの証明を提出する必要もあります。
こうしたプレッシャーの中心にあるのが、サイバーレジリエンスです。サイバーレジリエンスとは、重大なインシデントを吸収し、統制された形で復旧させ、何が起きたかを証明するものであり、ビジネスの継続を左右する存在です。また、サイバーレジリエンスはストレージ容量のコスト、バックアップおよび災害復旧ソフトウェア、専門サービス、外部監査、保険更新など、予算の各項目にも明確に現れます。そのため、これはデータ保護の問題であると同時に、組織のコスト策定にも大きく関わっています。
CIOが取締役会に予算を提示する際、単にツールへの投資を主張するだけでは不十分です。そのツールによってコストが計画通りに推移すること、組織が障害に耐え復旧できること、そしてデータが検証に耐えうることを示さなければなりません。サイバーレジリエンスが明確に組み込まれていない場合、それがビジネスの基本条件であるという認識が薄まり、単に「あれば望ましいもの」として追いやられてしまいます。
こういった文脈を踏まえて、サイバーレジリエンスを運用に組み込めるよう考察してみましょう。本ブログでは、CIOが予算計画を立てる際に役立つ7つのポイントをご紹介します。各テーマは、一般的な支出分野と、それが支えるべきレジリエンスの成果を結び付けています。CIOとして方針を決定する立場にある方も、承認を得るために計画を提示するリーダーの方も、予算を策定する際にぜひご活用ください。
1．サイバーレジリエンスを運用要件の中核にする
今や、サイバーインシデントは絶えず発生しうるリスクとなっています。そのため、取締役会、規制当局、保険会社は、事業が障害に耐え、管理された形で復旧できることの証明を求めています。こういった状況のなか、CIOは、不変コピー、複数ユーザー承認、職務分離、テスト済みの復旧といった具体的なレジリエンス対策を提示しながら、それらが業務システムをどのように保護しているかを説明できなければなりません。こうした根拠が示されない場合、インシデントによる影響の深刻化、保険の更新ストップ、リスク管理に対する信頼の低下などに陥ります。
2．予期せぬ出費を排除し、ストレージコストを安定化させる
クラウドストレージ予算はかつて背景的なコストとして扱われていましたが、今やIT予算の中でも特に安定させにくい項目の一つになっています。業界のベンチマーク調査(英語)によると、クラウドストレージ費用の大部分は、容量そのものではなく、下り転送料・API利用料・データ取得料の変動に由来していることが明らかになりました。このような変動によってストレージコストが予期せず増加すると、組織は予算内に収めるためにベストプラクティスを削減せざるを得なくなり、あらゆるサイバーレジリエンス計画を損なうことになります。ストレージ料金が予測可能であれば、財務部門は予算を把握でき、CIOは意図的かつ統制された形でレジリエンスに投資することができます。
3．AIによるデータ増加を見据えたストレージ計画を立てる
AIや機械学習を利用すると、ストレージ容量に絶え間ない負荷がかかります。学習データ、作業用データセット、アーカイブされたモデル、ログ、推論結果は急速に増加し続け、その多くは再利用・監査・再学習のために保持する必要があります。そのため、容量計画においては、生成されるデータ量、データの保持期間、保護の方法を明確に考慮しなければなりません。AIを前提にストレージを計画すれば、期待するスピードでビジネスを進められます。そうでない場合、プロジェクトは停滞し、モデルの進化速度にAIデータのレジリエンスが追いつかなくなります。
4．ストレージ効率をイノベーションと近代化の資本に変える
多くのCIOは、総予算を増やすことなくAI・分析・近代化・セキュリティを改善することが求められています。これを実現するには、日々の支出を調整して余地を生み出す必要があります。これに対して、ストレージ階層の簡素化、重複システムの廃止、見えにくいコストの削減を行うことで、単なるコスト削減にとどまらず、サイバーレジリエンスを維持しながら戦略的な取り組みへ予算を割り振ることができます。このように捉えると、ストレージ効率はレジリエンス強化と将来的な変革に役立つ資本となります。これが明確でない場合、せっかく利益を捻出できても一般経費に回収され、新しい取り組みは後回しにされてしまいます。
５．ハードウェアの過剰購入から、適切な規模のオンデマンド容量へ移行する
数年先を見越してストレージハードウェアを購入するという手法は、変化の激しい現在の環境には適していません。ワークロードの移行、新しいサービスの立ち上げ、プラッフォーム間のデータ移動が行われると、ある場所では容量が余り、別の場所では不足する事態に陥ります。こう言った状況は、資本の無駄遣いやプロジェクト遅延につながる恐れがあります。ストレージが段階的に拡張できれば、成長に関する意思決定は緊急対応ではなく通常のガバナンスの一環として行えます。サイバーレジリエンスの観点でも、重要なワークロードの実行場所に合わせて柔軟に保護と復旧を整合させることができ、不適切な過剰保護や保護不足のリスクを低減できます。
6．適切なトレーサビリティとガバナンスで監査に対応する
規制当局、監査当局、顧客は今や、データを単に暗号化するだけでなく、エンドツーエンドで適切に扱われている証拠を求めています。つまり、データの来歴、保持期間、アクセス履歴、保存場所を示す必要があります。これに伴い、CIOが重視すべき点も、データの暗号化から、データの収集・処理・保存・破棄がGDPR、HIPAA、AI関連の開示要件を満たしているかどうかに移りました。このレベルの可視性が欠けている場合、セキュリティとコンプライアンスの整合性が失われ、監査の長期化やコスト増加を招くとともに、手作業で証拠を収集することになります。こういった組織は、データの完全性とともに信頼も失います。
7．重要データと財務データを同等の基準で管理する
昨今の取締役会や監査委員会はデータを中核的な資産と見なす傾向にあり、重要な記録、モデル、ログが改ざんや削除されないという証拠を求めるようになりました。そのためCIOは、監査に耐えうる統制を設計する必要があります。具体的な対応策としては、独立した管理で論理的にエアギャップ化されたコピー、破壊的な操作に対する複数ユーザー承認(英語)、明確な職務分離などが挙げられます。これらが欠けている場合、監査で問題が露呈し、デジタル記録への信頼が低下します。その結果、是正作業が増え、M&Aや資金調達といったプロセスも遅延し複雑化します。
予算に関する議論への影響
これまでに挙げたポイントは、最初から予算計画に組み込まれて初めて意味を持ちます。そのためには、ツールや容量の問題ではなく、経営陣が理解できるビジネステーマへと議論をシフトする必要があります。ストレージ、バックアップ、保護に関する予算項目を成果と明確に結び付けることで、一貫性のあるレジリエンス戦略として提示できるようになります。
実際にCIOが行うのは、個々の製品の必要性を単に主張することではなく、各テーマを具体的な根拠で裏付けることです。目標は、詳細な説明がなくても財務部門や取締役会の精査に耐えうる予算案を提示することです。
サイバーレジリエンスの価値を示すことができれば、大きな説得力とともに予算を獲得できるようになります。
容量にかかる料金と下り転送料・API料・データ取得料を分け、クラウドストレージ支出の推移を把握することで、コスト変動の原因を明らかにする。
過去1年間の支出を日常的な運用費と新規投資に分け、ストレージのコスト削減がAI、データ、システム刷新の取り組みと明確に結びついていることを可視化する。
AIデータの増加に関する前提条件を整え、学習データ、モデル、ログに必要な容量や保持期間を明確にする。
直近のテスト結果に基づく復旧とレジリエンスに、RTO（目標復旧時間）やRPO（目標復旧時点）、および予算投資によって改善される項目リストを含める。
監査、保険会社、規制当局は、保存データの暗号化だけでなく、トレーサビリティ、完全性、管理設計を重視していることを把握する。
容量と利用率の状況を見極め、明らかな過剰購入、遊休資産、新規プロジェクトの制約となる問題点を明らかにする。
このように活用すれば、予算は単にストレージ容量を正当化するためのものではなく、有効なサイバーレジリエンスとガバナンスを確立し、AI対応の環境を支える存在となります。
まとめ
本ブログで取り上げたリストの中から、組織の課題に沿ったテーマを2～3つ選び、次回の予算協議の軸に据えてください。そして、それぞれのテーマについて対処すべきリスクと必要な投資額を把握し、それらがレジリエンスの向上とAIおよびデータイニシアチブの支援につながるという根拠を明確に示しましょう。
これを継続すれば、サイバーレジリエンスは単なる背景ではなく、データの信頼性と復旧性を支える中核になります。それは、予算においては説明可能なコミットメントに、役員会においては組織が負う価値のあるリスクに、AIやデータ施策においては管理と両立してビジネスを前進させる存在になります。こうして、CIOは自信を持ってサイバーレジリエンスを重視した予算編成を支持できるようになります。
予期せぬ請求のないサイバーレジリエントなストレージ
手数料なしのイミュータブル機能や復旧機能、論理的なエアギャップ保護によってバックアップを管理し、下り転送料、API利用料、データ取得料から解放されましょう。
AIは今や、単にデータ量を増やすだけではありません。チーム内の既存データをいかに迅速に活用できるかという期待も高める存在となっています。現代のワークロードでは、データは整理されたエクスポート形式で届くことも、300ページのPDFで届くこともあります。また、もともと分析用途に設計されていない素材（ログ、クリックストリーム、文字起こし、画像、動画、ドキュメント、社内ナレッジなど）も含めて、全データにオンデマンドでアクセスできることが求められます。この現状に対応すべく、多くの組織がデータレイクをストレージ基盤として採用しています。データレイクとは、構造化データ、半構造化データ、非構造化データといったさまざまな形式のデータを、そのままの形で大量に保存できる中央集約型のリポジトリです。従来のメリットとしては、低コストである点や、柔軟性を維持し、処理方法を後から決められるという点が挙げられます。しかし、AI時代が到来し、このモデルは変化しています。データレイクは単なる保管場所ではなく、分析・機械学習・RAG（検索拡張生成）に活用するための共通データ基盤へと進化しました。現在、データはより頻繁に再利用され、より多くのワークロードからアクセスされ、モデルに文脈を提供するために小さな単位で取り出されています。このとき、ストレージ層で摩擦（読み取りの遅さ、階層化による遅延、予測できない料金）があると、下流のすべてのワークフローに影響が及びます。データにアクセスしにくければ、活用も難しくなります。本ブログでは、AI対応のデータレイクについて考察し、ストレージとコンピューティングを単一のシステムとして機能させる連携方法と、実際の本番環境におけるこのアプローチの活用について解説します。AI対応のデータレイクに求められるものとは？AI対応のデータレイクには、10年前のデータレイクとは異なる基準が求められます。つまり、単にデータを保存するだけでなく、クエリや変換が可能であり、大規模環境でもコスト効率よく利用できることが求められます。これにより、コストや遅延の問題に悩まされたりすることなく、データの探索、トレーニング、取得を行うことができるようになります。AI対応のデータレイクを本当の意味で実現するには、いくつかのポイントを押さえる必要があります。あらゆるデータタイプに対応する単一の記録システム：構造化データ、半構造化データ、非構造化データを一箇所に保存できること。これにより、個別のストレージサイロを維持する必要がなくなります。利便性を確保するメタデータとガバナンス層：データが検索や追跡ができる状態で、適切に管理されること。チームやワークフローを横断してデータを活用するためには、適切なメタデータ管理が不可欠です。その場でアクセスし、分析およびAIワークフローに活用できる状態：データのコピーや移動の際に遅延を発生させず、データに対して直接クエリや変換を実行できること。日常的な運用におけるコストの予測可能性：AIワークフローは従来のシステムよりも頻繁にデータにアクセスするため、データの読み取り、スキャン、転送、復旧やテストの実施にかかるコストを予測可能な範囲に抑えられること。これらは、現代のワークロードに合わせて拡張可能なデータレイクを構築するための基礎となります。次のステップは、ワークロードの進化に合わせてデータが容易にアクセスおよび処理可能な状態を維持できるよう、適切なストレージ層とコンピューティング層を備えた設計をすることです。ストレージ層としてのWasabi Hot Cloud StorageAIワークロードがデータレイクを活用し始めると、ストレージはアーキテクチャ全体の基盤となります。ストレージが高コストであったり、一貫したセキュリティ確保が難しかったり、頻繁な読み取りやテストによって予測できないコストが発生したりすると、チームは回避策に頼らざるを得なくなり、データレイクを大規模に運用しにくくなります。こういった状況に対して理想的な基盤となるのが、Wasabi Hot Cloud Storageです。本製品ではアクセスとコスト管理をシンプルに保ちつつ、ガバナンスやリカバリに必要な制御機能を利用できます。データ再利用時に役立つ予測可能な料金体系：容量ベースの価格設定で、下り転送料やAPIリクエスト料が発生せず、日常的な読み取り、スキャン、転送、検証ワークフローのコストが予測しやすい状態になります。AIの普及によりデータへのアクセス頻度が高まる中で、この点は大きなメリットとなります。耐久性と運用信頼性を重視した設計：データレイクの主要な基盤として、オブジェクトストレージは「アーカイブ優先」ではなく、長期保存と日常的なアクセスパターンに対応できるよう構築されています。ガバナンスを支えるセキュリティとレジリエンス：強力なアクセス制御、暗号化、イミュータブル機能により、規制対応やランサムウェア対策を支援します。また、Covert Copy機能によって、攻撃者の検知を回避しつつ不変コピーを作成し、復元可能な状態を維持します。WasabiとSnowflakeの連携により、分析とAI対応に役立つ統合アーキテクチャを実現ストレージ基盤の次は、コンピューティング層を整えます。これは、レイクデータを効率的にクエリおよび変換できる分析・AIプラットフォームを指します。ここで重要となるのが、S3互換性です。これにより、標準的なオブジェクトストレージインターフェースを介して接続し、データを移動させることなく分析やAIサービスを実行できるようになります。Snowflake(英語)はこの役割を担い、外部ステージを介してWasabiに接続しながら、データの移行や複製を行うことなく、構造化・半構造化・非構造化ファイルに直接アクセスできるようにします。このアーキテクチャでは、生の運用データ、ログ、ドキュメント、エクスポートデータが長期的なシステム記録として保存されます。分析およびAIプラットフォームは、安全なオブジェクトインターフェースを通じてこれらのデータにアクセスし、直接クエリを実行して、追加のガバナンスやパフォーマンスの最適化が必要な部分のみを抽出して処理します。その結果、分析、機械学習、AIアプリケーションが同じデータ基盤を共有する統合システムが実現します。データのコピーや階層移動、重複が不要となり、運用はシンプルになり、新しいワークロードにも柔軟に対応できるようになります。ドキュメントをAI対応のナレッジに変換データレイクの基盤が整うと、非構造化コンテンツも重要なデータ資産になります。レポート、仕様書、ログ、コンプライアンス関連資料などのドキュメントはレイク内に保存されたまま、分析やAIシステムで処理できる構造化データに変換されます。ドキュメント処理サービスはこれらのファイルからテキストと構造を抽出し、検索・取得サービスはその内容をキーワード検索と意味検索の両方に対応できるようインデックス化します。こうして、ドキュメントはもはや静的な資料ではなく、分析、発見、AI対応アプリケーションを支える検索・分析可能なデータとなり、統合されたナレッジ層が実現します。Wasabi内におけるアーキテクチャの活用例Wasabiでは、このアーキテクチャを自社の分析およびナレッジ管理に活用しています。請求システム、APIログ、プラットフォームのテレメトリから得られる運用データは、Wasabi Hot Cloud...
年末は立ち止まって一年を振り返る時期です。高等教育機関のITおよびセキュリティ担当者にとって、2025年は真のセキュリティコストが浮き彫りになった年でした。この影響は予算だけでなく、チームの在り方やデータの保存場所に関するあらゆる意思決定にも及んでいます。こうした背景を踏まえ、高等教育におけるサイバーレジリエンスについて、この1年間で明らかになったことを見ていきましょう。より巧妙化し、頻繁になるサイバー攻撃2025年は大学や高等教育機関に対する攻撃が増加し、平均して、教育機関は1組織あたり毎週4,388件のサイバー攻撃を受けました。これは世界平均の2倍以上であり、前年と比べて31%増加しています（DeepStrike）。もし、大学キャンパスが常に標的にされているように感じている方がいる場合、それは気のせいではありません。ランサムウェアの主な原因は、人為的ミス（PEBKAC: Problem Exists Between Keyboard and Chair）であることは以前から変わっていません。また、主な攻撃手段としてはソーシャルエンジニアリングが挙げられます。送信者がネイティブスピーカーではないことが一目瞭然な、不自然な文章のフィッシングメールやテキストメッセージは誰もがご存じでしょう。しかし、この状態は急速に変化しています。攻撃者はAIを活用し、より洗練かつパーソナライズされた、一目で見破ることが困難なメッセージを作成するようになりました。毎日大量に届くメッセージの一つ一つを精査する時間的な余裕がない場合、これは大きな問題となります。AI以外にも、RaaS（Ransomware as a Service）といったものも存在します。これはいわばサブスクリプション型のサイバー犯罪であり、攻撃者に新たな手段を提供しながら攻撃のハードルを下げています。特に高等教育機関は標的となる要素が非常に多いため、こうした状況を深刻にとらえる必要があります。教育機関には学生の記録だけでなく、応募者の財務情報、教職員のデータ、寄付者や卒業生のリストなど、詐欺行為の温床となりうる情報が豊富に存在します。さらに、高度な研究、特に医薬品や軍事用途に関連する研究などが加われば、機密性の高い知的財産の宝庫となります。さらに、サイバー犯罪者の目的はもはや身代金だけに留まりません。政治的・社会的・学術的な理由で大学を攻撃するハクティビストも増えています。この場合、入学データ、研究プロジェクト、さらには入学選考の結果までもが標的になり得ます。高い知名度と資金力のある名門大学は特に魅力的なターゲットであり、脅威の状況は一般的なランサムウェア以上に複雑になっています。IT予算の縮小とスキル不足によるセキュリティリスクの上昇高等教育には、低コストで幅広いセキュリティを実現するというプレッシャーが存在します。EDUCAUSEによると、高等教育機関の42%が2025～2026年度にIT予算の減少を見込んでいます。同時に、大学キャンパスでは学期ごとに新しいユーザーが大量に追加され、IT職の離職率も比較的高いため、環境のパッチ適用、監視、セキュリティ維持がより難しくなっています。Dellと共同で作成したeBook「The...
Veeamが新たにリリースしたSoftware Applianceには、バックアップインフラにおける構築や保護の変化が反映されています。これにより、安全なデフォルト設定、自動パッチ適用、組み込みの不変性を備えた状態で、強化されたLinuxベースのバックアップシステムを導入できるようになりました。また、一貫性があり再現可能なプロセスでの管理も行えることで、運用効率とベースラインセキュリティが大幅に改善しました。しかし、レジリエンスは導入だけで完結するものではありません。Veeam Software ApplianceにWasabi Hot Cloud Storageを組み合わせることで、データセンターを超えた保護が実現します。つまり、安全で予測可能かつコスト効率が高い保護を、独立して管理されるクラウド層に拡張することができるようになりました。この重要性を理解するには、サイバーレジリエンスの真の意味、従来のバックアップとの違い、そしてサイバーレジリエンスが現在、効果的なデータ保護戦略の基準となっている理由などを踏まえて、基本に立ち返る必要があります。今、サイバーレジリエンスがなぜ重要なのかサイバーレジリエンスは、サイバーセキュリティの単なる言い換えではありません。これは、いかなる障害が発生した場合でもシステムの稼働とデータの信頼性を維持するためのより幅広い取り組みを指す用語です。また、サイバー攻撃、停電、ソフトウェアパッチの失敗、夜中の人為的な単純ミスなど、原因を問わず障害に耐え、迅速に復旧する能力を指します。そのため、サイバーレジリエンスは現代のデータ保護の指針として重視されています。Veeam Software Applianceは、ワークロードが実行される場所で一貫性があり安全な導入と自動パッチ適用を行い、レジリエンスを根本から強化します。Wasabiは、その保護をオフサイトへと拡張し、復旧用データを検証可能な状態で安全に保管します。これにより、攻撃だけでなく、現実世界で起こりうるあらゆるトラブルに備えた、完全なエンドツーエンドの戦略が構築されますVeeam Data...