はじめに
2027年に始まる"高度情報技術試験"（応用情報・旧高度試験の後継）の科目A-1（共通知識）は、7大分類・30中分類と範囲がとても広く、ここ数年で広まった新しい用語がたくさん含まれています。
本記事では、シラバス案から特に重要な用語を、"AI""セキュリティ""データ""開発・運用""法規"の5分野に分けて、1行で説明する早見表にまとめました。ストックして、スキマ時間の確認に使ってください。
1. AI（生成AI・AIエージェント）
| 用語 |
ひとことで |
| LLM |
大量のテキストで学習し、文章を生成する大規模言語モデル |
| Transformer |
自己注意（Self-Attention）機構を中心とした、LLMの土台となるモデル構造 |
| RAG（検索拡張生成） |
外部文書を検索してプロンプトに加え、根拠に基づいて回答させる手法 |
| In-Context Learning |
パラメータを更新せず、プロンプト中の例や情報から回答を導く能力 |
| ファインチューニング |
学習済みモデルを追加データで再学習し、特定用途に適応させること |
| RLHF |
人間のフィードバックを使った強化学習で、出力を人の好みに合わせる手法 |
| 量子化・蒸留 |
モデルを軽量化する手法。量子化は数値の精度を下げ、蒸留は小さいモデルに知識を移す |
| ハルシネーション |
AIが事実と異なる内容を、もっともらしく生成してしまう現象 |
| AIエージェント |
目標に向けて、計画・ツール利用・行動を自律的に行うAI |
| ReAct |
推論（Reasoning）と行動（Acting）を交互に繰り返すエージェントの設計パターン |
| CoT（Chain of Thought） |
途中の推論過程を段階的に出力させ、正答率を高める手法 |
| MCP |
AIと外部ツール・データをつなぐための標準プロトコル（Model Context Protocol） |
| A2A |
複数のAIエージェント同士が連携するためのプロトコル（Agent2Agent） |
| ガードレール |
AIの入力・出力を検査し、不適切な動作を防ぐ仕組み |
| Temperature |
生成のランダム性を調整するパラメータ。低いほど決定的、高いほど多様 |
2. セキュリティ（重点分野）
| 用語 |
ひとことで |
| ゼロトラスト |
社内外を問わず、すべてのアクセスを信頼せずに毎回検証する考え方 |
| プロンプトインジェクション |
悪意ある指示を入力や外部文書に紛れ込ませ、AIを不正に操作する攻撃 |
| データポイズニング |
学習データに不正なデータを混ぜ、AIモデルの挙動をゆがめる攻撃 |
| ランサムウェア |
データを暗号化（＋窃取）し、復旧や非公開と引き換えに金銭を要求するマルウェア |
| インフォスティーラー |
認証情報やブラウザのセッション情報を盗むマルウェア |
| サプライチェーン攻撃 |
取引先やソフトウェア部品など、関係先の弱点を経由して侵入する攻撃 |
| MITRE ATT&CK |
攻撃者の戦術・技術を体系化したナレッジベース |
| FIDO2／パスキー |
公開鍵暗号を使い、パスワードなしで安全に認証する仕組み |
| SIEM |
各種ログを集約・相関分析して、脅威を検知する仕組み |
| EDR／XDR |
端末（EDR）や複数の領域（XDR）で、不審な挙動を検知・対応する仕組み |
| SASE |
ネットワーク機能とセキュリティ機能をクラウドで一体提供する考え方 |
| SBOM |
ソフトウェアを構成する部品（ライブラリなど）の一覧 |
| CVSS |
脆弱性の深刻度を数値で評価する共通の指標 |
| DMARC |
SPF・DKIMの結果を使って、なりすましメールの扱いを決める送信ドメイン認証 |
| 耐量子計算機暗号（PQC） |
量子コンピュータでも解読が難しいとされる暗号方式 |
3. データ
| 用語 |
ひとことで |
| データガバナンス |
データの管理ルールや責任を定め、組織として統制する活動 |
| データレイク |
生データを形式を問わずそのまま蓄積する場所 |
| DWH |
分析用に整理・統合したデータを蓄積するデータベース |
| データマート |
特定の部門・用途向けに切り出したデータ |
| レイクハウス |
データレイクとDWHの特徴を組み合わせたデータ基盤 |
| ETL／ELT |
抽出・変換・格納の処理。ELTは格納してから変換する |
| ベクトルデータベース |
文章などを数値ベクトルとして保存し、意味の近さで検索できるDB |
| DIKWモデル |
データ→情報→知識→知恵という、価値の段階を表すモデル |
| データリネージ |
データの発生元から加工・利用先までの流れ（来歴） |
4. 開発・運用
| 用語 |
ひとことで |
| DevOps |
開発と運用が協力し、素早く継続的にリリースする取組み |
| SRE |
ソフトウェアエンジニアリングの手法で、システムの信頼性を高める運用の考え方 |
| DORAメトリクス |
デプロイ頻度・変更のリードタイムなど、開発チームの成果を測る4つの指標 |
| カナリアリリース |
新しいバージョンを一部の利用者だけに先行公開し、問題がないか確かめる手法 |
| IaC |
インフラの構成をコードで記述・管理すること |
| MLOps／LLMOps |
機械学習モデル・LLMを継続的に開発・運用するための仕組み |
| AI駆動開発 |
生成AIを使ってコードの作成やテストなどを進める開発スタイル |
5. 法規・倫理
| 用語 |
ひとことで |
| 仮名加工情報 |
他の情報と照合しない限り個人を識別できないよう加工した個人情報 |
| 匿名加工情報 |
個人を識別できず、復元もできないよう加工した情報 |
| GDPR |
EUの個人データ保護規則。域外移転などに厳しい規制がある |
| XAI（説明可能なAI） |
AIの判断根拠を人が理解できるように示す技術・考え方 |
| シャドーAI |
組織が把握・許可していないAIサービスを業務で使うこと |
| AI事業者ガイドライン |
AIの開発・提供・利用に関わる事業者向けの国のガイドライン |
覚え方のコツ
- "ペアで覚える"：データレイクとDWH、仮名加工情報と匿名加工情報、EDRとXDRなど、違いを問われやすい用語はセットで覚える
- "攻撃と対策をつなげる"：プロンプトインジェクションとガードレール、ランサムウェアとバックアップのように、脅威と対策を結びつける
- "自分の業務に置き換える"：「自社でRAGを作るなら？」と考えると定着しやすい
