
Basedash のネイティブ監査ログ — すべてのサインイン、クエリ、設定変更が記録され、AI が実行したすべてのクエリも属性付きで追跡可能です。誰が何をいつ見たかをワンクリックのフィルターで確認でき、イベントを SIEM にストリーミングし、保持期間をポリシーに合わせて設定し、API 経由でログを取得できます。SSO、SCIM、RBAC とともに、セキュリティレビューやエンタープライズ展開向けに構築されています。あなたの BI ツールにようやくメモリが搭載されました。すべてのアクションが記録に残ります。
メーカー
sleepyfox
製品キーワード
コメントを読み込み中...
Basedash Audit Logsは、Basedash組織全体でのすべてのアクティビティ(サインイン、ダッシュボードの閲覧、データのエクスポート、クエリ、設定変更)を記録する、ネイティブで組み込みの記録です。誰が、いつ、何をしたかを把握し、AIアシスタントが実行するすべてのクエリも含めて、完全な帰属とトレーサビリティを提供します。この機能は、BI環境に永続的なメモリを与え、「先四半期に誰が顧客データにアクセスしたのか?」といった曖昧な質問を、徹底的な調査ではなく、簡単なフィルタに変えることを目的としています。
監査ログは、アクセスイベント(サインイン、閲覧されたダッシュボード、開かれたテーブル、作成されたエクスポート)、クエリイベント(人またはAIによって実行されたすべてのクエリ)、および設定イベント(グループ、権限、データソースアクセス、組織設定の変更)を記録します。各イベントには、アクター、アクション、リソース、タイムスタンプが含まれます。
Basedash AIが質問に回答するとき、基になるクエリはログに記録され、帰属され、トレース可能です。質問内容、実行されたSQL、AIが誰のために作業していたかが含まれます。AIのアクションは、人間のアナリストと同じ説明責任基準に準拠しています。
イベントはSIEMにストリーミングするか、オンデマンドでエクスポートできます。保持期間はコンプライアンスポリシーに合わせて設定でき、監査イベントはBasedash開発者プラットフォームを通じてプログラムで取得できます。これらのコントロールは、既存のセキュリティレビューワークフローに直接組み込むことができます。
監査ログは、Basedashの既存のエンタープライズコントロール(SSO、SCIMプロビジョニング、ロールベースのアクセス制御、行レベルのセキュリティ)に加わり、SOC 2 Type IIコンプライアンスを補完します。このモデルは、中央集権的なアイデンティティ、明示的な認可、管理されたデータアクセス、そして現在はそのすべての完全な記録です。
すべてのアクションを記録に残します。
ほとんどのBIツールには、誰がダッシュボードを閲覧したか、CSVをエクスポートしたか、データソースアクセスを変更したかという記憶がありません。Basedash Audit Logsは、このギャップをネイティブに埋めます。後付けのサードパーティツールは不要で、盲点もありません。AI生成のクエリが人間のものと同じ厳密さでログに記録されることは特に注目に値します。AIネイティブなアナリティクスプラットフォームは、答えよりも多くのセキュリティ上の疑問を提起することが多いからです。ここでは、AIの作業は最初から完全に帰属可能です。
セキュリティレビューの準備をしている、大規模な組織全体にBIを展開している、またはコンプライアンス関係者にデータアクセスとクエリ履歴を証明する必要がある場合。チームがAI支援アナリティクスに依存しており、セキュリティチームがAIが機密データで何をしているのかを正確に把握する必要がある場合、この機能はその懸念を簡単なフィルタに変えます。すでにSSO、SCIM、RBACを使用しており、1つのプラットフォームで完全なガバナンスストーリーを求めている場合にも関連します。
検討すべき他のツール
最先端のオープンソースモデル(GLM 5.1、Kimi K2.7 Code、MiniMax M2.7 など)をClaude Code上で、最大4倍の速度(最大200トークン/秒)で、月額一律29ドルで実行できます。数分でセットアップでき、コードの変更は不要です。
BaseRT は Apple Silicon 上で最速の LLM ランタイムです。ワンコマンドでインストールし、ローカルモデルを自分のデバイス上で実行できます。
世界はAI需要に追いつくだけの計算リソースを十分に構築できていません。そこで私たちは別の道を選びました。ZeroGPUは、既存の計算リソースを再利用するハイブリッドエッジネットワーク上で動作する小規模言語モデルを活用したAIインフラです。すべてのタスクにフロンティアモデルが必要なわけではありません。私たちの目的特化型でエッジ最適化されたモデルは、10倍高速、50%低コストで動作し、フロンティアレベルの精度を維持しながら、実運用タスクの70~80%を小規模モデルにオフロードします。
エージェントが何かをデプロイしようとする瞬間、人間向けに作られた壁に正面からぶつかります。本日、Cloudflare Workers 上で一時アカウントを展開します。これにより、あらゆるエージェントが wrangler deploy --temporary を実行し、数秒でライブの Worker を取得できるようになります。
コメントを読み込み中...