Professional LexiconAI・LLM実務辞典

AI・LLMの実務で参照する用語を、分野別に整理して掲載します。

P の用語

Privilege Escalation
本来与えられていない高い権限を取得・利用できてしまう権限昇格。AI Agentでは、ツールの組み合わせや間接プロンプトインジェクションにより、利用者自身にない権限が行使される形でも起こり得る。
Policy Enforcement Point
認可ポリシーの判定結果を実際のアクセス許可・拒否として強制するシステム上の実施点。
Persistent Prompt Injection
メール、文書、チケット、Memory等へ悪意ある指示を残し、後のAI処理でも継続して影響させる攻撃。
Prompt Extraction
System Promptや内部指示等をモデルから引き出そうとする攻撃・試行。
Path Traversal
../等を利用して想定ディレクトリ外のファイルへアクセス・書き込みする攻撃。
Penetration Test
実際の攻撃手法を模擬してシステムの脆弱性や防御の有効性を確認するセキュリティテスト。
pickle / safetensorsのモデル読込リスク
Pythonのpickle形式は読込時に任意コード実行を起こし得る一方、safetensorsはTensorデータの安全な読込を重視した形式。入手元検証も必要。
Payload Splitting
禁止語や攻撃Payloadを複数のString、Variable、Turn等へ分割し、後段で再結合させることで単純なPattern-based Safety Checkを回避しようとする手法。
Prompt Version
利用したプロンプトの版を識別する情報。出力差分や障害原因の追跡に使う。
p50
観測値の50パーセンタイル。レイテンシ等の中央値として典型的な応答時間を見る指標。
p95
観測値の95パーセンタイル。遅い上位5%を除いた利用体験の境界を見る指標。
p99
観測値の99パーセンタイル。極端に遅い処理やテールレイテンシを把握する指標。
Postmortem
障害後に事実経過、原因、影響、対応、再発防止を整理する振り返り記録。個人の責任追及ではなく仕組みの改善を目的とし、AIの誤出力事例も対象に含める。
Prefill(推論フェーズ)
LLM推論で入力プロンプト全体を処理し、Attention計算とKV Cacheの初期状態を構築する生成前の計算フェーズ。
PagedAttention
KV Cacheを固定的な連続領域ではなくページ単位で管理し、メモリ断片化や無駄を減らしてLLM推論を効率化するAttention実装技術。
Pipeline Parallelism
モデルの層を複数デバイスへ段階的に分割し、異なるマイクロバッチをパイプライン状に処理する並列方式。
Prefix Cache
複数リクエストで共通するプロンプト先頭部分の計算結果やKV Cacheを再利用し、Prefillの計算量を減らすキャッシュ方式。
Position Interpolation
学習済みモデルの位置表現を縮尺変換・補間し、元の学習長より長いContextへ適応させる手法。
Pull Request
変更内容を本流へ統合する前にレビュー・テスト・承認を行うための提案単位。
Patch Management
ソフトウェア、モデル、依存ライブラリ等の脆弱性修正・更新を継続的に管理する運用。
Privacy Impact Assessment
個人情報・プライバシーに関するリスクを事前に特定・評価し、対策を検討する手続。
Proxy Variable
直接の敏感属性ではないが、他の情報を通じてその属性を強く推定できる代替変数。
Progressive Disclosure
初心者には必要最小限の操作だけを見せ、必要に応じて高度な設定を段階的に提示するUI設計。
Provenance
生成物・データ・モデル等がどこから来て、どの処理・編集を経たかという来歴情報。
PUE(Power Usage Effectiveness)
Data Center全体のEnergy使用量をIT EquipmentのEnergy使用量で割る、Infrastructure Energy Efficiencyの代表指標。1に近いほどIT以外のEnergy Overheadが小さい。
Peppol / JP PINT
電子請求書等を事業者間で交換する国際的なPeppol Networkと、日本向け請求書仕様JP PINT。