テネーブル クラウド セキュリティの Liat Hayun – インタビュー シリーズ

Liat Hayun は、テネーブル クラウド セキュリティの製品および研究担当VPです。テネーブルに入社する前、Liat は、データ セキュリティ会社の Eureka Security を共同設立し、CEO を務めていました。Eureka Security は、テネーブルによって買収されました。Eureka Security を共同設立する前、Liat は、イスラエル サイバー コマンドとパロアルト ネットワークスでサイバーセキュリティ対策を指揮し、10 年以上のキャリアを積んでいます。パロアルト ネットワークスの製品管理VP として、Liat は、Cortex XDR と同社のマネージド サービスを開発しました。 (PANW )

テネーブル は、アメリカを拠点とするサイバーセキュリティ企業で、組織がデジタル攻撃面全体でセキュリティ脆弱性を特定、理解、優先順位付け、修復するのを支援しています。テネーブルは、エクスポージャー管理プラットフォームと、Nessus 脆弱性スキャナなどのツールで知られています。これらのツールにより、企業はIT インフラストラクチャ、クラウド、OT/IoT、アイデンティティ システムを跨ぐ脅威に対する可視性を得て、ビジネスに影響を与えるリスクを軽減するための決定を下すことができます。テネーブルのソリューションは、世界中の数万の顧客に、継続的な発見、優先順位付け、脅威の洞察を提供し、プロアクティブなサイバーリスク管理をサポートしています。

従来のAI モデルと比較して、自律型 AI エージェントはなぜより危険なのでしょうか。従来のAI モデルは、ユーザーのプロンプトに応じてのみ反応し、独立して動作しません。

自律型 AI エージェントは、タスクの開始、システムへのアクセス、決定の下し、他のサービスとのやり取りが、人間の管理なしで行われるため、リスクの性質が変わります。

その独立性により、潜在的な影響のスピードと規模が拡大し、データの漏洩、運用の混乱、財務上的損失の可能性が高まります。AI エージェントは、リアルタイムでデータ ストアにクエリを送信したり、ワークフローをトリガーしたり、API を呼び出したり、インフラストラクチャを変更したりできます。設定が不正であったり、妥協されたりすると、人間が検出または介入するよりも速く、許可された権限を使用してシステムを横断することができます。

テネーブルの クラウドおよび AI リスク レポート 2026 によると、現在、52% の組織が過剰な権限を持つ非人間のアイデンティティを所有しており、そのうちほぼ半分が休眠状態にあるため、生産環境全体で管理されていないアクセスが広がっています。つまり、攻撃者が利用できる、未使用のアクセスが多数存在します。

攻撃者は、Confused Deputy 問題を利用することが増えています。エージェント自体を妥協する必要はありません。代わりに、攻撃者は、間接的なプロンプトのインジェクションや操作された入力によって、認可されたエージェントを攻撃者の代理として行動させるように操作します。エージェントは、正当な権限を使用して、攻撃者の要求を実行します。自律システムが広範な権限を継承したり、過剰な権限を与えられたりすると、設定ミスから悪用までの時間が実質的に消失し、ゼロ マージンの AI エクスポージャー ガップが生じます。

多くの企業は、正式な承認なしに AI エージェントを実験しています。セキュリティ チームは、環境内に agentic AI がすでに動作しているかどうかを評価するために、最初の具体的なステップをどのように行うべきですか。

AI エクスポージャー ガップを閉じるには、従来の資産インベントリを超えた発見が必要です。実験段階は、組織が使用している AI、設定内容、付与されたアクセス権について十分に把握していないため、最も危険な段階となります。

AI エージェントは、通常、単一の明確にラベル付けされたシステム内に存在しません。多くのエージェントは、正式なガバナンスの外側で動作します。開発ツール、SaaS 統合、自動化ワークフロー、ブラウザ拡張機能、クラウド サービスに現れます。これにより、分散配置が生じ、盲点が増加し、中央管理が制限されます。これはすでに広く行われており、70% を超える組織が、少なくとも 1 つのサードパーティ AI またはモデル関連パッケージを統合しており、AI をアプリケーションやインフラストラクチャに深く組み込んでいますが、中央管理の監視は限られています。

最近の Clawdbot に関する研究は、実験的なエージェントの展開が、セキュリティ制御や設定標準が十分に理解される前に機能が展開された場合に、深刻なリスクをもたらす可能性があることを示しています。実験が終了し、組織がどの AI アプリケーションを採用するかを決定した後も、エージェントが使用される方法、持つ権限、重要な資産とのやり取りについて強力なガバナンスが必要です。

発見段階は、エンドポイント、クラウド インフラストラクチャ、外部攻撃面全体にわたる AI の存在に関する統一されたインベントリの確立から始める必要があります。これには、AI ライブラリ、エージェント、API、モデル サービス、サードパーティ統合の特定が含まれます。内部に展開されたシステムのみでなく、外部からアクセス可能なすべてのものを含みます。

次に、チームは、これらのエージェントがどのように接続されているか、どのデータにアクセスできるか、どのアイデンティティを使用するか、どの権限を持つか、どのシステムに到達できるかを把握する必要があります。可視性にはコンテキストが必要です。リスクは関係から生じます。

最後に、実験の後、組織は、これらの接続が重要な資産に到達可能なパスを作成するものを特定し、AI エクスポージャー ガップを閉じる必要があります。

サプライ チェーン攻撃や特権昇格などの既知の脅威と比較して、公開された制御面や未検証のサードパーティ「スキル」のようなリスクはどうなりますか。

未検証のサードパーティ スキルと公開された制御面は、サプライ チェーンの妥協や特権昇格と同様のリスクを拡大しますが、スピード、規模、接続性が増大します。

サードパーティ エージェント スキルは、ソフトウェア サプライ チェーンの依存関係のように機能し、既存のエクスポージャー面は重要な重みを持ちます。86% の組織が、重大な脆弱性を持つサードパーティ コード パッケージをホストしています。自律型 AI エージェント内でこれらのコンポーネントが動作すると、実行は継続的かつ自動化され、妥協と影響の間の時間が消失します。

公開された制御面は、アイデンティティとアクセス層のリスクを拡大し、新しい運用インターフェイスを作成します。これらのインターフェイスは、昇格された権限を持ちます。18% の組織は、AI サービスが過剰な権限を与えられた役割を引き受けることを許可しています。自動化システムは、環境全体で広範なリーチを持ちます。Agentic AI は、これらのエクスポージャーを単一の運用チェーンにリンクします。脆弱な依存関係、過剰な権限、公開されたインターフェイスが組み合わさることで、到達可能な攻撃パスが形成されます。組織は、エクスポージャーと悪用がほぼ同時に発生するゼロ マージンの環境で運営されています。

防御の観点から、組織は内部システムまたは機密データへのアクセス権を持つ AI エージェントを展開する際に、「良い衛生状態」とはどういったものですか。

良い衛生状態は、AI エージェントを、システムやデータ全体で権限を持つデジタル エージェントとして扱うことから始まります。組織は、すべてのエージェントについて、どのタスクを実行し、どのシステムに到達できるかを、継続的に可視化する必要があります。チームは、機械とサービス アイデンティティの最小権限を適用し、休眠アクセスを削除し、権限を厳密にスコープする必要があります。各エージェントは、特定のタスクにのみ専念し、権限とアクセスは厳密にその機能に限定される必要があります。

これは重要です。未使用のアクセスは広く行われています。過剰な権限を持つアイデンティティのほぼ半分が休眠状態にあり、デフォルトの AI 実行ロールの 70% が未使用であるため、価値を提供せずにリスクをもたらすエスカレーション パスが作成されます。

セキュリティ チームは、インフラストラクチャ、データ ストア、API、応用プログラム全体の関係を理解する必要があります。接続のマッピングにより、脆弱なワークロードが、過剰な権限を持つエージェントを介して機密データに到達できる有毒なエクスポージャー コンバインが明らかになります。

強力な衛生状態には、継続的なガバナンスも必要です。組織は、エージェントの動作を監視し、統合を制御し、データのガードレールを適用し、定期的に権限を検証する必要があります。これらの実践により、AI エクスポージャー ガップが閉じ、到達可能な攻撃パスが除去されます。

イノベーションを妨げないまま、AI 攻撃面を迅速に保護するために、組織はどのような措置を講じるべきですか。

組織は、AI 攻撃面を、スピードと精度をもって、エクスポージャーを減らすことで保護できます。

そのためには、まず、AI システムが重要な資産に到達可能なパスを作成するものを特定する必要があります。80% を超える組織が、すでに実世界で悪用されている脆弱性を持つワークロードを実行しています。リスクは、ほとんどの環境内に既に存在しています。セキュリティ チームは、実際の影響をもたらす接続に焦点を当てる必要があります。

次に、自動化がスケーラビリティを可能にすることを理解する必要があります。継続的な発見、コンテキストによる優先順位付け、ガイド付きの修復により、チームはリスクを軽減しながら開発の速度を維持できます。

ガバナンスのガイドラインが採用を保護する一方で、ジャストインタイム アクセス、監視されたデータ フロー、制御された統合により、組織は AI の活動を管理しながらイノベーションを維持できます。

これらのステップにより、AI エクスポージャー ガップが縮小され、高リスクのアクセスと安全でない接続が除去され、システムが保護されながら AI の採用が進むことができます。

CISO は、AI エージェントがプロダクション システムにアクセスする際に、アイデンティティ、権限、スコープについてどのように考えるべきですか。

CISO は、AI エージェントを、システムとデータ全体で権限を持つ高速な非人間のアイデンティティとして扱う必要があります。

アクセス決定は、精度に焦点を当てる必要があります。権限は、特定のタスクに合致し、時間的に限定され、継続的にレビューされる必要があります。過剰な権限は、システムがマシンスピードで相互作用する場合に、リーチと影響を拡大します。

セキュリティ リーダーは、有効なリーチについて明確な洞察が必要です。権限、ネットワーク パス、データ アクセス、サービス統合の組み合わせは、エージェントが実際に何ができるかを定義します。これらの関係を理解することで、影響をもたらす前に潜在的なエクスポージャーが明らかになります。

アイデンティティは、インフラストラクチャ、データ、アプリケーションを、AI エクスポージャー ガップを跨いで結び付けます。厳格な権限設計は、被害の範囲を制限し、コントロールを維持します。エクスポージャーの発見から悪用までの時間がほぼゼロの場合、アイデンティティ ガバナンスは、AI がプロダクションでどれほど安全に動作するかを決定します。

Agentic AI は、既存のセキュリティ フレームワークを再考させるでしょうか。あるいは、今日のモデルを Agentic AI のリスクに対処するために適応させることができますか。

セキュリティの原則は一貫していますが、運用モデルは進化しています。Agentic AI は、システム、アイデンティティ、データを、継続的に変化し、マシンスピードで動作するダイナミックな環境に結び付けます。人間のオペレーターとは異なり、エージェントは、判断を適用したり、適切な要求と不適切な要求を区別したりしません。エージェントは、指示と権限に基づいて実行されます。これにより、厳格なコントロールとガバナンスの重要性が高まります。

リスクは、インフラストラクチャ、ソフトウェア サプライ チェーン、アイデンティティ層の関係から生じます。組織は、修復サイクルが追いつくよりも速くエクスポージャーを継承します。自動化された展開と自動化された悪用により、応答時間が圧縮され、運用的圧力が増大します。

セキュリティ フレームワークは、エクスポージャーの可視性と削減に焦点を当てる必要があります。チームは、存在するもの、システムがどのように接続されているか、どのパスが重要な資産に到達するかについて、継続的な洞察が必要です。

決定的な課題は、AI エクスポージャー ガップを跨ぐ、相互接続したリスクを管理することです。セキュリティ プログラムは、到達可能なエクスポージャーを継続的に削減し、複雑な環境でコントロールを維持することで成功します。

将来、Agentic AI セキュリティの研究において、どのような分野に重点を置くべきですか。これらのツールが実験的なものからミッションクリティカルなものへと移行するにつれて。

いくつかの研究分野が、Agentic AI セキュリティの将来を形作ります。

まず、非人間のアイデンティティ エコシステムの成長についての分析が必要です。組織は、インフラストラクチャ、データ、サービス全体で動作するマシン アイデンティティを急速に拡大しています。特権パターン、動作、ライフサイクル管理の理解は、必須です。

2 番目に、多段階の攻撃パス モデリングの研究を進める必要があります。AI システムは、ソフトウェア サプライ チェーン、クラウド インフラストラクチャ、アイデンティティ層を接続します。これらの要素がどのように相互作用するかを理解することで、リスクの予測と優先順位付けが向上します。

3 番目に、自律的な意思決定のガバナンスに重点を置く必要があります。セキュリティ チームは、エージェントがどのようにデータにアクセスし、処理し、時間の経過とともに転送するかについての可視性が必要です。

最後に、悪用のスピードは、継続的に加速しています。攻撃者と防御者がマシンスピードでどのように動作するかを研究することで、対応戦略が形作られます。

将来のセキュリティは、AI エクスポージャー ガップを理解し、削減することに依存しています。研究は、全攻撃面を跨ぐ相互接続されたエクスポージャーを制御することに焦点を当てる必要があります。

fenders operate at machine speed will shape response strategies. Future security depends on understanding and reducing the AI Exposure Gap. Research must focus on controlling interconnected exposure across the entire attack surface. Thank you for the great interview, readers who wish to learn more should visit Tenable.