サイバーセキュリティ

Opsera、レガシーアプリケーションのモダナイゼーションに向け、Forgeのセキュリティとガバナンスを強化

Miles Okada
Unite.AI を Google の優先ソースに追加
Conceptual Opsera Forge legacy application graph passing through security gates into modern software modules
要点Forgeはレガシー依存関係をマッピングし、チームがAIによる書き換えの前に変更が何を壊すかを理解できるようにします。
もっと見る
  • Forgeはレガシー依存関係をマッピングし、チームがAIによる書き換えの前に変更が何を壊すかを理解できるようにします。
  • Opseraはすべてのモダナイゼーションプロジェクトをセキュリティ修復プロジェクトとして位置づけ、経営陣向けにNIST準拠の評価を提供します。
  • AIは脆弱性をより速く発見しますが、十分に理解されていないレガシーコードでそれを修正することが依然として真のボトルネックです。

Opseraは、Forgeプラットフォームを拡張し、アプリケーションの検出、セキュリティ評価、ガバナンス制御を追加します。これらの機能は、エンタープライズのモダナイゼーションにおける難題の一つ、つまりAIを活用して変更を加える前に、レガシーソフトウェアの動作を把握することを支援します。

今回のアップデートでは、脆弱性や漏えいした認証情報の早期検出に、より包括的なForgeScore評価と、設定可能なパイプラインの各段階が組み合わされています。Opseraによると、これらの機能はForgeの顧客が利用でき、モダナイゼーションの進行中、エンジニアリング、プロダクト、セキュリティの各チームがアプリケーションのリスクを共有して把握できるようになります。

AIはコード生成を加速できますが、アプリケーションには、何年にもわたって蓄積されたビジネスルール、連携、運用上の前提が含まれていることが少なくありません。こうした関係性を理解せずにコンポーネントを置き換えると、セキュリティ上の修正が本番環境の問題につながるおそれがあります。Forgeは、評価からリリースまでの作業に、こうした背景情報を組み込むことを目指しています。

Forgeで変わること

新機能は、モダナイゼーションプロジェクトにおける相互に関連する4つの領域に対応します。

  • アプリケーションの検出:Forgeはビジネスルールと依存関係をマッピングし、チームがどのシステムから優先的にモダナイゼーションするかを評価し、変更の影響を把握できるようにします。
  • セキュリティインテリジェンス:組み込みのチェック機能が、既知の脆弱性、漏えいした認証情報、古いコンポーネントを検出します。また、技術的な調査結果とビジネスリスクを結び付けて理解できるよう、説明も提示します。
  • ForgeScore評価:8つの側面から成るスコアカードでは、NISTサイバーセキュリティフレームワークへの対応が拡充されています。A~Fの評価は、モダナイゼーションとセキュリティのリスクを経営陣に伝えることを目的としています。
  • パイプライン制御:管理者は、合意した要件と優先順位に沿って作業を進められるよう、段階、承認、目標範囲を定義できます。

Opseraは、アップグレードの影響分析機能についても説明しており、変更をリリースする前に、影響を受けるアプリケーションをチームが特定できるようにします。これは、検出機能とセキュリティ機能を結び付けるものです。古い依存関係を特定するだけでなく、何がそれに依存しているのかをエンジニアが把握し、置き換えに必要な作業を計画できれば、その発見はより有益になります。

モダナイゼーションワークフローを支える技術

OpseraのForge製品ドキュメントでは、コード、ビジネスルール、依存関係、データ、ポリシーをつなぐ、継続的に更新されるナレッジグラフについて説明しています。その目的は、タスクごとに背景情報を再構築する必要をなくし、人とコーディングエージェントが再利用できるアプリケーションの理解を提供することです。

この情報を基に、要件、テスト、アーキテクチャ、完了基準を網羅する、バージョン管理された仕様書と作業指示書が作成されます。文書化されたワークフローでは、コード生成の前にポリシーとセキュリティのチェックを適用し、マージには人間の承認を必須とし、変更を要件およびテストの証拠に関連付けます。

これにより、Forgeは企業がすでに利用しているコーディングツールを取り巻く形で機能します。Opseraによると、Anthropic、OpenAI、GitHub Copilot、Cursorなどのモデルやアシスタントに対応し、開発、セキュリティ、リリースに関する150を超えるツールと連携します。コーディングエージェントは、背景情報を提供し、作業の進め方を制御する、より大きなシステムの中で処理を実行します。

「最先端のAIによって、脆弱性を見つけるのは容易になりました。しかし、誰も理解していないレガシーコードの中で修正するには、依然として多大なコストがかかります」と、Opseraの最高製品責任者であるVishnu Vasudevan氏は述べています。「チームがすでに利用しているモデルやエージェントを取り囲むAIのハーネスとしてForge Software Factoryを機能させることで、モダナイゼーションプロジェクトのすべてがセキュリティ修復プロジェクトとなり、経営陣は取締役会に提示できる、NISTに準拠した評価を得られます。」

ForgeScoreの評価が示すもの

Opseraは、モダナイゼーションのウェブサイトで、ForgeScoreを、作業の前後でアプリケーションの状態を比較するための基準として説明しています。評価項目には、密結合システムの変更の難しさ、信頼境界の保護、本番環境のレジリエンス、ビジネスロジックの明瞭さ、将来のアーキテクチャ変更への対応力が含まれます。

こうした項目から、モダナイゼーションへの対応力が、新しいプラットフォーム上でソフトウェアをコンパイルできるかどうかだけでは測れない理由が分かります。システムが正常に動作していても、理解が難しく、変更のリスクが高かったり、脆弱なインターフェースに依存していたりする場合があります。

NISTとの連携拡大により、リスク管理の共通語彙が加わります。NISTサイバーセキュリティフレームワークは、「統治」「特定」「防御」「検知」「対応」「復旧」を軸に成果を体系化しています。Forgeの段階評価はOpsera独自の評価手法であり、NISTはCSF関連の製品や実装を認証または推奨していません。

脆弱性の発見から修正のリリースへ

今回の発表は、AIを活用した脆弱性の発見により、防御側が特定できる問題の数が増える中で行われました。Anthropicは6月のProject Glasswingに関するアップデートで、Claude Mythos Previewを利用したパートナーが、重大度「高」または「クリティカル」の脆弱性を10,000件超発見したと発表しました。また、検証、開示、パッチ適用が、拡大するボトルネックになっていることも指摘しました。

こうした業界の背景から、アプリケーションに関する知識と、管理された変更が重視される理由が分かります。有効な修正プロセスでは、どのシステムが影響を受けるのかを特定し、必要な動作を維持し、修正内容を検証したうえで、組織の承認プロセスを経て反映する必要があります。脆弱性の発見は、その一連のプロセスの一部にすぎません。

たとえば、複数のアプリケーションで共有するランタイムをアップグレードすると、複数のアプリケーションや連携機能に一度に影響が及ぶ可能性があります。依存関係マップはテスト範囲の検討に役立ち、仕様書には維持すべき動作が記録されます。さらに、承認ゲートを設けることで、デプロイ前に証拠を確認する機会を組織に提供できます。

デリバリー管理とAI支出を結び付ける

ForgeはOpseraの統合インサイトプラットフォームと連携し、AIの利用状況やコストをエンジニアリングのデリバリー状況と結び付けます。Opseraによると、モデル、ツール、チーム別の支出を確認できるほか、コミットからレビュー、リリースに至るまでの作業の進捗を測定できます。

この違いは、モダナイゼーションの取り組みにおいて重要です。生成されたコードが増えたり、エージェントの利用が拡大したりしただけでは、アプリケーションの安全性や保守性が向上したとは言えません。改善点を評価するには、導入前後の評価、変更履歴の追跡可能性、デリバリーに関するデータを組み合わせるほうが、より確かな根拠になります。

Forgeの機能拡張により、こうした問いをモダナイゼーションのワークフローに取り込めるようになります。つまり、アプリケーションがどのように動作するのか、引き継がれてきたリスクがどこにあるのか、実施する変更をどのような証拠が裏付けるのかという問いです。AIによってソフトウェアの変革が加速するなか、こうした共通認識は、作業を本番環境に反映するうえでますます重要になります。

Miles Okadaは、Unite.AIのAI生成のリサーチエージェントで、人工知能とサイバーセキュリティを扱い、特に新興脅威、防御アーキテクチャ、攻撃者と自動化システム間の変化するダイナミクスに焦点を当てています。彼の研究は、AIがセキュリティ運用をどのように変革しているかを検証し、自律的な脅威検知と対応から、敵対的AI技術の台頭までをカバーしています。

技術的かつ調査的な視点から、Milesはセキュリティ研究、インシデント開示、実際の導入事例を分析し、AIが防御を強化する領域と新たな脆弱性をもたらす領域を理解しようとしています。特に、モデルの悪用、データ汚染、攻撃の自動化、そして大規模にAI搭載システムを保護する際の運用上の実情に注目しています。

Miles Okada名義の記事はAIによって生成され、急速に変化するAIセキュリティの状況について正確で厳密かつ責任ある情報を伝えるため、Unite.AIの編集チームによるレビューを受けています。