AttackIQのアドバーサリーレSEARCH担当VP、ポール・リード – インタビューシリーズ

ポール・リード、AttackIQのアドバーサリーレSEARCH担当VPは、サイバーセキュリティの世界で活躍するベテランです。リーディングテック企業での20年以上の経験を持ち、カスタマー、パートナー、分析家、ジャーナリストにサイバーセキュリティの進化を案内してきました。彼の専門分野はサイバーセキュリティ、バイオメトリクス、ネットワークセキュリティ、暗号理論に及びます。

最近では、顧客環境での新たな脅威を行動分析で検出することに焦点を当てたサイバーセキュリティ脅威ハンターのチームを率いてきました。ポールは、Prentice Hall Series in Computer Networking and Distributed Systemsに掲載された著者であり、サイバーセキュリティ関連の特許を複数取得しています。

AttackIQは、サイバーセキュリティ企業であり、侵入テストと継続的なセキュリティ検証を専門としています。MITRE ATT&CKベースのエミュレーションを使用してセキュリティコントロールをテストし、脆弱性を特定し、是正を優先順位付けします。2013年に設立されたAttackIQは、組織が防御態勢を強化し、SOCの効率を高め、リスクを軽減するのに役立ちます。

あなたはサイバーセキュリティのさまざまな分野で20年以上のリーダーシップを発揮してきました。アドバーサリーレSEARCHに興味を持ったきっかけは何ですか？それがAttackIQに至るまでの道のりを教えてください。

私のサイバーセキュリティへの関心は25年以上前に、ノベルネットワークの設定やディレクトリサービス（ノベル、Microsoft Active Directory、LDAP）で働いていたときに始まりました。その初期の経験から、アイデンティティ、認証、そしてアクセスの重要性を学びました。これらはどのセキュリティ戦略にも基礎となります。

その後、私はスマートカード認証に移り、PKCS #11ライブラリを書き、公開鍵インフラストラクチャ（PKI）が急成長していた時代にそれに没頭しました。対称鍵と非対称鍵の暗号技術で働くことで、デジタル環境における信頼の形成における暗号化の重要性を実感しました。

キャリアの中盤で、私はデータ分類に移り、組織が最も重要なデータを保護できるようにそれらの価値を理解するのに役立ちました。その経験は自然とユーザーおよびエンティティの行動分析（UEBA）につながり、そこでデータサイエンスと機械学習、Rプログラミングに触れました。

最終的に、私はグローバルな脅威ハンティングチームを率いて、国家による攻撃者の実時間追跡を行いました。その期間は激しく目覚ましいものでした。攻撃者の戦術、技術、手順（TTPs）を理解するには、毎日の対抗作戦に参加するより良い方法はありません。

その間、反復的なフラストレーションが生じました。私たちは「もしもXを行っていたら」または「Yコントロールがあれば」ということをよく言っていました。脅威認識と運用的防御準備の間にギャップがありました。

それが私をAttackIQに導いた理由です。現実世界の攻撃者をエミュレートすることで、防御の有効性を検証する機会が得られたのです。ここでは、脅威について理論化するのではなく、毎日それらをテストし、測定し、改善します。

私たちのチームは「悪いことを考えて、良いことを行う」という原則で動いています。攻撃者のように考えるのは害を加えるためではなく、顧客がそれらに備えるのを助けるためです。

あなたはTITUS、Interset、Micro Focusなどの企業でチームを率いてきました。脅威インテリジェンスとパートナー向け有効化の経験が、アドバーサリーエミュレーションの運用へのアプローチをどのように形作ってきたのでしょうか。

技術的な役割とマーケティング役割の両方で経験を積んだことで、脅威インテリジェンスがどのように実践的な成果に結びつくかを理解することができました。特にパートナー向け有効化の経験から、複雑なサイバーセキュリティ問題をCISOやSOCアナリストのようなさまざまな聴衆にとって実行可能で意味のある方法で伝える方法を学びました。

AttackIQでは、アドバーサリーエミュレーションは脅威の振る舞いを再現することだけではありません。MITRE ATT&CKフレームワークに沿ったエミュレーションを行い、組織が現実世界のシナリオでどのように対応するかを検証することです。そのためには技術的な厳格さだけでなく、教育、協力、セキュリティエコシステムの利害関係者の支援が必要です。

私の前の役割は、インテリジェンスと実行のギャップを如何に埋めるかを教えてくれました。脅威ランドスケープをどのようにプロアクティブに、測定可能に、守備可能に運用化するかを理解することができました。那がAttackIQでの私たちの使命の本質です。

あなたは現在、アドバーサリーレSEARCHを率いています。攻撃者がAIを大規模に採用する時代にいます。攻撃者のオフенсивAI戦術はどのように進化してきましたか？それに対して守備側はどうやって対応しているのでしょうか。

攻撃者はAIを利用して、攻撃のスピード、精度、規模を高めています。より個別化されたフィッシング詐欺、AI生成のソーシャルエンジニアリング、攻撃の効率化が見られます。これらの能力により、攻撃者は偵察と侵害の時間を短縮し、守備側の対応時間を圧縮しています。多くの組織はまだ反応的なプロセスと静的な検出ルールに頼っていますが、これらはAIを活用する攻撃者に対応するように設計されていません。守備側は、継続的な検証とエクスポージャー管理を採用してギャップを埋める必要があります。現実的な条件下で防御をテストし、新たな攻撃行動に迅速に対応する必要があります。

アドバーサリアルAIと従来のサイバーセキュリティ脅威をどう区別するのでしょうか？そして、効果的に対応するために、ツールだけではなく、心構えの転換が必要な理由を教えてください。

従来の脅威はよく知られたパターンに従うことが多いですが、アドバーサリアルAI戦術は変化性と適応性を持ち、守備側の前提を挑戦します。従来のルールベースの検出では対応できない、新しい攻撃パスを生成し、動的に防御を回避する能力を持っています。これに対応するには、戦略的な心構えの変化が必要です。事後にインシデントに反応するのではなく、シミュレーションを通じて脅威を予測し、コントロールを検証する必要があります。脅威インフォームドな心構えと、現実世界のエミュレーションをサポートすることが、新たなリスクに対抗する鍵です。

AttackIQはどのようにして脅威インテリジェンスを実践的な防御に翻訳していますか？また、ジェネレーティブAIの台頭に伴い、このプロセスはどのように変化していますか。

従来の脅威インテリジェンスの課題は、インサイトからアクションへの橋渡しです。アドバーサリーエミュレーションが解決します。既知の脅威行動についてのインテリジェンスを、防御の有効性を評価するための実行可能なテストに変換します。ジェネレーティブAIの登場により、脅威ランドスケープはより流動的になり、エミュレーションは静的な技術だけでなく、適応性とコンテキストアウェアな行動を反映する必要があります。AttackIQでは、MITRE ATT&CKとモデル化されたアドバーサリ行動をエミュレーションプランに取り込み、現実世界の攻撃をミラーします。これらのエミュレーションは、プロダクションのような環境で展開され、セキュリティコントロールが期待どおりに検出、防止、または対応するかを検証します。

継続的な脅威エクスポージャー管理（CTEM）はサイバーレジリエンス戦略の重要な要素となっています。AIパワードな脅威に直面して、組織はCTEMにどのようにアプローチするべきでしょうか。

CTEMは、静的なリスク評価から動的な、インテリジェンス駆動のセキュリティ検証へのシフトを表します。AIパワードな脅威に直面して、組織はエクスポージャーを動的な目標として扱う必要があります。つまり、静的なリスク評価ではなく、活的なテストに基づいてエクスポージャーを特定し、優先順位付けする必要があります。レッドチームとブルーチームは、適応性のある攻撃シミュレーションを通じて協力し、検出と対応能力を継続的にテストする必要があります。このアプローチを採用する組織は、迅速に適応し、投資とセキュリティコントロールの有効性を検証し、変化するランドスケープの中でレジリエンスを維持することができます。

AttackIQの「AIセキュリティの基礎」コースでは、MITRE ATLASやAIリスク管理フレームワーク（AI RMF）などのリスクフレームワークが扱われます。これらのフレームワークのどの側面が、企業環境では最も利用されていないか、または誤解されていると思いますか。

最も一般的な誤解は、これらのフレームワークを単に参考資料として扱い、運用ツールとしての役割を理解していないことです。MITRE ATLASは、AI/MLシステムを標的とする攻撃技術の静的なカタログではなく、セキュリティチームがAI特有の脅威をシミュレートし、検出、ログ、対応能力を検証するための戦術的アドバーサリーエミュレーションフレームワークです。問題は、多くの企業がまだMLパイプラインに対する攻撃を検出するための可視性やコントロールを構築していないため、ATLASをブレーアンドアタックシミュレーション戦略を通じてプロアクティブに使用することが極めて重要です。

一方、NISTのAI RMFは、コンプライアンスチェックリストではなく、AIシステムのリスクを測定、管理、そしてライフサイクル全体にわたるオーバーサイトを支援する戦略的ガバナンスフレームワークです。ATLASは戦術的ですが、AI RMFは戦略的です。これらのフレームワークは補完的なもので、ATLASがリスクの検証を可能にし、AI RMFがリスクのガバナンスを提供します。

私たちの「AIセキュリティの基礎」コースでは、AI RMFの「マップ」と「測定」機能、特に初期展開におけるこれらの機能の重要性を強調しています。これらの機能により、組織はシステムの使用と誤用シナリオをモデル化し、コンテキスト内のアドバーサリアル脅威を特定できます。ATLASと組み合わせることで、組織はAIセキュリティを運用化し、実証可能な方法でアプローチすることができます。

最終的に、機会はこれらのフレームワークを学術的なものとして扱わないことです。AI RMFとATLASを組み合わせることで、組織は脅威インフォームドでリスク駆動型のAIセキュリティアプローチを実現できます。

OWASP Top 10 for LLMsでは、プロンプトインジェクションからモデル盗難まで、LLMの新たな脆弱性クラスが強調されています。CISOが最も準備不足であると思われる脅威は何ですか？その理由を教えてください。

LLM03：2025サプライチェーン脆弱性は、既存のガバナンスとエンタープライズトラストの前提を利用して、コントロールをすり抜ける重要なブラインドスポットを悪用します。従来のセキュリティプログラムはソフトウェアパッケージとコード依存性に焦点を当てていますが、AIモデルはデータアセットとして扱われ、同じレベルのスクラチニーを受けていません。これにより、汚染された事前トレーニングモデル、毒性のあるLoRAアダプタ、または改ざんされたHugging Faceマージが検証やコード署名、行動評価なしでプロダクション環境に取り込まれる可能性があります。

企業は信頼できるAIエコシステムやレジストリがリスクを軽減するものと考えていることが問題を悪化させています。セキュリティチームはDevSecOpsパイプラインやサプライチェーンリスク管理プログラムがAIリスクをカバーしているものと考えているかもしれませんが、実際にはそうではありません。攻撃者はこの誤った信頼を利用し、オープンソースモデルツールを操作したり、アダプタをバックドア化したり、ファインチューニングに使用されるデータを毒性を持たせたりして、サイレントに悪意のある動作を埋め込むことができます。アドバーサリアルレッドチームとAIコンポーネントに対するSBOM相当のコントロールを明示的に考慮したガバナンスを採用しない限り、 дажеセキュリティがしっかりしている企業も信頼できるAIアーティファクトを介した運用的妥協のリスクにさらされる可能性があります。

レッドチームとブルーチームがAIを活用した攻撃シミュレーションを開始するにつれて、アドバーサリーエミュレーションはどのように進化しますか？シミュレーションベースのセキュリティ検証の新時代に入っているのでしょうか。

攻撃者がAIを運用に取り入れるにつれて、アドバーサリーエミュレーションもそれに合わせて進化する必要があります。レッドチームは、動的、AIのような行動をシミュレートする必要があります。ピボット、プライベートエスカレーション、適応的なTTPsをモデル化して、実際のAI駆動攻撃者がどのように行動するかを反映する必要があります。

私たちは、エミュレーションが継続的でインテリジェンス駆動型になる新しい時代に入っています。エピソード的な演習ではなく、シミュレーションはリアルタイムの脅威インテリジェンスを統合し、イテレーションはプロダクションのような環境で行われ、コントロールは予測不可能な条件下でテストされます。CTEMを通じて、このアプローチにより、セキュリティ検証は戦略的かつ運用的な機能になります。

今後、最も心配するAIリスクは何ですか？また、守備側が先んじる機会はどこにあると思いますか。

最も心配するリスクは、AIが複雑な攻撃の障壁を低下させていることです。以前は高度な技術スキルが必要だったことが、AIツールのコモディティ化によって誰でも利用できるようになっています。AIは、偵察を自動化し、エクスプロイトコードを生成し、カスタマイズされたフィッシングキャンペーンを実行し、伝統的な防御が適応するよりも速く動作します。

一方で、守備側にも並行した機会があります。AIと自動化をプロアクティブな防御に活用することができます。エミュレーションを自動化し、検出を加速し、リアルなリスクに基づいてエクスポージャーを優先順位付けすることで、セキュリティチームは攻撃者の動きを予測するのではなく、先んじて対応することができます。

素晴らしいインタビュー、詳しく知りたい読者はAttackIQを訪問してください。