進化する攻撃に旧来の防御が追いつかないとき：プロアクティブなAIセキュリティの時代

セキュリティの分野で働いている人は、常に追いつけるように感じているかもしれません。新しい脆弱性が発見され、最新のランサムウェアの話題が持ち上がり、また別の巧妙な手口が防御者を驚かせます。一方で、多くの保護はまだ古いインターネットの考え方に基づいており、ネットワークには明確な境界があり、攻撃者はゆっくり動いていた時代のものです。

数字はこれが単なる感覚ではないことを示しています。最新のIBMのデータ漏洩コストレポートによると、2024年の世界平均でのデータ漏洩コストは448万ドルで、前年より10%増加しました。これは、パンデミック以降で最大の増加率であり、セキュリティチームがツールや人員に多く投資しているにもかかわらず、発生しています。

Verizonのデータ漏洩調査レポート2024では、3万件以上のインシデントと1万件以上の確認されたデータ漏洩を分析しています。攻撃者が盗まれた資格情報、Webアプリケーションの脆弱性、ソーシャルエンジニアリングなどの手法を利用していることを強調しています。また、組織がパッチの適用に平均55日かかっていることも指摘しています。攻撃者はこの間に快適に活動できます。

ヨーロッパでは、ENISAの脅威ランドスケープレポート2023も、ランサムウェア、サービス拒否攻撃、サプライチェーン攻撃、ソーシャルエンジニアリングなどの混合脅威を指摘しています。ENISAの別の研究では、2021年に2020年と比較してサプライチェーン攻撃が4倍増加したと推定しています。

状況はシンプルですが、心配です。データ漏洩はより一般的になり、より高価になり、より複雑になり、ツールの改善にもかかわらず、多くの組織の防御はまだ古い考え方に基づいています。

クラシックセキュリティモデルの衰退

長い間、サイバーディフェンスのイメージはシンプルでした。内部と外部の明確な境界があり、ファイアウォールやフィルタを使用して強固な周囲を構築します。エンドポイントにウイルス対策ソフトを導入し、既知の悪性シグネチャを探します。ルールを調整し、アラートを監視し、明らかな問題が発生したときに反応します。

このモデルには3つの大きな問題があります。

第一に、境界はほとんどなくなりました。人々はさまざまなデバイスを使用してどこからでも作業し、データはパブリッククラウドプラットフォームやソフトウェアとしてのサービスツールに保存されています。パートナーとサプライヤーは内部システムに直接接続しています。ENISAのサプライチェーン研究によると、侵入は中央サーバーへの直接的なフロントアタックではなく、信頼できるパートナーまたはソフトウェアアップデートから始まることが多いです。

第二に、既知のシグネチャに焦点を当てることは大きな盲点を残します。現代の攻撃者はカスタムマルウェアと「土地に生きる」ことを組み合わせて、内蔵のスクリプトツール、リモート管理エージェント、日常的な管理アクションを利用します。各ステップは見た目には無害に見えるかもしれませんが、攻撃者が各キャンペーンで小さな詳細を変更する場合、シグネチャベースのアプローチでは大きなパターンを見逃す可能性があります。

第三に、人間は過負荷です。Verizonのレポートによると、脆弱性の悪用がネットワークへの侵入の主要な方法となっており、多くの組織がパッチの適用に苦労しています。IBMの研究によると、長い検出と包含時間はデータ漏洩コストの増加の主要な理由です。アナリストはアラート、ログ、手動のトリアージの山の下にいる一方で、攻撃者はできるだけ自動化しています。

したがって、攻撃者は速く自動化されていますが、防御者はまだ手動の調査と古いパターンに大きく依存しています。このギャップに人工知能が入ります。

攻撃者はすでにAIを仲間として扱っている

人々がセキュリティにおけるAIについて話すとき、防御ツールが悪者を捕まえるのを助けるというイメージが先にあります。現実は、攻撃者もAIを利用して作業を簡単にするのと同じくらい熱心です。

Microsoft Digital Defense Report 2025 では、国家支援グループがAIを使用して合成メディアを作成し、侵入キャンペーンの一部を自動化し、影響作戦を拡大する方法について説明しています。Microsoft (MSFT ) の脅威インテリジェンスに関する別のまとめでは、2024年半ばから2025年半ばにかけて、AI生成の偽のコンテンツを含むインシデントが200件以上発生し、前年比で2倍以上、2013年比で10倍以上に増加したと報告しています。

実際には、これはネイティブスピーカーが書いたようなフィッシングメッセージのようです。信頼できるリーダーやパートナーを装うディープフェイクオーディオやビデオのようです。AIシステムが大量の盗まれたデータを処理して、環境、スタッフ、第三者の最も価値のある詳細を見つけるのを手伝うのです。

最近のFinancial Timesのサイバー攻撃におけるエージェントAIに関する記事では、ほとんど自治的なスパイ作戦について説明しています。ここでは、AIコーディングエージェントが、限られた人間の入力で、偵察からデータ抽出までのほとんどのステップを処理しました。この特定のケースについてどう思うかに関係なく、進行方向は明らかです。攻撃者はAIに面白くない作業を任せたいと思っています。

攻撃者がAIを使用してスピードを上げ、混ざり込み、ターゲットを増やしている場合、防御者は従来の周囲のツールや手動のアラートトリアージだけに頼ることはできません。防御側も同等の知能を導入するか、ギャップが拡大するだけです。

反応的な防御からプロアクティブなセキュリティ思考へ

最初の実質的な変化は技術的なものではなく、精神的なものです。

反応的な姿勢は、明らかな問題の兆候を待ち、対応するという考えに基づいています。新しいバイナリが検出されます。既知のパターンに一致するため、アラートが発生します。アカウントに明らかな侵害の兆候が表示されます。チームが飛び込み、調査し、クリーンアップし、同じパターンが再発生しないようにルールを更新します。

攻撃が遅く、まれな世界では、これはよいかもしれません。しかし、常に探査する攻撃、迅速に広がる悪用、AI支援のキャンペーンを持つ世界では、遅すぎます。シンプルなルールがトリガーするまでに、攻撃者はすでにネットワークを探査し、敏感なデータに触れ、フォールバックパスを準備しています。

プロアクティブな姿勢は別の場所から始まります。常に敵対的なトラフィックに接触していることを前提とします。いくつかのコントロールが失敗することを前提とします。異常な動作をどのくらいの速さで発見できるか、どのくらいの速さでそれを包含できるか、そしてそれからどのくらいの速さで学ぶかが重要です。このフレームでは、核心的な質問は非常に実際的になります。

• 主要システム、ID、データストアに対する継続的な可視性を持っていますか?

• 通常の動作からの小さな逸脱を、既知の悪性シグネチャだけでなく発見できますか?

• その洞察を、チームを焼き尽くさないように、迅速で繰り返し可能な行動に結び付けることができますか?

AIはそれ自体で解決策ではありませんが、現代の環境が求めるスケールでこれらの質問に答える強力な方法です。

AI駆動のサイバーセキュリティポストの姿

AIは、脅威に対する単純な「はい」または「いいえ」の見方から、より豊かな動作ベースの絵に変化をもたらします。検出面では、モデルはIDの活動、エンドポイントのテレメトリ、ネットワークフローを監視し、環境に何が正常に見えるかを学習できます。既知の悪性ファイルをブロックするだけでなく、ユーザーが不通常の場所から不通常の時間にログインし、以前に接続したことのないシステムに切り替え、そして大量のデータを移動し始めたときにフラグを上げます。各イベントは単独で見過ごされやすいですが、組み合わせたパターンは興味深いものです。

露出面では、AI支援ツールが実際の攻撃面をマッピングできます。パブリッククラウドアカウント、インターネットに公開されたサービス、内部ネットワークをスキャンして、忘れられたテストシステム、誤って構成されたストレージ、公開された管理パネルを見つけます。これらの発見を実用的リスクストーリーにまとめることができます。これは、組織内で影のAIが増えており、チームが中央の管理なしに独自のモデルやツールをスピンアップしている、IBMが最近のデータ漏洩コストレポートで指摘している深刻なリスク領域において特に重要です。 

対応面では、AIはより迅速で一貫性のある対応を支援できます。いくつかのセキュリティ運用センターは、人間のアナリストに実時間で包含ステップを提案し、長い調査タイムラインをまとめるためにAI支援システムを使用しています。米国サイバーセキュリティ・インフラストラクチャ・セキュリティ庁は、AIリソースで、AIが連邦システム全体で脅威データのストリームを分析し、不通常のネットワーク活動を検出するのにどのように役立つかを示しています。

これは人間の判断を必要としないことを意味しません。AIは、人間の防御者が深い調査や難しい設計上の質問、たとえばID戦略やセグメンテーションに集中できるように、常時の監視、パターンの発見、初期トリアージの一部を引き継ぐ力乗算器となります。

この方向に進む方法

セキュリティを担当している場合、これは大規模で抽象的なように聞こえるかもしれません。良いニュースは、反応的なものからプロアクティブなものへの移行は、巨大な変革ではなく、いくつかの実践的なステップから始まることが多いということです。

最初のステップは、データストリームを整理することです。AIは見ることができる信号だけが有効です。IDプロバイダー、エンドポイントツール、ネットワークコントロール、クラウドプラットフォームがすべてログを別々のシロに送り込む場合、すべてのモデルには盲点があり、攻撃者には隠れ場所があります。最も重要なテレメトリの集中的な見方に投資することは、実質的なAIサポートが可能になる基盤です。

2番目のステップは、AIをどこにでも散りばめるのではなく、特定のユースケースを選択することです。多くのチームは、ユーザーアカウントの動作分析、クラウド環境の異常検出、またはスマートなメールおよびフィッシング検出から始めます。既知のリスクがある领域で、パターン認識が大きなデータセットで明らかに役立つ领域を選択することを目指します。

3番目のステップは、AI支援ツールを明確なガイドラインとペアにすることです。モデルが独自に何ができるか、人間が常に関与しなければならないこと、システムが時間の経過とともに誠実で役立つかどうかを測定する方法が含まれます。ここでは、NIST AIフレームワークやCISAのような機関からのガイダンスがあなたを自分ですべてを再発明することから救います。

プロアクティブAIセキュリティが待てない理由

サイバー攻撃は、まれな緊急事態ではなく、常に存在する背景条件に近くなっています。攻撃者は、人工知能に多くの重労働をさせることを非常に好んでいます。コストは上昇し、侵入点は増えており、攻撃者のツールは毎年賢くなっています。明らかなアラートを待ってから対応する反応的なモデルは、その世界には対応していません。

プロアクティブなAI駆動の姿勢は、華々しいトレンドに追随することではなく、むしろデータを整理し、動作ベースの洞察を追加し、新しいAIシステムに明確なガイドラインを設けるという、静かな、地味な作業です。攻撃者と防御者の間のギャップは実在しますが、固定されているわけではありません。セキュリティスタックでAIをどのように使用するかについて今取り組む選択が、次の数年でどちらが速く進むかを決定します。防御者を驚かせないように、新しいAIシステムに明確なガイドラインを設けることです。