パロアルトネットワークスは火曜日、高度な人工知能モデルを複数搭載した常時稼働型の攻撃セキュリティプログラムを提供するサブスクリプション型サイバーセキュリティサービスを開始した。これは、防御側が自動化された攻撃をより強力にしているのと同じ、加速するテクノロジーを利用できるかどうかを検証する試みである。.
このサービス「Unit 42 Continuous Frontier AI Defense」は、Anthropic社のClaude Mythos 5、OpenAI社のGPT-5.6-Cyber、およびオープンウェイトモデルをパロアルトネットワークスのセキュリティ研究者と組み合わせたものです。同社は、顧客環境の変化に応じて、Webアプリケーション、アプリケーションプログラミングインターフェース、クラウドシステム、ソースコードリポジトリ、ネットワーク資産を繰り返し調査すると述べています。このサービスの開始とコア設計は、 ロイター通信 と Axios、パロアルトネットワークスは正式な 企業発表。
マルチモデル設計が重要な理由
従来の脆弱性スキャンは、一般的に特定の時点における既知の脆弱性や疑わしい構成を特定するものです。パロアルトネットワークスが提案するシステムはさらに一歩進んでおり、個々の脆弱性を連鎖させて実行可能な攻撃経路を構築できるかどうかをテストし、優先順位付けされた修復ガイダンスを顧客のチケット発行プロセスに送信するように設計されています。同社の 製品ページ によると、攻撃セキュリティの専門家がモデルの検出結果を検証してから悪用可能な経路として扱い、アプリケーションやインフラストラクチャが変更されるとテストが再開されるとのことです。
この区別が重要なのは、個々の欠陥のリストだけでは、侵入がどのように展開するかが分からないからです。軽微な設定エラーでも、認証情報の漏洩、過剰なクラウド権限、パッチ未適用のサービスなどと組み合わさると、重大な問題となる可能性があります。逆に、スキャナーが検出した脆弱性が、対策によってアクセス不能になっている場合もあります。このワークフローでは、検出から検証へと移行し、考えられる経路をマッピングし、どの経路が有効かを検証し、最もリスクの高い経路に修復を集中させることを目指しています。.
同社が単一のモデルで環境全体を確実に検出できると主張していないため、人間によるレビューが重要です。パロアルトネットワークスはAxiosに対し、自社のテストでは、複雑な顧客環境における脆弱性の40%以上を検出できたモデルはなかったと述べています。また、Mythos 5とGPT-5.6-Cyberの検出結果が重複したのは10%未満だったとも述べています。これらの数値はベンダーが報告したものであり、独立機関が公開したベンチマークの結果ではないため、モデル性能の普遍的な指標としてではなく、同社のアーキテクチャの証拠として解釈すべきです。.
根本的な論点は、異なるモデルにはそれぞれ異なる盲点があるということだ。あるモデルはソースコードの読み取りに優れ、別のモデルはクラウドの権限に関する推論に優れ、また別のモデルは構成エラーを公開サービスに関連付けることに優れているかもしれない。オーケストレーション層は、異なるシステムにタスクを割り当て、その結果を比較することができる。そして、人間の専門家が、理論上の脆弱性が到達可能で、重大な影響があり、テストしても安全かどうかを判断する。.
定期検査から連続加圧まで
この変化は、技術的な側面だけでなく、運用面にも及ぶ。従来の侵入テストでは有益なレポートが得られるものの、ソフトウェアのリリース、アクセス権限の変更、クラウド展開などによって、その有効性が損なわれる可能性がある。パロアルトネットワークスは、自社のサービスが脆弱性を継続的に発見し、悪用可能性を検証し、変更後に再テストを行うと述べている。ロイター通信によると、公式のソフトウェア修正プログラムがまだ提供されていない場合、顧客はコードレベルの修復提案を受け取ったり、仮想パッチを使用したりすることが可能となる。.
仮想パッチは、セキュリティ層で悪意のあるリクエストや攻撃パターンをブロックすることでリスクを軽減できますが、根本的な欠陥コードを削除するわけではありません。そのため、後続の対応は測定可能となります。組織は依然として担当者を割り当て、恒久的な修正をテストし、再テストによって攻撃経路が遮断されたことを確認する必要があります。継続的なサービスであればこのサイクルを短縮できる可能性がありますが、発表資料には、独立機関による検証済みの修復時間短縮に関する情報は含まれていません。.
ロイター通信と同社によると、年間サブスクリプションは世界中で提供され、価格は選択された商用モデルとオープンウェイトモデルの組み合わせに基づいて設定されるとのことだ。パロアルトネットワークスは、このサービスのコストを定期的な侵入テストや競合プラットフォームと比較するための十分な詳細情報を公表していない。また、顧客レベルの誤検知率、ベンチマーク手法、モデルへのアクセスや機密性の高い企業データの管理方法に関する詳細な説明も公開していない。.
未解決の疑問は重要です。攻撃的なテストには、強力なアクセス権限、慎重に定義された範囲、そして厳格な監査管理が必要です。ターゲットを誤認したり、安全でないアクションを実行したり、独自のコードを漏洩したりする自動化システムは、既存のリスクを探している最中に新たなリスクを生み出す可能性があります。パロアルトネットワークスは、範囲は顧客と合意済みであり、専門家による検証がワークフローに組み込まれていると述べていますが、購入希望者は、データ保持、モデルプロバイダーのアクセス権限、インシデント発生時の責任、および自律的なアクションの範囲について、契約上の明確な説明を求める必要があるでしょう。.
ガバナンステストとセキュリティ製品
今回の発表は、連邦政府の指針がAIの導入を単なる技術投資ではなく、リスク管理の問題として捉える傾向を強めている中で行われた。NIST の自主的なフレームワークで は、AIシステムの設計、使用、評価のあらゆる段階で信頼性を考慮することが求められている。NISTはまた、 サイバーセキュリティフレームワーク 、サイバーセキュリティリスクの管理、特定、保護、検出、対応、復旧のための構造として説明している。これらの文書はこの製品を推奨するものではなく、あらゆる継続的なAIセキュリティサービスを評価する際に考慮すべき、より広範な管理策を示している。
セキュリティリーダーにとって、実務上の課題は、AIモデルがデモンストレーションの欠陥を見つけられるかどうかではなく、モデルと人材を適切に組み合わせることで、許容できない運用リスクやデータリスクを発生させることなく、攻撃者よりも迅速に、意味のある脆弱性を繰り返し発見できるかどうかです。パロアルトネットワークスの新サービスは、この課題を商業的なサービスへと転換しました。その価値は、独立した証拠、透明性の高い管理体制、そして顧客がより迅速に得られた発見結果を検証済みの修正に結びつけることができるかどうかにかかっています。.