メインコンテンツへスキップ
情報セキュリティアナリストが、近くにあるチャートを見つめている横顔
解説記事

AIを活用したサイバーセキュリティの完全ガイド：メリット、リスク、そして成果

AIサイバーセキュリティとは、機械学習やニューラルネットワークといった人工知能技術を応用し、脅威を検知し、インシデント対応を自動化し、企業のIT環境全体におけるセキュリティ運用を強化するものです。

ニューラルネットワークのアーキテクチャに基づく機械学習の一形態として定義されるAI（ ） は、単なる流行の話題にとどまりません。その成長は極めて急速であり、イーロン・マスクでさえ、AIの急速な発展を止めることはできません。 そして、AIの活用は、当分の間、その勢いが衰える気配は全く見られません。

ブルームバーグ・インテリジェンスが最近発表した「 」レポート（ ）によると、生成AI市場は2032年までに年間売上高1.8 兆ドルに達し、世界のテクノロジー支出の最大16％を占める可能性があるとの見通しを示しています。

AIの導入と拡大が予測される中、多くの組織が、従来は人間の分析に依存してきた業務――大量のデータの処理、ますます複雑化する環境の管理、機密データや重要システムを保護するサイバーセキュリティ戦略の強化――を、AIによって改善できるかどうかを評価しています。
本ガイドでは、サイバーセキュリティ運用においてAIが真の価値をもたらす分野、新たなリスクをもたらす分野、連邦政府機関がAIによる脅威についてどのような見解を示しているか、そしてTaniumが、チームが自信と管理体制を持ってAIの可能性を活用できるよう支援するために、自律型エンドポイント管理をどのように構築しているかについて詳しく解説しています。

サイバーセキュリティにおけるAI活用のメリット

サイバーセキュリティ業界におけるAIの能力の全容やその影響については、まだ完全には解明されていませんが、ここでは、一般的な課題領域と、AIを活用したシステムが有望な成果を上げている応用分野について、簡潔に概要をご紹介します：

脅威の検知能力を向上させる

AIは、ネットワークトラフィック、システムログ、ユーザーの行動、および外部の脅威インテリジェンスにわたるデータを処理し、攻撃者の活動を示唆する可能性のある異常を検知することができます。 これには、ランサムウェアやフィッシングといった既知の攻撃手法に加え、ゼロデイ攻撃や高度持続的脅威（APT）といった、これまでに確認されていない脅威も含まれます。

積極的な脅威ハンティングを支援します

AIを活用することで、脅威の検知をより迅速かつ正確に行うことができます。 従来の方法は、多くの場合、手動による分析や静的なルールに依存しており、処理に時間がかかる上、高度な脅威を見逃してしまう可能性があります。

AIは、ネットワークトラフィック、ユーザーの行動、および過去のインシデントデータを分析することで、既知の脅威であれ新たな脅威であれ、悪意のある活動を示唆するパターンや異常を特定し、このプロセスを加速させます。

セキュリティ上の脅威に対するインシデント対応を迅速化します

AIは、初期対応措置を自動化し、実際のリスクに基づいてインシデントの優先順位を付けることで、サイバー攻撃による影響を最小限に抑えるのに役立ちます。 これにより、チームは、通常の手動によるトリアージよりも迅速に、侵害されたシステム、 エンドポイントデバイス、またはネットワークセグメントを隔離することができます。

また、AIは、セキュリティチームに対し、システムの正常な機能を回復・復旧するための、リアルタイムの対策や、個々の状況にきめ細かく対応したアラート、推奨事項、および指針を提供することも可能です。

インシデント調査を迅速化します

インシデントが発生した場合、アナリストは攻撃の範囲と深刻度を把握するために、大量のデータを収集・確認・分析しなければなりません。 これは、特に大規模で複雑なインシデントに対処する場合、時間がかかり、面倒な作業となる可能性があります。

AIは、ログ、ネットワークトラフィック、エンドポイント、脅威インテリジェンスなど、さまざまなソースからのデータ収集、相関分析、および分析を自動化することで、そのプロセスを短縮するのに役立ちます。 また、AIを活用することで、調査担当者は、攻撃の範囲や影響について、より包括的かつ詳細な全体像を、従来よりも大幅に短い時間で把握できるようになります。

脅威を予測して未然に防ぐ機能を提供します

ディープラーニングのようなAIモデル（ ）は、システムが侵害される前に潜在的な脅威を先回りして特定し、自動的にブロックすることで、サイバー攻撃の防止に役立ちます。 また、AIは、教師あり学習、教師なし学習、半教師あり学習といったさまざまなアルゴリズムを用いて、過去のデータから学習し、予測分析を行うことで、将来のインシデントをより的確に予測することができます。

根本原因を特定する

従来の根本原因分析は、手作業によるデータ収集と解釈に依存しているため、人為的なミスや誤検知が生じる可能性があります。
のAIは、この作業の多くを自動化し、大規模で複雑なデータセット間の相関関係を分析することで、攻撃を可能にした脆弱性や設定ミスをチームが特定できるよう支援します。 その結果、リスクへのさらなる正確な把握、セキュリティ体制の強化、そしてアナリストがより付加価値の高い業務に注力できる時間の確保が実現します。

[関連記事：貴社のセキュリティ戦略には、サイバーセキュリティ分析が欠けていませんか？]

これらの機能は、組み合わせて使用することで最大の効果を発揮します。 その真価を最大限に引き出すためには、データの品質、環境全体にわたる統合、そしてAIの出力結果に基づいて確信を持って行動するために必要な人間の監督が不可欠です。 これらが相まって、より積極的かつ迅速なセキュリティ運用を支える基盤となります。

こうしたメリットは、セキュリティ運用におけるAIの導入を強く後押しするものです。 しかし、防御を強化するこれらの機能は、攻撃者にも利用される可能性があります。 こうしたリスクを理解することは、メリットを理解することと同じくらい重要です。

AIは本当に将来のサイバー攻撃を予測できるのでしょうか？

確かに、AIは将来のサイバー攻撃を予測するのに役立ちますが、実際の状況は、見出しが示唆するよりも複雑です。 AIを活用したセキュリティツールは、特定の攻撃を予測するものではありません。 彼らは、攻撃が発生しやすくなる要因を特定しています。

AIを活用したサイバーセキュリティにおける「予測」とは、攻撃が発生する前に潜在的な脅威を検知するためのあらゆる取り組みを指します。 これらの予測については、むしろ「警報」というよりは「注意報」のようなものだと捉えると理解しやすくなります。AIセキュリティソリューションは、継続的な監視と分析を通じて、将来的な攻撃につながる可能性のある要素がすべて揃っているかどうかを「注視」し、チームが「警報」、つまり実際の攻撃が発生する前に、悪用される恐れのある脆弱性を特定・封じ込め・是正するための先手を打つことを可能にします。

予測モデリングとは、機械学習アルゴリズムや統計的手法を用いて過去のデータから学習し、脅威を検知する能力を向上させるプロセスですが、AIを活用したソリューションでは、ネットワークトラフィック、システムログ、脅威インテリジェンスフィード、ユーザーの行動など、さまざまなソースからの膨大なデータを分析し、たとえこれまでに確認されたことのないものであっても、潜在的な脅威を示す可能性のあるパターンや異常を特定することができます。

どうやって？ AIを活用したサイバーセキュリティツールは、悪意のある動作を検知するように設計されているため、既知の脅威のみを検知するように構築された従来のセキュリティツールに比べ、ゼロデイ脅威の特定に優れています。

「アンチウイルスソフトウェア、パッチ適用、ファイアウォール、その他のサイバーセキュリティ対策といった従来の防御手法は、ベンダーや組織にも未知の「ゼロデイ」攻撃に対しては効果が限定的です。 ゼロデイ攻撃は、既知の攻撃に対するシグネチャ情報を含む従来のシグネチャベースや異常検知ベースの検知手法、およびウイルス対策ソフトウェアを回避します。”
Kelly Morgan, Role of AI in Threat Detection and Zero-day Attacks1

AIは、サイバーセキュリティ運用に確かな実力をもたらしています。 しかし、防御を強化するこれらの手法は、攻撃者にも利用される可能性があります。 AIの導入について適切な判断を下すためには、この方程式の両面を認識することが極めて重要です。

次のセクションでは、攻撃者がAIを活用して攻撃の規模を拡大し、手法を洗練させている実態と、それが皆様の防御戦略にどのような意味を持つのかについて考察します。

サイバーセキュリティにおける人工知能のセキュリティ上のリスクと限界

組織やユーザーがAIや関連技術をさまざまな業務プロセスに取り入れている一方で、脅威アクターも同様のAIツールを活用し、より迅速かつ容易に被害をもたらそうとしています。

残念ながら、多くの人々は、AIによるこの新たな脅威に対して十分な備えができていません。 A 2023 report on the state of AI by consulting firm McKinsey showed only 38% of respondents were actively mitigating the cybersecurity risks of generative AI, a statistic made even more shocking when you learn this percentage actually decreased by 13% when compared to the results of the same study conducted last year.

サイバー攻撃におけるAI利用がもたらす潜在的な脅威

こうしたAIを活用したサイバーセキュリティインシデントの複雑化や高度化が進むにつれ、ウイルス対策ソフト、ファイアウォール、侵入検知システムといった従来のセキュリティソリューションにとって、大きな課題となる可能性があります。 これらのソリューションは、既知の攻撃を特定・遮断するために、より静的でルールベースのシステムに依存することが多いため、ゼロデイ脆弱性を悪用したり、暗号化、難読化、ポリモーフィズムなどの高度な手法を用いたりする、新規または未知の攻撃を検知できない可能性があります。

脅威アクターがAIを活用する方法の一つとして、ニューラルネットワークなどの機械学習モデルの脆弱性を悪用するように設計された敵対的攻撃を行うことが挙げられます。これは、人間には正常に見えるが、機械学習モデルを欺き、その出力を操作するように仕組まれた入力を生成することで行われます。 敵対的攻撃の一例として、AIを用いて電子メールの内容をわずかに改変し、企業のスパムフィルターをすり抜けることが挙げられます。

サイバー犯罪者たちはまた、大規模言語モデル（LLM）や自然言語処理（NLP）など、AIの幅広い種類を含む生成AIモデルを活用し、 ソーシャルエンジニアリングの手法を洗練させています。 例えば、サイバー攻撃者はAIアルゴリズムを利用して、より説得力のあるフィッシングメールを作成しています。 そして、こうした種類の事件はすでに、膨大な規模で発生しています。

サイバーセキュリティ企業SlashNext（ ）が発表した「2023 」レポートによると、2022 年末のChatGPTのリリース以降、悪意のあるフィッシング攻撃が1,265％増加しています。これは、 生成AIツール（ ）を利用して、ビジネスメール詐欺（BEC） やその他のフィッシングメールを作成するサイバー犯罪者たちによって引き起こされたものです。

「大規模言語モデル（LLM）チャットボットの最も一般的な利用者の中には、このツールを活用してBEC攻撃のシナリオを作成したり、標的を絞ったフィッシング攻撃を組織的に仕掛けたりするサイバー犯罪者がいます。」
SlashNext, The State of Phishing 2023

同報告書によると、1日あたり平均で約 31,000 件のフィッシング攻撃が行われていたことが判明しました。 調査対象となったサイバーセキュリティ専門家の約半数が、BEC攻撃を受けたことがあると回答し、4分の3がフィッシング攻撃の標的になったことがあると報告しました。

フィッシングメールは、これまで、スペルミスや文法の誤り、その他の不備が含まれているため、見分けがつきやすかったのです。 しかし、AIシステムによって作成されたフィッシングメールは、通常、手作業で作成されたフィッシングメールよりも、ユーザーによる開封率が高くなります。 フィッシング詐欺師は、AIツールを活用することで、過去のコンテンツを分析し、非常にパーソナライズされた、標的を絞ったフィッシングメールを作成できるようになりました。これにより、メールの説得力を高め、ユーザーを騙してメール内のリンクをクリックさせ、知らず知らずのうちに攻撃を仕掛けさせることを容易にしています。

また、攻撃者は生成AIを活用して独自のコンテンツを作成し、合成IDやディープフェイクなど、他の種類のAIを利用した攻撃に対する防御策を回避しています。 例えば、攻撃者はAIを利用して人々の声をディープフェイクで偽造し、スピアフィッシングを仕掛けたり、その他の攻撃経路を悪用したりすることが可能です。

[関連記事：フィッシングとは？ フィッシングの手口と注意すべき点]

米国政府は、AIを利用したサイバー攻撃の危険性について警告しています

AI技術の利用やソーシャルエンジニアリング攻撃をめぐる懸念の高まりは、単なる民間部門内の問題にとどまらず、瞬く間に国家レベルおよび世界的な議論へと発展しており、いくつかの連邦機関が、サイバー脅威や物理的脅威から人々と資産を守るための取り組みを主導しています。

For example, the U.S. Federal Trade Commission (FTC) issued this warning about deep fakes in March 2023:

電話がかかってきます。 電話の向こうから、慌てたような声が聞こえてきます。 お孫さんですよ。 彼は、大変なトラブルに巻き込まれていると言っています――車を大破させてしまい、刑務所に入れられてしまったそうです。 しかし、お金を送っていただくことで、お力添えいただけます。 あなたは深呼吸をして、考え込みます。 「祖父母詐欺」という話を聞いたことがあるでしょう。 でも、なんてこった、まさに彼そのものですね。 どうしてそれが詐欺だと言えるのでしょうか？ 声のクローン技術、それがその方法です。

政府機関は、サイバーセキュリティやインフラセキュリティにおけるAIの重要性と複雑性を認識する上で、引き続き極めて重要な役割を果たしています。 サイバーセキュリティに関する注目すべき連邦法としては、 2021年5月に発令された大統領令第 14028号「国家のサイバーセキュリティの向上」が挙げられます。この大統領令は、連邦機関に対し、サイバーセキュリティの強化およびソフトウェア・サプライチェーンの健全性の確保を義務付けています。

さらに、 2018 年サイバーセキュリティ・インフラセキュリティ庁法により、サイバーセキュリティ・インフラセキュリティ庁（CISA）が設立されました。同庁の使命は、米国の重要インフラのセキュリティと回復力を強化するための取り組みを主導し、調整することです。 CISAでは、組織がサイバーセキュリティリスクの評価、ベストプラクティスの導入、およびセキュリティインシデントへの対応を行う際に役立つ、さまざまなサービスやリソースも提供しています（ ）。

[関連記事：GenAIの脆弱なコードを本当に「無視」してよいのでしょうか？ このセキュリティの専門家は「はい」と答えています（まあ、ある意味では）]

AIはサイバーセキュリティに取って代わるのでしょうか？

AIはこの分野を大きく変革する強力なツールではありますが、サイバーセキュリティに関するあらゆる取り組みや、熟練したサイバーセキュリティ専門家の必要性をすべて置き換えることはありません。

脅威への対応の自動化、インシデント調査の迅速化、脅威の検知能力の向上など、サイバーセキュリティ対策の強化に向けたAIの活用において、いくつかの有望な成果が得られているとはいえ、AIはまだ単独の解決策とは見なされていません。

AIの分析結果を解釈し、戦略的な意思決定を行い、AIでは完全には理解できないような複雑な状況に対処するためには、依然としてサイバーセキュリティの専門家が必要とされています。 さらに、サイバー犯罪者がAIを活用してより巧妙な攻撃を仕掛ける動きが続く中、人間による監視はこれまで以上に重要になっています。

AIは、人間の専門知識と組み合わせ、共に連携してより堅牢で効果的なセキュリティ対策を構築することで、その真価を発揮します。

AIを活用したサイバーセキュリティがセキュリティ運用に与える影響

サイバーセキュリティ分野における のAIおよび自動化技術 の活用には、課題と機会の両方が存在します。 サイバー犯罪者がこうした技術を活用して、より巧妙な攻撃を仕掛け続けている一方で、サイバーセキュリティベンダーもまた、AIや自動化を活用して、こうした攻撃に対抗するための斬新なソリューションを開発しています。

今後数ヶ月のうちに、AIに重点を置いたツールがさらに登場するものと予想されます。これは、ベンダー各社が、生成AI機能、 セキュリティ自動化、および関連技術を統合し、組織がサイバーセキュリティの脅威により効果的に対処できるよう支援する適応型ソリューションの構築を競っているためです。 まもなく、こうしたAIを活用したソリューションは、 データ損失防止、ウイルス対策／マルウェア対策、不正検知、 アイデンティティおよびアクセス管理、侵入検知／防止システム、リスクおよびコンプライアンス管理、IT資産インベントリ管理、セキュリティおよび脆弱性管理など、幅広いサイバーセキュリティのユースケースの改善に寄与する可能性があります。

AIや自動化の利用が拡大し続ける中、セキュリティの専門家、サイバーセキュリティチーム、および各組織は、AIを活用したサイバーセキュリティシステムも活用してセキュリティ能力と回復力を強化し、より強固なサイバー防御体制を構築することで、AIによって生み出される最新の脅威に常に先手を打つ必要があります。

[関連記事：なぜ最高AI責任者（CIO）という役職が定着していくのか]

エンドポイント管理の未来は自律化にあります

Taniumは、IT、情報セキュリティ、運用、およびリスク・コンプライアンスの各チームにおける自律的な未来の実現を先導しています。 弊社では、AIおよび といったIT自動化の動向を注視しており（ ）、数多くの刺激的な新たな機会を生み出しているこれらの画期的な技術を中心に、製品ロードマップを策定しています。

自律型エンドポイント管理（AEM） は、Taniumの戦略の中核をなすものであり、当社のプラットフォーム にとって、これまでで最も野心的な進化を遂げたものです。 XEMプラットフォームを基盤として、AEMはTanium独自のリアルタイムエンドポイントデータを活用し、高度にカスタマイズされた推奨事項を提供するとともに、アクションを正確に自動化します。

Taniumのリアルタイムデータが、Microsoft Copilot for Securityをどのように支えているかをご覧ください

Tanium AIの機能は、機械学習アルゴリズム、同業他社の成功率、リスク閾値など、さまざまな情報源に基づいて構築されており、これにより、組織は従来のエンドポイント管理、リスクおよびコンプライアンス、デジタル従業員体験、インシデント対応ソリューションでは実現できなかった方法で、環境を最適化し、セキュリティを強化することが可能になります。

現在、当社はXEMプラットフォームにAIを統合し、AEM機能を提供できるよう取り組んでおります。これにより、組織は拡大し複雑化するIT環境をより容易に管理・保護できるようになります。 当社のプラットフォームは、3,300万以上のエンドポイントにわたる数百万件のアクション、数十億件のリアルタイムデータポイント、そして1兆件のシグナルを処理し、Taniumコミュニティの世界的な知見から学びながら、組織の意思決定能力の向上を支援します。これにより、組織は「The Power of Certainty™」を継続的に提供することで、世界中で増え続けるサイバー犯罪という現実により容易に対処できるようになります。

1https://digitalcommons.odu.edu/cgi/viewcontent.cgi?article=1064&context=covacci-undergraduateresearch

その他の参考資料

AIを活用したサイバーセキュリティが進化するにつれ、本ガイドは「生き続けるリソース」として機能し、新たなデータが明らかになるたびに情報を更新することで、企業がベストプラクティスや活用事例について、より的確な判断を下せるよう引き続き支援してまいります。

以下の役立つAI関連のリソースをご覧ください：

TaniumからのAI関連ニュース

AIについて詳しく知る

視聴する

プロのサイバーアナリストによる、現在発生中のインシデントや最近の攻撃について、さらに詳しく知りたいと思いませんか？ Taniumサイバー脅威インテリジェンス（CTI）チームによるブログシリーズ「 」 をご覧ください。同チームがニュースを分析し、企業やサイバーセキュリティに影響を及ぼす可能性のある脅威情勢の変化について、知っておくべき情報を提供しています。