Mythosの転換点：なぜサイバー防御において「構造設計」と高度なモデルが重要なのか

 Anthropicの「Mythos」モデルに関する報道として始まった動きは、現在では「Mythos Preview」という限定公開の研究プレビュー段階へ進んでいます。サイバーセキュリティの観点から見ると、ここで直ちに浮かび上がる重要な問いがあります。脆弱性分析、攻撃コード開発、攻撃計画といった攻撃側の作業を、高度なAIが加速できるようになったとき、何が起こるのか、という点です。Catoの最近のブログでは、これが意味するより大きな戦略的転換について取り上げました。本稿では、その変化が実際の防御現場にどのような影響をもたらすのか、なぜ「構造設計」が重要なのか、そしてCatoが高度なモデルをどのように活用してサイバー防御を強化できるのかについて、さらに踏み込んで考察します。

懸念が現実的なものであることは間違いありません。こうしたモデルは、脆弱性公開から悪用までの時間を大幅に短縮し、攻撃者にこれまで以上の速度と規模を与える可能性があります。しかし、それは一面に過ぎません。同じ能力は、防御側にとっても、調査・分析の高速化、防御適用までの時間短縮、さらには攻撃の早期発見に役立てることができます。だからこそCatoでは、この新たな段階で成功する鍵は、単に高度なモデルを導入することではなく、それらを効果的に活用できる適切な構造設計を備えているかどうかにあると考えています。そこには、可視化、状況理解、そして通信経路上でのリアルタイム制御が不可欠です。

Cato Addresses the Generational Shift in Cyber Threats with Agentic Security Researchers | Read the blog

なぜ今、この転換点が重要なのか

これまで高度なサイバー攻撃は、多くの場合、二種類の専門的な人材に依存していました。一つは、脆弱性を発見・分析する役割です。脆弱性情報の読み込み、コード解析、修正差分の確認、実際に悪用可能かどうかの検証などを担います。もう一つは、攻撃を実行する役割です。探索活動、侵入、権限昇格、横方向への侵害拡大、潜伏維持、情報持ち出しといった一連の攻撃工程を担当します。しかし、AIモデルの性能向上に伴い、これら両方の役割が、徐々にAIエージェントによって支援されるようになりつつあります。重要なのは、変化しているのが単なる「精度」ではなく、「速度」と「規模」である点です。AIモデルは、公開されている技術情報の解析、概念実証コードの改変、標的選定、さらには、これまで限られた専門人材しか担えなかった反復的な調査作業まで、従来よりはるかに高速に処理できる可能性があります。たとえ攻撃者が従来と同じ手法を使い続けたとしても、それらを実際に機能する攻撃連鎖として結び付けるまでの時間は、大幅に短縮される可能性があります。ここにこそ、Mythosが持つ本当の戦略的意味があります。それは、サイバー攻撃とサイバー防御の双方を再構築し得る、新たな種類のAIシステムが登場し始めたことを示しているのです。

最も大きく変わるのは、攻撃そのものの形ではありません。変わるのは、その速度、規模、そして攻撃コストの構造です。AIを活用した攻撃者は、攻撃工程全体（キルチェーン）をこれまで以上に高速化できるようになるかもしれません。しかし、それでもなお、探索、横方向への侵害拡大、侵入経路の確保、情報持ち出しといった行為は、現実のシステムと実際の通信プロトコル上で実行しなければならない点に変わりはありません。

防御側が備えるべきリスク

高度なAIモデルは、防御側の対応時間を大きく変化させるだけでなく、攻撃対象領域そのものを拡大させる可能性があります。特に、セキュリティチームは以下のような変化に備える必要があります。

• 脆弱性公開から悪用までの時間短縮

高度なAIモデルは、脆弱性情報の公開から、実際の悪用に至るまでの時間を大幅に短縮する可能性があります。もしAIモデルが、技術解説の読解、通信仕様の理解、コード変更点の比較、公開済みPoC（概念実証コード）の解析を高速に行えるようになれば、防御側が影響範囲を確認し、対策を適用するまでに使える時間は、これまで以上に短くなります。たとえAIモデル自身が未知の脆弱性を新たに発見しなかったとしても、既知の脆弱性について、調査、評価、攻撃への転用に必要な労力を大幅に減らす可能性があります。

• ゼロデイおよび準ゼロデイ対応への圧力の増大

今後、本当に未知のゼロデイ脆弱性がどの程度増加するかを断定するのは、まだ時期尚早です。しかし、これまで見落とされていた弱点の発見、攻撃経路分析、そして新たに公開された脆弱性の攻撃利用までの時間が、さらに短縮される可能性は十分に考えられます。それだけでも、防御側には、これまで以上に短時間で対策を講じる能力が求められることになります。

• AIを巡る攻防領域の拡大

企業が対話支援機能、AI活用業務、自律型AIシステムを導入するにつれ、攻撃者にとっても新たな悪用機会が増加します。たとえば、入力指示の悪用、外部機能の不正利用、参照情報の汚染、機密情報の漏えい誘導、安全でない操作の強要などです。高性能なモデルは、AIシステムをより有用なものにします。しかしその一方で、企業の実業務へ深く組み込まれることで、誤動作や悪用が発生した際の影響範囲も大きくなります。

• 被害範囲だけでなく、「信頼」への影響範囲も拡大

自律型AIは、侵害時の被害範囲を広げるだけではありません。「信頼」への影響範囲そのものも拡大させます。AIモデルが業務機能、作業手順、内部データと接続されるようになると、攻撃対象は単なるソフトウェアや基盤設備ではなくなります。問題となるのは、AIが何を見ているのか、何を正しいと判断しているのか、どこまでの操作を許可されているのか、そして組織がどれほどそのAIを信頼して行動を任せているのか、という「意思決定の層」そのものです。ここで、サイバーセキュリティとAIセキュリティは完全に重なり合います。

• 発見が難しくなる攻撃

高度なAIモデルは、攻撃実行を高速化するだけではありません。攻撃者が、より静かで、状況適応力が高く、周囲の業務に自然に紛れ込む手法を利用する助けにもなり得ます。その結果、一部の侵害行為は初期段階での発見がより難しくなり、防御側には、単純な侵害指標だけではなく、攻撃全体の流れを通じた不審挙動の検知能力が、これまで以上に求められることになります。

なぜこれは防御側にとっても好機なのか

高度なAIモデルが攻撃者にとって魅力的である理由は、そのまま防御側にとっての強みにもなり得ます。高性能なモデルは、セキュリティチームによる技術情報の理解を高速化し、繰り返し発生する調査作業の負担を減らし、攻撃成立条件の特定を早め、大量の通信記録を横断的に分析し、対策候補の生成を迅速化する助けになります。実際には、これまで限られた高度専門人材に大きく依存していた作業を、AIによって大幅に圧縮できる可能性があります。

しかし、AIモデルそのものが戦略になるわけではありません。防御側には、依然として可視化が必要です。状況理解も必要です。制御機能も必要です。そして、分析結果を実際の防御行動へ直結できる基盤も必要です。複数の分断された製品や、人手による複雑な受け渡し作業に依存せず、それを実現できることが重要です。だからこそ、Mythos時代においては、「構造設計」がこれまで以上に重要になります。

Cato Platformが持つ優位性

Catoでは、この流れに今になって対応を始めたわけではありません。Cato独自のSASE Platform構造は、当初から、この時代を見据えて設計されていました。私たちは、機能ごとに分断された個別製品の寄せ集めには依存していません。Single Pass Cloud Engine（SPACE）により、複数のネットワークセキュリティ機能を単一のクラウドネイティブなソフトウェア基盤へ統合し、通信経路上の通信と、経路外アクセスの双方に対して、一貫したポリシー適用を行います。また、SPACEは、この基盤全体における中核構造として、セキュリティ機能とネットワーク機能の間で状況情報を共有します。

この構造設計が重要となる理由は、攻撃進行中であることを示す兆候が、多くの場合、単独の出来事ではなく、「複数の出来事の連続」によって現れるためです。たとえば、単発の内部探索だけを見れば、通常のIT作業に見えるかもしれません。単発の遠隔実行命令も、日常運用に見える可能性があります。単発の異常認証も、単なる出張中の利用者に見えるかもしれません。しかし、それらが複数の端末にまたがって連続して発生した場合、その全体像は、まったく異なる意味を持つようになります。

AIによって高速化された攻撃であっても、依然として多段階攻撃である点に変わりはありません。そこには、通信、移動、侵入、探索、データ操作といった工程が存在します。攻撃の判断ロジックはより高度になり、実行速度は速くなるかもしれません。しかし、それでも攻撃は、ネットワーク上、そして攻撃工程全体の各段階に痕跡を残します。

分断されたセキュリティ基盤では、防御側は、複数製品から出力される警告を後からつなぎ合わせることで、ようやく全体像を復元しなければならないケースが少なくありません。一方、共有された状況情報を持つ統合型SASE基盤であれば、攻撃の流れを進行中の段階から、より広範に把握し、その場で防御を適用できます。これこそが、Catoが次の時代にもたらす実践的な優位性です。それは単なる「可視化」ではありません。状況理解と、即時制御です。

AIを活用した攻撃者は、これらの工程をより高速に進めるようになるかもしれません。しかし、それでも各段階を通過しなければならない点に変わりはありません。そしてCatoは、その各段階を通信経路上で把握できるため、すべての段階が、防御側にとって介入機会となります。

CatoはどのようにしてAIと自動化を防御に活用しているのか

これは、単なる将来像についての議論ではありません。Catoではすでに、より高速かつ適応力の高い攻撃への防御に直結する形で、AIと自動化を活用しています。特に重要なのは、脆弱性調査から防御適用までの時間短縮と、攻撃工程のより早い段階で不審挙動を発見・遮断することです。こうした取り組みは、CatoのAI活用型セキュリティ、自律型SASE基盤、そしてCato AI Labsの活動全体に反映されています。これらの機能は、後付けで追加されたものではありません。単一データレイクに蓄積される豊富な状況情報を基盤とし、プラットフォームそのものへ組み込まれています。

特に、高度なAIモデル時代において重要となる例が、次の二つです。

• 脆弱性調査とCVE対策適用の高速化

Catoではすでに、SPACEのIPS機能を通じて、自動化された仮想パッチ適用を提供しています。また、Rapid CVE Mitigationにより、新たなIPS防御を迅速に展開し、CVEへ対応しています。さらに現在、この内部処理手順そのものについても、自動化を加速しています。これはまさに、高度なAIモデルが大きな価値を発揮できる防御分野です。たとえば、公開された脆弱性情報の理解を高速化し、防御ルール作成を支援し、防御効果の検証を補助し、脆弱性公開から防御適用までの時間を短縮することができます。もちろん、この種の処理は慎重に自動化されなければなりません。CVE分析から実際の防御適用へ進むには、十分な検証、調整、誤検知抑制が不可欠です。しかし、ここでもCatoの構造設計が重要になります。通信経路上で、かつ大規模に実際の通信を把握できる環境であれば、断片的・遅延型・分散型データに依存する環境と比べ、実際の通信パターンに基づく防御検証を、より迅速かつ高い確度で行うことができるのです。

• 動的・挙動ベースの防御

Catoは今月、「Dynamic Prevention」を発表しました。これは、挙動分析に基づく防御機能であり、Catoの脅威防御構造へ適応型の防御層を追加するものです。従来のように、固定的な検知ルールや単発時点での検査だけに依存するのではなく、時間経過を通じて継続的に挙動を分析し、通常状態からの逸脱を検知することで、進行中の攻撃を特定します。不審な活動が確認された場合には、状況に応じた一時的な制御を自動適用し、攻撃対象範囲を縮小するとともに、攻撃の初期段階で遮断を試みます。また、時間軸をまたいだ複数の兆候や、多様なデータ源から得られる情報を相関分析することで、Dynamic Preventionは、高度な脅威をより早い段階で阻止しつつ、手作業負担と運用複雑性を軽減します。実際には、継続的な挙動分析、弱い兆候同士を結び付けて強い証拠へ変換するリアルタイム相関分析、そして攻撃パターンの収束が始まった際に危険な活動を制限する適応型制御を組み合わせています。

これが重要である理由は、どれほど高度なAI駆動型攻撃者であっても、最終的には現実のシステムと実際の通信仕様を通じて行動しなければならないためです。探索、調査、横方向への侵害拡大、足場確保、標的到達、データ移動といった工程は依然として必要であり、攻撃がどれほど高速・高度化しても、その過程には必ず挙動上の痕跡が残ります。だからこそ、高度なAIモデル時代において、動的かつ挙動ベースの防御が極めて重要になるのです。シグネチャベースの防御は、既知脅威や仮想パッチ適用において、今後も不可欠です。しかし、攻撃者の適応速度が固定的な検知ルールを上回る状況では、シグネチャに依存せず、状況理解に基づいて動作する防御こそが、被害可能性を低減する鍵となります。

今後の展望：高度なAIモデルは、どのようにサイバー防御を強化し得るのか

次の段階は、すでに見え始めています。攻撃者が高度なAIモデルや自律型AIによる処理を利用し、脆弱性調査や攻撃実行を高速化していく中で、防御側もまた、AIによる支援機能を活用して防御運用を強化していく必要があります。それは、人間を運用から排除することを意味するものではありません。むしろ、セキュリティチームが、セキュリティ情報調査、脆弱性から防御適用までの処理、大量の状況情報分析による新たな脅威の特定と防御方針策定といった分野で、より迅速に動けるよう支援することを意味します。

Catoでは、この未来に向けた準備がすでに整っています。なぜなら、必要となる中核要素が、すでに存在しているからです。広範なネットワーク可視化、SPACEによる共有状況情報、クラウド規模の通信記録、そして通信経路上での防御適用です。これらを組み合わせることで、単なる検知支援を超え、AI支援型の高度な防御運用へ進むための基盤が形成されます。

自然な発展方向の一つは、より高性能なAIモデルを用いて、セキュリティ情報調査や仮想パッチ適用処理を高速化し、脆弱性公開から実際の防御適用までの時間を短縮することです。もう一つは、Dynamic PreventionへAIモデルによる大規模通信分析を組み合わせることで、通常状態の把握精度を高め、不審挙動をより早期に発見し、攻撃工程の初期段階で遮断を可能にする方向です。

さらに考えられる方向性として、利用組織ごとの攻撃対象領域分析への応用があります。顧客ごとに、攻撃対象領域は異なります。画一的な防御では、すべての環境差異を十分に考慮できません。AIモデルは、Catoが持つクラウド規模の通信記録と状況可視化を活用し、各顧客環境における実際の技術構成、露出状況、通常挙動をより深く理解できる可能性があります。その上で、関連性の高い脅威の特定、防御範囲の不足箇所の可視化、そして、より適切に調整された防御策の支援につなげることができます。

これは、汎用的なAI生成ポリシーや、画一的な検知ルールを意味するものではありません。重要なのは、高度なAIモデルを用いて、それぞれの環境をより精密に理解し、防御制御を、より高速かつ状況適応型にし、防御対象となる攻撃領域へより適切に対応させることです。そして今後、これらのモデルの能力がより明確になるにつれ、現時点ではまだ見えていない、新たな防御運用への活用方法も生まれてくる可能性があります。

本当の差別化要因となるのは、AIモデル単体ではありません。重要なのは、その周囲を支える基盤です。可視化、通信記録、運用処理、そして通信経路上での防御適用。これらがあって初めて、AIモデルの知見を実際の防御行動へ変換できます。

これは、現時点での構想であり、今後の製品提供を約束するものではありません。Mythosのような新しいモデルの能力は、まだ公開情報だけでは十分に確立されておらず、実際のセキュリティへの影響についても、慎重な検証が必要です。しかし、大きな方向性は明確です。業界は、高性能なAIモデルの登場に対して、「存在しないもの」として無視するべきではありません。本当に必要なのは、早い段階で評価を行い、厳密に理解し、攻撃者が大規模運用へ移行する前に、防御側が先に活用を進めることなのです。

Mythosの転換点

これは、サイバーセキュリティにおける「Mythosの転換点」です。それは、単一のモデルが直ちにセキュリティの世界を書き換えるからではありません。重要なのは、この動きが、業界全体が向かおうとしている方向を示している点にあります。その方向とは、自律型AIによる攻撃、自律型AIによる防御、人間が関与し続ける防御運用、そして攻撃側と防御側の競争速度が、これまで以上に加速していく世界です。次の時代において優位に立つのは、単に高度なAIモデルをいち早く導入した組織ではありません。本当に重要なのは、それらを適切な構造設計の上で、責任ある形で実運用へ組み込めるかどうかです。

Catoは、この変化を恐れたり、拒絶したりするべきではないと考えています。必要なのは、高度なAIモデルを防御へ積極的に活用し、それを包括的な可視化と共有状況情報と組み合わせ、SASEとAIセキュリティの両方をさらに発展させていくことです。この方向性は、Catoがこれまで進めてきたプラットフォーム戦略の自然な延長線上にあります。つまり、AI、共有状況情報、そして通信経路上での防御適用を統合し、得られた知見を実際の防御へ変換していく、という考え方です。