AIエージェント連鎖が変える脆弱性発見とサイバー防御

サイバーセキュリティの攻防は、ますます「速さ」の勝負になっている。最先端のAIモデルは、膨大なコードベースを調べ、通常とは異なる攻撃経路を見つけ、疑わしい欠陥が実際に悪用可能かを検証できる。一方で、同じ高速化によって、攻撃者が脆弱性を悪用に転じるまでの時間も短くなる。従来型のパッチを作成して展開するより先に、攻撃が始まる可能性すら指摘されている。

この変化を示す代表例が、Mandiantの Agentic Vulnerability Discovery Harness（AVDH） と、Palo Alto Networksの NOVA だ。前者はAIエージェントによる発見と検証、後者は複数の最先端AIモデルを使った大規模な脆弱性分析を担う。Palo Alto Networksはさらに、恒久的な修正が利用可能になる前にネットワーク側で攻撃を止める仕組みも打ち出している。

AVDHはソースコードレビューを「専門エージェントの連鎖」に変える

AVDHは、単一の自律型スキャナーではない。Google Threat Intelligence Groupによれば、Mandiantがセキュリティ評価やインシデント対応などで利用する、複数のAIエージェントを組み合わせたソースコード分析のワークフローだ。数千万行規模のコードを調べ、数千の分析パイプラインを実行し、数万件の検出結果を生成できるという。

最初に行うのは、コードベースの全体像を把握することだ。探索エージェントがソフトウェアの目的や構造、利用可能なドキュメントを確認し、詳しく調べるべき領域を特定する。その後、専門エージェントが認証、認可、ルーティングなど、セキュリティに関わる領域を分析する。

次に、各エージェントの観察結果を脅威モデルにまとめる。ここで重要なのは、後続処理に進む前に人間のコンサルタントが脅威モデルを確認する点だ。AIにコード全体を無差別に検索させるのではなく、アプリケーション固有の攻撃経路を示した「セキュリティ上の地図」を用意する。

発見段階では、外部からの入口、データの流れ、周辺コードの文脈を調べる。エージェントは複数の脆弱性仮説を生成し、それぞれを独立して追跡する。さらに別のエージェントが結論に反証を試み、集めた証拠を候補 findings として統合する。最終的に、脆弱性を確認済みと扱う前に、コンサルタントが実証コード（Proof of Concept、PoC）を再現する。

この構成のポイントは、網羅性と判断を分離していることだ。あるエージェントが広く探索し、別のエージェントが攻撃経路を掘り下げ、さらに別のエージェントが結果を否定できるか検証する。人間による確認は、誤検知やソフトウェアの実際の動作に対する誤った前提を排除する最後の安全弁になる。

Mandiantが報告したAVDHの成果

Googleによると、AVDHは社内で約10か月運用され、広く利用されているウェブ拡張機能やオープンソースプロジェクトから、割り当て可能な脆弱性を数十件発見した。その結果、12件のCVE（共通脆弱性識別子）が割り当てられ、さらに約12件が開示手続きの最中だという。

また、盗まれた企業リポジトリを調査したインシデント対応案件では、外部報道によれば、2日間で深刻度の高い脆弱性を100件以上検証した。

これらの数字はAI支援型レビューの規模を示すが、読み方には注意が必要だ。いずれもMandiantなどが報告した運用上の実績であり、従来のセキュリティテストと比較した独立監査済みのベンチマークではない。また、新たに発見された、あるいはこれまで報告されていなかった脆弱性が、直ちに「現実の攻撃で使われているゼロデイ」であることを意味するわけでもない。

Palo Alto NetworksのNOVAは複数モデルで脆弱性を発見

Palo Alto NetworksのUnit 42は、NOVA（Network and Open-Source Vulnerability Analyzer）を、独自のエージェント・ハーネスと複数の最先端AIモデルを基盤とする、自律型の発見・検証・報告システムと説明している。

同社の報告したテストでは、NOVAは 2か月で3,915件のオープンソースプロジェクトを分析し、14,090件の未知の脆弱性を特定した。Unit 42によれば、その99.4％は過去に報告されておらず、約40％が高または重大な深刻度と評価された。