AIエージェント時代の防御、その鍵は「コンテキスト」

サイバー攻撃では、攻撃者が防御側の知らない弱点を見つけ出し、それを悪用することで優位に立つケースが少なくありません。攻撃者は標的となる組織のシステムやネットワーク、脆弱性などを調査し、侵入の糸口を探します。しかし、本来、自社のIT環境についてより多くの情報を持っているのは防御側のはずです。それにもかかわらず、防御側が後手に回ってしまうのはなぜでしょうか。その大きな理由の一つが、セキュリティ情報の分断です。多くの企業では、ネットワーク、エンドポイント、アプリケーション、脅威検知などが異なる製品で管理され、それぞれが収集した情報を十分に関連付けることができていません。AIエージェントが自律的に攻撃を進める時代には、こうした情報の分断が、これまで以上に大きな弱点となります。重要なのは、単に大量のデータを収集することではなく、異なる情報を結びつけ、攻撃の全体像を把握するための「共有コンテキスト」を持つことです。

分断された情報をつなぎ、攻撃の全体像を把握する

従来のセキュリティ対策では、個々のイベントを別々に評価することが一般的でした。しかし、一つひとつの行動には問題がなくても、複数の情報を組み合わせることで、不審な動きが浮かび上がる場合があります。例えば、あるユーザーが管理ツールをダウンロードしたという事実だけでは、それが危険な行動かどうかは判断できません。しかし、そのユーザーが誰なのか、普段どのような業務を行っているのか、いつ、どこからアクセスしたのか、さらには直前にどのような通信が発生していたのかといった情報を組み合わせれば、その行動が持つ意味は大きく変わります。Cato Networksの統合インスペクションエンジンは、ユーザーのアイデンティティ、デバイス、アプリケーション、ネットワーク上の挙動、セキュリティイベント、脅威インテリジェンスなど、企業全体から得られるさまざまな情報を共通のコンテキストとして活用します。これらの情報を関連付けることで、個別のイベントだけでは見逃してしまう攻撃の兆候を捉え、より的確な判断につなげることができます。

攻撃を検知するだけでなく、次の行動を予測する

共有コンテキストの価値は、すでに起きた攻撃を検知することだけではありません。攻撃者が次に何をしようとしているのかを予測するうえでも、大きな役割を果たします。Catoの「Agentic Threat Prevention」は、AIエージェントを活用し、組織内で発生するさまざまなイベントを継続的に監視・分析します。個々のイベントを関連付け、攻撃がどのように進展する可能性があるのかを予測する仕組みです。例えば、Catoのデモでは、財務部門のユーザーが使用する端末で、Windowsの管理ツール群であるPsToolsがダウンロードされるケースを紹介しています。PsToolsのダウンロード自体は、必ずしも不審な行動ではありません。しかし、その端末でのダウンロードが初めてであり、操作が勤務時間外に行われ、さらに入手元が不審なドメインだったとしたらどうでしょうか。Agentic Threat Preventionは、こうした複数の情報を総合的に分析し、次にツールが実行される可能性や、その後、攻撃者がネットワーク内部で侵害を広げる「ラテラルムーブメント（横展開）」へ進む可能性を予測します。さらに、組織のシステム構成や攻撃対象となり得る領域も把握しているため、一般的な攻撃パターンにとどまらず、それぞれの企業環境に即した攻撃経路を予測することができます。

予測から防御へ、攻撃の進行に合わせて自動的に対応

攻撃者の次の行動を予測できても、実際に攻撃を阻止できなければ意味がありません。そこで重要になるのが、予測結果を具体的な防御アクションへとつなげる仕組みです。先ほどのデモで、攻撃者が次にAIエージェントプラットフォーム「OpenClaw」のインストールを試みた場合を考えてみましょう。

従来のセキュリティ対策では、OpenClawのインストールを新たなイベントとして個別に評価することになります。しかし、Agentic Threat Preventionは、それ以前に発生した不審なPsToolsのダウンロードと関連付け、一連の攻撃の流れとして捉えます。その結果、攻撃者がさらにツールを入手して侵害を拡大する可能性を予測し、後続のスキルのインストールや、他のツールへのアクセスをブロックすることができます。つまり、攻撃が発生するたびに個別に対処するのではなく、それまでの行動から次の攻撃を予測し、先回りして攻撃経路を遮断するという考え方です。こうした防御を実現するには、AIによる分析だけでなく、その判断をセキュリティポリシーへ迅速に反映できる仕組みが欠かせません。Catoでは、ネットワークとセキュリティを統合したプラットフォーム上で一元的に制御することで、複数の製品や手作業に頼ることなく、予測に基づく防御を組織全体へ展開できます。

AIによる攻撃の高速化・大規模化にも対応

AIエージェントを悪用したサイバー攻撃では、攻撃のスピードだけでなく、その規模も急速に拡大しています。例えば、2026年7月に公表されたHugging Faceのセキュリティインシデントでは、わずか2日間で17,000件を超えるイベントが発生しました。こうした攻撃が広がれば、セキュリティプラットフォームには、膨大な通信やイベントを処理しながら、検知精度とパフォーマンスを維持する能力が求められます。従来のアプライアンスを中心としたセキュリティ環境では、処理能力の拡張に機器の追加や更新が必要になる場合があります。一方、クラウドネイティブなアーキテクチャを採用するCato SASE Cloudは、需要に応じて処理リソースを柔軟に拡張できます。これにより、AIを活用した攻撃が急増する状況でも、トラフィックの検査レベルを落とすことなく、組織全体に一貫したセキュリティポリシーを適用することが可能になります。

防御側が持つ情報を、最大の強みに変える

AIエージェントを悪用した攻撃が高度化するなかで、防御側にも、攻撃者と同じスピードで状況を把握し、判断し、対応する能力が求められています。しかし、防御側には本来、攻撃者にはない大きな強みがあります。それは、自社のシステムやネットワーク、ユーザーの行動などについて、より多くの正確な情報を持っていることです。Cato Agentic Threat Preventionは、この強みを活かし、共有コンテキストに基づいて攻撃の進行を予測し、状況に応じた防御策を自動的に適用します。さらに、ネットワークとセキュリティが統合されたクラウドプラットフォームによって、その判断を組織全体へ迅速に反映できます。AI時代のセキュリティでは、個々の脅威を検知するだけでは十分ではありません。組織全体の情報を結びつけ、攻撃者の次の行動を予測し、先回りして防御すること。 その鍵を握るのが共有コンテキストであり、AIエージェントを悪用した攻撃に対抗するための重要な基盤となります。

当記事の全文はこちらでお読みいただけます。