AIエージェントがリスク対策を支援
次世代のSOCアーキテクチャーとは

　DXの進展によりアタックサーフェス（攻撃対象領域）が拡大し、サプライチェーンを狙った攻撃も増えるなど、サイバーリスクマネジメントはますます複雑化している。そこに新たに加わったのがフロンティアLLMだ。生成AIの悪用により、多言語フィッシングや標的型攻撃が容易になり、攻撃の頻度と規模は加速度的に増大している。

　これに伴い、前面に立つSOC（Security Operation Center）の対応も難易度が増している。「シグネチャや静的ルールの更新が攻撃スピードに追いつかない」「トリアージや判断が人に集中して対応しきれない」といった弊害が顕在化している。

　こうした事態を放置すれば、侵害が起きても検知されない「見えない侵害リスク」、セキュリティーインシデントが発生した際の「対応不能・説明不能リスク」、SOCが火消しに追われる「組織崩壊・意思決定ミスリスク」といった、より深刻なリスクにつながる。

　Splunk Services Japanの阿部 浩人氏は、「既存のSOC運用基盤そのものが限界を迎えています。そもそも人がやるべき作業が多すぎるのです」と指摘する。

　この課題に対してSplunkとCiscoが提唱しているのが、「Agentic SOC」による解決だ。これは、監視から検知、分析、対応、終了に至る一連のSOC業務フローで、各フェーズをAIエージェントが支援する運用モデルである。

　監視・検知フェーズでは機械学習による振る舞い検知が通常とは異なる挙動を捉え、分析フェーズでは「Triage Agent」が大量のアラートから要注意アラートを絞り込み、サマリーと推奨アクションを自動生成する。対応フェーズではAIが推奨対応手順を提示し、マルウエア解析が必要な場合は「Malware Threat Reversing Agent」が動作解析サマリーを提示することで、影響範囲の調査が可能となる。そして終了フェーズでは「AI Assistant in Enterprise Security」が調査レポートを自動生成し、オペレーターは内容を確認してクローズする（図1）。 　さらに、検知ルールの作成・運用ワークフローについても、脅威シナリオの調査からチューニングまでの5ステップを、自組織のデータや環境に基づいて適切な検知ルールを特定する「Detection Studio」、検知ルールの設定作成・チューニングを自然言語での対話で支援するAIエージェント「Detection Builder Agent」、そして自然言語のプロンプトからSOARのPlaybookを自動生成し、アラート発生後の調査対応の自動化を担うAIエージェント「Automation Builder Agent」が支援。これにより、新しい脅威が登場するたびに発生する検知ルール更新の負担をAIが肩代わりするのである。

　ただし、これらのAIエージェントは人間と完全に置き換わるわけではない。「AIエージェントは、あくまで人間を支える存在であるべきです。Agentic SOCは人の判断を補完拡張する『Human in the Loop』を通じて、アナリストがより高度な分析や意思決定に集中できる環境をつくります」と阿部氏は語る。

　実際にAgentic SOCは、どのようにアナリストの判断を支えるのか。阿部氏は、Triage Agentを使ったデモで、次の3つの問いに答える形で役立つことを示した。

　1つ目は「何が起きたのか」。アラートが発報した理由を簡潔なサマリーとして提示し、AI Dispositionとして正検知・誤検知などの判定、信頼スコア、重要度を表示する。2つ目は、「どうしてそれが分かるのか」。JUSTIFICATIONとして判断根拠を示し、コマンドラインの挙動、プロセスツリー、関連ログ、実行されたクエリなどを開示する。3つ目は、「それは重要なのか」。エビデンスタブでは、正検知や誤検知といった判定の根拠となり得る複数の仮説を提示し、それぞれの仮説が証拠によってどの程度支持または否定されるかを整理して示す。

　注目すべきは、Triage AgentがSplunk内のデータだけでなく、SOAR連携を通じて外部ツールの情報も活用できる点である。デモではSOAR連携にて、SOARのコネクター経由でCrowdStrike側のアラート関連情報を照合しながら判断に必要なコンテキストを補完する様子が紹介された。

　「これはSplunkとCiscoのエコシステムを超えた、エージェンティックワークフローの代表例といえます。顧客環境で有効化されているSOARや統合機能について、許可された範囲でTriage Agentを利用できます」（阿部氏）

　続いて、AI利用そのものを保護する仕組みとして「Cisco AI Defense」とSplunkが生成するコンテキストの重要性が語られた。

　Cisco AI Defenseは、「AIアプリケーションランタイム保護」「AIモデルやAIアプリケーションの検証」「シャドーAI対策としてのアクセス統制」の3つのケイパビリティを備え、企業のマルチモデル／マルチクラウド環境において、AIを安全に活用するための基盤を提供する。そこにSplunkとの連携によって検知したリスクや検知結果などのコンテキストを、アラートに付加することができるのだ。

　「これにより、従来からSOC監視対象であったログ、端末、ネットワーク、IDに加え、生成AIやAIアプリケーションの利用そのものを監視対象に組み込み、Agentic SOCの中で一元的に対応できるようになります」と阿部氏は説明する。

　ただし、AIエージェントは予想外の誤った行動を起こすこともあり、最悪の場合、本番インフラ全体に影響を及ぼしてしまうおそれがある。阿部氏は、「行動の後ではなく、行動の前に制御を設計することが重要です」と説く。実際、多くの企業がエージェント導入を志向する一方、こうした制御に関するハードルの高さもあって、本番運用への適用は一部にとどまっているのが現実だ。

　この「信頼ギャップ」を埋めるカギとなるのが、AIエージェントに与える「コンテキストの質」である。脅威インテリジェンスやアラート相関、行動のベースライン、リスクスコアといった技術的コンテキストと、資産情報やユーザー属性、対応手順（SOP）、過去の対応履歴といった環境特性コンテキストの双方が揃って、初めてAIエージェントは適切な判断を下せるようになる（図2）。 　Splunkは、こうしたコンテキスト生成に強みを持つ。Active DirectoryやCMDB（構成管理データベース）から取り込んだ人事情報・資産情報は、Exposure Analyticsによって「誰の何の資産か」という環境特性コンテキストとなる。Web、DNS、DHCP、エンドポイント、脆弱性情報などのログやイベントは、UEBA、RBAを通じて、行動ベースラインやリスクスコアといった技術的コンテキストに変換される。さらに、社内SOPのような文書はSOPエージェントが読み込み、対応手順のコンテキストとして活用される。

　「これらの情報が統合されることで、AIエージェントは『誰の・どの資産に影響しているのか』『通常の挙動からどれだけ逸脱しており、どの程度のリスクなのか』『次に何をすべきか』といった情報などを具体的に示せるようになります。Splunkがあらゆるデータソースを柔軟に取り込めるからこそ、質の高いコンテキストをAIに提供できるのです」（阿部氏）

　AIエージェントをいきなり全面的に自律運用させるのではなく、まずはAgentic SOCを標準機能のままで導入。判断支援と根拠提示から始め、検証と統制を重ねながら段階的に適用範囲を広げることが、SOC運用変革への現実的な導入の道筋となる。