サイバーセキュリティの軍拡競争：AIがネットワークを攻撃し防御するためにどのように同時に使用されるか

「サイバーセキュリティの軍拡競争：AIがネットワークを攻撃し防御するために同時に使用される方法」

Alex Rivera（シニアテクノロジーレポーター）著。本誌は、Reuters、Bloomberg、および公式ベンダー開示を含む一次情報源に対して主張を検証します。

AIツールは現在、クリック率85％以上を達成するフィッシングメールを生成しています。

セキュリティチームは、自分たちに対して使用されるのと同じツールに直面しています。

この変化は2025年初頭に勢いを増し始めました。

攻撃者は迅速なコンテンツ作成のために大規模言語モデルを採用しました。

防御者はセキュリティオペレーションセンターでの自動化で対応しました。

結果として、両者の直接的な競争となっています。

攻撃ツールが新たな速度に到達

LLM支援のマルウェアは現在、数週間ではなく数時間でコードの亜種を作成します。

あるグループは経営者を装うために合成音声通話を使用しました。

その通話は2025年のテスト中に複数の企業で音声チェックを回避しました。

攻撃者はターゲット業界に合ったメッセージを作成するために、モデルにプロンプトを入力します。

送信前にオープンソースフィルターに対して出力をテストします。

回避が成功するまでプロセスを繰り返します。

これらのステップにより、小規模チームが以前は大規模グループに限定されていたキャンペーンを実行できるようになります。

Reports from CrowdStrike (2025 Global Threat Report) は前年比200％以上のボリューム増加を示しています。

防御プラットフォームは同じモデルを適用します

AI SOCプラットフォームはログをスキャンし、異常をリアルタイムでフラグ付けします。

アラートの優先順位付けのためにラベル付きインシデントデータでトレーニングします。

これらのプラットフォームを使用するチームは、平均対応時間が数日から数分に短縮されたと報告しています。

プラットフォームはエンドポイントデータとネットワークトラフィックストリームに接続します。

アナリストがレビューするための推奨アクションを生成します。

このセットアップは、初期トリアージを高速化しつつ、人間をループ内に保ちます。

この分野のベンダーには、CrowdStrike (Falcon)、Palo Alto Networks (Cortex XSIAM)、およびMicrosoft (Sentinel)が含まれます。

彼らの共通の主張は、モデルがルールベースのシステム単独よりも初回処理をより良く扱うというものです。

セキュリティチームは実用的な組み合わせを選択します

ほとんどのチームは現在、攻撃シミュレーションツールと防御自動化の両方を実行しています。

生成されたフィッシングサンプルで独自のメールフィルターをテストします。

LLMコードジェネレーターを使用する内部レッドチーム演習を実行します。

目標は、実際のインシデントが発生する前に検出率を測定することです。

一般的なセットアップの1つは、AI SOCプラットフォームとエンドポイント検出ソフトウェアを組み合わせたものです。

アナリストはフラグ付けされたアイテムをレビューし、モデル出力に基づいてルールを更新します。

このハイブリッドアプローチは、企業セキュリティグループの最近の調査に登場しています。

速度と人間の監視のバランスを取ります。

限界と残るギャップ

攻撃モデルは依然として一部の場合で検出可能なパターンを生成します。

音声合成は、背景ノイズが異なる場合、ライブ通話で失敗します。

防御モデルは時間の経過とともにアナリストを疲れさせる誤検知を作成します。

モデルがすべての小さな変更をフラグ付けすると、チームはアラート疲労を報告します。

どちらの側も一貫した優位性に達していません。

コンテストは、各インシデントの波の後に各側が調整しながら続いています。

次に監視すべきこと

より良い回避または検出スコアを主張する新しいモデルのリリースに注目してください。

合成メディアルールに関する規制の動きを追跡してください。

AI機能収益を分離したセキュリティベンダーの収益報告に注目してください。

LLMの関与の兆候について、大規模な侵害の事後分析を観察してください。

これらのシグナルは、来月中にどちらの側が地歩を固めるかを示すでしょう。