CISAのAIサイバー警告：技術的負債が防御側の対応時間を縮めている
数十年にわたる技術的負債によって、防御側はより速い脆弱性発見に対し、より少ない運用上の余裕で向き合うことになった。CISAはこれを受け、率直なAIサイバー警告を発した。
ニック・アンダーセン長官代行は9月9日、ワシントンD.C.で開催されたBillington CyberSecurity Summitでこの見解を示した。中心的な懸念は、遠い将来の人工知能による攻撃ではない。能力を高めるAIと、組織がすでにインベントリ作成、パッチ適用、置き換えに苦慮しているシステムとの衝突だ。
この衝突はサイバーセキュリティを巡る議論を変える。AIは防御側による欠陥の特定や修復の加速を支援できる一方、攻撃者も同様の能力をはるかに大きな未対応案件の蓄積に対して利用できる。サポート切れのソフトウェア、公開されたサービス、脆弱な認証情報、不完全な資産記録を抱える組織は、この競争で後れを取った状態から始めることになる。
CISAはまた、前年に縮小されたチームを再建しながら、この時期を迎えている。アンダーセン氏が発言した時点で、約250人の選考済み候補者が連邦政府の採用手続きを完了するのを待っていた。同庁は運用能力を回復させると同時に、インフラ事業者がどの脆弱性に直ちに対応すべきか判断できるよう支援しなければならない。
したがって、CISAのAIサイバー警告は新たな攻撃手法そのものよりも、閉じつつある対応の時間枠に関するものだ。競われているのは、機械速度の脆弱性発見と、蓄積した技術的負債を抱える人間の組織である。
CISAのAIサイバー警告は既存の弱点を標的にする
直接的な変化は、CISAが技術的負債を通常の近代化課題ではなく、緊急性の高い国家安全保障上のリスクとして扱うようになったことだ。
アンダーセン氏はBillingtonでの登壇で、異例なほど厳しい表現を用いた。米国は数十年にわたって不適切な技術判断を下してきたと述べ、国内全体の技術的負債を圧倒的な規模だと表現した。
同氏の警告は、そうした判断を壊滅的なサイバーセキュリティ上の結果につながり得るものとして結び付けた。指導者がすでに理解している結果を避けたいのであれば、重大な変更を短期間に連続して実施しなければならないとアンダーセン氏は主張した。発言は、サミット後に公開された詳細なCISA幹部インタビューで報じられた。
技術的負債とは、組織が保守、置き換え、文書化、あるいはアーキテクチャ改善を先送りした際に生じる将来的なコストを指す。セキュリティの文脈では、サポート切れのOS、忘れられたインターネット公開アプリケーション、一貫性のないアイデンティティ管理、または安全に更新できないソフトウェアとして現れる可能性がある。
問題は累積する。古いアプリケーションが1つだけなら、リスクは管理可能かもしれない。しかし、数千に及ぶ依存関係、デバイス、アカウント、インターフェース、継承された設定は、はるかに困難な運用環境を生み出す。
AIは、その環境にある欠陥を探すための労力を減らせるため、リスクを高める。問題を引き起こすのに、モデルが新しい脆弱性の分類を発明する必要はない。コードの調査、手掛かりの関連付け、テストケースの生成、多数の標的にわたる反復作業を、オペレーターが支援できる。
これは、自律システムが指示だけで任意のネットワークを侵害できることを意味するものではない。現在の成果は、モデルの能力、利用可能なツール、アクセス権限、安全策、標的の複雑さに左右され続けている。それでも自動化は、既存の攻撃者ワークフローをより安価かつ迅速にする可能性がある。
重要なのは、新たに公開される脆弱性の件数だけではない。組織が修復を完了しなかったために到達可能なまま残っている古い欠陥も含まれる。より優れた発見ツールは、人間のチームにはこれまでコスト的に難しかった粘り強さで、その未対応案件を再調査できる。
これが、アンダーセン氏の警告がエンタープライズソフトウェア環境にとって重要な理由だ。ERPシステムは、財務、調達、人事、製造、物流、パートナーデータをつないでいる。その依存関係は、長年にわたり蓄積されたカスタムコード、アイデンティティプラットフォーム、データベース、統合レイヤー、インフラにまたがることが多い。
1つのコンポーネントに影響する脆弱性が、そのコンポーネントを大きく超える運用上の影響を生む可能性がある。緊急パッチのためにシステムを停止すれば、支払い、生産、サプライチェーンのワークフローが中断するおそれがある。パッチを遅らせれば可用性は維持されるが、リスクは残る。
CISAのメッセージは、このトレードオフをなくすものではない。これを管理するために利用できる時間が縮小している、というものだ。
同庁と国際的なパートナーは、6月の声明でも同じつながりを示した。Five Eyesのサイバー当局は、AIが脆弱性発見から悪用までの間隔を短縮していると警告した。共同のサイバーガイダンスは、サポート切れのシステムを通常の技術的負債ではなく、戦略的な負債と位置付けた。
この枠組みは、近代化をセキュリティプログラムの中に位置付け直す。レガシーシステムは、もはや高価、低速、不便なだけの存在ではない。防御側と敵対者の双方が、その弱点をより効率的に探索できる資産になる。
経営層にとって、最初の実務的な示唆は厳しい。AIセキュリティ製品を購入しても、欠けた資産記録、保守されていないソフトウェア、不明確なシステム所有者を補うことはできない。自動化には、正確な運用環境が必要だ。
企業がどのサービスがインターネットに公開されているかを特定できなければ、そのリスクを確実に順位付けすることはできない。依存関係をマッピングできなければ、パッチが重要プロセスを中断するかどうかを把握できない可能性がある。説明責任を負う所有者がいなければ、優先度の高い検出事項が放置される可能性がある。
CISAのAIサイバー警告は、こうしたよく知られた失敗に時間的な切迫性を与える。リスクはAIに何ができるかだけから生じるのではない。AIがこの水準の能力に達する前に、組織が何を先送りしてきたかから生じる。
脆弱性管理はトリアージの課題になりつつある
防御側はすべての弱点に同じ速度でパッチを適用できないため、CISAは最も大きな運用上の影響をもたらす脆弱性へ焦点を移している。
従来の脆弱性管理プログラムは、多くの場合、深刻度スコアから始まる。チームは環境をスキャンし、検出事項を収集し、最も深刻に見える項目の修正を試みる。このプロセスは作業を生み出すが、どの欠陥が最も差し迫ったリスクを生むかを常に明らかにするわけではない。
隔離されたテストシステム上の重大な欠陥は、公開された本番サービスにある中程度の評価の弱点より重要度が低い場合がある。悪用の証拠、自動化の可能性、資産への到達可能性、攻撃者が得るアクセス権限はいずれも、判断を変える。
CISAは、このリスクベースのアプローチをBinding Operational Directive 26-04で正式化した。この指令は連邦文民行政機関に適用されるが、その判断モデルは民間組織にとっても有用な参照となる。
指令は、機関に4つの要素を考慮するよう求めている。これには、資産が公開されているかどうか、脆弱性がCISAのKnown Exploited Vulnerabilities Catalogに掲載されているかどうかが含まれる。また、悪用を自動化できるか、成功した場合に攻撃者が部分的または完全な制御を得るかも評価する。
これらの要素は、技術的な検出事項を運用上の問いへと変換する。敵対者が標的に到達できるか、悪用が発生しているか、その弱点によってどのような制御が可能になるかを問うものだ。
連邦パッチ適用指令では、最も高いリスクの組み合わせを示すインターネット公開の脆弱性について、数日以内の対応が求められる場合がある。正確な期限は、指令で割り当てられたリスク分類と修復経路に依存する。
この速度は、AIが攻撃者のワークフローを圧縮し得ることを反映している。新しく公開されたパッチは、基礎となる欠陥について研究者や攻撃者に情報を与えることが多い。AI支援による分析は、その情報をテストロジック、コードの説明、候補となる悪用経路へと変換する助けになり得る。
ただし、政策上の中核的な転換は「すべてに直ちにパッチを適用する」ことではない。「悪用された場合に最大の危険をもたらす弱点を特定し、最初に対処する」ことだ。
この区別が重要なのは、脆弱性の件数がすでに多くのセキュリティチームの対応能力を超えているためだ。より多くの自動スキャナーを追加しても、信頼できる文脈なしに検出事項を生むだけなら、問題を悪化させる可能性がある。
セキュリティオペレーションセンターは、特権アイデンティティに接続された唯一の公開アプリケーションを見落としながら、数千件のアラートを受け取ることがあり得る。検知が増えても、自動的に意思決定の質が上がるわけではない。
有効な優先順位付けには、複数の種類の文脈が必要となる。
影響を受ける資産が公開インターネットに接しているか
その弱点が悪用されているか
悪用を自動で実行できるか
攻撃者が意味のある制御を獲得するか
どの業務プロセスがその資産に依存しているか
代替的な防御策が直近のリスクを軽減するか
組織がどれほど迅速に修正をテストし展開できるか
このモデルは、エンタープライズ技術のリーダーに対し、セキュリティツールを取り巻く情報を改善するよう求める圧力となる。スキャナーはソフトウェアのバージョンを特定できるが、どの製造ラインが特定のサーバーに依存しているかまでは理解できない可能性がある。チケット管理システムはパッチを割り当てられるが、停止時間を巡る対立を解決することはできない。
組織的な知識はサイバー防御の一部となる。アーキテクチャに関するメモ、過去のインシデント記録、変更判断、例外承認、依存関係マップは、チームが自動化された検出事項を解釈する助けとなる。
大規模な技術文書コレクションを管理する組織では、インシデント発生時にもそれらの記録を検索可能な状態に保つ必要がある。整備されたエンジニアリングナレッジベースは、所有者やシステム履歴を再構築する時間を短縮できる。
それでも、文書化だけでは十分ではない。記録は現在の環境を反映していなければならず、チームはどの情報源が権威を持つかを把握している必要がある。AIが生成した要約は、古い図面と現在の設定を混在させることで、さらなるリスクをもたらす可能性がある。
より大きな教訓は、AIがそれを取り巻く運用体制の質を増幅するということだ。適切なインベントリデータ、明確な所有責任、検証済みの対応プロセスは、自動化をより有用にする。断片化されたデータは、自信に満ちてはいるが不完全な推奨をより速く生み出すことになり得る。
CISAの優先順位付けアプローチは、防御側の時間が限られていることを受け入れている。その時間を、到達可能で、悪用可能で、重大な影響をもたらす弱点に集中させる。現在、組織には、こうした区別を行うために必要な文脈を提供することが求められている。
AIの速度が技術的負債と衝突している
主な競争はAI攻撃者対AI防御者ではない。機械速度の発見と、継承されたリスクをゆっくり除去する作業との競争である。
セキュリティ業界はAIを均衡した競争として提示することが多い。攻撃者は自動化を得る一方、防御側はより優れた検知、コード分析、対応ツールを受け取る。この説明は大筋では妥当だが、大きな非対称性を隠している。
攻撃者は、機能する経路を1つ探せばよい。防御側は、多数の資産を把握し、サービスの可用性を維持し、変更をテストし、所有者を調整し、回帰を防がなければならない。技術的負債は、その防御作業の各段階を増大させる。
攻撃者に完全なエンタープライズマップは必要ない。到達可能なサービス、使い回された認証情報、忘れられた統合、公開された管理インターフェースのいずれかで十分な場合がある。防御側は、組織が依存するシステムを壊すことなく、これらの経路を見つけて閉じなければならない。
AIは、両方の業務の一部を加速できる。未知のコードを説明し、クエリを生成し、設定ファイルを比較し、アナリストによるアラート調査を支援できる。また、偵察、脆弱性調査、フィッシングの準備、複数段階にわたる攻撃シーケンスの組み立ても支援しうる。
実際のバランスは環境によって決まる。正確な資産台帳と自動展開を備えた成熟組織は、AIを活用して修復までの時間を短縮できる。一方で、放置された環境では、同じツールによってチームの処理能力を超える問題が見つかる可能性がある。
これが、CISAのAIサイバー警告における中心的な逆転である。脆弱性の発見はかつて、希少な専門知識と人間の注意力によって部分的に制約されていた。AIがこうした制約を減らすにつれ、ボトルネックは優先順位付け、テスト、責任所在、修復へと移る。
OpenAIは、AIが最終的にはサイバー経済を防御側に有利な方向へ変える可能性があると主張している。同社の8月の分析では、欠陥の発見、セキュアコードの改善、形式手法による検証の適用に役立つツールが取り上げられた。同社の防御側の猶予期間に関する分析も、技術的負債が、攻撃者に発見されうる重大な弱点を隠していることを認めている。
この楽観的な見方には注目する価値がある。防御側は通常、自らのシステムを管理し、内部テレメトリーを保有し、認可済み環境全体に変更を展開できる。また、AIをインシデント記録、コードリポジトリ、アクセス管理システムと統合することも可能だ。
ただし、こうした利点は自動的に得られるものではない。多くのインフラ運営者は、通常の企業ITのスケジュールでは運用技術を更新できない。病院、電力施設、工場、交通事業者は、安全性、認証、可用性、ベンダーサポートを考慮しなければならない。
一部のシステムは、開発元の担当者がすでに退職したカスタムアプリケーションを稼働させている。別のシステムは、現行ソフトウェアをサポートできないハードウェアに依存している。これらを置き換えるには、調達、物理的な導入、再教育、計画停止が必要になる場合がある。
AIモデルは、古いコード内の危険な関数を特定できる。しかし、本番環境の停止を独自に承認したり、互換性を保証したり、移行失敗の責任を負ったりすることはできない。
これが、「技術的負債」という表現では問題を過小評価しうる理由だ。負債という言葉は、組織が着実な投資を通じて返済できる金融上の残高を想起させる。一部のレガシーリスクは、むしろ構造的な依存関係に近い。
重要なプロセスは、接続されたすべてのプロセスが古いコンポーネントを前提に設計されているため、それに依存している場合がある。そのコンポーネントを取り除くことは、短期間のセキュリティ作業ではなく、数年規模のエンジニアリング計画を生む。
ERPの運営者にとって、この問題はカスタム拡張機能やインターフェースに現れることが多い。中核プラットフォームは定期的な更新を受けていても、周辺のスクリプト、ミドルウェア、サービスアカウント、ファイル転送は、文書化が不十分なままである可能性がある。
AI支援型スキャナーは、こうした接続関係をより迅速に明らかにするかもしれない。しかし、その発見が価値を生むのは、組織が責任者、事業への影響、受け入れ可能な修復計画を判断できる場合に限られる。
こうした制約が続くため、CISAとそのパートナーは基本的な対策を強調してきた。資産の可視化、アイデンティティセキュリティ、パッチ適用、インシデント準備、サポート終了技術の排除は、新たに発見された弱点が危機へ発展するかどうかを依然として左右する。
9月のサミットに出席したリーダーらも、この点を強調した。サイバーセキュリティ当局者は、今後18カ月間、基本的な失敗が引き続き重大な結果を招くと述べた。彼らのセキュリティの基本に関する評価は、アイデンティティ、資産の理解、レガシーの排除、パッチ適用の迅速化に焦点を当てていた。
このメッセージは、AIが運用上の成熟度の代替になりうると示唆するベンダーに疑問を投げかける。モデルは優先順位を推奨できるが、組織はその推奨を支えるデータを信頼できなければならない。また、行動に移す権限と能力も必要だ。
これは、防御AIにとって測定可能な試験を生み出す。有用な問いは、システムがどれだけ多くの脆弱性を見つけるかではない。検証済みの発見から安全な修復までの時間を、どれほど短縮できるかである。
検出件数を倍増させても解決率を改善できないツールは、防御側への圧力を高める可能性がある。キュー、エスカレーション、例外、未解決リスクを増やすことになる。
より強力なシステムは、検出結果を露出状況、悪用の証拠、事業上の重要性、利用可能な対策と関連付けるだろう。ある脆弱性が別の脆弱性より先に対処すべき理由を示すはずだ。本番環境に影響する判断の責任は、人間の責任者が引き続き負う。
この違いが、AI支援型セキュリティと自動化されたノイズを分ける。前者は判断の質と速度を改善する。後者は、すでに過負荷となっている報告プロセスを加速するだけだ。
CISAの人員不足が対応を複雑化する
CISAはインフラ運営者に迅速な対応を求める一方、自らは大規模な人員削減で失った能力を再構築している。
Andersen氏のサミットでの発言には、重要な人員に関する更新も含まれていた。約250人の採用候補者が条件付きの内定を受け、身元確認やその他のオンボーディング手続きの完了を待っていた。
同庁の採用活動に関する報道によれば、これらの候補者は選考、面接、採用決定を経ていた。CISAは数百人の新規職員を迎える見通しだったが、Andersen氏はより大きな人員目標に達する時期を示さなかった。
国土安全保障省の首脳部は以前、約600人のポスト追加について言及していた。Andersen氏は、単純な人員数目標を追う前に、運用上の欠員を埋めることを重視した。
採用待ちの人材には、サイバーセキュリティ、インフラセキュリティ、緊急通信、地域運用にまたがる職種が含まれる。CISAには、身元確認を処理し、追加職員のオンボーディングに必要な事務作業を担う人員も必要だ。
この詳細は、人員回復が即時には進まない理由を示している。セキュリティクリアランスを要する連邦サイバーセキュリティ専門家の採用は、候補者の選定だけでは完了しない。身元調査、セキュリティ審査、薬物検査、正式な勤務開始日の設定によって、配備が遅れる場合がある。
CISAの採用に関する更新は、同庁の人員のおよそ3分の1に影響した削減についても報じている。元当局者や議員は、こうした損失が州・地方政府および重要インフラのパートナーに対する支援を弱めたのではないかと疑問を呈している。
人員配置だけでサイバーレジリエンスが決まるわけではない。組織の優先順位、情報共有の関係、技術システム、権限、リーダーシップはいずれもCISAのパフォーマンスに影響する。
それでも、このタイミングは避けられない緊張を生む。同庁は、AI支援によって加速する脅威への対応をパートナーに支援しながら、チーム、現場との関係、専門知識を再構築しなければならない。
重要インフラは一様なネットワークではないため、地域アドバイザーは特に重要である。水道システム、病院、エネルギー供給事業者、金融機関、通信会社、地方政府は、それぞれ異なる運用上の制約に直面している。
国家レベルの指針は優先事項を定められる。地域および分野の専門家は、その優先事項を運営者が適用できる判断へと翻訳する役割を果たす。この文脈を失えば、有用なガイダンスも、限られた注意を奪い合う別の文書になりかねない。
人員不足は、調整役としてのCISAの役割も複雑にする。米国の重要インフラの多くは民間企業が保有する一方、連邦機関は情報、規制、インシデント対応の能力を有している。
効果的な連携は、危機が起きる前に築かれた信頼に依存する。インフラ運営者には、信頼できる連絡先、明確な報告チャネル、機微な情報を共有すれば有用な支援が得られるという確信が必要だ。
人員数を再構築しても、こうした関係がすぐに回復するわけではない。新任職員には、訓練、組織的な文脈、パートナー組織との時間が必要である。離職した経験豊富な職員は、長年にわたる分野の知識を持ち去った可能性がある。
これはAndersen氏の警告を無効にするものではない。むしろ、その警告をより重大なものにする。CISAは、自らの能力制約の下で活動しながら、対応可能な時間枠が狭まっていることを認めている。
懐疑的な見方をするなら、レトリックと測定可能な改善も分けるべきだ。強い表現は経営層の注意を集められるが、システムにパッチを適用したり、欠員を埋めたりはしない。
CISAの立場が結果を変えるかどうかは、3つの問いによって決まる。
第一に、同庁は自らのリスクモデルを、組織が既存のワークフロー内で利用できるデータへと変換できるか。セキュリティチームに必要なのは、広範な推奨だけではなく、機械可読な露出、悪用、影響のシグナルである。
第二に、CISAはインフラパートナーを支援するのに十分な速度で、運用および地域の人員を再構築できるか。条件付きの内定は、選ばれた人々が勤務を開始し、その職務で有効に機能して初めて意味を持つ。
第三に、組織は重要サービスを不安定化させずにレガシー露出を減らせるか。より迅速なパッチ要件が役立つのは、ベンダー、運営者、規制当局が安全な変更を調整できる場合に限られる。
AIの能力予測には不確実性もある。サイバー上の性能は、すべてのタスクで均等に向上するわけではない。モデルは管理されたベンチマークでは有効に見えても、未知のシステム、不完全なアクセス、長い運用チェーンでは苦戦する可能性がある。
攻撃者も同様の制約に直面する。AIは障壁を下げ、規模を拡大できるが、侵入の成功には依然として到達可能な標的、利用可能な脆弱性、認証情報、持続性、運用上の判断が必要である。
防御側は、あらゆるAIに関する主張を、差し迫った自律型脅威の証拠として扱うべきではない。そうすれば、すでに一般的な攻撃を防いでいる対策から資金をそらす可能性がある。
より適切な解釈は、より限定的だ。AIは、既知の弱点がより迅速に、より大規模に調査される可能性を高める。蓄積した技術的負債を抱える組織は、自らの目立たなさが以前ほど保護にならなくなっていると想定すべきである。
この主張は、完全自律型のサイバー戦争を予測しなくても重大である。また、チームが今日評価できる行動につながる。
防御側が次に注視すべきこと
次の試金石は、CISA、インフラ運営者、AI開発者が、危険な自動化を生み出さずに警告をより短い修復時間へと転換できるかどうかだ。
最初のシグナルは、CISAによるリスクベースの脆弱性優先順位付けの実装である。連邦機関は、露出状況、既知の悪用、自動化の可能性、技術的影響が、より良い修復判断につながるかを示すべきだ。
成功とは、最も重大な弱点がより迅速に解消され、低リスクの検出結果には相応の注意が払われることを意味する。また、各機関が、ある脆弱性が特定の優先カテゴリに入った理由を説明できることも意味する。
失敗は、別のコンプライアンスキューとして現れるだろう。機関が正確な資産文脈なしに期限を追えば、例外、停止、表面的な完了記録を生む可能性がある。
民間部門も、この実装を注意深く見守るべきである。連邦の指針は大半の企業を自動的に拘束するものではないが、CISAの判断モデルはベンダー、保険会社、規制当局、企業のセキュリティプログラムに影響を与えうる。
第二のシグナルは、CISAの人員回復である。重要なのは、単に250件の条件付き内定や600ポストという目標ではない。勤務を開始し、優先チームに入り、パートナー組織向けのサービスを回復する人の数である。
運用部門と地域現場の役割には、特に注意を払う価値がある。その進展は、同庁が国家レベルの政策と分野別支援を結び付けられるかを示すだろう。
採用の速さだけでは成功を証明できない。定着、訓練、パートナーへのアクセス、技術サービスの回復は、発表よりも重要である。組織的な支援を欠いた大規模採用は、即時の能力提供に苦戦する可能性がある。
第三のシグナルは、防御的AIが修復までの時間を短縮することを示す証拠である。ベンダーやモデル開発者は、ベンチマーク結果、デモンストレーション、セキュリティに関する主張を今後も発表し続けるだろう。組織は、実際の運用環境内で測定された成果を重視すべきだ。
有用な証拠としては、検証サイクルの短縮、誤った優先順位付けの減少、担当者割り当ての迅速化、より安全なパッチ展開などが挙げられる。また、人間が推奨事項をどのようにレビューし、モデルの誤りにどう対処したかも示されるべきである。
発見される脆弱性の増加が、必ずしも防御力の向上を意味するわけではない。発見が価値を持つのは、攻撃者に悪用される前に、チームが重大な露出を解消できた場合である。
防御側は、高度なサイバー能力がどの程度広く普及するかも注視すべきだ。アクセスが限定されたモデルは、信頼できる研究者に一時的な優位性をもたらし得る。広く利用可能なシステムに同等の能力が備われば、その緩衝余地は縮小する。
政策論争では、アクセス制御、段階的リリース、適格な防御側との連携が焦点の一部となるだろう。しかし、リリース制限だけで、公共・民間インフラ全体にすでに埋め込まれた弱点を取り除くことはできない。
持続的な対応は、もっと地味なものだ。組織には、正確な資産インベントリ、サポート対象のソフトウェア、より強固なID制御、テスト済みのインシデント計画、そして安全でないシステムを廃止する権限が必要である。
セキュリティリーダーは、まず具体的な問いを投げかけることから始められる。
所有者が確認されていないインターネット接続資産はどれか？
どの重要アプリケーションがサポート終了コンポーネントに依存しているか？
到達可能性と既知の悪用を併せ持つ脆弱性はどれか？
停止時間またはベンダー承認を必要とするパッチはどれか？
文書化されていないシステム知識に依存する対応判断はどれか？
アナリストが再現・検証できるAIの検出結果はどれか？
組織は影響を受けたサービスをどれだけ迅速に封じ込められるか？
これらの問いは、経営層のリスクと運用上の作業を結び付ける。また、AIへの投資が実際のボトルネックを解消しているのか、それとも単に検出結果を増やしているだけなのかも明らかにする。
エンタープライズの購入担当者にとって、最も信頼できるセキュリティ製品は、その優先順位付けを説明できる製品となる。推奨の根拠となる証拠を示し、不確実性を明らかにし、変更管理プロセスと統合できなければならない。
開発者にとって、安全なコード生成はデモンストレーション以上の観点から精査されるべきである。チームは、依存関係の選択、テストカバレッジ、権限境界、そして古いドキュメントに対するモデルの扱いを評価すべきだ。
ナレッジワーカーにとっての論点は、エクスプロイト開発ではなくアクセスである。機密性の高いアーキテクチャノート、認証情報、インシデント記録、社内ディスカッションは、いずれも攻撃者にとって価値ある入力になり得る。ID制御と情報分類は依然として不可欠だ。
CISAのAIサイバー警告が最終的に描いているのは、二つの加速形態の競争である。AIは発見と分析を高速化できる一方、組織は意思決定と修復を高速化しなければならない。
一方は見落とされた経路を一つ見つければよい。もう一方は、自らの環境を理解し、サービスを維持しながら、その経路を安全に閉じなければならない。
この不均衡が、Andersenの切迫感を説明している。また、未解決の技術的負債の上に自動化をもう一層重ねるだけでは解決にならない理由も説明している。
組織は、単純な結果で進捗を判断すべきだ。最も重大な露出は、攻撃者が利用できるようになる速度よりも速く解消されているか？ その答えが依然として不明確なら、対応の猶予はなお縮まり続けている。
