AI脅威の加速でCrowdStrikeとPalo Alto Networksが最高値を更新

CNBC reportedによると、Black Hat USA 2026でサイバーセキュリティ報道を支配する対立構図が浮き彫りになった後、CrowdStrikeとPalo Alto Networksの株価は過去最高圏に達した。人工知能は攻撃者をより速くしている一方、投資家はその同じ加速を、既存セキュリティベンダーの販売拡大を支える原動力と見始めている。

この見方は、2026年初頭にソフトウェア株を圧迫した懸念を覆すものだ。投資家は高度なモデルがセキュリティスタックの一部を代替することを懸念していた。だがBlack Hatは、AIアプリケーション、自律エージェント、アイデンティティ、クラウドワークロード、そしてモデル自体を保護する必要性が高まっていることを示した。

市場の反応は、いずれかの企業がこの新興分野を支配することの証明ではない。投資家が問う内容を変えたことを示している。AIがセキュリティソフトウェアを消し去るかではなく、AIが生み出すより大きな攻撃対象領域をどのベンダーが制御できるのかを問うようになった。

この違いは株主だけでなく、購入者にとっても重要だ。CrowdStrikeとPalo Alto Networksは異なるセキュリティアーキテクチャを提供しているが、いずれも幅広いプラットフォームへの統合を約束している。Microsoft、Cisco、Google、そして専門ベンダーも同じエンタープライズ予算を狙っている。

したがって中心的な競争は、CrowdStrike対Palo Alto Networksではない。AI支援による制御というセキュリティプラットフォームの約束と、AIがもたらす運用の複雑さと攻撃者の速度との競争である。

Black HatがGoogle Newsの報道をどう変えたか

Black HatはAIセキュリティを、製品上の主張から、加速する攻撃と自動化された防御の目に見える競争へと変えた。

Black Hat USA 2026は8月1日から8月6日にかけて、ラスベガスのMandalay Bayで開催された。公開プログラムには、専用のAI Summitと「AI & Autonomous Threats」トラックが含まれていた。

この議題はAIを、クラウドセキュリティ、アプリケーション防御、ハードウェア攻撃、インシデント対応と並ぶ位置に置いた。もはや将来のリスクを扱う基調講演だけに限定されてはいなかった。

同カンファレンスのAI Summitは、人工知能が攻撃と防御の双方をどのように変えているかに焦点を当てた。出展者は、模擬フィッシング、ディープフェイク訓練、自動調査、AIエージェント保護のためのシステムを披露した。

Palo Alto Networksは、敵対的AIによって、スキルの低い犯罪者でも説得力のあるキャンペーンを構築できるようになると説明した。同社のBlack Hat向け資料は、こうしたキャンペーンがマシン速度で稼働し、時には従来の手法より10倍速く進行する可能性があると述べている。

この数値は同社自身のインシデント対応に関する観察に基づくものであり、業界全体の測定値として扱うべきではない。それでも、セキュリティチームが直面する圧力を捉えている。

AIは、標的の調査、もっともらしいメッセージの生成、悪意あるコードの改変、代替手法のテストに必要な時間を短縮する。攻撃者は大規模な人員チームを維持せずとも、こうした工程を繰り返せる。

実際の変化は、完全に自律したハッカーではない。準備、実験、コミュニケーションのより多くをソフトウェアに委任できる人間の攻撃者である。

防御側も同様の手法を採用している。セキュリティエージェントは、アラートを要約し、証拠を相関分析し、対応を推奨し、承認済みの措置を実行できる。エージェントとは、単に一つの回答を出すのではなく、複数の手順を通じて目標を追求するソフトウェアだ。

この対称性は、市場の反応を説明する一助となる。より高度なAIは、既存のサイバーセキュリティ企業を単純に弱体化させるわけではない。信頼できるデータ、ポリシー制御、アイデンティティの文脈、権限に基づく対応システムの価値を高める。

CrowdStrikeは、クラウドベースのセキュリティプラットフォームであるFalconを通じて、広範なエンドポイントテレメトリーを保有している。Palo Alto Networksは、ネットワーク、クラウド、運用、AIアプリケーションセキュリティにまたがる。両社とも、AIは既存のデータ全体で動作する際により有用になると主張できる。

しかし、このカンファレンスは厳しい制約も明らかにした。AIアシスタントは、インシデントを説明できるからといって、すべてのアラートを安全に修復できるわけではない。企業には依然として、承認ルール、監査証跡、人間による説明責任が必要だ。

したがってBlack Hatが発したシグナルは、株式市場の物語が示唆するよりも慎重なものだった。AIは対応可能な課題を拡大するが、それだけで信頼できる解決策を自動的にもたらすわけではない。

Google Newsの見出しがこのイベントを過去最高の株価へと圧縮すると、このニュアンスは失われかねない。より重要な展開は市場の動きの下で起きていた。セキュリティプラットフォームは防御すべき新たなワークロードを得たのだ。

そのワークロードには、プロンプト、モデル、検索拡張システム、エージェントのアイデンティティ、ツールの権限、データ接続が含まれる。各要素が、ミスや悪意ある指示が入り込む新たな場所を生み出す。

この広がった対象領域は、セキュリティベンダーに新たな機能を構築または買収する有力な理由を与える。同時に、個別のAIリスクをより適切に解決できる専門企業の余地も生む。

結果として、勝者が定まっていない、より大きな市場が生まれる。Black Hatは、投資家が最大手の上場ベンダーを評価する一方で、その不確実性を可視化した。

より高速なAI攻撃がセキュリティチームの緊張を高める

最も強い需要の根拠は、完全自律型サイバー犯罪に関する劇的な主張ではなく、対応時間の短縮にある。

CrowdStrikeの2026年脅威調査によると、観測されたeCrimeの平均ブレークアウトタイムは29分まで低下した。ブレークアウトタイムは、侵入者が最初に侵害したシステムから環境内の別の部分へ移動するまでの速さを測る指標だ。

同社は、最速で観測されたブレークアウトが27秒だったとも報告した。別のインシデントでは、初期アクセスから4分後にデータ流出が始まったと報告されている。

これらの数値はCrowdStrike独自の顧客および脅威インテリジェンスの可視性に基づくものである。世界中のすべての侵入を網羅するものではない。それでも、手作業の調査では遅すぎる可能性がある理由を示している。

別のtechnology threat reportによると、CrowdStrikeのデータセットではテクノロジー業界が最も標的にされた。同社は、同セクターに対する国家支援型の標的侵入の58％超を、中国と関係する敵対者によるものとしている。

この報告書はAIを複数の種類のリスクと結び付けている。攻撃者は、モデル研究、独自データ、開発者認証情報、クラウドリソース、モデルの訓練や提供に使われるインフラを標的にする。

ソフトウェア開発環境は特に価値が高い。侵害されたトークンや悪意ある依存関係は、コード、デプロイメントシステム、実稼働データへのアクセスを提供し得る。

AIエージェントはしばしば複数のシステムに接続するため、この露出を広げる可能性がある。職場のエージェントは、メールを読み、クラウドストレージを検索し、チケットを更新し、社内サービスを呼び出すことがある。

そのエージェントを操作する攻撃者は、接続された各アプリケーションを個別に突破する必要がないかもしれない。エージェントに承認されたアクセスが、それらの間の経路となり得る。

これが、アイデンティティがAIセキュリティの中心へと移りつつある理由だ。企業は、ある行為が人、サービスアカウント、自律プロセスのいずれによるものかを把握しなければならない。

また、その行為者がイベント発生時点で正確に何を許可されていたかも判断する必要がある。エージェントが複数のツールにまたがる長い連続操作を開始できる場合、静的な権限による保護は限定的だ。

CrowdStrikeの立場は、エンドポイント、アイデンティティ、クラウド、脅威のデータを共通の意思決定レイヤーに供給すべきだというものだ。同社のCharlotte AIシステムは、生成AIを調査とセキュリティ運用に適用している。

Palo Alto Networksも、より広範なネットワークおよびクラウドの基盤から、関連するプラットフォームの主張を展開している。同社のPrisma AIRSポートフォリオは、AIアプリケーション、モデル、エージェント、プロンプト、実行時の活動を対象としている。

ランタイムセキュリティシステムは、アプリケーションが動作している最中に観察する。アプリケーションが完了する前に、悪意あるプロンプトやツール操作を遮断できる。

両方のアプローチは現実的な制約に対応している。セキュリティオペレーションセンターにはすでに、多くのチームが手作業で確認できる量を超えるアラートが届いている。攻撃の高速化は、トリアージの遅れをより危険なものにする。

自動化は対応時間を短縮する道筋を提供するが、新たな障害モードももたらす。実稼働サーバーを誤って隔離するシステムは、攻撃者が存在しない場合でも被害を引き起こし得る。

2024年7月のCrowdStrike障害は、依然として最も重要な歴史的参照事例だ。不具合のあるコンテンツ更新が世界中のWindowsシステムに影響し、航空会社、病院、銀行、その他の組織を混乱させた。

このインシデントに生成AIは関与していなかった。だが、一つの信頼されたセキュリティプラットフォームが数百万台のマシンに変更を加えられる場合に生じる集中リスクを示した。

AI主導の修復は、その教訓の重要性を増す。速度の向上は封じ込めを改善し得るが、人が介入する前に誤った判断を広げる可能性もある。

したがってセキュリティベンダーには、エージェントの権限範囲を制限する制御が必要だ。購入者は、承認のしきい値、元に戻せる操作、詳細なログ、テスト済みのフォールバック手順を確認すべきである。

市場は、こうした能力へのニーズが拡大していると見ている。セキュリティリーダーは、それに伴う運用負荷を見ている。この違いが、株価の最高値と不安に満ちたカンファレンスセッションが共存できる理由を説明する。

CrowdStrikeとPalo Altoは複雑さに対抗するプラットフォームを販売する

投資判断の前提は、AIが複雑さを生み出す速度を上回って、幅広いセキュリティプラットフォームが複雑さを減らせるというものだ。

CrowdStrikeは、エンドポイント検知・対応を軸に地位を築いた。EDRはデバイスを継続的に監視して不審な挙動を検知し、調査や封じ込めを支援する。

Falconプラットフォームはその後、アイデンティティ保護、クラウドセキュリティ、エクスポージャー管理、ログ分析などへと拡大した。共有アーキテクチャにより、顧客は各機能のために別々のプラットフォームを導入することなく、より多くのモジュールを有効化できる。

Palo Alto Networksはネットワークファイアウォールから始まり、Strata、Prisma、Cortexを通じて拡大してきた。これらの事業はネットワーク制御、クラウド環境、セキュリティ運用をカバーしている。

同社は、より少数の戦略的ベンダーへ複数のセキュリティ機能を統合することを意味する「platformization」を推進している。このアプローチは、分断された製品とそれぞれの別個のデータストアを置き換えることを目指す。

同社の2026年度の報告は、購入者が新たなサービスを採用している証拠を示している。Palo Alto Networksは2026年度第2四半期後、次世代セキュリティの年間経常収益が約79億5,000万ドルとなり、前年同期比56％成長すると見込んだ。

年間経常収益は、サブスクリプション契約の年間換算価値を測る指標だ。投資家が継続的な需要を評価する助けとなるが、認識済みの収益や回収済みの現金と同じではない。

その後のearnings presentationでは、Prisma AIRSがエージェントセキュリティ機能を拡張したと説明された。資料には、エージェントスキャン、レッドチーミング、ランタイム保護、可観測性、ポスチャー管理が挙げられていた。

レッドチーミングは、敵対的な行動をシミュレートしてシステムをテストする。AIエージェントの場合、悪意あるプロンプト、安全でないツール要求、制限されたデータへのアクセスの試みなどが含まれ得る。

CrowdStrikeは、同じ競争において異なる強みをもたらす。エンドポイントの活動データにより、同社のモデルはプロセス、アイデンティティ、ファイル、攻撃者の行動に関する詳細な証拠を得られる。

その証拠は、AIアシスタントが無害な異常と侵入を区別する助けとなる。また、顧客環境全体にわたる自動ハンティングも支援できる。

ただし、どちらのデータ上の優位性も絶対的ではない。Microsoftは、自社の導入基盤からアイデンティティ、エンドポイント、生産性、クラウド、モデルの活動を組み合わせられる。Ciscoはネットワークテレメトリーをアプリケーションおよびアイデンティティの制御と結び付けられる。

GoogleはクラウドセキュリティをAI開発スタックとMandiantの脅威インテリジェンスに結び付けられる。Amazon Web Servicesも、AIおよびクラウドワークロード向けの自動化されたセキュリティ運用を推進している。

AWS Black Hat previewでは、AIワークロードの保護と自律的な修復が強調された。この枠組みは、プラットフォームベンダーが掲げる中核的な約束と重なる。

競争圧力は大手テクノロジー企業にとどまらない。スタートアップも、モデルへのアクセス、プロンプトインジェクション、データ漏えい、エージェントのアイデンティティ、AIサプライチェーンのための制御機能を構築している。

こうした専門企業は、一つの新たな問題により深く注力できる。しかし企業の購買担当者は、さらに一つのダッシュボード、データパイプライン、ポリシーエンジン、ベンダー審査を追加することに抵抗するかもしれない。

この緊張関係はCrowdStrikeとPalo Alto Networksに有利に働く。両社の製品はすでに多くのセキュリティプログラムに組み込まれており、営業チームは大手顧客との既存の関係を持つ。

新しいAI制御機能は、新たなベンダーではなく追加モジュールになり得る。統合により、AIイベントをエンドポイントやネットワークの活動と関連付けるために必要な時間も短縮できる可能性がある。

その代償は依存性だ。一社のプロバイダーに集約すると、ベンダー障害、誤ったポリシー、管理プレーンの侵害がもたらす影響が大きくなる。

切り替えも難しくなり得る。データ形式、インシデント対応ワークフロー、スタッフ教育、商業契約が選択したプラットフォームを中心に積み重なっていく。

したがって購買担当者は、集約を単なる調達上の値引きではなく、アーキテクチャ上の意思決定として扱うべきだ。最適なプラットフォームが、必ずしも最も長い機能リストを持つものとは限らない。

有用な評価は、具体的なインシデントから始まる。プラットフォームは、安全でないエージェントの行為を、そのアイデンティティ、プロンプト、モデル、ツール呼び出し、影響を受けたデータまで追跡できるか。

無関係なシステムを停止させずに、その行為を止められるか。調査担当者は、自動対応がなぜ発生したのかを再構築できるか。

これらの問いは、Black Hatでの技術的議論と株価記録を結び付ける。投資家は、幅広いプラットフォームがこうした問いに大規模に答えられることに賭けている。

ベンダーには、統合製品が実際の攻撃条件下で連携して機能することを示す必要がある。統一された販売契約は、統一された検知や対応を保証しない。

最高値の背後にあるAIセキュリティのトレードオフ

AIは需要の触媒であると同時に実行上のリスクでもあり、高い評価には警戒感をあおる脅威報告以上のものが求められる。

株価の最高値は将来の業績に対する期待を反映する。AIセキュリティ製品の有効性や顧客需要の永続性を証明するものではない。

報じられた最高値は、サイバーセキュリティ企業に対するより広範な再評価を受けてのものだった。以前は、高度なコーディングエージェントが既存ソフトウェアベンダーへの需要を減らすのではないかという懸念があった。

セキュリティは、その単純な置き換えの物語には収まりにくいことが分かった。組織は、法的責任、規制上の義務、インシデントに対する説明責任を汎用モデルに委ねることはできない。

モデルは検知ルールを書いたり、不審な行動を要約したりできる。しかし、企業のリスク許容度を独自に決定したり、重要サービスを中断させた責任を引き受けたりすることはできない。

セキュリティは、最新の非公開データにも依存する。アシスタントが適切な対応を行うには、エンドポイント、アイデンティティ、アプリケーション、ネットワークから得られる信頼できるテレメトリーが必要だ。

これは、すでに大量の運用上の証拠を収集しているベンダーに有利に働く。また、汎用モデルのプロバイダーが直ちに再現できない経済的な堀も生み出す。

ただし、同じ議論は循環論法になり得る。ベンダーはAIがリスクを増大させるため顧客には自社プラットフォームが必要だと主張し、その追加的な複雑さを管理するためにプラットフォーム内でAIを利用する。

価値が実在するのは、結果として得られるシステムが測定可能な成果を改善する場合に限られる。購買担当者には、侵入成功件数の減少、調査時間の短縮、運用負荷の軽減が必要だ。

許容可能な誤検知率も必要となる。誤検知とは、セキュリティシステムが正当な活動を悪意あるものとして扱う場合に発生する。

AIは文脈を加えることでノイズを減らせるが、生成モデルは根拠のない結論を生み出す可能性もある。セキュリティにおいて、自信に満ちた誤った説明は、アナリストを誤った行動へ導きかねない。

アシスタントが行動する権限を持つエージェントになると、リスクは増す。提案はレビューできるが、自動的な封じ込め判断は数秒以内に実行される可能性がある。

このため、ガバナンスは製品品質の一部となる。ベンダーは、ツールの使用、データアクセス、承認、モデル変更、自動修復に対する境界を設けなければならない。

外部テストは依然として不可欠だ。企業のデモでは、既知の攻撃経路、選別されたデータセット、制御された環境が使われることが多い。

実際の企業システムには、古いアプリケーション、一貫性のないアイデンティティ記録、カスタム統合、特殊な業務プロセスが含まれる。こうした詳細は、整ったデモを破綻させ得る。

市場はまた、AI関連の需要と、より広範なセキュリティ支出を切り分ける必要がある。ランサムウェア、スパイ活動、クラウド移行、規制要件、ベンダー集約は、すでにこの分野を支えている。

AIセキュリティと表示された一部の契約は、既存のプラットフォーム契約を拡張したものかもしれない。それでも収益は生み出せるが、明確に独立した新市場を証明するものではない。

バリュエーションも別の不確実性を生む。旺盛な需要は、すでに何年にもわたる実行の成功を織り込んだ株価と共存し得る。

CrowdStrikeは、Falconをより多くのカテゴリーへ拡大しながら、アップデートの安全性に関する信頼を再構築し続けなければならない。Palo Alto Networksは、取り除くと約束する複雑さを増やさずに、幅広い製品ポートフォリオを統合する必要がある。

買収は機能を素早く追加できる一方、重複するインターフェース、一貫性のないポリシー、分離されたデータシステムを生むこともある。重要なのは、買収した機能の数より統合の質だ。

Microsoftは別の形の圧力をもたらす。企業がすでに利用している製品にセキュリティ制御をバンドルできるため、別の単体製品を購入する魅力を低下させられる。

専門ベンダーは逆方向から圧力をかける。複数のクラウドおよびモデルプロバイダーにまたがる独立した保護を求める購買担当者を獲得できる。

これによりCrowdStrikeとPalo Alto Networksは、バンドル型スイートと特化型スタートアップの間に位置することになる。両社のプラットフォーム戦略は、バンドルより深い保護と、専門製品の寄せ集めより簡単な運用を提供しなければならない。

Googleニュース検索で繰り返し表示される最高値の記事は、この厳しい立場を覆い隠し得る。市場は単にサイバー脅威へのエクスポージャーを評価しているわけではない。

市場は、これらの企業が信頼性を維持しながら脅威の増加を持続的なサブスクリプションへ転換できると想定している。それははるかに厳しい基準だ。

懐疑的な解釈は、AIセキュリティ需要を否定する必要はない。緊急の問題と、実証済みの商業的勝者を区別することを求める。

Black Hatは緊急性を示した。将来の財務実績と独立した技術的証拠が、勝者を明らかにしなければならない。

企業の購買担当者がAI防御に求めるべきこと

購買担当者は、自律的な防御に関する広範な主張ではなく、権限、証拠、復旧経路を通じてAIセキュリティを評価すべきだ。

最初の試験は可視性だ。セキュリティチームは、組織全体で稼働する、承認済みのすべてのAIアプリケーションとエージェントを特定できるべきである。

そのインベントリには、モデルプロバイダー、接続されたデータ、利用可能なツール、割り当てられたアイデンティティ、所有者を含めるべきだ。未知のシステムには、一貫した制御を適用できない。

第二の試験は最小権限である。各エージェントには、定義されたタスクに必要なアクセスだけを付与すべきだ。

会議を要約するアシスタントに、顧客記録を変更する権限は必要ない。コーディングエージェントに、本番環境の認証情報を自動的に与えるべきではない。

タスクが変われば、権限も失効または調整されるべきだ。長期間にわたるアクセスは、一時的な自動化を恒常的な攻撃経路に変えてしまう。

第三の試験は、信頼できない入力に関するものだ。エージェントは、文書、ウェブサイト、メール、チケット、取得したナレッジの中に悪意ある指示を見つける可能性がある。

プロンプトインジェクションは、敵対的なコンテンツがモデルを許可されたタスクから逸脱させようとする場合に発生する。その指示は、人には通常のテキストに見えることがある。

セキュリティシステムは、モデルが分析してよいデータと、従ってよい指示を区別しなければならない。アプリケーションが多くのソースからの情報を組み合わせる場合、この境界を維持することは依然として難しい。

第四の試験は行動の制御だ。影響の大きい変更には、承認または追加の検証を求めるべきである。

データの削除、アイデンティティポリシーの変更、サーバーの隔離、社外への情報転送には、要約の下書きよりも厳格な制御が必要だ。

組織には、エージェントのアクセスを即座に取り消す手段も必要である。キルスイッチが有用なのは、誰が作動させられるのか、どのサービスに影響するのかをチームが把握している場合に限られる。

第五の試験は追跡可能性だ。セキュリティチームは、インシデントに関わるプロンプト、ツール呼び出し、アイデンティティ判断、ポリシー評価、出力を保存すべきである。

これらの記録は、モデルが操作されたのか、設定を誤ったのか、過剰な権限で動作していたのかを調査担当者が理解する助けとなる。

また、監査人への対応にも役立つ。判断履歴を伴わない最終的な行動は、システムがなぜそのように振る舞ったのかについて、ほとんど証拠を提供しない。

第六の試験は復旧だ。自動化された行動は、実行可能な範囲で元に戻せるようにすべきであり、チームはインシデント前に復元を訓練すべきだ。

この教訓は、エンドポイントおよびネットワークセキュリティにも直接当てはまる。自動防御は、多数のシステムで正当なプロセスをブロックすれば、運用を混乱させ得る。

購買担当者は、確立された調達慣行を用いてこれらの機能を検証できる。セキュリティテスト、データフローのレビュー、アクセス評価、インシデントシミュレーションは、引き続き有効だ。

AIはレビュー対象を変えるが、規律ある運用の必要性をなくすわけではない。検索可能なナレッジベースは、チームがランブックや技術的な意思決定を保持する助けにもなる。

そのナレッジベースの内容には保護が必要だ。セキュリティガイダンス、アーキテクチャ図、インシデント履歴、認証情報は、エージェントに接続されると価値の高い標的になり得る。

ナレッジワーカーも、より小さな規模で同じ境界を考慮すべきだ。ローカル文書を検索するアシスタントが、機密ファイルを無関係なサービスへ密かに送信してはならない。

開発者は、エージェントがアクセスできるリポジトリ、ターミナル、クラウドアカウント、デプロイメントツールを確認すべきだ。セットアップ時の利便性が、後に露出につながる可能性がある。

プロダクトリーダーは、自動化された各ワークフローについて事業上の責任者を定めるべきだ。どの部門も行動の責任を引き受けないエージェントを、セキュリティチームが効果的に統制することはできない。

これらの要件はプラットフォームベンダーに機会をもたらすが、同時に基準も引き上げる。購買担当者は、CrowdStrike、Palo Alto Networks、競合各社が異種システム全体にわたってポリシーを適用することを期待するだろう。

自社製品群の内部でしか機能しないプラットフォームでは、カバレッジが不完全になる。大半の企業は、複数のクラウド、アイデンティティシステム、エンドポイントツール、モデルプロバイダーを利用している。

したがって、相互運用性はセキュリティの一部である。ベンダーには、信頼性の高い統合、持ち運び可能な証拠、インシデントデータを一つのコンソールに閉じ込めないAPIが必要だ。

最も信頼できるAI防御は、自動化と意図的な摩擦を組み合わせることになるだろう。日常的で低リスクな作業は迅速に進める一方、重大な行動にはより強力なチェックを設ける。

このアプローチには、自律型セキュリティのマーケティングが見せるような劇的さはない。しかし、企業が運用上および法的な責任を管理する実態には、より適している。

Black Hat後に注目すべき3つのシグナル

次の試金石は、カンファレンスで高まった緊迫感が、新たな信頼性の問題を生むことなく、測定可能な導入へとつながるかどうかだ。

最初のシグナルは、今後の決算で報告されるAIセキュリティの導入状況である。投資家は、需要への一般的な言及だけでなく、その先を見るべきだ。

有用な証拠には、AIセキュリティ製品に結び付く継続収益、顧客利用の拡大、本番環境への導入が含まれる。パイロット導入の発表は、継続利用ほどの重みを持たない。

Palo Alto Networksは、Prisma AIRSが初期の購入企業を超えて拡大していることを、より明確に示す必要がある。CrowdStrikeは、Charlotte AIとFalconモジュールが顧客維持や製品導入をどのように変えるのかを示すべきだ。

これらの指標が利益率や顧客維持率を損なうことなく上昇すれば、プラットフォーム論を後押しする。開示内容が曖昧なままであれば、記録的な評価額は期待により大きく依存することになる。

2つ目のシグナルは、自律型レスポンスの独立した検証だ。カンファレンスでのデモは、複雑な企業環境を含む再現可能なテストへとつながるべきである。

研究者は、プロンプトインジェクション、過剰な権限、モデル操作、誤検知、そして接続されたツール全体にまたがるアクションを検証する必要がある。

強力な結果とは、詳細な証拠を維持し、付随的な混乱を抑えながら、エージェントが実際の侵入を封じ込められることを示すものだ。それは自動化された防御の有効性を強める。

重大な失敗は逆の効果をもたらす。信頼できないコンテンツを通じて誘導され得るエージェントは、防御コントロールを別の攻撃経路へと変えてしまう。

独立テストには、現実的な時間的プレッシャーも必要だ。1時間後に正しい答えへ到達するシステムでは、29分での横展開に対抗できない可能性がある。

3つ目のシグナルは、Microsoft、Google、Cisco、AWS、そしてAIセキュリティに特化したベンダーの対応だ。各社の製品およびパッケージングに関する判断が市場を形作る。

Microsoftは、既存の導入基盤を活用し、より多くのAIコントロールをエンタープライズ契約にバンドルできる。Googleは、モデル、クラウド、ブラウザ、脅威インテリジェンスの資産を結び付けられる。

AWSは、多くのAIアプリケーションをホストするインフラにより近い場所へセキュリティコントロールを置ける。Ciscoは、ネットワークとIDの可視性をエージェントの活動へ拡張できる。

特化型ベンダーは、モデルに依存しないツールでこれらすべてに挑戦できる。購入者は、特定のプロバイダーを優遇せずに複数のプラットフォームを監視する独立レイヤーを選好するかもしれない。

大手クラウドベンダーが十分なコントロールをバンドルするなら、CrowdStrikeとPalo Alto Networksには、より明確な差別化が必要となる。より優れた脅威データ、クロスプラットフォームでの強制、より安全な自動化が不可欠になる。

特化型ベンダーが大規模な導入を獲得すれば、プラットフォーム市場は分断されたままかもしれない。その結果は、少数のベンダーがAIセキュリティを統合できるという前提を弱めるだろう。

これらのシグナルは、短期的な株価の最高値よりも重要だ。業界が信頼できるコントロールを生み出しているのか、それとも既存製品の名称を変えているだけなのかを明らかにする。

Black Hatカンファレンスは、脅威について説得力のある説明を示した。攻撃者はAIを使って標的を調査し、人を操り、コードを改変し、より高速に活動できる。

防御側も同じ技術を使い、証拠を相関させて対応時間を短縮できる。しかし、自動化は、脆弱な権限、不正確なモデル、集中化された誤りの影響を増幅する。

これがCrowdStrikeとPalo Alto Networksの株価上昇の背景にあるトレードオフだ。AIはセキュリティの必要性と、セキュリティシステム内部のリスクの双方を拡大する。

Googleニュースの報道は今後も株価、脅威レポート、製品発表を追い続けるだろう。企業の読者は、その見出しの下にある運用上の証拠を追うべきだ。

新たなコントロールが実際の攻撃を特定するか、エージェントの権限を制限するか、意思決定の記録を保存するか、そして誤りから安全に回復できるかを問うべきである。こうしたテストが、記録的な評価額が持続的な価値を反映しているかを決める。

この分野を追うチームにとって、次のステップは実践的だ。業務データにアクセスできるすべてのAIエージェントを一覧化し、責任者を割り当て、最も影響の大きい権限を見直す。

次に、そのインベントリを上記の3つのシグナルと比較する。ベンダーが測定可能な導入、独立した検証、幅広い相互運用性を実現できれば、現在の楽観論には実体が伴う。

実現できなければ、Black Hatの最も明確な教訓は未解決のままだろう。AIはセキュリティ問題をより速くしたが、速度だけでは防御を信頼に足るものにはしない。