Microsoft AIサイバー脅威、標的とするシステムに接続

Microsoftは、AIサイバー脅威が現在、ID、エージェント、クラウドサービス、サプライチェーンを結び付けていると警告した。攻撃手法そのものは、しばしば従来からあるものに依拠しているという。

この警告は、2025年7月から2026年6月までの脅威活動を分析した上で、10月1日に発表された同社の2026 Digital Defense Reportで示された。Microsoftによると、攻撃者は偵察、ソーシャルエンジニアリング、マルウェア開発、脆弱性調査、初期侵入後の活動にAIを活用している。

中心的な構図は、人間対完全自律型ハッキングシステムではない。Microsoftによれば、悪意あるキャンペーンの大半は依然として人間のオペレーターが管理している。変化しているのは、AIによって標的の調査、メッセージの個別最適化、コードの変更、盗んだ情報の解釈をより迅速に行えるようになった点だ。

そのため、この脅威を孤立した技術的インシデントの集合として扱うことは難しくなっている。盗まれたIDは、攻撃者をクラウドデータ、業務アプリケーション、AIエージェント、信頼された管理ツールへとつなげ得る。こうしたシステム全体に散在する小さなシグナルが組み合わさり、はるかに大規模な侵入につながる可能性がある。

Microsoftの主張には、戦略上の緊張関係もある。同じAI機能は、防御側による脆弱性の発見、アラートの相関付け、攻撃調査にも役立つ一方で、説得力のある誘導文を作成したり弱点を探したりするための労力も減らし得る。

結果として、AI支援を受ける攻撃者と、連携した防御との間で運用上の競争が生じている。速度は重要だが、ID、ツール、データを横断する可視性はさらに重要である。

Microsoftの2026年防御レポートが変えた視点

Microsoftの最新の警告は、AIサイバー脅威を、単にモデルが生成した悪意あるコンテンツの問題ではなく、接続されたアクセスの問題として捉え直している。

Digital Defense Reportは、重なり合う二つのリスクを説明している。攻撃者は従来のシステムに対してAIを利用できる一方、AIシステムを機能させる構成要素自体も標的にできる。

これらの構成要素には、プロンプト、モデルデータ、提供インフラ、ユーザー情報、生成出力、ツール、エージェントIDが含まれる。ある一つの要素への攻撃が、複数の要素へのアクセスを生み出す可能性がある。

このモデルは、犯罪者がチャットボットにマルウェアを書かせるという従来の懸念より広範だ。Microsoftによれば、観測された悪意あるAI利用の多くは、既存の攻撃ワークフローにおける個別の段階を支援するものにとどまっている。

脅威アクターは言語モデルを使い、メッセージの下書き、コンテンツの翻訳、脆弱性の調査、スクリプトのひな型作成、マルウェアのデバッグ、盗まれた記録の要約を行っている。人間のオペレーターは一般に、目的や展開に関する判断を維持している。

Microsoftの10月1日付セキュリティ評価は、この連続性を強調している。同社チームが観測する活動では、人、ID、露出したシステム、信頼されたアクセスが依然として中心的な役割を果たしている。

この技術は、そうした手法を取り巻く経済性を変える。オペレーターは、あらゆる機能を手作業で構築せずとも、より多くのバリエーションを試し、より多くの標的向けに素材を調整し、より多くの情報を処理できる。

同レポートは防御の境界も広げている。AIエージェントは、企業データ、アプリケーション、API、ソフトウェアツールとやり取りできる。APIは、別々のアプリケーション間でデータやアクションを交換するための定義済みインターフェースだ。

こうした接続がエージェントを有用にする。一方で、セキュリティチームにとっては、インベントリ化、認証、監視、アクセス取り消しが必要な関係性を増やすことにもなる。

Microsoftは、エージェント型の攻撃対象領域を五つの広範なリスク分類に分けている。これには、プロンプト操作、機密データの露出、ID侵害、過剰な自律性、運用上の完全性への損害が含まれる。

過剰な自律性は、システムが所有者の意図または承認を超えた行動を取る場合に発生する。操作されたエージェントは、個別には許可されている複数のツールを連鎖させ、安全でない一連の操作を実行する可能性がある。

運用上の完全性は、プロンプト、メモリ、設定、学習データ、ソフトウェア依存関係、ログの信頼性を指す。攻撃者がこれらの要素を変更すれば、基盤となるモデルを直接侵害せずに後続の挙動へ影響を及ぼせる。

この枠組みは、セキュリティ上の問いを変える。チームは、モデルが危険な要求を拒否するかどうかをテストするだけでは、エージェントを評価できない。

エージェントがどのIDを使用し、どのデータを取得でき、どのアクションを実行できるかも問う必要がある。認証情報のスコープが適切か、管理者が迅速にアクセスを取り消せるかも把握しなければならない。

この変化により、AIセキュリティはアーキテクチャの問題となる。モデルの安全対策は依然として重要だが、それらはID、権限、データストア、アプリケーション、サプライヤーからなるより大きなシステムの内部に位置する。

Microsoft AIサイバー脅威が防御側への圧力を高める理由

AIは攻撃サイクルの一部を短縮する一方、防御側に対して、より広く相互接続された環境を監督することを求めている。

Microsoftの数値は、この組み合わせが重要である理由を示している。同社のレポートによると、観測された侵入の63%でデータ窃取が発生しており、情報へのアクセスが攻撃者の中心的な目的となっている。

同社はまた、直近12カ月間に4,600万件を超えるビジネス連絡先なりすまし攻撃を検知した。これらの攻撃は、信頼される人物や組織を装い、従業員を操作して金銭、認証情報、機密情報を送信させるものだ。

有効なアカウントは特に価値が高い。Microsoftによれば、有効なアカウントが関与した侵入の52.2%は、さらなる認証情報窃取につながった。

このパターンは、一つの侵害されたIDを、さらに複数のIDへ至る経路に変え得る。また、多くの監視システムが想定する正規の挙動に、悪意ある活動を似せることも可能にする。

圧力は均等に分布しているわけではない。Microsoftによると、2025年1月から2026年6月の間に観測されたサイバー脅威活動の25.5%は、米国の顧客に関係していた。

レポートの2026年の測定期間では、政府機関と公共サービスが最も影響を受けた分野だった。その割合は2025年の17%から27%に達した。

情報技術分野が17%で続き、研究・学術分野は14%を占めた。これらの分野は価値の高いデータを扱うと同時に、パートナーや顧客へインシデントを広げ得る依存関係も抱えている。

Microsoftはさらに、2026年に観測された侵入の23%がフィッシングに起因したと報告している。2025年の7%から増加した。フィッシングは、標的を欺いて情報を開示させたり、安全でない行動を取らせたりする欺瞞的な通信を用いる。

この増加は、追加されたすべてのフィッシング侵入をAIが引き起こしたことを証明するものではない。ただし、Microsoftのより広範な証拠は、AIがこうしたキャンペーンを改善・適応しやすくする理由を示している。

同社の2026年4月の分析では、AI支援型フィッシングのクリック率は54%で、より従来的なキャンペーンのおよそ12%と比べて高かった。Microsoftはこの差を、有効性が450%向上したものと説明した。

これらの数値はMicrosoft自身の脅威可視性に基づくものであり、業界全体に共通する基準として扱うべきではない。観測される率は、標的設定、キャンペーン設計、測定対象の集団に左右される可能性がある。

こうした制約があっても、運用面での方向性は重要だ。AIは攻撃者がメッセージを現地化し、職場の言い回しを模倣し、特定の役割に合わせて誘導文を調整するのを支援する。

また、より迅速な反復も可能にする。攻撃者は、専門家がキャンペーンを書き直すのを待たずに、結果が芳しくないメッセージを調整できる。

攻撃ライフサイクルには現在、初期調査から侵害後の活動まで、AI支援による作業が含まれている。Microsoftは、ペルソナ開発、偽造文書、マルウェアのデバッグ、回避、盗取データの分析におけるその利用を観測している。

しかし、最も差し迫った圧力は依然としてIDシステムにかかっている。説得力のあるメッセージも、攻撃者が再利用できるアクセスを生み出して初めて重大な侵害となる。

つまり、セキュリティチームはメール、ブラウザ、エンドポイント、IDサービス、クラウドアプリケーション、データ制御を横断して対応しなければならない。個別のツールはそれぞれ断片を検知できても、全体の連鎖を認識できない場合がある。

メール製品は異常な文面を検知するかもしれない。IDシステムは不審なサインインを観測するかもしれない。クラウドアプリケーションは異常なダウンロードを記録するかもしれない。

防御上の優位性は、チームがこうしたシグナルを迅速に結び付けたときに初めて現れる。Microsoftは、調査担当者がシステムを横断する関係性を確立できれば、孤立したテレメトリはより有用になると主張している。

このため、防御側が直面しているのは単なるアラート量の問題ではない。技術的・組織的な境界をまたいで証拠が分散する、コンテキストの問題でもある。

真の競争は、連携した防御と断片化されたセキュリティの間にある

Microsoftの主要な主張は、連携した防御によって、孤立したセキュリティ製品の内部では見えない攻撃パターンを明らかにできるというものだ。

AI支援を受ける攻撃者は、各段階で完全に新しい手法を必要としない。オペレーターは、メール、ID、クラウドアプリケーション、管理ツールをまたいで、よく知られた手法を組み合わせられる。

個々のアクションは、不完全または中程度に疑わしく見えるにすぎないかもしれない。しかし、アクション間の関係性が侵入を明らかにすることがある。

高度に個別化されたメッセージを受け取った従業員が、リバースプロキシ型フィッシングサイトに認証情報を入力するケースを考えてみよう。このサイトは認証情報と認証済みセッショントークンの両方を取得する。

その後、新しいセッションがメール、クラウドストレージ、コラボレーションツールにアクセスする。攻撃者は金銭に関する会話を検索し、文書をコピーし、永続化のために別の認証方法を作成する。

単一のイベントだけでは、キャンペーン全体を説明できない。メール、ブラウザ、ID、クラウドの記録は、時間、ユーザーコンテキスト、デバイス情報、アクセスパターンを通じて結び付ける必要がある。

Microsoftのレポートは、この相関付けを現代の防御の中心に据えている。セキュリティチームはすでに、エンドポイント、ネットワーク、アプリケーション、メール、クラウド環境、脅威インテリジェンスから情報を収集している。

課題は、攻撃者がさらに進む前に、これらの記録を首尾一貫した説明へと変換することだ。AIは、既知の相関関係や反復的な調査作業の自動化を支援できる。

AIは関連するアラートをグループ化し、イベントの連鎖を要約し、経験豊富なアナリスト向けに異常を提示できる。これにより、防御側はより深い調査に充てられる能力を増やせる。

ただし、Microsoftは自動化に一定の境界を設けている。確立された手法は機械によって繰り返し実行できるようになる一方、文書化されていない攻撃経路では、依然として経験豊富な人間の判断が役立つ。

この区別は重要だ。なぜなら、連携した防御は完全自律型の防御と同じではないからだ。自動化されたシステムは、不完全なデータ、弱いポリシー、誤った前提を引き継ぐ可能性がある。

広範な権限を与えられたセキュリティエージェントは、攻撃者にとって別の経路を生み出す可能性もある。その防御上の価値によって、スコープを限定した認証情報、アクション制御、詳細なログの必要性がなくなるわけではない。

ここに、レポートの中心的なトレードオフがある。システムを接続すれば防御側はより多くのコンテキストを得られるが、接続の一つひとつが利用可能な攻撃対象領域を拡大する可能性もある。

そのため、セキュリティリーダーには二種類の可視性が必要となる。システム横断の脅威可視性と、AIエージェントがアクセスまたは変更できるもののインベントリだ。

業務チームが日々のワークフローにエージェントを導入するにつれて、後者の要件はますます難しくなっている。一部のエージェントは、文書の取得、メッセージの下書き、データベースの照会、運用システムの更新を行う。

組織がこうしたエージェントを特定できなければ、所有者の一貫した割り当てや権限レビューはできない。インシデント後に確信を持ってアクセスを取り消すこともできない。

この問題は、初期のクラウド導入時に似ている。従業員が重要なデータを置いた後になって、チームが管理対象外のアプリケーションを発見するケースが多かった。エージェントの導入は、この既知のガバナンス上のギャップに自律的な行動を加える。

実践的な対策は、アイデンティティから始まる。各エージェントは、共有認証情報や従業員の恒久的な権限に依存するのではなく、検証可能なアイデンティティを持つべきだ。

権限は、特定のタスクに必要な最小限のアクションを反映すべきである。最小権限の原則は、アイデンティティが盗まれたりプロンプトが操作されたりした後に生じ得る被害を抑える。

セキュリティチームは、取得と実行も分離すべきだ。文書を読めるエージェントに、その文書を送信、編集、あるいは内部に記載された指示を実行する権限まで自動的に与える必要はない。

ログには、エージェントの行動と、その行動に至った文脈の両方を残さなければならない。この履歴がなければ、調査担当者は承認済みの自動化と操作された挙動を区別できない。

機密性の高い知識を管理するチームは、ナレッジベースにも同様の規律を適用すべきだ。AIシステムが社内情報を検索できる場合、所有権、アクセス境界、取得範囲が重要になる。

目的は、すべてのツールを切り離すことではない。各接続を可視化し、責任の所在を明確にし、取り消し可能にすることだ。

AIは加速装置であり、まだ自律型の攻撃者ではない

最も強力な証拠は、AIが人間の攻撃者の能力を増幅するものであり、人間を確実に代替するものではないことを示している。

MicrosoftのAIを活用した攻撃手法に関する調査によれば、現時点での悪意ある利用の大半は、テキスト、コード、メディアの生成に集中している。攻撃者はこうした出力を使い、既存のワークフロー全体で摩擦を減らしている。

この評価は、自律型サイバー戦争に関する劇的な主張を検証するうえで重要だ。Microsoftはエージェント型AIを使った試行を確認しているが、こうした活動はまだ大規模には展開されていないとしている。

エージェント型AIとは、反復的な意思決定を行い、接続されたツールを通じてタスクを実行できるシステムを指す。信頼性と運用上のリスクが、悪意ある利用をなお制約している。

攻撃者が優位に立つために、完全な自律性は必要ない。調査、翻訳、デバッグにかかる時間を短縮するモデルは、オペレーターが扱える標的の数を増やし得る。

北朝鮮のリモートITワーカー作戦は、このパターンを示している。Microsoftは、Jasper SleetおよびCoral Sleetと呼ぶグループが、身元の偽装、ソーシャルエンジニアリング、正規アクセスの継続的な不正利用にAIを使っていると追跡している。

こうしたキャンペーンは、デジタル上の欺瞞と実際の採用プロセスを組み合わせる。AIは、応募者による履歴書の作成、人格の維持、別言語でのコミュニケーション、技術課題のトラブルシューティングを支援する。

重要なアクセスは依然として雇用主から得られる。採用後、不正な就労者は認証情報を受け取り、承認済みの経路を通じて社内システムに到達できる。

この例は、脅威が悪意あるコード生成よりも深いことを示す。AIは、攻撃者を信頼関係の内部に入り込ませる社会的・運用的な手順を強化できる。

Microsoftはまた、脅威アクターがモデルの安全制御を回避しようとする動きも確認している。手法には、役割を与えるプロンプト、要求の言い換え、複数の対話に分散した指示などが含まれる。

安全制御は直接的な要求を制限できても、一見無害なタスクの連鎖を見逃す可能性がある。オペレーターはモデルの外部で出力を組み合わせる。

脆弱性調査にも同じデュアルユースの緊張関係がある。AIによるコード分析は、攻撃者に悪用される前に保守担当者が弱点を見つける助けになる。

同じ能力は、脅威アクターが公開情報を精査し、コードを検索し、もっともらしい悪用経路を特定する助けにもなる。結果は、アクセス、意図、修正対応の速さに左右される。

Microsoftによると、脆弱性は野生下での発見から実際の武器化まで24時間未満で進む可能性がある。また、2026年には公開される脆弱性が72,000件に達すると予測している。

こうした数値は、優先順位付けの価値を高める。特に大規模なクラウドおよびソフトウェア資産全体では、セキュリティチームはすべての脆弱性を同じ緊急度で扱うことはできない。

AIは、技術的な深刻度と資産の文脈を組み合わせることで、露出リスクの順位付けを支援できる。脆弱なサービスがインターネットに公開されているか、あるいは機密データを保持しているかを特定できる。

攻撃者も同様の計算を行える。公開サービス、価値の高い組織、広く導入されている製品に結び付く脆弱性に焦点を当てられる。

ここでは、自律型攻撃者という説明よりも、能力増幅装置という説明の方が有用になる。直近の変化は、機械が独立した意図を持つことではない。

変化しているのは運用上の摩擦の低下だ。かつては専門的な語学力、コーディング知識、あるいは専用の調査時間を必要とした能力に、より多くの人がアクセスできるようになる。

Microsoftの4月の分析は、高度な能力が小規模な攻撃者にも利用可能になりつつあると論じている。この判断はもっともらしいが、能力へのアクセスが侵入の成功を保証するわけではない。

標的側の統制には依然として差がある。生成されたマルウェアには誤りが含まれる可能性があり、フィッシングメッセージは失敗することがあり、自動化された行動は異常な振る舞いを通じて攻撃者を露呈させる可能性がある。

したがって、防御側は正反対の二つの誤りを避けるべきだ。AI支援型の作戦を通常の自動化として軽視すべきではなく、すべての攻撃を自律型だと表現すべきでもない。

どちらの誤りも計画を弱める。過小評価は速度と規模の変化を見落とし、過大評価は依然として未成熟なシナリオに資源を振り向ける。

Microsoftの証拠には限界があるが、リスクは具体的だ

Microsoftは世界のデジタル活動の非常に大きな部分を把握しているが、その測定値は依然としてインターネット全体ではなく、自社の可視性を示すものだ。

同社は、多くの組織にまたがってクラウド、アイデンティティ、エンドポイント、メール、コラボレーションのサービスを運営している。その立場は、攻撃の複数の段階にわたる貴重なテレメトリーを生み出す。

同時に、それは特定の視野も生み出す。Microsoft製品と密接に関わる業界、国、手法は、他の領域での活動よりも明確に見える可能性がある。

したがって、Microsoftの割合は、定義されたデータセット内で観測された活動として読むべきだ。世界中のすべてのサイバー攻撃を数えたものではない。

顧客からの報告、製品導入、検知範囲の違いが結果に影響する可能性がある。Microsoftがある期間に検知能力を改善すれば、実際の攻撃増加と同程度の増加がなくても、測定された活動は増える可能性がある。

レポートにおけるAI関連の主張は、観測された行動と、進展しつつあるリスクに関する予測を組み合わせたものでもある。この違いには慎重な注意が必要だ。

Microsoftは、脅威アクターがコンテンツ制作、調査、コーディング、データ分析にAIを使っていることを直接報告している。一方で、エージェントのアイデンティティと過剰な自律性については、組織が保護すべき拡大中の領域として説明している。

こうした将来志向のリスクは、エージェントがすでに企業ツールに接続しているため信頼に足る。しかし、このレポートは、自律型エージェントが現在の実世界の攻撃を支配していることまでは示していない。

Microsoft自身も、ほとんどの悪意あるキャンペーンには依然として人間のオペレーターが関与していると述べている。高度なエージェント型利用も、まだ発展途上であると認めている。

この抑制的な姿勢は、警告の有用な部分を強める。組織は、自律的な侵入が起きるまで行動を待つ必要はない。

プロンプトインジェクションはすでに実用的なリスクを生み出している。この手法は、AIシステムが処理するコンテンツ内に敵対的な指示を埋め込み、その挙動を変更しようとするものだ。

悪意ある文書は、エージェントに元のタスクを無視し、取得済み情報を公開し、または接続されたツールを呼び出すよう指示する可能性がある。権限によってその指示が行動に転化できる場合、モデルの出力は危険になる。

メモリーも別のリスクを生む。エージェントが操作された情報を保存し、後で再利用する場合、一度の汚染された対話が将来の意思決定に影響する可能性がある。

これらの問題は、従来型のセキュリティ障害と切り離されたものではなく、それらと並存する。盗まれた認証情報、過剰な権限、弱い監視、公開されたサービスは、依然として重要だ。

独立したフレームワークも、このライフサイクルの見方を支持している。米国国立標準技術研究所は、AIリスク管理を、設計、導入、測定、ガバナンスを対象とする継続的なプロセスとして扱っている。

AIリスクフレームワークは、サイバーセキュリティ統制に取って代わるものではない。組織がリスクの所有者を特定し、測定方法を定め、システムの進化に伴って意思決定を変える助けとなる。

Microsoftには、統合セキュリティを強調する商業的な利害がある。同社は、集中型の可視性から恩恵を受けるアイデンティティ、クラウド、エンドポイント、データ、セキュリティ製品を販売している。

そのインセンティブは、根底にある証拠を無効にするものではない。ただし読者は、観測された発見と、最適な製品アーキテクチャに関する主張を区別すべきである。

組織は、すべての統制を一つのベンダーから購入しなくても、セキュリティシグナルを接続できる。オープン標準、共有識別子、正規化されたログ、規律あるインシデントプロセスも、分断を減らせる。

ベンダー集中には、それ自体のトレードオフがある。統合プラットフォームは相関分析を簡素化できるが、障害や侵害が複数の防御層に影響を及ぼす可能性がある。

したがって正しい教訓は、ブランド固有ではなくアーキテクチャに関するものだ。防御側には、システム横断で使える文脈、明確な所有権、そして一つのコンポーネントが失敗しても有効であり続ける統制が必要である。

官民間の情報共有も重要だ。単一の企業では、キャンペーンのすべての部分を見ることはできない。クラウドプロバイダー、政府、ソフトウェアベンダー、影響を受けた組織は、それぞれ異なる証拠を保有している。

Microsoftは、信頼できる共有によって、一つの組織内では曖昧なままの断片を結び付けられると主張する。課題は、機密性の高い顧客情報や調査情報をさらすことなく、迅速に共有することだ。

購入者にとっての評価基準は、測定可能な性能である。セキュリティ製品は、調査時間を短縮し、関連する挙動を特定し、分析担当者が検証できる証拠を保持すべきだ。

AI検知に関する主張が、こうした成果の代わりになってはならない。チームは、システムが欠損データ、誤った相関、侵害された入力をどう扱うかを問うべきである。

接続された防御が機能しているかを示す三つのシグナル

次の段階は、エージェントのアイデンティティ統制、より迅速な脆弱性対応、防御側が攻撃者の滞留時間を短縮できることを示す証拠によって評価される。

第一のシグナルは、組織がAIエージェントに個別で取り消し可能なアイデンティティを与えるかどうかだ。Microsoftは、エージェントには適切なアクセス、認証、帰属情報、そして権限を削除する信頼できる方法が必要だとしている。

これは、単にサービスアカウントを割り当てるだけでは足りない。チームは、そのエージェントをどの人間または業務プロセスが所有するのか、どのツールを呼び出せるのか、どのデータを取得できるのかを把握しなければならない。

アイデンティティプロバイダーやクラウドプラットフォームが、より強力なエージェント固有の統制を追加する動きを注視すべきだ。有用な機能には、スコープを限定した認証情報、相互認証、アクション承認、完全な監査履歴が含まれる。

発表よりも導入が重要だ。企業がエージェントを棚卸しし、無関係なシステムを中断せずにアクセスを取り消せるなら、この警告は裏付けられる。

一方で、導入が共有アカウントと広範な従業員権限を通じて続く一方、エージェントのアイデンティティが概念的なフレームワークにとどまるなら、その警告の説得力は弱まる。

第二のシグナルは、脆弱性の発見、優先順位付け、修正対応の間に要する時間だ。Microsoftによれば、武器化は24時間未満で起こり得るため、手作業のプロセスにはほとんど余裕が残されない。

AI支援のコード分析は、防御側が到達可能な脆弱性を特定し、修正策を提案する助けとなるべきです。同じツールは、攻撃者が公開情報を探し、悪用のアイデアを検証する際にも役立ちます。

重要な指標は、モデルが発見する潜在的な弱点の数ではありません。敵対者に悪用される前に、組織が露出した悪用可能な欠陥を修正できるかどうかです。

セキュリティチームは、インターネットに公開された資産の修正時間を、一般的なパッチ適用の完了状況とは分けて追跡すべきです。また、緊急修正が運用上の障害を引き起こしていないかも測定する必要があります。

一貫して修正が迅速化している証拠が得られれば、防御側はAIを優位性に変えられるというMicrosoftの主張はより説得力を増します。バックログの増加は、発見の速度が組織の対応能力を上回っていることを示すでしょう。

3つ目のシグナルは滞留時間、すなわち初期アクセスから封じ込めまでの期間です。Microsoftによると、検知後の対応は改善したにもかかわらず、複数の業界で滞留時間は増加しました。

この調査結果は、現在の弱点を明らかにしています。防御側は侵入を把握すれば迅速に対処できますが、依然としてその初期段階を認識することに苦慮しています。

統合された検知は、この隔たりを縮めるはずです。攻撃者が永続的なアクセスを確立する前に、メール、ID、エンドポイント、クラウド、エージェントの活動を1本のタイムラインとして結び付けなければなりません。

組織は、相関付けられたシグナルによって、単一製品だけの場合より早期に侵入を明らかにできた頻度を測定すべきです。また、自動要約がアナリストを支援しているのか、それとも重要な不確実性を隠しているのかも監査する必要があります。

滞留時間の短縮は、Microsoftの中心的な主張を裏付けるでしょう。滞留時間が横ばいまたは増加すれば、テレメトリやAIが増えても、分断された調査という問題は解消されていないことを示唆します。

この3つのテストは、開発者、企業の購買担当者、ナレッジワーカーにとっても重要です。開発者はエージェントに与える権限を決め、購買担当者はどのシステムがセキュリティコンテキストを共有するかを決定します。

攻撃者は依然として人と信頼されたアクセスを狙うため、ナレッジワーカーは引き続き中心的な存在です。AI生成メッセージは、日常業務によってその依頼がもっともらしく見える場合に最も大きな被害をもたらします。

直ちに取るべき対応は、すべてのメッセージやエージェントの行動を敵対的だと決めつけることではありません。影響の大きい行動を検証可能かつ取り消し可能にすることです。

組織は導入済みのエージェントを特定し、閲覧権限と実行権限を分離し、IDイベントをアプリケーション活動と結び付けるべきです。また、インシデント発生時にアクセスをどのように取り消すかについても訓練しておく必要があります。

Microsoft AI cyber threatsは今後も進化し続けますが、短期的な試験はすでに明確です。攻撃者が信頼されたシステムを結び付ける前に、防御側は弱いシグナルを結び付けられるでしょうか。

組織内で、エージェント、ID、データ、ツールが交差する箇所を見直してください。そして、1つの侵害された接点がより大きな侵害に発展する前に、チームが各アクションを追跡し、検証し、取り消せるかを問い直してください。