Zscaler Agentic SOC、セキュリティオペレーションセンターに自律型封じ込めを導入
Zscalerは9月9日、Zscaler Agentic SOCを発表し、AIエージェントの役割を助言業務から、企業ネットワーク全体における直接的な脅威封じ込めへと拡大した。対立構造は明白だ。攻撃の高速化には防御の高速化が求められる一方、自動化の誤りは正当なユーザーを遮断したり、重要なアプリケーションを停止させたりする可能性もある。
この製品は、専門化されたエージェント、Zscalerのテレメトリー、第三者アラート、ビジネスコンテキスト、そしてインラインのZero Trust Exchange制御を組み合わせる。これらのエージェントはシグナルのトリアージ、攻撃経路の再構築、判定の付与、対応ワークフローの開始を行える。顧客は人による承認を維持することも、信頼性の向上に応じて自動化の度合いを高めることもできる。
これは、セキュリティオペレーションの将来をめぐるより大きな競争の中にZscalerを位置付けるものだ。Microsoft、Databricks、Dropzone AIなどのベンダーも、エージェント主導の調査・対応システムを開発している。Zscalerは、ネットワークトラフィックの内部に位置することで、自社エージェントがより良い証拠を得られ、検知から施行までの経路を短縮できると見込んでいる。
これは単なる新しいセキュリティチャットボットではない。重要な機能は、分析がトラフィック遮断、IDの隔離、アクセス制限に直接つながり得るクローズドループの修復だ。その価値は、顧客がその行動を支える証拠、制御、復旧プロセスを信頼できるかに左右される。
Zscaler Agentic SOC、検知と封じ込めを接続
この発表は自動化が止まる場所を変える。Zscalerは、AIエージェントが分散したシグナルから封じ込め判断までインシデントを担うことを目指している。
Zscalerは新製品を、既存ダッシュボードに追加されたアシスタントではなく、AIファーストのセキュリティオペレーションシステムと説明している。同社が2026年9月9日に米カリフォルニア州サンノゼで発表した時点で、世界的に提供開始された。
セキュリティオペレーションセンター、すなわちSOCは、デジタル脅威の監視、調査、対応を担うチームとテクノロジーを指す。多くのSOCワークフローでは、これらの責務が依然として複数の製品と複数のアナリストに分かれている。
Zscaler Agentic SOCは、この一連の流れを圧縮しようとしている。専門化されたエージェントがトリアージ、根本原因調査、判定付与、対応オーケストレーションを担う。各エージェントは限定された役割を実行し、その結果を共有されたインシデントの記録へ渡す。
このシステムは、Zscalerのネットワーク、ID、エンドポイント、クラウド、データ保護、デセプションのシグナルを利用する。外部製品からのアラートやコンテキストも取り込める。Zscalerによれば、そのコンテキストグラフは、こうしたシグナルを資産の重要度、ユーザーID、デバイスの状態、既知の露出などの詳細と結び付ける。
このコンテキストが重要なのは、アラートだけではビジネス上の重要性を説明できることがほとんどないためだ。未使用のテストデバイスからの疑わしい接続と、財務部門の幹部が使う管理対象ノートPCからの同じ接続では、リスクが異なる。
Zscalerによれば、そのエージェントは活動をMITRE ATT&CKフレームワークに対応付け、攻撃経路を要約し、裏付けとなる証拠を表示し、矛盾する証拠を提示できる。最後の機能は、信頼に関する基本的な問題に対応するものだ。アナリストは、業務を妨げる対応を承認する前に、自動判定に至った理由を確認する必要がある。
同社の発表詳細によれば、このサービスは独自の脅威インテリジェンスに加え、AnthropicおよびOpenAIのモデルを利用する。Zscalerはこの製品を単一の基盤モデルに限定する形では公表しておらず、異なるモデルにタスクを振り分ける余地を残している。
最も重要な段階は調査後に訪れる。Zscalerによれば、このプラットフォームはネイティブのインライン制御を使い、侵害されたユーザーを隔離し、コマンド・アンド・コントロールのトラフィックを遮断し、ラテラルムーブメントを制限できる。第三者との統合により、こうした対応オプションをZscaler自身のプラットフォームの外部へ広げることも可能だ。
顧客は、監視なしの封じ込めから始める必要はない。対応制御は、手動実行、人の承認を要するプレイブック、自動アクションをサポートする。この段階的なモデルにより、チームはエージェントにより広い権限を与える前に、推奨事項から始められる。
この違いは、アラートを要約するだけの生成AI機能と今回の発表を分けるものだ。Zscaler Agentic SOCは、自動推論をリアルタイムでアクセスを変更できる仕組みのそばに配置する。
AI主導の攻撃が防御側の時間を圧縮している
Zscalerが対応速度を売りにするのは、攻撃者が、かつてはアナリストにより多くの時間を与えていた偵察と実行の手順をますます自動化しているためだ。
同社は、従来型のSOCプロセスでは敵対的な活動を十分な速度で相関分析、分析、修復できないと主張する。同社のThreatLabz研究者は、攻撃者が信頼されたWebサイト、正規のリモート管理ツール、ブラウザベースの手法を使い、既存の制御を回避していることを観測している。
こうした手法が難しいのは、個々の行為が正規の挙動に見える可能性があるためだ。リモート管理ユーティリティには正当な業務用途がある。信頼されたドメインが安全なコンテンツを自動的に意味するわけではない。ブラウザのプロンプトは、識別可能なマルウェアを送り込まずに、ユーザーを説得してコマンドを実行させることができる。
AIは、攻撃者がより多くの変種を試し、誘導文を作り直し、公開情報を収集し、複数段階の活動を連携させる助けになり得る。それですべての侵入が新しいものになるわけではない。既知の手法を適応させられる速度と量が増すのだ。
これは、分断されたツール群を横断して働くアナリストに負荷を与える。あるコンソールにはIDイベントがあり、別のコンソールにはエンドポイントアラートが保存されている可能性がある。ネットワークトラフィック、クラウド活動、脆弱性の検出結果、事業上の所有者記録は、さらに別の場所に置かれている場合がある。
引き継ぎのたびに時間が消費される。アナリストは関連イベントを探し、それらが一つのインシデントを示すかを判断し、影響を受けた資産を特定し、適切な対応を選ばなければならない。証拠を隠さずにこうした機械的な遅延を取り除けるとき、自動化は価値を持つ。
Zscalerによれば、同社のZero Trust Exchangeは毎日7,500億件を超えるトランザクションを処理している。同社は、自社サービスがすでに多くの顧客接続の経路上にあるため、この規模をデータ上の優位性として提示している。
この主張は慎重に解釈する必要がある。大規模なテレメトリー量が、正確なインシデント判定を自動的に生むわけではない。データ品質、顧客環境のカバー範囲、相関ロジック、モデルの挙動、環境固有のコンテキストが依然として決定的だ。
ただし、インラインの可視性は観測から行動までの経路を短縮し得る。オーバーレイツールは疑わしい活動を特定できても、遮断には別のプラットフォームに依存する場合がある。Zscalerは、検出結果を、すでにアクセスポリシーを施行している制御と結び付けることができる。
この圧力はZscalerの顧客に限られない。Microsoftは、アナリストがキューを開く前に自律型防御がアカウントをロックし、デバイスを隔離し、証拠を収集するエージェント型SOCモデルを説明している。
Databricksは、Lakewatchで異なる道を進んでいる。これは、レイクハウスに保存されたセキュリティデータへエージェント型分析を適用するものだ。そのアプローチは、オープン形式、幅広いデータ保持、基盤となるビジネスデータに近い場所での分析を重視する。
Dropzone AIは、確認済みの脅威をエスカレーションする前に、既存のセキュリティスタック全体でアラートを調査することに焦点を当てている。このオーバーレイモデルは、既存ツールを置き換えずに自動化を望む買い手に訴求し得る。
これらの製品は異なるが、商業上の主張は似ている。人間の注意力が制約された資源になっているのだ。そのためベンダーは、ソフトウェアに定型的なケースを完結させ、重大なインシデントを優先順位付けし、複雑な調査を専門家のレビュー向けに準備させようとしている。
セキュリティリーダーに求められる対応は、修辞的なものではなく運用上のものだ。エージェントにどの判断を委ねられるか、どの証拠を提示させるか、どの行動には依然として明示的な承認が必要かを決めなければならない。
真の競争はネイティブテレメトリーと中立的統合の間にある
Zscalerの主な優位性は同時に中心的なトレードオフでもある。ネイティブデータは対応コンテキストを改善し得る一方、プラットフォーム依存はシステムが見られる範囲を狭める可能性がある。
Zscalerは、多くの競合するエージェント型SOC製品を、断片化されたアラートの上に置かれたオーバーレイとして捉えている。同社の見方では、こうしたツールは、すでに人間のアナリストを悩ませている弱いコンテキストと遅延したシグナルを引き継ぐ。
同社の代替案は、Zero Trust Exchange内部で生成されるテレメトリーから始まる。このプラットフォームは、接続をユーザーのID、デバイスの状態、アプリケーション、データポリシー、アクセス条件と組み合わせられる。エージェントはその後、この結合されたコンテキストを用いてインシデントを評価する。
この製品は、すべての生ログを別のセキュリティ情報・イベント管理システムへ転送することなく、Zscalerのトラフィックを調査できる。SIEMは、分析、調査、コンプライアンス、保持のためにセキュリティ記録を収集するプラットフォームだ。
Zscalerは、すべての顧客がSIEMを廃止すべきだとは述べていない。同社はAgentic SOCを、長期保存と幅広い集約をSIEMに残しながら、要約されたインシデントをSIEMへ送信できる運用レイヤーとして位置付けている。
このアーキテクチャは、大容量のネットワークログを重複して移動させることを減らせる可能性がある。また、対応エージェントがトラフィックを観測した同じプラットフォームを通じて行動することも可能になる。いずれの結果も、顧客環境の関連部分をZscalerが実際にどの程度カバーしているかに左右される。
ネイティブプラットフォームは、自身のシグナルを非常に深く把握できる。一方で、メール、ソースコード、SaaSアプリケーション、運用技術、他ベンダーのセキュリティ製品をまたぐ活動を再構築するには、外部データが必要になる場合もある。
だからこそ、第三者統合は副次的な機能ではない。それは、コンテキストグラフが完全な攻撃経路を表すのか、それともその詳細な断片にとどまるのかを左右する。
Databricksは対照的な道筋を提示している。そのLakewatch設計は、オープン形式と、レイクハウスにすでに保存されているセキュリティデータおよびビジネスデータ全体にわたる分析を重視する。これにより、インライン施行プラットフォームから始めることなく、幅広い履歴コンテキストを得られる可能性がある。
Microsoftには別の構造的優位性がある。Defender、Entra、Sentinel、Microsoft 365、Azureは、エンドポイント、ID、メール、クラウド、コラボレーションのシグナルを提供できる。同社のエージェント戦略は、大規模な導入済みエンタープライズ環境にまたがって構築される。
Dropzone AIのような専門ベンダーは中立性を提供する。そのシステムは、既存のSIEM、エンドポイント検知、ケース管理、オーケストレーション製品を横断して配置できる。この柔軟性は単一プラットフォームへの依存を減らし得るが、エージェントは多くの情報源からデータを正規化しなければならない。
Zscalerの答えは、ネイティブの施行機能と組み合わせたオープンな統合モデルだ。同社は外部の証拠を自社の調査に取り込みつつ、封じ込めを自社のインライン制御の近くに維持したい考えだ。
結果は、製品ページ上の統合数によって決まるものではない。買い手は、これらの接続が十分なコンテキストを運べるか、双方向に機能するか、自動化された行動の後にも証拠を保持できるかをテストする必要がある。
浅い統合では、周辺イベントなしにアラートのタイトルだけを取り込む可能性がある。より強力な統合なら、生の証拠を取得し、ケースを更新し、制御された対応を開始し、その結果を記録できる。
これがZscaler Agentic SOCをめぐる競争の核心だ。ネイティブテレメトリーは速度と一貫性を提供する。中立的なプラットフォームはより広い選択肢を提供する。エンタープライズの買い手は、自社環境においてどちらの弱点がより大きなリスクとなるかを判断しなければならない。
自律型対応は新たな障害領域を生み出す
攻撃者を止められるエージェントは、正当な業務も中断させ得る。だからこそ、封じ込めの精度は流暢なインシデント要約より重要だ。
誤った要約はアナリストの時間を浪費する。誤った自動対応は、アカウントの無効化、信頼済みサービスの遮断、本番環境の中断、緊急の業務プロセス中に重要デバイスを隔離するといった事態を招き得る。
このリスクが、自律的な封じ込めを使えないものにするわけではない。求められる立証基準を変えるのである。セキュリティチームはエージェントを、単なる生産性向上機能ではなく、運用上の統制手段として評価しなければならない。
第一の要件は、追跡可能な証拠である。Zscalerは、各判断について支持するシグナルと矛盾するシグナルの両方をエージェントが示すとしている。顧客は、それらの説明が再現可能な証拠を伴わない説得的な物語ではなく、基礎となるイベントを参照していることを確認すべきだ。
第二の要件は、権限の限定である。悪意あるファイルをブロックできるエージェントと、経営幹部を隔離し、認証情報を取り消し、広範なネットワークポリシーを変更できるエージェントでは、運用上のリスクが異なる。
権限は、インシデントの深刻度、確信度、資産の重要性、復旧コストに合わせるべきである。低リスクの操作は自動実行できる。一方で影響の大きい操作には、組織が信頼できる性能を確立するまで承認を求めるべきだ。
第三の要件は、可逆性である。すべての自動プレイブックには、検証済みのロールバック手段が必要になる。判断が変わった際、アナリストはアクセスを復元し、ブロックを取り消し、元の状態を回復する方法を把握していなければならない。
第四の要件は、監査可能性である。セキュリティおよびコンプライアンスチームには、エージェントが何を観測し、どのモデルまたはポリシーが判断に影響し、どの操作が実行され、誰が承認したかを示す記録が必要だ。
第五の要件は、操作への耐性である。攻撃者は、データを汚染したり、誤解を招く相関関係を作り出したり、エージェントが取り込む指示を悪用したりする可能性がある。ツールへのアクセスが広がるほど、侵害されたエージェントが被害を引き起こす手段も増える。
NISTのエージェントセキュリティ分析では、確立されたサイバーセキュリティ原則は引き続き有効だが、AIエージェント向けの適応が必要だという幅広い合意が見られた。ソフトウェアが限定的な監督のもとで計画し行動できるようになると、アイデンティティ、認可、監視、ガバナンスはさらに難しくなる。
人間による承認だけでは、すべての問題を解決できない。アラート量が多い場合や説明が権威的に見える場合、アナリストは推奨事項をあまりに迅速に承認する可能性がある。したがって監督には、明確なエスカレーションルール、サンプリング、性能レビュー、独立検証を含める必要がある。
基礎となるテレメトリーの品質も、もう一つの不確実性となる。可視性ギャップに関する業界の批評では、エンドポイント、アイデンティティ、クラウド、ネットワークの証拠が分断されたままであれば、エージェントは誤作動する可能性があると指摘されている。
Zscalerのコンテキストグラフはこの批判に直接対応するものだが、同社はあらゆる顧客環境に共通する精度ベンチマークを公表していない。導入事例が独立して比較可能な証拠を生み出すまでは、その性能と利点はベンダー側の主張にとどまる。
偽陽性は問題の一側面にすぎない。エージェントは偽陰性を出したり、不審なケースをクローズしたり、それぞれ単体では無害な行動が連なる新たなチェーンを見逃したりする可能性もある。
顧客は、孤立したアラート分類ではなく、インシデント全体を評価すべきである。有用なテストには、侵害されたアイデンティティ、リモート管理の悪用、ブラウザベースの攻撃、横方向の移動、Zscalerとサードパーティシステムにまたがる活動が含まれる。
チームは支援モードと自動モードも比較すべきだ。アナリストが日常的に却下する推奨事項は、確信度スコアが恣意的な閾値を超えたというだけで、無監視の操作にすべきではない。
エージェント型の封じ込めには段階的な導入が必要だ。まず観測と要約から始め、推奨へと進み、限定的で可逆的な操作を自動化し、測定された証拠が変更を裏付けてから権限を拡大する。
ZscalerのAIパートナーシップより重要なのはコントロールプレーンだ
モデルは推論を改善できるが、Zscalerの持続的な差別化は、それらを取り巻くデータ、権限、執行システムにある。
Zscalerは、Agentic SOCのモデルパートナーとしてAnthropicとOpenAIを挙げている。これにより同プラットフォームは、すべてのタスクを単一プロバイダーに縛ることなく、最先端モデルへアクセスできる。
マルチモデル戦略では、異なる作業を最も適したモデルへ振り分けられる。あるモデルが複雑なインシデントを要約し、別のモデルが証拠を評価したり対応計画を生成したりすることも可能だ。
しかし、基盤モデルは多くのサイバーセキュリティベンダーが利用できるようになりつつある。その利用権だけでは、持続的な優位性は生まれない。競合他社も類似の機能をライセンス導入でき、性能の変化に応じてモデルを置き換えられる。
より難しい仕事はモデルの周辺にある。セキュリティエージェントには、正規化された証拠、制約されたツール、組織固有のポリシー、アイデンティティ制御、永続的なログ、対応メカニズムが必要だ。また、実際のインシデントパターンに対して挙動を検証する評価システムも必要になる。
Zscalerによれば、同社のエージェントは10年以上にわたるSOC、マネージド検知、対応、脅威ハンティングの経験を活用しているという。同社はまた、数千の顧客環境から得たインテリジェンスがシステムに情報を与えているとしている。
これらの説明はトレーニングとチューニングの入力を示すものであり、独立して検証された精度を意味するものではない。購入者には依然として、自社に似た環境からの結果が必要だ。
このアーキテクチャは、Zscalerにいくつかの実用的な手段を与える。不審な接続をポリシーやポスチャーの文脈で拡充できる。事業への影響に基づく対応を推奨できる。そして、別のベンダーのシステムを待たずに、インライン制御を通じて実行できる。
この閉ループが価値を持つのは、ガバナンスが各段階に結び付いたままである場合に限られる。周辺プラットフォームが広範な可視性を持つからといって、モデルに無制限のアクセスを与えるべきではない。
セキュリティチームには、ロールベースのアクセス制御、スコープを限定した認証情報、操作上限、承認ポリシー、顧客間の分離が必要だ。また、インシデントデータが保持されるか、推論がどこで実行されるか、モデルプロバイダーが送信コンテンツをどう扱うかも把握すべきである。
モデル更新は別の運用上の課題を生む。周辺ワークフローが同じままでも、新しいモデルは異なる挙動を示し得る。ベンダーは、封じ込め判断に影響するモデルを変更する前に回帰テストを行う必要がある。
顧客は、Zscalerが各操作についてモデルバージョン、エージェント設定、ポリシー状態、使用した証拠を記録しているかを確認すべきだ。これらの詳細がなければ、誤った対応の調査ははるかに困難になる。
説明可能性にも、文章以上のものが求められる。効果的なインシデントビューでは、アナリストがタイムスタンプ、アイデンティティ、ネットワークセッション、影響を受けた資産、矛盾するシグナル、エージェントの判断順序を確認できるべきだ。
ここでZscaler Agentic SOCの提案は具体性を帯びる。見出しではAIエージェントが語られているが、製品の成否を分けるのは信頼できる制御エンジニアリングである。
最先端モデルは、エージェントによる曖昧さの解釈を助けられる。しかし、欠けた証拠、過剰な権限、弱い統合、未検証の復旧計画を補うことはできない。
Zscaler Agentic SOCが機能するかを示す三つのシグナル
次の試金石は新たな機能発表ではない。事業の中断を増やさずに、顧客が意味のある封じ込めを自動化できるかどうかだ。
第一のシグナルは、測定可能な本番環境での性能である。購入者は、調査時間、封じ込め時間、アナリストの作業負荷、偽陽性による操作、取り消された判断について、文書化された変化を確認すべきだ。
分析が速くなったという顧客のコメントは有用な文脈を与えるが、一般的な信頼性を確立するものではない。強力な証拠は、定義されたインシデントカテゴリーごとに自動ワークフローと人間主導のワークフローを比較するものとなる。
最も価値の高い報告は、トリアージと封じ込めを分けて扱うだろう。アラートを要約または優先順位付けできるツールは多い。実稼働中のアイデンティティ、デバイス、宛先、アプリケーションに対し、安全に対応を実行できるツールははるかに少ない。
導入事例が不要な操作をほとんど伴わずに封じ込めの高速化を示せば、Zscalerのネイティブテレメトリーに関する主張は支持を得る。頻繁な取り消しや承認のボトルネックは、閉ループ自動化の根拠を弱めることになる。
第二のシグナルは、サードパーティ統合の深さである。Zscalerは、証拠が自社プラットフォームの外まで広がる場合にも、Agentic SOCが一貫したインシデントを組み立てられることを証明しなければならない。
購入者は、どのSIEM、エンドポイント、アイデンティティ、クラウド、チケッティング、オーケストレーション統合が双方向ワークフローに対応しているかを注視すべきだ。また、各コネクターがどの文脈を転送するかも検討すべきである。
広範な統合は、ネイティブテレメトリーとオープンなツール群が共存できるというZscalerの主張を強める。文脈が限定されれば、そのビューが詳細であっても、顧客にはまた一つ部分的な可視性が残る。
第三のシグナルは、競合他社が推論と執行をどう結び付けるかである。Microsoftは、Defender、Entra、Sentinel、Azure、Microsoft 365をまたぐ自律ワークフローを構築できる。Databricksはオープンデータと長期的なコンテキストを強調できる。専門ベンダーは、執行プラットフォームからの独立性を訴求できる。
より広い証拠に基づいて同等の封じ込めを実現する競合対応は、Zscalerの差別化を縮小させる。一方、競合スタック間の統合が弱い、または遅れる場合、Zscalerのインラインポジションはより魅力的になる。
セキュリティリーダーは、普遍的な勝者を待つ必要はない。限定的なインシデントクラスを定義し、人間によるレビューを伴うベースラインを確立したうえで、候補システム間で同じワークフローをテストできる。
評価では、証拠の品質、判断の一貫性、封じ込めの速度、統合の深さ、アナリストの介入、ロールバックの成功を測定すべきだ。また、エージェントを誤導するよう設計された敵対的テストも含める必要がある。
チームには、こうした試行の信頼できる記録が必要になる。検索可能な技術ナレッジベースは、セキュリティチームとエンジニアリングチームをまたいで、プレイブック、却下された判断、統合上の制約、インシデント後の知見を保存できる。
Zscaler Agentic SOCの発表により、自律防御は遠い概念ではなく、現在の調達判断となった。その最も強い提案は、文脈とインライン操作の結合にある。
同時に、最も難しい問いも明快だ。組織は、攻撃者を上回るのに十分な権限をエージェントへ与えながら、一つの不確かな判断が自動化された障害へ発展することを防げるのか。
まず一つの可逆的なワークフローから始め、証拠の閾値を定義し、すべての介入を測定するべきだ。エージェント型セキュリティ運用の未来を決めるのは、AIがインシデントをどれほど自信をもって語るかではなく、それらの記録である。
