Bravaが守ろうとするのは、データそのものではなく「監視の仕組み」だ。Sentraが、誰がどのデータに届くかを絞る予防の側に立つとすれば、Bravaは攻撃を見つけるSOC(セキュリティ監視センター)の検知が、実際に機能するかを確かめる側にある。守る対象が違うため、どちらか一方があれば済むという関係にはない。
同社によると、攻撃者の振る舞いをモデル化し、攻撃が起きたら環境内に残るはずのログ(テレメトリー)を、攻撃そのものは実行せずに生成する。それを使ってSIEM(ログを集約・分析する基盤)の検知ルールが反応するかを試し、反応しないルールを特定して書き直す。SplunkやMicrosoft Sentinel、Google SecOpsなど主要なSIEMに対応するという。
共同創業者兼CEOのイダン・バスレ氏は発表文で、多くのセキュリティチームは検知が働いていることを確かめられず、信じるしかない状態にあると指摘している。同社は、重要なログがそもそも収集されていない、ログの転送が誰にも気づかれず止まっている、ルールが想定した攻撃を検知できない――といった状態を問題視し、「AIエージェントは見えないものを検知できない」と書く。アラートの分析にAIを使う動きは広がっているが、分析の材料となるログが欠けていれば、どれだけ分析が高度になっても攻撃は見つからない。
ただし、合成した痕跡による検証で確かめられる範囲には限りがある。主に分かるのは「このログが届けば、このルールは反応するか」「ルールが前提とする項目が、実際のデータに存在するか」だ。実際の端末やクラウドでそのログが確かに記録されるか、攻撃者が想定外の手口を使ったときにどうなるかまでは、合成データだけでは保証しにくい。同社が示す処理件数やSIEMコストの削減率も自社の発表であり、第三者による評価は公開されていない。実際に攻撃を模擬するレッドチーム演習などと組み合わせ、役割を分けて使うのが現実的だろう。
「監視画面が緑色だから問題ない、という判断は現場でよく見かける。緑は『何も起きていない』のか『何も見えていない』のかを区別しない。検知ルールは数ではなく、実際に鳴ることを確かめた数で評価すべきだ」(同)
2社の手法は異なるが、示唆することは似ている。AIの能力が上がるほど、任せる範囲を決め、その制限が実際に効いているかを確かめる仕組みが欠かせなくなる。これは情報システム部門だけで決めきれる問題ではない。経営として決めておくべきことは、次の3点に集約できる。
1. 誰の責任で、どの業務・データ・期間に権限を与えるか
エージェントごとに業務上の責任者を決め、対象業務、触れてよいデータ、権限の有効期間を定める。「とりあえず全社のファイルを読めるように」という渡し方は避け、期限が来たら見直す。社員の入退社と同じように、エージェントにも登録と廃止の手続きが要る。
2. どの操作を自動実行し、どの条件で人の承認を求めるか
すべてを承認制にすれば効率は落ち、やがて承認が形だけになる。影響の大きさと、元に戻せるかどうかで線を引くのが現実的だ。例えば次のような区分が考えられる。
操作
自動実行にする例
人の承認を求める例
・外部送信
自動実行にする例 社内宛て、事前に登録した取引先への定型連絡
人の承認を求める例 未登録の送信先、機密区分のデータを含む送信
・削除・更新
自動実行にする例 上限件数以下で、バックアップから復元できるもの
人の承認を求める例 上限件数を超えるもの、復元できないもの