「AIセキュリティ」の光と影【後編】
「AIセキュリティ製品は万能ではない」理由と、使いこなすためのヒント
AI（人工知能）技術を使ったセキュリティ製品は将来性がある一方で、安易に利用するとリスクが生じる。AIセキュリティ製品が抱える問題と、利用時に知っておくべきことは何か。
前編「保険ブローカー企業が『AIセキュリティ』製品を導入 『Emotet』を即座に検出」では、深層学習（ディープラーニング）をはじめとするAI（人工知能）技術を活用したセキュリティツールについて、セキュリティのスタートアップ（創業間もない企業）Blue Hexagonの製品を例に紹介した。後編では、セキュリティ分野でAI技術が抱える課題を解説する。
機械学習は魔法の技術ではない
「深層学習が興味深い機械学習の手法であることは間違いない。さまざまなセキュリティ用途に使用できるだろう」。そう語るのは、調査会社Gartnerのアナリストであるオーガスト・バロス氏だ。だが「セキュリティ分野において、深層学習ができることよりもできないことを理解することが重要だ」と同氏は話す。
深層学習を含む機械学習エンジンを使ったセキュリティ製品は、未知のマルウェアであっても、一般的な既知の特徴を持っていれば検出できる。マルウェアの特定に使用する要素を割り出すのに、機械学習は非常に効果的な技術だ。
機械学習がマルウェアについて学習するには、既知のマルウェアの特徴と、マルウェアではないものの特徴についての情報を事前に用意しなければならない。「機械学習が魔法のように新しい脅威を特定することはないだろう」とバロス氏は説明する。
シグネチャベースの検出の方が優れている場面も
バロス氏によると、対象がマルウェアかどうかを判断する際「どのファイルの特徴が最も参考になるかを特定するのに深層学習は有用だ」と語る。
エンドポイントの標準ツールを悪用する「ファイルレス攻撃」が出現した時、ファイルを分析する機械学習ベースのセキュリティ製品では、ファイルレス攻撃を検出できなかったとバロス氏は指摘する。検査する場所を誤っていたからだ。「正しい検査場所をセキュリティ製品に伝える仕組みが必要になる」（同氏）
「機械学習ベースの検出は、シグネチャベースの検出よりも処理速度が遅い」とバロス氏は考えている。シグネチャベースでは新たな脅威の検出はできないが、既存の脅威であれば確実に検出する。現に一般的なマルウェア対策ソフトウェアは非常にうまく機能している。機械学習では「どの程度マルウェアらしいか」という確率しか得られない。機械学習のアルゴリズムは「対象に起こった変化が悪いことである確率はX％だ」と結果を出す。こうした確率情報に基づいて行動を起こすのには「リスクが伴い、システムに被害を及ぼす恐れがある」とバロス氏は指摘する。
AIセキュリティの今後
今後も企業LANは複雑になるだろう。「アルゴリズムが善悪を判断できるように学習させることは、顔認証など深層学習の典型的な成功事例よりも確実に困難な道になる」。そう語るのは、Gartnerでアナリストを務めるアントン・チュバキン氏だ。ビジネスにおいて何が正常か、何が正当か、何が許容できるのかを判断する対象は広範囲に渡る。「これをアルゴリズムに学ばせるのは至難の業だ」（チュバキン氏）
マルウェア検出をはじめ、セキュリティ分野において深層学習は成果を挙げている。理由として考えられるのは、アルゴリズムの学習に使用できるソフトウェアやマルウェアに関する豊富なデータの存在だ。
一方で「ネットワークトラフィック分析で深層学習が成功する可能性はずっと低いだろう」とチュバキン氏は見解を示す。同氏によれば、セキュリティ分野において深層学習で成功を収めるには「ラベル付けされた膨大な量のデータ」が必要だという。
マルウェア対策ベンダーは、何年もの歳月をかけてマルウェアのデータを収集している。だがトラフィックに関するデータはどこにあるのか。チュバキン氏が把握している限り、悪意のあるトラフィックのデータを年単位で広範囲にわたって収集している人はいない。そのようなトラフィックを蓄積したリポジトリは、まず存在しない。仮に存在するとしても「多くの場合、トラフィックに悪意があるかどうかは分からない」と同氏は指摘する。
Copyright © ITmedia, Inc. All Rights Reserved.
「AIセキュリティ」の光と影
深層学習をはじめとするAI技術をセキュリティ対策に活用する動きが広がっている。だが専門家は、AI技術には限界があると警鐘を鳴らす。先駆的なユーザー企業やベンダーの声を基に、AIセキュリティ製品のメリットと課題をあぶり出す。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
4
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
5
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
6
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
7
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
8
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
9
「結局使わなくなる」Microsoft 365 Copilotを半年で定着 キリンの3施策
-
10
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー