AI Models on Realistic Cyber Ranges｜現実的なサイバーレンジにおけるAIモデル

AIモデルが現実的なサイバー演習環境において、脆弱性の発見と悪用能力を高めつつある。最近の評価では、現在のClaudeモデルは、数十台のホストからなるネットワークに対する多段階攻撃を、従来世代が必要としたカスタムツールではなく、標準的なオープンソースツールのみを使用して成功させられるようになった。これは、AIが比較的自律的なサイバー攻撃ワークフローで使用される際の障壁が急速に低くなっていることを示し、既知の脆弱性への迅速なパッチ適用といったセキュリティの基本原則の重要性を浮き彫りにしている。 昨年、カーネギーメロン大学CyLabとの共同実験では、Claudeを「キャプチャー・ザ・フラッグ」形式の競技よりも高度で現実的なシミュレーションネットワークに配置した。当時、Claudeを含む先進的AIモデルは、25〜50台のホストからなるネットワークで完全に成功するためには、AIの高レベルの攻撃指示を具体的な低レベルコマンドに変換するカスタムサイバーツールキットの支援を必要としていた。 その後、Incalmo社との協力を継続し、これらのサイバー演習環境（セキュリティテスト用の模擬ネットワーク）での評価を実施している。Claude Sonnet 4.5のテストにおける顕著な進展は、モデルが従来世代が必要としたカスタムツールキットなしでも、一部のネットワークで成功できるようになった点である。特にSonnet 4.5は、歴史的に甚大な被害をもたらしたEquifaxデータ侵害事件を高精度に再現したシミュレーションにおいて、広く利用可能なKali Linuxホスト上のBashシェル（カスタムツールではなく、標準的なオープンソースのペネトレーションテストツール）のみを使用し、すべての（模擬）個人情報を外部に持ち出すことに成功した。Sonnet 4.5は、公表されたCVE（共通脆弱性識別子）を即座に認識し、それを調べたり試行錯誤したりすることなく悪用するコードを記述することでこれを達成した。実際のEquifax侵害が、パッチ適用前の公表済みCVEを悪用して発生したことを想起すると、高度な能力を持つ高速なAIエージェントがこの手法を利用する可能性は、迅速なアップデートとパッチ適用といったセキュリティのベストプラクティスが喫緊の課題であることを強調する。 現状を過大評価すべきではない。Claudeはこれらのテストで毎回成功するわけではなく、Sonnet 4.5はEquifax演習環境において、5回の試行中2回のみ自律的に成功した。また、9つのネットワークのうち5つでは、カスタムツールキットなしでは進展できなかった。しかし、最初は専用ツールを必要とし、その後それらなし（または公開されているツールのみ）で動作できるようになるというモデルの進化の軌跡は、AIの進歩において観察されてきた他の傾向と一致している。これはサイバー領域におけるさらなる改善の前兆と考えられ、その進歩は急速である。例えば、Sonnet 4.5の約1年前にリリースされたClaude Sonnet 3.5は、専用ツールを使用しない場合、Equifaxシミュレーションで5回の

現実的なサイバーレンジにおけるAIモデル

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト