自動防御の三エージェント構成を解説 | Cogent創設者

分単位で悪用される現代に、人間を介在させない「自律型サイバー防御」が必須となる理由

脆弱性を発見してから実際に悪用されるまでの時間が、かつては数ヶ月かかったのが、現在では数分に短縮されています。この変化により、従来の「発見→分析→承認→適用」という人間のループを含む対応プロセスは、もはや間に合いません。Cogent の創設者兼 CTO、ガン・シン氏は、機械の速度で反応し、組織の文脈を理解して自律的に行動する「自律型サイバー防御」こそが、現代における唯一の現実的な解決策であると説きます。

攻撃者のスピードに対する防御側の限界

現在、セキュリティ業界が直面している最大の課題は「時間」です。2 年半前まで、脆弱性が見つかった後、実際に野外で悪用されるまでの平均時間は約 2 年半ありました。これにより、セキュリティチームにはバックログの整理や優先順位付けを行う十分な猶予がありました。

しかし現在、その平均時間は数分へと短縮されています。この急激な変化には二つの主要な要因があります。

第一に、デジタル環境の無秩序な拡大です。攻撃対象領域が急速に広がり、防御側が追いつくことはもはや不可能となっています。第二に、AI モデルによる攻撃能力の劇的な加速です。ガン氏は、数十年にわたるペネトレーションテストを通過してきた Mozilla のような堅牢な環境でも、最新のフロンティアモデルを使えば約 500 回の対話でゼロデイ脆弱性を発見できる可能性があると指摘します。

「ソフトウェアと脆弱性は表裏一体の関係にあります。ソフトウェアはますます発明・創造され、脆弱性も増え続けていますが、パッチが適用されないままです。」

この状況下では、「人間をループに組み込む」従来のアプローチでは間に合いません。必要なのは、機械の速度で反応し、かつ適切な判断を下せる自律型エージェントなのです。

三つのエージェントが織りなす「自律型防御」の仕組み

Cogent のプラットフォームは、単なる自動スクリプト実行ではなく、文脈形成、データ処理、意思決定を行う 3 つのエージェントが連携する構成を採用しています。これにより、安全性を担保しつつ、高リスクな決定も自動実行することが可能になります。

1. 文脈形成エージェント：組織の「城」を知る

まず、システムは顧客環境の文脈を構築します。これは単に脆弱性情報を集めるだけでなく、チケットシステムの過去の修復履歴、SharePoint や Google ドライブ内のポリシー情報、製品ローンチに関するデータなど、組織全体のコンテキストを読み解くプロセスです。

「私たちはこれを『エージェントレイク』と呼んでいます。生データにリアルタイムでアクセスできる文脈エンジンが、組織の意思決定がどのように行われているかを理解します。」

この「インテリジェンスレイヤー」により、エージェントは単なるパッチ適用の可否だけでなく、「今すぐ対応すべきか」「他の措置を取るべきか」という判断に必要な知識と権限を備えます。

2. データ処理エージェント：グラフではなくスループット重視

多くのセキュリティツールがグラフデータベースを採用する中、Cogent はあえてそれを使用しません。ガン氏は、グラフデータベースの拡張性（スケーラビリティ）の問題を指摘し、毎日数十億件のイベントが流れ込む環境では、高い書き込みスループットを持つシステムが必要だと説きます。

彼らは S3 などのデータレイクリンクを活用し、カスタムに最適化されたデータ構造でグラフを実体化しています。これにより、脆弱性や資産、アイデンティティのライフサイクル変更をリアルタイムでモデル化できます。

3. 意思決定エージェント：厳格な評価システムによる安全性担保

最も重要なのが、この 3 つのエージェントが連携して行う「自律的な修復」です。ここで懸念されるのが AI の幻覚（ハルシネーション）や誤ったアクションの実行です。

Cogent はこれを防ぐため、LLM が評価対象の実際のエージェントと同等の環境を持つ「厳格な評価システム」を構築しています。たとえエージェントが何らかの書き込みアクションを実行したいと思っても、評価システムが許可しなければ実行されません。また、LLM の判定者自身が実際にエージェントの評価に適任であることを保証する仕組みも備えています。

「ホット」と「コールド」：文脈の真髄を理解する

Cogent が独自に定義する「ホットコンテキスト」と「コールドコンテキスト」は、単なる保存期間の違いではありません。これは「現在アクティブに使用されているか」という実態に基づいた分類です。

• ホットコンテキスト: 現在、組織内で実際に使用され、意思決定に影響を与える文脈（例：進行中のプロジェクト、直近のリスクシグナル）。
• コールドコンテキスト: 過去に存在したが、現在はアクティブではない文脈。

この分類により、組織の運用実態や過去の意思決定履歴を統合した高忠実度のリスク分類が可能になります。例えば、「この資産はインターネットに露出しているか？」という問いに対し、単なるスキャン結果だけでなく、W ログやセキュリティツールのデータソースを 5 つ以上掛け合わせて推論し、コンテキストを色付けします。

「多くの顧客環境では脆弱性が数億件に上ります。『トップ 10』ではなく、『リスクに基づき今すぐ対応策を講じる必要があるもの』を特定する能力が必要です。」

この高忠実度こそが、ノイズをかき分け、真の優先順位を見極める鍵となります。

防御セキュリティは「城」のように個別であり、完全な自動化は困難

最後に、ガン氏はなぜ防御セキュリティがすぐに AI に完全に置き換わらないのか、そしてなぜ Cogent のようなアプローチが必要なのかを語ります。

攻撃セキュリティは標準的なデータセットで学習可能ですが、防御セキュリティは「城」のようなものです。すべての城の壁の構造や穴のパッチ方法は異なり、ラベル付けされた統一データが存在しません。

「防御セキュリティの本質とは、城があり、ここにすべての壁があります。この壁にある小さな穴一つひとつをどうパッチするかです。そして、すべての城は異なる方法で建設されています。」

この「組織ごとの固有性」こそが、AI による完全な自動化やコモディティ化を困難にしています。そのため、単なるモデル学習に依存するのではなく、各顧客の環境に合わせたドメイン固有のコンテキスト構築と、エージェントによる文脈理解が不可欠なのです。

まとめ

脆弱性の悪用スピードが分単位になった現代において、人間を介在させる従来の対応はもはや機能しません。Cogent が提唱するのは、組織の文脈を深く理解し、厳格な評価システムの下で自律的に行動する「三エージェント構成」による防御です。これは単なるツールの進化ではなく、攻撃者の自動化スピードに対抗するためのインフラ再構築そのものと言えるでしょう。