RangeFactoryとは何か
RangeFactoryは、私が見るに、LLMエージェントが現実世界の多段階サイバー攻撃をいかに完遂できるかを評価するための、自動化されたサイバーレンジオーケストレーションフレームワークです。これは単なる脆弱性テストツールではありません。複数のホストやネットワークセグメントをまたぐ、複雑な攻撃チェーン全体をシミュレートし、AIエージェントの能力を詳細に分析するために設計されています。私たちが目指すのは、AIがサイバーセキュリティの最前線でどれだけ「使えるか」を明確にすることです。
なぜ今、多段階サイバーレンジが必要なのか
実際のサイバー攻撃は、一つの脆弱性を突いて終わりではありません。複数のシステムやネットワークを渡り歩き、最終目的を達成するまで継続的な進行が必要です。従来のサイバーレンジは、個別の脆弱性タスクや、手動で定義されたマルチホストシナリオの構築に留まっていました。これでは、増え続ける脆弱性環境を自動で連携させ、エンドツーエンドで検証された多段階レンジを大規模に構築することは不可能でした。このギャップが、AIエージェントが「全体像」を理解し、攻撃チェーンを完遂する能力を評価する上での大きな障壁だったのです。
RangeFactoryのアプローチと革新性
RangeFactoryの核心は、サイバーレンジの構築を「依存関係の解決」として捉えている点です。まず、攻撃エージェントが実際の脆弱性に対して行う攻撃から、その依存関係情報を抽出します。これは一次情報として非常に重要です。次に、テンプレートを用いたオーケストレーションを通じて、既知の依存関係を自動的に解決します。そして、最も重要なのが、エンドツーエンドの攻撃実行を通じて、構成後に初めて明らかになるランタイム依存関係を検証するプロセスです。これにより、机上の空論ではない、実践的なレンジが構築されます。この自動化されたアプローチこそが、大規模なレンジ構築を可能にする鍵です。
評価から見えた「持続的な侵害ギャップ」
RangeFactoryを用いて、私たちは「RangeBench」という1,148の検証済みレンジインスタンス、287の異なる攻撃チェーンを持つ大規模なデータセットを構築しました。このRangeBench上で最先端の攻撃エージェントを評価した結果、衝撃的な事実が判明しました。初期の脆弱性を侵害できたにもかかわらず、その後の攻撃パスを完遂できなかったケースが24.5%から47.0%にも上ったのです。これは「持続的な侵害ギャップ」と私たちが呼ぶもので、最初の足がかりを築くことと、多段階攻撃全体を完遂することの間には、まだ大きな隔たりがあることを明確に示しています。AIエージェントは、目の前のタスクはこなせても、全体を通じた戦略的思考と実行力に課題がある、と私は見ています。
業界への示唆と今後の展望
この発見は、LLMエージェントをサイバーセキュリティ分野で実用化する上で、非常に重要な示唆を与えます。単一の脆弱性対応能力だけでなく、複雑な状況下での「持続力」と「全体最適化」が求められるということです。RangeFactoryが生成した5,541もの結果注釈付き多段階攻撃軌跡のコーパスは、攻撃プロセスの詳細な分析や、将来のAIエージェントトレーニングにとって貴重なデータ資産となります。私の見方では、今後はこの「持続的な侵害ギャップ」を埋めるためのエージェント設計や、より高度な推論能力を持つAIの開発が急務となります。AIが真に「使える」サイバーセキュリティツールとなるためには、このギャップを乗り越えることが不可欠です。
「持続的な侵害ギャップ」は、AIエージェントが単発のタスクはこなせても、複雑な攻撃チェーンを「ぐるぐる回す」実践力に欠ける証拠です。一次情報として、このギャップをどう埋めるか。私なら、AIに何を任せるか、その設計思想から見直します。
