[ITmedia エンタープライズ] 人がアラートを追うSOCは2027年に終わる？ Google Cloudのセキュリティ予測

Google Cloudによると、生成AIを使った攻撃と防御は2026年、実運用の段階に入った。Google Cloudはこうした状況を踏まえ、2027年のセキュリティ予測を公開した。人を前提としてきた企業の防御体制は、何をどう変えることになるのか。

» 2026年11月12日 07時00分 公開

この記事は会員限定です。会員登録すると全てご覧いただけます。

　Google Cloudは2026年11月10日（現地時間）、2027年のサイバーセキュリティ予測を公開した。同社のクリス・ベッツ氏（CISO《最高情報セキュリティ責任者》）が執筆し、GoogleとGoogle Cloud、Google Cloud傘下のセキュリティ企業Mandiantの幹部の見解をまとめている。予測の対象は、AIエージェントがもたらす脅威の変化と、防御側に求められる対策の転換だ。

　一方でベッツ氏は、エージェントの業務利用が広がるほど、人を前提に設計された従来のセキュリティ運用は成り立たなくなると見る。では、2027年の防御の現場では何が変わるのか。

2027年、防御の現場はどう変わる？

　Google Cloudが見込む大きな変化は、防御の実務を専門分野ごとのAIエージェント群が担い、人間がアラート対応から方針の設定と結果の検証に役割を移すことだ。

　象徴となるのがSOC（セキュリティオペレーションセンター）の運用だ。SOCは長年、大量のアラートと、調査を中途半端な状態で人に引き渡す旧来のツールに苦しんできた。予測では2027年、この運用モデルが反転する。防御側のエージェントがデータの付加や相関分析、トリアージを自動で処理し、人間には検証済みの結論が届く。アラートは調査の起点ではなく、調査の最終的な出力になる。

　人間のアナリストはアラートを追う代わりに、防御の方針やリスク許容度を定め、エージェントの自動対応を検証する役割に回る。前提となるのが説明可能性で、予測は、防御側の判断を人間が60秒で理解して30秒で取り消せる状態を条件に挙げている。

　自律的に動くエージェントの判断そのものにも記録が求められる。予測は、エージェントが重要な意思決定を下すたびに、その過程を改ざんできない形で記録して追跡することを求める。記録の対象は、入力された情報とモデルの推論過程、呼び出したツールやパラメーター、その操作をポリシーが許可した理由だ。記録がなければ判断を検証できず、検証できなければ信頼して利用を拡大できないという理屈だ。

ゼロトラストを「トランザクション」の単位まで拡張

　IDと権限の在り方も変わる。企業が数千のカスタムエージェントをマルチクラウド環境に展開する中で、人間用のサービスアカウントの共有や広範な管理者トークンは、プロンプトインジェクションや侵入後の横展開の入り口になっている。従来のゼロトラストは、自律的に動くソフトウェアを統制するには粗く硬直的だと予測は指摘する。

　Googleのヘザー・アドキンス氏（セキュリティエンジニアリング担当バイスプレジデント）は「ゼロトラストの概念を、ネットワーク層やマシン層だけでなく、トランザクション層にまで拡張する必要がある」と指摘する。予測はその枠組みとして「Beyond Zero」（注）への移行を挙げる。検証の対象を個々のトランザクションやネットワークパケット、その時点の認可の単位まで広げ、全てのエージェントを検証可能な資格情報と最小権限を持つ独立したIDとして扱う構想だ。リアルタイムの自律的な推論と組み合わせれば、火曜日に許可したトランザクションと同じ要求を、状況が異常に見える水曜日には遮断するといった動的な制御が可能になるとしている。

（注：Beyond Zeroとは、Googleが提唱するエンタープライズセキュリティの枠組み。ネットワークやマシンの単位ではなく、個々のトランザクションの単位まで検証を拡張する考え方を指す）

　開発工程も標的になっている。Google Threat Intelligence（Googleの脅威分析部門）のサンドラ・ジョイス氏（バイスプレジデント）は、AIコーディング支援ツールが外部から自動で取り込む部品の汚染を指摘する。

　「攻撃者はモデルの数理やアルゴリズムだけを攻撃しているのではない。AIコーディングアシスタントがコードベースに自動で取り込むオープンソースソフトウェアやサプライチェーン、MCP（Model Context Protocol）ツール、外部ライブラリを実際に汚染している」（ジョイス氏）

　予測はこの対策として、セキュリティをソフトウェア開発の流れに組み込んだ継続的な仕組みを見込む。開発ツールの中でエージェントが脅威モデリングや設定ミスの検出をコードの記述と並行して実行する。本番環境で見つかった露出は該当するコード行まで追跡し、実際に悪用できるかどうかを検証した上で、検証済みの修正を機械の速度で適用する。

　予測ではこの他にも、防御側の変化と対策を挙げている。

• 内部情報という防御側の強み：　攻撃者が外部からの断片的な視界に頼るのに対し、防御側はID権限の構造やネットワーク構成、コードの来歴、稼働状況という内部の全体像を持つ。複数のAIモデルを組み合わせてこの文脈を解析し、単体では無害に見える権限と設定の危険な組み合わせを攻撃者より先に修正する
• 恐喝の標的の変化：　ファイルを暗号化するランサムウェアへの防御が固まるにつれ、犯罪者は大量のデータ窃取と恐喝に軸足を移す。標的は独自モデルの重みやプロンプト集、クラウドのGPU資源に広がり、窃取した認証情報で企業のLLM（大規模言語モデル）利用環境を乗っ取る「LLMJacking」も挙がった
• 本番投入前のレッドチーム演習：　エージェントを業務ワークフローに組み込む前に、ガードレールの回避やプロンプトインジェクションを想定した攻撃側視点の演習を必須の工程とする
• 専門エージェントの連携体制：　万能の単一エージェントではなく、役割を特化したエージェント群を統制の仕組みの下で連携させる。部門ごとの無秩序な導入は「シャドーIT」の再来につながると警告し、ガバナンスと調整の層を先に作ることを求めている

Copyright © ITmedia, Inc. All Rights Reserved.
本記事は制作段階でChatGPT等の生成系AIサービスを利用していますが、文責は編集部に帰属します。