Ciscoがソースコードセキュリティ向けの低コストAIモデルを発表

Cisco Foundation AIは、さそり座で最も明るい星にちなんで名付けられた小規模言語モデル(SLM)「Antares」を発表しました。

アンタレス(Antares)が連星であることから明るく輝くように、CiscoのAntaresファミリーも現在2つのモデルで構成されています。Antares-350MとAntares-1Bです。いずれも小規模言語モデル(SLM)のオープンウェイトモデルで、Hugging Faceで公開されています。

Ciscoは説明の中で、Antaresを「セキュリティ分野で最も困難かつ時間とコストのかかる課題の一つ、すなわち既知の脆弱性がコードベースのどこに存在するかを特定する作業のために構築されたもの」と位置づけています。

脆弱性が発見されると、セキュリティチームは自社のコードにその脆弱性が含まれているかどうか、含まれているとすればどこにあるのかを調査しなければなりません。これは容易な作業ではなく、現状ではAIによる支援が最も有効とされています。しかし、主要な2つのAI選択肢にはそれぞれ問題があります。

一つの選択肢は、主要なクローズド型大規模言語モデル(LLM)のフロンティアモデルを契約して利用することです。しかし、同じLLMによって発見される新たな脆弱性の量が膨大であることや利用コストを考えると、これは急速に非常に高額になりかねません。またコードベースがデータ主権規制の対象である場合には、そもそも選択肢にならないこともあります。

もう一つよく選ばれる代替策は、より小規模な「オープンウェイト」の汎用言語モデル(GLM)をダウンロードする方法です。オープンウェイトは厳密にはオープンソースとは異なりますが、「ウェイト」(モデルの「思考」の仕組みを定義する、事実上の頭脳部分)をユーザー側で管理できます。このアプローチは、データ主権が重要視される、あるいは規制対象となっている環境で特に有用です。オープンウェイトのGLMによって解析されるリポジトリは、その企業の手元から外部に出る必要がないためです。

しかし、この後者のアプローチには、誤検知(false positive)の水準が概して大幅に高くなるという問題があります。企業は、コストは高いが誤検知は少ない方式と、コストは低いが誤検知が多い方式のどちらかを選ばざるを得ない状況に置かれています。

Antaresはオープンウェイトでありながら、コードベース内の既知の脆弱性を発見することに特化したSLM設計となっています。言い換えれば、データ主権を維持しながら低コストかつ低誤検知率を実現し、オープンウェイトのGLMと大規模なクローズド型LLMフロンティアモデルの双方を上回ることを目指したものです。

その処理は、人間の調査担当者がリポジトリを調べていく手順に似た検索パターンに従います。Ciscoによれば、「各モデルは脆弱性の説明から出発し、関連するコードパターンを検索し、候補となるファイルを読み込み、新たな根拠を取り込み、有用でない方向であれば軌道修正しながら、最も重要である可能性が高いファイルへと絞り込んでいく」とのことです。Ciscoが目指しているのは専門家の判断を代替することではなく、ソースコードの脆弱性トリアージの初期段階を支援することだといいます。

Antaresは主に、セキュリティ予算に制約のある組織を対象としています。Ciscoは「重要なソフトウェアを維持し続けている大学、研究機関、非営利団体、公共部門のチーム」を主なターゲットとして挙げています。

とはいえ、口約束は安いものです。実証は意味のあることですが、それだけ難易度も上がります。この最後の課題を解決するため、Ciscoは新たなベンチマーク「Vulnerability Localization Benchmark」も公開しています。これは「不慣れなコードベースを効率的に読み解きつつ、特定のCWEカテゴリーに関連する脆弱性パターンを認識することをモデルに同時に要求する、500件のエントリーから成るベンチマーク」と説明されています。

Ciscoはこのベンチマークを用いて、Antaresを最上位クラスのクローズド型LLMフロンティアモデル(OpenAIのGPT-5.5)、および最上位クラスのオープンウェイトモデル(Z.aiのGLM-5.2)と比較検証しました。その結果、Antaresは競合モデルよりも高速かつ低コストで処理を完了し、LLMと比べて172倍、GLMと比べて15.2倍のコスト削減を実現したことがわかりました。

出力結果は、関連する脆弱性を含んでいる可能性が高いソースファイルをランク付けした一覧です。セキュリティチームはこの一覧を出発点としてトリアージ作業を進めることができます。

「セキュリティは贅沢品であってはならないはずですが、これまで高度なAIベースの検知技術は、フロンティア級の予算を持つ組織のものにほぼ限られてきました」と、スタンフォード大学でマネジメントサイエンス・工学を教えるAmin Saberi教授はコメントしています。「Antaresの成果はこの構図を変えます。安全なコード推論においてフロンティアモデルに近い精度を、わずかなコストで実現し、しかもすべてのコミットで実行できるほど高速です。攻撃者が既にAIを活用している今、この種の効率性はあれば望ましいというものではなく、あらゆるチームにとって常時稼働のセキュリティスキャンを可能にするために不可欠なものです」

CiscoはAIへの取り組みについて、「AIを活用した防御のためのより持続可能な基盤をコミュニティが築く手助け」を目指すものだと位置づけています。具体的には「オープンな仕様、再利用可能なセキュリティ知識、コンパクトで展開可能なモデル、そして進捗を測定可能にするベンチマーク」です。その目標は、オンプレミス環境かどうかやリソースの制約にかかわらず、すべてのセキュリティ実務者が日常のセキュリティ業務にAIを効果的に組み込めるシステムを構築することにあるといいます。