CiscoのAIが「干し草の山」を縮小し、セキュリティチームの脆弱性探索を後押し

Ciscoは、詳細な調査に入る前にソフトウェアリポジトリ内の脆弱性が疑われる箇所をセキュリティチームが特定する際に役立つ、Antaresと呼ばれるオープンウェイトAIモデル群を発表しました。

これらのモデルは特定のCVEを検出したりパッチを生成したりするのではなく、共通脆弱性タイプ一覧(CWE)の説明だけを手がかりにコードベースを検索し、その脆弱性クラスを含む可能性が最も高いファイルを返します。

「その目的は、大規模なコードベースを、セキュリティ専門家やそれに続くセキュリティワークフローが調査すべき絞り込んだファイル群にまで縮小することです」と、Ciscoのアシステトリ・ヴィジャイ(Supriti Vijay)氏はメールで述べています。「目標はセキュリティエンジニアの判断を代替したり、無駄骨を折らせたりすることではなく、問題をより早い段階でトリアージできるようにし、コードベースの中で最も関連性の高い部分に調査を集中できるようにすることで、疲労と作業負荷を軽減することにあります」

Antaresファミリーは、3億5000万、10億、30億パラメータのモデルで構成され、リポジトリ規模での脆弱性の位置特定に特化して訓練されています。

同社によると、最大規模のモデルは自社の脆弱性位置特定(Vloc)ベンチマークにおいてGPT-5.5に近い性能を示す一方で、低コストでローカル展開できるほど小型に抑えられているとのことです。

脆弱性検出器ではなく検索アシスタント

CiscoはAntaresが何であり、何でないのかを慎重に定義しています。

「Antaresは、関連する脆弱性を含む可能性の高いソースファイルのランク付けされたリストを、その結果に至った端末上の探索トレースとともに出力します」と、Cisco Foundation AIのチーフサイエンティストであるアミン・カルバシ(Amin Karbasi)氏はブログ投稿で記しています。同氏はさらに、これらのモデルはより広範なアプリケーションセキュリティのツールチェーンを置き換えるものではないと付け加えています。悪用可能性の確認、脆弱なコード行の特定、深刻度の評価、修正の生成には、依然として人間のアナリストや後段のセキュリティツールが必要になります。

AntaresはSemgrepやCodeQLといった従来型の静的解析プラットフォームとは異なります。これらは主に事前定義されたルールやクエリに依存していますが、Ciscoはむしろ、リポジトリを巡りながら探索方法を適応させていくエビデンス駆動型の探索エージェントとしてAntaresを説明しています。

Ciscoの主張は、大規模なリポジトリにはしばしば数千ものファイルが含まれ、手作業によるレビューは網羅的すぎて現実的ではないというものです。検索対象を管理可能な候補リストにまで絞り込むことで、同社は人間の判断を代替することなく調査疲れを軽減したい考えです。

規模よりも専門化を重視するという主張

Ciscoはまた、セキュリティ向けモデルが今後どう進化すべきかについても一つの見解を示しています。

より大規模な基盤モデルを追求する代わりに、Ciscoは脆弱性の位置特定においてはタスク特化型の訓練を受けたモデルの方が、はるかに大規模なオープンウェイトの代替モデルよりも優れた性能を発揮しうると主張しています。同社の評価では、単一GPUでの展開を想定した最大規模のモデルであるAntares-3Bは、GPT-5.5に匹敵する結果を示しつつ、GoogleやOpenAI、Metaによる大幅に大規模な複数のオープンモデルを上回りました。

このファミリーには、リソースが限られた環境向けのAntares-350Mと、ノートPCやワークステーション向けのAntares-1Bも含まれており、CiscoはこれらをオープンウェイトモデルとしてHugging Face上で公開しています。

これらのモデルのコマンドラインインターフェース(CLI)は、特定のCWEを対象とした調査、リポジトリ全体のスキャン、SARIF形式での出力、ローカル推論に対応しています。Ciscoによれば、これにより各組織は自社の信頼境界内に独自コードを留めたまま利用できるとのことです。

ただし、Antaresが特定するのは確認済みの脆弱性ではなくあくまで候補ファイルであるため、各組織はこうしたリポジトリ全体の検索をどの程度の頻度で実行すべきか、それが既存のトリアージワークフローをどれだけ改善するのか、そして調査労力の削減が最終的に測定可能なセキュリティ上または コスト上の利益につながるのかどうかを、引き続き見極めていく必要があります。

この記事はInfoWorldに最初に掲載されたものです。