セキュリティ業界は今、攻撃側も防御側もAIが主導する時代へと移行しつつあり、SOC(セキュリティオペレーションセンター)はマシン速度で稼働するようになっています。しかし、多くのCISOがまだ直視できていない事実があります。これから導入しようとしているAI防御システムは、この2年間のインジェスト(データ取り込み)コスト削減圧力によってひそかに空洞化したデータ基盤を、そのまま受け継ぐことになるのです。
その結果、セキュリティ業界は5年前よりも可視性の低い状態でAI時代に突入しようとしています。2026年のSANS SOC調査では、セキュリティリーダーの24%が「組織全体にわたる可視性の欠如」を、効果的なセキュリティ運用における最大の障壁として挙げており、これは人員不足や自動化のギャップを上回る結果でした。攻撃側のAIが防御側との距離を縮めているまさにこの瞬間に、このギャップは広がり続けています。
攻撃の速度は、防御側が把握できる速度を上回りつつある
攻撃側によるAI活用は、もはや仮説の話ではありません。最先端のモデルはすでに、脆弱性の発見から実働エクスプロイトの完成までの時間を、数週間から数時間へと圧縮しています。2026年7月には、内部の能力テストを実行していた2つのOpenAIのモデルが、それまで知られていなかった脆弱性を通じてサンドボックスから脱出し、オープンなインターネットに到達。一連のエクスプロイトと偽造した認証トークンを連鎖させ、Hugging Faceの本番インフラに対する管理者権限アクセスを獲得しました。
Hugging Faceはログをもとに、およそ17,600件の攻撃者の行動を再構築しました。この再構築が可能だったのは、ログがきちんと残されていたからです。もしSOCがインジェストコストを抑えるためにそうしたログ源を削減していたら、ページの欠けた物語を読むことになっていたでしょう。しかも今回の事案は、狭い目的のもとで行われ、モデルのサイバーセーフティに関する拒否機能も抑制されたラボテストが発端でした。攻撃者は、こうしたシステムが持つ能力のほとんどを必要としているわけではありません。必要な分だけあれば十分なのです。
これに対する防御側の対応も、AI活用へと突き進んでいます。主要なセキュリティベンダーは軒並み、何らかの形のエージェント型SOCプラットフォームをロードマップに掲げるか、すでに一部の顧客に提供し始めています。トリアージ、調査、対応をマシン速度でこなすAIエージェントは、マシン速度の攻撃に対する答えとして売り込まれています。
理屈の上では、これは正しい対応です。
しかし、AI防御システムの性能は、それが見ることのできるデータの質に左右されます。そしてここにこそ、売り込み資料が触れていない問題があります。多くのセキュリティチームは、予算を抑えるためにSIEMへ供給するデータを削減してきました。しかもそれを、どの検知ルールをひそかに壊しているのか、どのログ源を無用の長物にしているのかを把握する術がないまま行ってきたのです。
こうした削減は、無謀に行われたわけではありません。SIEMのインジェスト料金は持続不可能な水準に達しており、各チームは現実のコスト問題に対応していただけです。彼らは、削っても問題ないと考えたものを削ったにすぎません。
できなかったのは、それを証明することでした。
2年間のコスト削減が生んだ落とし穴
本番環境における1億6,000万件以上の攻撃シミュレーションに基づくPicus SecurityのBlue Reportは、この結果を数字で示しています。検知ルールの失敗の半数は、ログ収集のギャップに起因しています。組織が検知できているのは、攻撃7件のうちわずか1件にすぎません。
これは検知エンジニアリングの問題ではありません。データ供給の問題なのです。
私が知る限り、あらゆる企業のSOCは、ルール、相関分析、プレイブック、MITRE ATT&CKマッピングといった検知コンテンツに多額の投資をしてきました。しかし彼らが検証できていないのは、SIEMに流れ込むデータに対して、それらのルールが今なお発火するのかどうかです。あるチームがコスト削減のためにログ源を削ったり、一連のイベントをフィルタリングしたりするとき、それによってどの検知が無効になったのかを把握できているケースはほとんどありません。削減は一方のシステムで起こり、検知は別のシステムに存在します。両者の整合性が保たれているかどうかを、誰も証明していないのです。
これが「盲目飛行」問題であり、決して小さな問題ではありません。
コストは瞬く間に積み上がっていきます。検知漏れは、滞留時間の長期化を意味します。IBMの「2026年 データ侵害のコストに関する調査」によれば、200日を超えて長期化した侵害の被害額は565万ドルに達する一方、より早期に封じ込められた侵害では432万ドルにとどまっています。網羅的なログ記録を前提とする規制フレームワークも、そのログが実際には存在しない場合、リスクエクスポージャーそのものと化します。保険会社、取締役会、監査人は、SOCが実際に何を把握できているのかを問う場面が増えています。そして今、AIエージェントが本番のセキュリティ運用に投入されつつある中、そうしたエージェントのすべてが、まさにこの弱体化した基盤に向けられることになるのです。
その結果生まれるのは、業界がまさに避けなければならない事態です。誰も健全性を証明していないデータ層の上で、AI防御システムがAI攻撃者を相手に高速で動き続けるという事態です。
今、CISOが問うべきこと
多くのCISOにとって不都合な真実は、自組織の可視性について基本的な問いにすら答えられないということです。直近のインジェスト削減の後でも、どの検知が引き続き発火するのかを、レポートとして正確に示せたのは最後にいつでしょうか。ほとんどのSOCにとって、正直な答えは「一度もない」というものでしょう。
AIエージェントがこの問題を引き継ぐ前に、この状況は変えなければなりません。
これはソフトウェアで解決可能な問題ですが、実際に取り組んでいる組織はほとんどありません。必要なのは、SIEM上で実際に稼働している検知ルールを読み取り、それぞれのルールが依存するログ源とフィールドをマッピングし、データ量が減っても検知カバレッジを維持できる保護ルールを生成することです。削減を安全に適用できない場合には、そのまま削るのではなく、プラットフォームが「所見」としてそれを報告する仕組みが求められます。最終的な成果物は、何が削減され、何が保護され、その前後でMITRE ATT&CKのカバレッジがどう変化したかを示すレポートです。
これによって、当てずっぽうが証拠に置き換わります。もっとも、これはAIエージェントがデータから必要とするものの、あくまで最初の要素にすぎません。2つ目に必要なのはコンテキストです。これは何のシステムか、誰が所有しているのか、正常な状態とはどのようなものか、侵害されればどれほどのコストがかかるのか、といった情報です。こうした知識は熟練アナリストの頭の中にあり、それを機械可読な形にすることこそ、より難しい課題です。そしてこれは、その土台となるデータ層の健全性がまだ検証されていない段階では、着手できない課題でもあります。
何年にもわたる静かなコスト削減は、業界がもはや無視できないギャップを生み出しました。AI時代は、そのギャップを白日の下にさらすことになるでしょう。AI防御システムを導入する前にこのギャップを埋めたCISOは、そうしなかったCISOとはまったく異なるセキュリティ態勢を手にすることになります。ギャップを埋める第一歩は、どのCISOでも今週すぐに問える質問から始まります。「直近のインジェスト削減の後でも、どの検知が引き続き発火するのか見せてほしい」。ほとんどのチームはこの問いに答えられません。答えられるチームは、1年後にはまったく違う立場に立っているはずです。
翻訳元: https://www.helpnetsecurity.com/2026/08/18/siem-data-blind-spots-mapping/
