Google Threat Intelligence Groupは、同社のエージェンティック脆弱性発見ハーネス(AVDH)が、盗まれた企業コードリポジトリ内から2日間で100件を超える真陽性の重大な脆弱性を特定したと明らかにしました。
この発表は、攻撃者がAI支援機能を使って流出したソースコードを機械的な速度で悪用するケースが増えている中でのものです。独自のリポジトリが盗まれた場合、組織はどの脆弱性が悪用可能で、どこに攻撃経路が存在し、どのシステムに即座の修正が必要かを迅速に判断しなければなりません。
Googleによれば、AVDHフレームワークは、防御側が広範なコード可視化から、人間による検証を経た優先度付きの発見事項へと移行するのを支援するために設計されているといいます。
AVDHは、大規模言語モデルと、Googleの Agent Development Kitをベースにした構造化・決定論的なオーケストレーション層を組み合わせています。
単一のモデルプロンプトや従来のシグネチャベースのスキャンに依存するのではなく、このシステムは専門化されたエージェントを連鎖させ、順序立てられた脆弱性発見のワークフローを実行します。
その結果として、セキュリティコンサルタントが調査・再現し、開示に向けて準備できるよう、リスク評価済みの潜在的な脆弱性の一覧が得られます。過去10カ月間、Mandiantのチームは、数千万行に及ぶコードを含む環境でこのフレームワークを活用してきました。
Googleによれば、このシステムはこれまでに数千件の分析パイプラインを実行し、数万件の発見事項を生成したとのことです。
この取り組みの成果として、広く使われているウェブ拡張機能やオープンソースソフトウェアにおいて12件のCVEが割り当てられました。これにはDrupalの脆弱性であるCVE-2026-13242とCVE-2026-55803も含まれており、さらに約12件の問題が現在開示に向けて進行中です。
プロセスはまず、脅威モデリングの段階から始まります。Explorerエージェントが対象アプリケーションの目的、技術領域、ドキュメント、そしてユニットテストフォルダなどレビューから除外すべきディレクトリを特定します。
その後、専門のサブエージェントが認証、認可、ルーティングといった重要領域やその他ドメイン固有の機能を検査します。これらの分析結果は脅威モデルへと統合され、自動化された調査が続行される前に、人間のコンサルタントによるレビューが行われます。
対象環境のマッピングが完了すると、並列で動作するDiscoveryエージェントが対象範囲のコードファイルを調べ、アプリケーションのエントリーポイントを特定します。これにはHTTPルートやIPCリスナー、その他の外部に露出したインターフェースが含まれます。
また、これらのエージェントは、そのエントリーポイントに関連するユーザー制御可能な入力も切り分け、後続のアクセス制御・データフロー分析の基盤を構築します。
続いて、フレームワークのEnrichmentエージェントが、アプリケーション全体に分散している関連コンテキストを収集します。認可判断やサニタイズ処理、ルーティング上の制約は、複数の関数やファイルにまたがって分離されていることが多いため、この工程は重要です。
これらの構成要素を結び付けることで、AVDHは、外部に露出した関数の権限チェックが不十分でないか、あるいは攻撃者が制御可能なデータが危険な実行シンクに到達し得るかを評価できます。
Googleは仮説生成の役割を、Access ControlエージェントとData Flow Analysisエージェントに分担させています。前者は、機密性の高い機能が権限の低いユーザーや未認証のユーザーに不適切に公開されていないかを評価し、認可の欠如や権限昇格、クロスサイトリクエストフォージェリなどの問題を対象とします。
後者は、信頼できない入力がネストした呼び出しや変換処理、データベース、実行経路をたどる様子を追跡し、SQLインジェクションやクロスサイトスクリプティング、コマンドインジェクション、パストラバーサルなどの脆弱性を特定します。
検出された可能性のある問題は、独立した検証エージェントによる審査にかけられ、その後、統合エージェントが証拠を基に仮説を支持するか、反証するか、あるいは棄却するかを判断します。Googleは検証範囲を広げるためにモデルの温度設定を変化させ、ノイズを制御するために信頼度フィルタを適用しています。
重要なのは、最終判断が人間の専門家の手に委ねられている点です。Mandiantのコンサルタントは、攻撃経路を動的に再現し、概念実証コードを実行することで、代替的な制御によって悪用が防止されるかどうかを判断します。この段階を通過しなかった発見事項は破棄されます。
Googleは、このモデルがAIをセキュリティの専門知識の代替ではなく、その力を増幅させる存在として活用した場合に最も効果を発揮することを示していると述べています。
日常的な脆弱性発見作業を自動化することで、エージェンティックなソースコードレビューは、熟練した防御担当者が複雑なエクスプロイトチェーンやビジネスロジックの欠陥、そして依然として人間の判断を要する敵対的活動に集中できるよう、彼らの時間を解放してくれます。
セキュリティチームに、不審な活動をより迅速に調査し、事業への影響が拡大する前に脅威を封じ込めるための可視性とコンテキストを与えましょう。ANY.RUNで調査体制を強化する
翻訳元: https://cyberpress.org/google-agentic-ai-finds-over-100-critical-security-flaws/
