Googleの脅威インテリジェンスグループは、同社のAgentic Vulnerability Discovery Harness（AVDH）が、盗まれた企業のソースコードリポジトリの中から、真陽性の重大な脆弱性をわずか2日間で100件以上特定したと発表しました。
この結果は、攻撃者がすでに独自コードへのアクセス権を持ち、AI支援分析をマシン並みの速度で活用できる状況において、エージェント型AIがインシデント対応時の脆弱性発見、レッドチーム演習、侵入テスト、そして能動的なセキュアコードレビューを大幅に加速し得ることを示しています。
TryingCybersecurity And Penetration Testing Tools
Google Mandiant、重大な脆弱性を発見
Googleによれば、AVDHは専門特化した大規模言語モデル（LLM）エージェントと、決定論的なオーケストレーション、そして専門家が定義したセキュリティ手法を組み合わせています。
単独のコードスキャナーとして機能するのではなく、このシステムはエージェントを一連のパイプラインとして組織化し、人間による検証のために優先順位付けされたリスク評価済みの調査結果を生成します。
Googleはこのフレームワークを10か月間にわたり、数千万行規模のコードを含む環境で運用してきました。これまでに数千件の分析パイプラインを実行し、数万件の調査結果を生成した結果、Webエクステンションおよびオープンソースプロジェクトにおいて12件のCommon Vulnerabilities and Exposures（CVE）が割り当てられています。
代表的な例としてCVE-2026-13242およびCVE-2026-55803が挙げられ、そのほかの欠陥についても協調的な開示手続きが進められていると報告されています。
AVDHはまず、対象コードベースのプロファイリングを行うExplorerエージェントから処理を開始します。このエージェントはコードベースの目的を評価し、ドキュメントを確認したうえで、単体テストフォルダなど除外すべきディレクトリを判断します。
続いて、専門特化型のExplorerエージェントが、認証、認可、ルーティング、ソフトウェア領域固有の攻撃対象領域といった特定分野に焦点を当てて調査します。
Threat Model Synthesisエージェントは、これらのエージェントの調査結果を統合します。この段階では、露出したコンポーネント、信頼境界、想定される攻撃ベクトル、アプリケーション間の関係性を示すテキストおよび視覚的な脅威モデルが生成されます。重要な点として、より深い分析を開始する前に、人間のコンサルタントによる脅威モデルの承認が必須となります。
脅威モデリングの後、並列に動作するDiscoveryエージェントが対象ファイルをスキャンし、HTTPルートやIPCリスナーなど、外部から到達可能なインターフェースといったエントリーポイントを特定します。これらのエージェントはまた、機密性の高い機能にアクセスし得るユーザー制御下の入力元も切り分けます。
Enrichmentエージェントは、孤立したエントリーポイントの分析にとどまらず、複数のファイルやネストした呼び出しにまたがる関連コードを追跡し、サニタイズ処理、権限、ルーティングロジック、ストレージ境界に関するコンテキストを収集します。
これにより、手動レビューと従来型のスキャンの両方に共通する限界、すなわち「悪用可能な条件が分散したコードパスにまたがって発生する」という問題に対処しています。
このハーネスでは、制御フロー分析をAccess Controlエージェントに、データフロー追跡をData Flow Analysisエージェントにそれぞれ割り当てています。Access Controlエージェントは、欠落または不備のある認可チェック、権限昇格の経路、CSRFの露出を探索します。
SubscribingTo Premium Digital Dictionaries
一方、Data Flow Analysisエージェントは、ユーザー入力が危険な処理先（シンク）に到達する経路を追跡し、SQLインジェクション、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、パストラバーサルといった脆弱性の可能性を洗い出します。
Googleのワークフローは、幅広い仮説の生成と厳密な検証を意図的に分離しています。複数のValidationエージェントが、より高い温度（temperature）設定を用いてさまざまな推論経路を探りながら、潜在的な脆弱性を評価します。
Validation Synthesisエージェントは、収集された証拠を精査し、各問題を「確認済み」「否定」「却下」のいずれかに分類します。
確認済みの調査結果は重複排除とリスク評価を経たうえで、人間の専門家に引き継がれます。これらのコンサルタントは、悪用経路や概念実証（PoC）コードを動的にテストすることで、誤検知を排除し、AIが認識できない可能性のある補完的な制御策を特定します。
GoogleはAVDHがセキュリティ研究者に取って代わるものではないと強調しています。むしろその有効性は、再利用可能な言語表現、フレームワーク、脆弱性固有のルールなど、コンサルタントの経験から抽出された「蒸留された知見」に依存しています。
同社は、同様のシステムの導入を検討する組織に対し、強固な人間による検証プロセスと、独自のベンチマーク環境を構築するよう勧めています。公開されている脆弱性データセットはLLMの学習データによって汚染されている可能性があり、真の推論性能を測定することを難しくしているためです。
AVDHによって報告された結果は、ますます高まりつつある必要性を浮き彫りにしています。すなわち、悪用可能性、開示、修正に関する判断について人間の監督を維持しつつ、敵対的AIの速度に追随できるAI支援のソースコード分析を組織が必要としているという点です。
新たなフィッシングやマルウェアが貴社のビジネスを侵害する前に阻止しましょう。 世界15,000のSOCから得られるライブインテリジェンスを統合
翻訳元: https://gbhackers.com/google-mandiant-ai-agents-find-over-100-critical-vulnerabilities/
