Embed Security、アナリストが調査手法をAI SOCプラットフォームに教え込める新機能を発表

Embed Securityは、セキュリティチームが自社の調査手法や環境で重視するポイント、検知の改善方法をEmbedに教え込める新機能を発表しました。

顧客が作成できるiSteps、拡張されたNoiseIQ Memories、そしてDetection Engineeringにより、企業はEmbedに組み込まれたセキュリティの専門知識に、自社のナレッジや運用ノウハウを加えられます。アナリストはワークフローをプログラミングする必要がなく、自らの知見をEmbedに教えるだけで済みます。その知見は、Embedの意思決定レイヤーが自律的に適用します。

「誰もがセキュリティチームにエージェントの構築を勧めています。しかし、セキュリティチームが取り組むべきはAIの構築ではなく、AIを教育することだと私たちは考えています」と、Embed SecurityのCEOであるSeth Summersett氏は述べています。「アナリストは調査のやり方をすでに知っています。私たちの役割は、その専門知識を実行可能な形にし、あらゆる調査で一貫して適用できるようにすることです」

顧客作成のiSteps:セキュリティの専門知識を実行可能に

EmbedのiStepsライブラリは、同社のセキュリティおよびAIの専門家が設計したものです。一貫性と堅牢性を確保するため、決定論的なロジックとLLMによる推論を組み合わせています。顧客作成のiStepsはこのライブラリを拡張するもので、チームは自らの調査ノウハウを、自然言語で記述する調査エージェントとして取り込めます。この調査エージェントは、同じオーケストレーションフレームワーク上で動作します。アナリストがセキュリティ上の課題にどう取り組むかを説明すると、Embedがその知見を実行可能な調査に変換し、関連する場面で自律的に実行します。顧客がAIワークフローをプログラミングする必要はありません。

NoiseIQ Memories:ビジネスとともに進化する組織コンテキスト

MemoriesはNoiseIQの組織コンテキスト機能を土台に、チームが自社環境についてEmbedに教える方法を広げるものです。あらかじめ定義された関係性だけに頼らず、Embedは組織の知識と調査で得た証拠を動的に結び付けます。これには、時間とともに変化するコンテキストも含まれます。アナリストがあらゆるシナリオを想定しなくても、状況に即した正確な判断が可能になります。

Detection Engineering:調査結果をより優れた検知へ

Embedの新しいDetection Engineering機能は、調査結果を活用し、エンドポイント、クラウド、メール、IDの各領域で検知の特定と改善を支援します。Embedは調査済みのアラートを分析して検知性能を可視化し、対応するSIEMプラットフォーム上で顧客が作成した検知について改善案を提示します。チームはすぐに実行できる知見と、そのまま適用できる改善案を得られます。

「Embedが実行する調査はどれも、アラートの引き金となった検知について何かを教えてくれます」と、Embed SecurityのCTOであるJeffrey Johns氏は述べています。「Detection Engineeringはこのループを閉じ、調査結果を実用的なインテリジェンスに変えます。チームはそれを使って、検知そのものを改善できます」

翻訳元: https://www.helpnetsecurity.com/2026/11/11/embed-security-ai-soc-platform/

本記事は helpnetsecurity.com の記事を翻訳・要約したものです。