脆弱性管理:セキュリティ業界はいまだに「間違った問題」を解こうとしている

脆弱性が不足したことは一度もありません。苦労してきたのは、いつも是正作業のほうです。

セキュリティ業界は何十年にもわたり、脆弱性管理を間違った側から捉えてきました。重視されてきたのは、脆弱性を見つけ、一覧にまとめ、スコアを付け、近年ではますます高度化するリスクモデルで優先順位を付けることでした。

脆弱性スキャン、エクスポージャー管理、脅威インテリジェンス、是正の優先順位付けを軸に、業界全体が形成されています。そして今、人工知能(AI)がそれらの能力を新たな段階へ引き上げようとしています。

しかし、このアプローチには根本的な誤りがあります。

脆弱性管理の本当の課題は、何を修正すべきかを特定することではありませんでした。是正作業をやり遂げることこそが、常に課題だったのです。

大規模組織の多くは、自社のテクノロジー環境に膨大な数の脆弱性があることをすでに把握しています。何年も前から知っているのです。ダッシュボードも、レポートも、資産台帳も、リスク評価も、是正の滞留案件(バックログ)も揃っています。

足りないのは、その知識を効果的かつ継続的な是正行動へと変える組織の仕組みです。

そして、これは主として技術の問題ではありません。

是正バックログの裏にある不都合な現実

大企業が重大な脆弱性を特定した場面を考えてみましょう。

セキュリティチームは深刻度と潜在的な影響を評価します。チケットを起票し、優先度を設定し、担当者を特定して、是正を依頼します。

書面上は、単純な流れに見えます。

ところが実際には、ここから本当の問題が始まることが少なくありません。

インフラチームは、複雑な依存関係を抱えた老朽化システムを管理しているかもしれません。開発チームは、厳しいリリーススケジュールをすでに約束しているかもしれません。本番運用の担当者は、追加のダウンタイムを受け入れたがらないかもしれません。事業部門の関係者は、収益を生むサービスが中断されることに抵抗するかもしれません。

システムによっては、メンテナンス可能な時間枠がきわめて限られています。パッチを適用する前に、大規模な回帰テストが必要なシステムもあります。レガシーアプリケーションが、簡単にはアップグレードできないコンポーネントに依存していることもあります。

さらに、所有権そのものが争われることもあります。

セキュリティチームは、脆弱性を特定して報告する責任を負うことが多い一方、是正を強制する権限を持っていません。システムを管理するのはテクノロジーチームですが、彼らには競合する優先事項があり、リソースも不足しがちです。

その結果は、おなじみの光景になります。チケットのエスカレーション、繰り返される例外措置、守られない期限、解決しない対立、そして膨れ上がる是正バックログです。

こうした問題は、より優れた脆弱性スコアを作るだけでは解決できません。

優先順位付けは必要だが、答えではない

業界では、組織がすべてを是正することはできないという認識が広がってきました。

これを背景に、リスクベースの脆弱性管理、悪用可能性に関するインテリジェンス、資産の重要度モデル、高度なエクスポージャー優先順位付けプラットフォームが発展してきました。

これらの能力には確かな価値があります。インターネットに面した重要システムで実際に悪用されている脆弱性と、隔離された低価値の資産に存在する脆弱性とでは、明らかに違いがあるからです。

しかし、優先順位付けは管理プロセスの出発点にすぎず、成果ではありません。完璧に優先順位を付けた是正バックログも、バックログであることに変わりはないのです。

多くの組織で難しいのは、どの脆弱性が最も重要かを決めることではありません。誰が修正するのか、いつ作業を行うのか、対立を解決したりリスクを受容したりする権限を誰が持つのかについて、合意を得ることが難しいのです。

これらはガバナンス、説明責任、そして事業上の優先事項に関わる問題です。

セキュリティ業界は、いまだに何をという点に偏って注力しています。本当の課題は、どうやってと誰がにあるにもかかわらずです。

AIは問題を大幅に悪化させようとしている

人工知能は、脆弱性発見の経済性を根本から変えつつあります。

AI支援ツールは、コードを解析し、弱点を特定し、脆弱性研究を加速できます。その規模と速度は、これまでなら相当な人手を要したものです。

Google Threat Intelligence Groupによると、月間の脆弱性開示件数は2026年1月から8月にかけて2倍以上に増え、観測された悪用も大きく増加しました。この加速にはAIが寄与していますが、開示慣行の変化も数字に影響しています。

大規模組織にとって、その影響は小さくない可能性があります。

私たちは、脆弱性の特定がますます自動化され、ますます低コストになり、場合によっては常時行われる世界へ向かっています。

では、特定される脆弱性の量が劇的に増えても、組織の是正能力が実質的に変わらなければ、何が起きるのでしょうか。

答えは予想がつきます。バックログは膨らみ、テクノロジーチームへの圧力は強まり、例外措置は増え、優先順位をめぐる対立も増えます。技術的な弱点がかつてないほど可視化されているにもかかわらず、リスクへのさらされ方はむしろ大きくなりかねません。

Cloud Security Allianceはすでに、加速する脆弱性発見と、その結果を吸収して是正する組織の能力との間に広がる乖離を指摘しています。

AIは脆弱性の発見を工業化しつつあります。一方で是正は、別の時代のために設計された組織構造に縛られたままです。

これこそが、新たに浮上している本当の課題です。

AIは本番環境のメンテナンス枠を交渉できない

もちろん、AIは是正にも貢献できます。

概念実証(PoC)を作成し、修正を生成してテストし、設定変更を提案し、依存関係を分析し、一部のデプロイ作業を自動化できます。

これらは重要な進歩であり、適切な場面では組織も積極的に取り入れるべきです。

ただし、実際の効果を過大評価してはなりません。

AIは、ビジネスの繁忙期に重要な本番システムを停止するという判断を、単独で下すことはできません。顧客サービスを中断させる責任を引き受けることも、事業部門、インフラチーム、セキュリティ部門の間で競合する優先事項を調整することもできません。

レガシーな依存関係や契約上の義務、規制上の制約を、単純に覆すこともできません。

AIが技術的に適切な修正を生成できる場合でも、誰かがそれを検証し、デプロイを承認し、ほかの部分を壊していないことを確認し、是正が成功したことを確かめる必要があります。

こうした工程の一部は自動化できます。しかし、判断力や権限、組織としての調整が必要な工程も残ります。

AIが強力になるほど、残された管理上のボトルネックはより目立つようになります。

そして、従来のセキュリティのアプローチは、まさにこの点でますます力不足になっています。

脆弱性管理に必要なのは、新たなダッシュボードではなく運用モデル

大規模組織が必要としているのは、単により優れた脆弱性管理テクノロジーではありません。

セキュリティ、開発、インフラ、運用、事業管理の各部門にまたがって明確な説明責任を定める、是正の運用モデルが必要です。

このモデルでは、いくつかの根本的な問いに答えなければなりません。

共有プラットフォームや複雑なアプリケーションに影響する脆弱性の是正は、誰が担うのか。必要なリソースを割り当てるのは誰か。緊急変更を承認できるのは誰か。是正が事業上の優先事項と衝突したとき、意見の相違を解決するのは誰か。

メンテナンス枠はどのように交渉し、確保するのか。常態化した例外措置には、どのように異議を唱えるのか。想定された期間内に是正を完了できない場合、残存する事業リスクを受容するのは誰か。

そして何より、合意した対応が確実に実行されるよう責任を負うのは誰か。

こうした責務を、技術チーム間の非公式な関係や、個々のセキュリティ管理者の粘り強さに任せることはできません。

経営層の権限に裏付けられた管理プロセスに組み込み、意味のある業績指標によって強化する必要があります。

セキュリティ部門が提供すべきなのは、リスクに関するインテリジェンス、チャレンジ、保証です。テクノロジーチームは、自らの環境における是正の実行に責任を持つべきです。運用上の混乱や投資のトレードオフが避けられない場面では、事業部門の経営陣も意思決定に加わるべきです。

CISOの役割は、この仕組みの確立と監督を支援することです。組織の「チケット督促係の親玉」になることではありません。

活動の報告ではなく、是正の有効性を測る

脆弱性管理のパフォーマンスをどう測定するかにも、根本的な問題があります。

あまりに多くの組織が、特定した脆弱性の数、深刻度の分布、是正期限の遵守状況、未対応の指摘件数に注目し続けています。

これらの指標にも意味はありますが、脆弱性管理を事務的に進める姿勢を助長しかねません。チケットを閉じることが、リスク低減の代わりになってしまうのです。

重要なのは、重大なエクスポージャーが許容できる期間内に解消されているか、そして是正が有効だったことを組織として示せるかどうかです。

経営陣は特に、繰り返し発生する是正の失敗、長期化する高リスクのエクスポージャー、運用上のボトルネック、例外対応の有効性、検証済みの修正を実装するまでに要する時間に注意を払うべきです。

脆弱性が「解決済み」と報告されることと、本当に是正されることとの違いは、極めて重要です。

AIは、より正確でタイムリーな証跡の生成を助けられます。しかし、結果に対する説明責任の代わりにはなりません。

監査可能性と規制上の義務は、この課題にもう一つの重要な側面を加えます。

規制当局は、脆弱性を特定して評価するだけでなく、妥当な期間内に適切な是正措置を講じたことを示すよう、組織にますます求めるようになっています。

そのためには、明確な所有権、文書化された意思決定、定期的に見直される追跡可能な例外措置、是正が完了したことを示す信頼できる証跡が必要です。

AIが脆弱性の発見を加速し、是正プロセスの一部を自動化する可能性がある今、監査可能な説明責任の連鎖を維持することは、いっそう重要になります。

結局のところ、コンプライアンスは問題を特定する能力の上に成り立つものではありません。問題に効果的に対処したことを示せる能力の上に成り立つ必要があります。

AIの真の好機は、実行の変革にある

セキュリティ業界が注力すべきは、まさにここだと私は考えます。

AIを使ってより多くの脆弱性を発見し、その優先順位付けや対処方法を洗練させるだけでなく、ベンダーも実務者も、AIが是正のライフサイクル全体をどう加速できるかに焦点を当てるべきです。

具体的には、依存関係の把握、適切なデプロイ機会の特定、変更の準備、テストの自動化、ワークフローの調整、結果の検証、そしてサイクル全体にわたる進捗の信頼できる証跡を経営陣に提供することです。

高度に自動化された環境では、AIエージェントが明確に定義された統制のもとで、そのプロセスの大部分をいずれ実行するようになるかもしれません。

ただし、目的は自動化そのものであってはなりません。問題の特定から解決までの摩擦を減らすことです。

そのためには、テクノロジーからガバナンスが自然に生まれることを期待するのではなく、機能するガバナンスモデルを軸にテクノロジーを設計する必要があります。

技術は変わっても、管理の問題は変わらない

私は長年、セキュリティは本質的に、テクノロジーに支えられたリーダーシップと管理の課題だと主張してきました。

脆弱性管理は、その原則を最も明確に示す例の一つと言えるでしょう。

15年前に組織が重要システムにパッチを適用できなかった原因となった構造的な問題は、今日も変わらず存在しています。責任の分散、競合する優先事項、運用上の制約、弱いガバナンス、そして経営によるフォローアップの不足です。

AIがこれらの問題を消し去ることはありません。

むしろ、脆弱性の発見を加速させ、対応に使える時間を短縮することで、これまで以上に容赦なく問題を浮き彫りにしています。

成功する組織は、最も高度な脆弱性発見能力を持つ組織とは限りません。

成功するのは、技術的なインテリジェンスを効果的な是正行動へと変えるために必要な、ガバナンス、説明責任、運用の規律を築いてきた組織です。

脆弱性管理の未来は、問題をどれだけ素早く見つけられるかでは決まりません。組織が問題をどれだけ効果的に解決できるかで決まります。

そして、それは昔から管理の問題だったのです。

翻訳元: https://www.csoonline.com/article/4250261/vulnerability-management-the-cybersecurity-industry-is-still-solving-the-wrong-problem.html

本記事は csoonline.com の記事を翻訳・要約したものです。