AIと機械学習が切り拓くサイバーセキュリティの未来：マルウェア対策の最新動向

デジタル化が加速する現代において、オンライン上のデータはまさに「すべて」と言えます。貴重な情報のほとんどがコンピュータに保存されている今、たった一つのマルウェア攻撃で、あらゆる情報が破壊される可能性があります。このような状況の中で、ランサムウェアやボットネット攻撃から重要なシステムを効率的に守る信頼できる手段はあるのでしょうか?答えはおそらく「イエス」です。人工知能(AI)技術の台頭は世界を席巻しつつあり、マルウェアのない未来を約束しています。

ただし、機械学習を活用したサイバーセキュリティには唯一の課題があります。それは大量のデータを必要とするという点です。つまり、AIがコンピュータ上で効率的に機能するためには、大規模かつ複雑なオープンソースデータが不可欠なのです。データがロードされれば、機械学習はアルゴリズムを駆使して膨大なデータの複雑さを解決できるようになります。

AIサイバーセキュリティの仕組み

AIと機械学習によるサイバーセキュリティは、サイバー攻撃の問題に効率的に対処すると同時に、マルウェアの検出も可能にします。従来のアンチウイルスソフトに頼るアプローチから脱却し、より信頼性の高い選択肢へと進化しつつあります。両者を組み合わせることで、既存のシステムよりも攻撃耐性の高いシステムが実現します。これは攻撃に対する盾を構築し、ウイルスを常時監視し続ける仕組みです。

AIサイバーセキュリティは、終わりのない定義ファイルの更新を廃し、悪意のあるファイルを即座に検出することで機能します。プロセスはまず、悪意のあるファイルと正規のファイルを含むあらゆる種類のファイルを保存することから始まります。次に、AIと機械学習技術を活用して、悪意のあるファイルを正規のファイルから分離します。その後、後続の対応のためにファイルを正確に分類するアルゴリズムを生成します。

それでは、AIと機械学習ベースのデバイスやモデルの分野における最新のサイバーセキュリティ開発事例を見ていきましょう。

関連記事: 生活を便利にする5つの実用的なAIツール

EMBERとは

EMBER(Endgame Malware Benchmark for Research)は、サイバーセキュリティ企業であるEndgame社が最近公開した研究用データセットです。数百万件もの悪意のあるファイルと無害なWindowsポータブル実行可能ファイル(PEファイル)を集積したもので、マルウェアが潜みやすい形式のファイルも含まれています。同社はまた、コンピュータ内の限られたデータセットでも動作するAIソフトウェアの開発にも成功したと発表しています。

基本的に、EMBERは自動化されたサイバーセキュリティプログラムを支援する役割を担っています。通常、ファイルが元の形式のまま保管されていると、感染のリスクにさらされます。そこでEMBERは、各ファイルのデジタル表現を保存し、アルゴリズムに基づいて各ファイルの特性を分析します。特定のファイルに対して未知のパターンが検出された場合、システムが悪意のあるファイルを識別できるようになるのです。このプラットフォームは、サイバーセキュリティ業界がアルゴリズムを高精度に訓練し、より柔軟なマルウェア検出AIを開発するうえで大きな助けとなるでしょう。

敵対的モデル(Adversarial Models)

敵対的モデルは、コンピュータの音声認識や画像分類を支えるAIを攻略する手法として知られていますが、マルウェア検出の分野にも応用されています。

AIは、企業におけるマルウェア攻撃によるリスクを大幅に低減できます。特にM&A(合併・買収)の場面では極めて重要です。こうした取引では、財務デューデリジェンスだけでなく、技術面およびセキュリティ面での精査も求められます。そのためには、システムインベントリを徹底的に見直し、マルウェア汚染の有無、汚染の程度、システムに潜むリスクの規模を把握することが不可欠です。

これはビジネス上も大きな意味を持ちます。汚染が確認されれば、企業はM&Aやビジネス取引の際に契約条件を再交渉できるからです。マルウェアのリスクが検出された場合、売却価格を引き下げると同時に、AIベースのツールを活用して問題を迅速に解決することが可能になります。

あらゆる開発の根底にある基本的な考え方は、マルウェアに対する潜在的な武器としてAIを活用するならば、「何を検出対象とするのか」を明確に定義しなければならないという点です。ハッカーは検出を回避するためにコードを絶えず改変しているためです。したがって、陳腐化したシステムを開発しても、取り組み全体が無駄になってしまうのです。