OpenAEV v3：Attack Chainingにより自律化するAdversarial Exposure Validation（AEV）

セキュリティチームはこの10年、自分たちに何が害を及ぼし得るかを把握することに磨きをかけてきました。脅威インテリジェンスプログラムは成熟し、MITRE ATT&CKは共通言語となり、多くの組織が自社の業界を狙う攻撃者が使う可能性の高い手法について、説得力のあるリストを作成できるようになっています。しかし、こうしたインテリジェンスをもってしても、今日あらゆる役員会議室でCISOが直面する問いには答えられていません。それは「自分たちが安全であることを証明できるか」という問いです。Adversarial Exposure Validation（AEV）は、まさにこの問いに答えるために構築されたものです。

TL;DR

• Attack Chainingは新しいタイプのシナリオを導入し、OpenAEVをライブかつ適応型の攻撃パスエンジンへと変えます。ここでは、あるアクションの出力が次のアクションの入力として供給されます。
• 新しいExposure Command CenterとAdversarial Exposure Scoreにより、SOCリーダーはセキュリティ態勢（セキュリティポスチャー）とレジリエンスを一目で把握できる定量的かつ実用的なビューを得られ、対応の優先順位付けが可能になります。
• AI Red-Teamingは検証の対象をLLMやAIエージェントにまで拡張し、既存のEDR、SIEM、メール防御と併せて、プロンプトインジェクション、ジェイルブレイク、ツールの悪用をテストします。
• OpenAEV v3では、自動レポート生成、資産重要度スコアリング、新たな連携機能、ソーシャルエンジニアリングのカバー範囲拡大、マルチテナンシーの強化も追加されており、これらはプラットフォーム全体に及ぶアップデートの一部です。

知ることと証明することの間にあるこのギャップは広がる一方です。Filigranの2026年版State of Threat Managementレポートによると、セキュリティリーダーの93%が攻撃対象領域の正確な把握に苦労しており、84%がすでに認識していたリスクを突かれた攻撃を受けた経験があり、88%が「一時点の評価ではシステムや環境がこれほど速く変化する現状に追いつけない」と考えています。

OpenAEVは、まさにこのギャップを埋めるために構築されました。OpenCTIが世界で最も広く採用されているオープンソースCTIプラットフォームとして脅威インテリジェンスを民主化してきたのに対し、OpenAEVはそのミッションを検証の領域へと拡張し、セキュリティチームが自社の防御が実際に機能するかどうかをテストする手段を提供します。

リリース以来、OpenAEVはコミュニティ主導の侵害・攻撃シミュレーション（BAS）ツールから、エンタープライズ規模のエージェンティックなAdversarial Exposure Validationプラットフォームへと成長しました。その間も、FiligranのeXtended Threat Management（XTM）プラットフォームの他の製品群と同じ、オープンソースかつ脅威駆動のDNAを貫いています。

v3で、OpenAEVはこれまでで最大の進化を遂げます。

OpenAEVが進化する理由

v3でリリースされるすべての機能は、同じ根本的な変化を目指しています。セキュリティ検証は、定期的で手動の演習であることをやめ、継続的かつ自動化された、そしてますます自律的なものになる必要があるということです。

具体的には、OpenAEVは次のように進化しています。

• より実用的に、関連性のない発見事項の長いリストではなく、何を修復すべきかを明確に優先順位付けしたビューをチームに提供します。
• より自動化され、手動のスクリプト作成や単発の実施作業を、オンデマンドで何度でも繰り返し実行できるシミュレーションに置き換えます。
• よりエージェンティックに、検証演習の計画と実行の比重を、熟練したレッドチーマーと同じようにリアルタイムで発見事項に適応できるAIエージェントへと移していきます。

この3つの変化は、今回のリリースのあらゆる部分に表れています。だからこそOpenAEVには、散在するダッシュボード群の代わりに専用のExposure Command Centerが用意され、レジリエンスを時系列で追跡できる単一のAdversarial Exposure Scoreが導入され、そしてプラットフォームが初めて、平易な言葉で示した目標から検証済みの結果まで、真に自律的なペネトレーションテストを実行できるようになりました。これらはすべて同じ目的のために構築されています。それは、ますます速く動き、自ら考えるようになりつつある脅威の全体像に、セキュリティチームの人員を増やすことなく対応できるよう組織を支援することです。

そして、その取り組みの中核であり、今回のリリースが本当に軸としている機能が、Attack Chainingです。

Attack Chaining：攻撃者のように、継続的にテストする

実際の攻撃者は、ますますAIを活用するようになっていますが、ターゲットに対して孤立した無関係なアクションを複数実行するわけではありません。彼らはそれらを連鎖させます。偵察がターゲットを明らかにし、認証情報のダンプがパスワードを明らかにし、そのパスワードが次のマシンのロックを解除する、というように、各ステップは前のステップで得られた証拠に依存しています。

スクリプト化されたシミュレーションや単発のテストも依然としてエクスポージャーを明らかにしますが、人間やAIの適応的な挙動を再現することはできません。ペネトレーションテストやレッドチーム演習であれば手動でそれを再現できますが、コストがかかるうえ、何より低速で定期的なものにとどまります。さらに、現代のペネトレーションテストは技術的なテストに重点を置くあまり、侵害の主要因である「人」を見落としがちです。

Attack Chainingは、この課題に対するOpenAEVの答えです。新しいタイプのシナリオを導入し、プラットフォームをライブかつ適応型の多段階攻撃パスエンジンへと変えます。ここでは、あるアクションの実際の出力（認証情報、開いているポート、トークン、誤設定された権限など）が構造化された発見事項として捕捉され、次に何を攻撃すべきかの判断へと自動的に供給されます。

その結果、環境内で発見した内容に基づいて、インタラクティブなグラフ上でリアルタイムに展開・分岐していく攻撃が実現します。

攻撃者が取り得る実際の攻撃パスを確認し、それと対話できるという明白な価値に加え、Attack Chainingはチームに対し、脆弱性を大規模にテストし、優先すべきチョークポイントを特定するための迅速かつ現実的で費用対効果の高い手段を提供します。1つの修正だけで攻撃パス全体を断ち切ることができます。

チームは何年も前から攻撃パス管理に取り組んできました。しかしOpenAEVはその常識を覆します。ベンダーにロックインされた事前定義のシナリオではなく、手動でオーケストレーションすることも、エージェントによって完全に自律実行させることも可能な、あらゆる攻撃を自分の意のままにモデル化できるのです。以下では、4つの機能が1つのシステムとしてどのように連携し、OpenAEVを自律型ペネトレーションテストソリューションへと変えているかを説明します。

1）オープンで条件付きの攻撃チェーンロジック

ベンダー定義のシナリオに縛られることなく、チームはOpenAEV内のあらゆるアクションやイベントを活用して、再利用可能な多段階の攻撃パスロジックをゼロから構築できます。次に何が起こるかは条件によって決まるため、各アクションがその場で発見した内容に基づいてチェーンは自動的に分岐し、そのロジックは新しい手法が登場するたびにいつでも見直し、更新することができます。

2）ライブ攻撃パスマッピング

チームは、シミュレーションが終了してから結果を読むのではなく、シミュレーションの過程で発見される内容に基づいて、各攻撃パスがリアルタイムに動的に展開・分岐していく様子を見ることができます。最初のアクションから最終目標に至るまで、すべてのホップとピボットがインタラクティブなグラフ上にライブで描画され、最終的な到達点の要約ではなく、パスがどのように形成されていくかをリアルタイムで把握できます。

3）チョークポイントを浮き彫りにする、透明性の高い実用的な発見事項

チェーンが生成するあらゆる結果は、それが認証情報であれ、IPアドレスであれ、トークンであれ、ファイルであれ、構造化された発見事項となり、そのアクションがなぜ実行されたのか、何を返したのか、その発見事項が次のステップをどう導いたのかを直接掘り下げて確認できます。このトレーサビリティがあるからこそ、チームに修復すべき項目の長く未整理なリストを残すのではなく、チョークポイント（1つの修正でそこから先のすべてを無効化できる、パス上の単一のポイント）を特定できるのです。

4）スコープと安全管理

これらはいずれも、デフォルトでは監督なしに実行されることはありません。すべてのチェーンは、どの資産・ターゲットが対象範囲に含まれるか、どのアクションが許可されているか、チェーンが停止するまでにどこまでエスカレーションを許すか、といった事前に定義されたガードレールの範囲内で動作します。これにより、実行における完全な自律性を保ちながら境界のコントロールを失うことなく、大規模であっても安心してこれらのシミュレーションを実行できるのです。

これら4つの機能が基盤となりますが、Attack Chainingはプロセスのどこまでを委ねたいかに応じて、2つの異なる方法で活用できます。

オペレーター主導 対 自律型のAttack Chaining

Attack Chainingは、手動で展開・管理することも、AIエージェントによってエンドツーエンドで完全にオーケストレーションすることも、あるいはヒューマンインザループ（人間の関与）を伴う両方の組み合わせとして運用することも可能です。

オペレーター主導のAttack Chainingでは、人間がロジックを構築し、実行を制御して、条件分岐を設計します。決定論的で透明性が高く、ペネトレーションテストの拡張や攻撃パスの精密な検証に最適です。

Autonomous Attack Chainingでは、その判断はXTM Oneを活用するAIエージェントに委ねられます。オペレーターが目的とスコープを定義すると、専用のオーケストレーターAIエージェントが攻撃パスを計画し、実行し、状況に応じて適応します。調査結果に反応し、手順を並べ替え、発見した内容に基づいて適切なアクションを選択し、ソーシャルエンジニアリングが必要な場合には本物らしいフィッシングメールやランディングページまで生成します。オーケストレーターは、OpenAEVに組み込まれたエージェントを使用するか、XTM Oneから独自のエージェントを呼び出すかして、ペイロード作成、コード生成、偵察、エクスプロイトのための専門エージェントを呼び出すこともできます。

どちらのモードも同じ価値を提供します。数週間ではなく数分で完了する、実環境さながらのエンドツーエンドの攻撃シミュレーションを、従来の数分の一のコストで、環境が変化するたびに繰り返し実行できます。さらに、Attack Chainingは脅威インテリジェンスをネイティブに活用するため、すべてのチェーンは組織に関連する手法を基準に優先順位付けされ、その結果は下記のスコアに直接反映されます。検証済みの攻撃パスは、孤立したレポートではなく、統合されたリスク測定の一部となります。

Exposure Command Center：優先順位付けのホームベース

OpenAEV v3で最も目に見える変化は、再設計されたインターフェースですが、それは見た目だけの話ではありません。OpenAEVを、エクスポージャー検証のための真の運用コックピットへと進化させるものです。

その中心にあるのがExposure Command Centerで、プラットフォームのホームダッシュボードとして、あらゆるセキュリティ領域における態勢、直近のシミュレーション結果、そしてMITRE ATT&CKおよびATLASに対応付けられた検知カバレッジを、一目で把握できるようになっています。

複数のユーザー層が同時に活用できるよう設計されています。SOCリーダーは組織全体の状況を把握するために利用でき、ブルーチーム、レッドチーム、MDR担当者は同じビューを使って、アドバーサリアル・エクスポージャー・バリデーションを実行し、今すぐ対応が必要な領域へ直接ドリルダウンできます。

Adversarial Exposure Score：レジリエンスを管理するための単一の指標

適切なアクション可能性を確保し、効果的なエクスポージャー管理のワークフローを導くため、OpenAEV v3ではExposure Command Centerに表示されるAdversarial Exposure Scoreを導入し、エクスポージャーレベルを表します。

「測定できないものは管理できない」とよく言われますが、Adversarial Exposure Scoreはまさにこの考え方に基づいて構築されています。CISOや実務担当者に、レジリエンスを測定し、理解し、管理し、時間の経過とともに改善するための単一の高レベルスコアを提供します。

このスコアは、3つの基本原則に基づいています。

• 透明性：主要なすべてのエクスポージャー領域における態勢スコアを、重要度で重み付けして構成しています。
• アクション可能性：失敗した検証や侵害された検証を掘り下げて確認できます。
• 動的である：チームが実行したシミュレーションの結果に基づいて、時間の経過とともに変化し進化していきます。

AIレッドチーミング：人間とエンドポイントの態勢と並行してAIの態勢をテストする

ほとんどのエクスポージャー検証ツールは、依然として人間とエンドポイントがテストすべき意思決定を行う主体であることを前提としています。しかし、組織がAIエージェントの導入を、操作された場合に何が起こるかを把握するスピードよりも速く進めている現在、この前提はますます誤りとなっています。

OpenAEVには現在、Threat Arsenal内にAI Red Teamカテゴリーとして新しいネイティブインジェクターが追加されており、既存のインジェクターがEDR、SIEM、メール防御を検証するのと同じように、LLMモデルやAIエージェントに対するアドバーサリアル・エクスポージャー・バリデーションを実行します。これらはNVIDIA Garak、Microsoft PyRIT、Promptfooなどのエンジンを使用して、プロンプトインジェクション、ジェイルブレイク、過剰なエージェンシー、ツールの悪用、Model Context Protocol（MCP）のツールポイズニングをテストします。これらの攻撃はMITRE ATLASにマッピングされており、AI関連の手法にも他の領域と同様の構造化されたカバレッジを提供します。これはプラットフォーム内の新しいArtificial Intelligence領域によって支えられており、AIの態勢も他のあらゆる資産と同じ調査結果、スコアリング、Command Centerに統合されます。

自動レポート作成：シミュレーション結果からステークホルダー向けレポートへ

シミュレーション結果は、コンプライアンス部門、経営層、取締役会といった、それを基に行動する人々に届いて初めて価値を生み出します。これまでは、複数のツールから手作業でデータを抽出し、見栄えの良い形式に作り直す必要がありました。

OpenAEV v3では、シミュレーション、エクスポージャー、態勢に関するデータを統合し、数クリックで構造化されたステークホルダー向けレポートを作成できる、完全自動化されたレポート作成モジュールを導入しています。

v3で提供されるその他の機能

Attack Chaining、Exposure Command Center、Adversarial Exposure Score、AIレッドチーミング、自動レポート作成は、本リリースの主要な追加機能ですが、それがすべてではありません。v3では以下も導入されています。

• Asset Criticality：チームが資産に重要度レベルをタグ付けできるようにし、個々のAsset Posture Scoreに連動させることで、調査結果、期待値、ダッシュボード、そしてCommand Center自体における優先順位付けに反映されます。
• 新しいコミュニケーションインジェクター：メール（Microsoft 365とGoogle Workspaceの両方）、Slack、Teamsに対応し、ソーシャルエンジニアリングおよびフィッシングシミュレーションのカバレッジを、攻撃者が利用するチャネルにまで拡張します。
• Microsoft Defender for Endpointエグゼキューター：プラットフォームが対応するXDR/EDR駆動のエグゼキューターが増え続ける中、Defender for Endpointを通じて直接シナリオ実行をオーケストレーションできるようになり、Microsoftのセキュリティスタックを離れることなく検知と対応を検証できます。
• 監査ログ：プラットフォーム全体で誰が何を行ったかを完全かつ追跡可能な記録として残し、プラットフォームの自律的な運用が進むにつれてセキュリティ部門やコンプライアンス部門が必要とする説明責任と変更履歴の追跡をサポートします。
• 新しい通知エンジン：ゼロから再構築され、より明確なルール、より関連性の高いアラート、そしてより豊富な通知タイプのための基盤を提供します。
• マルチテナンシーの強化：単一のOpenAEVインスタンス内で、環境、チーム、または顧客をきれいに分離できるようにし、事業部門をまたいだ、あるいはマネージドセキュリティサービスプロバイダー（MSSP）であれば複数の顧客組織をまたいだ、大規模な運用を実用的にします。

このほかにも多数の小規模な改善が加えられています。詳細については以下をご覧ください。

• コミュニティリリースノートをご確認ください。
• 発表内容をお読みください。

OpenAEV v3を試す

このリリースは、最終的には、脅威を把握していることと、実際の攻撃者が仕掛けてくるものに近い深さで、継続的かつ自動的に防御力を証明できることとの間のギャップを埋めることを目的としています。

• OpenAEV v3の無料トライアルを開始する。
• 今後開催予定のウェビナーに参加して、Attack Chainingと自律型アドバーサリアル・エクスポージャー・バリデーションの実際の動作をご覧ください。
• Attack Chainingについてさらに詳しく：私の考察記事Attack Chaining: How to Test the Way Attackers Get Inをご覧ください。