Filigran、自律型ペネトレーションテストとレッドチーム演習のためOpenAEVにAttack Chainingを追加

• 隠れたギャップを発見：新しいチェイニングエンジンは各アクションの結果を次のアクションへと受け渡し、孤立したセキュリティギャップがどのように組み合わさって実際の侵害経路となるかを明らかにします
• 重要資産への経路をマッピング：リアルタイムで透明性の高い攻撃パスグラフにより、シミュレートされた攻撃がどこまで進行したか、どの対策がそれを阻止したか、そして真のチョークポイントがどこにあるかを正確に示し、脆弱な攻撃パス全体の優先順位付けと修復を可能にします
• 攻撃者のプレイブックを自動化：自律型AIオーケストレーターが完全なペネトレーションテストを動的に構築・実行し、すべてのテストシナリオを手作業でスクリプト化する負担からチームを解放します
• OpenAEV v3に搭載：新しいリリースには、再設計されたUI、新しいAdversarial Exposure Command Center、Adversarial Exposureスコアリング、AIレッドチーミングインジェクター、自動レポート作成などが含まれます

パリ、2026年9月1日—Filigranは、欧州のオープンソース脅威管理企業として本日、Attack Chainingを発表しました。Attack Chainingは、同社のAdversarial Exposure Validation（AEV）製品であるOpenAEVを用いてペネトレーションテストとレッドチーム演習を自動化する攻撃パス検証機能です。この機能は本日、OpenAEV v3の一部として提供開始されます。

攻撃者は単一の手法だけを個別に実行するわけではありません。偵察によって標的が明らかになり、認証情報の窃取によってパスワードが得られ、そのパスワードが次のマシンへの侵入を可能にする——このように各ステップは前のステップで得られた情報に依存し、連鎖していきます。これはもはや仮説ではなく、こうした連鎖的な脆弱性はすでに報告されています。アトミックテストや事前定義されたシナリオは特定の弱点を的確に特定できますが、どちらも攻撃者が途中で発見する事象には適応できません。

FiligranのState of Threat Managementレポート（550名のセキュリティ意思決定者および実務担当者を対象とした独立系のグローバル調査）によると、組織の97%が自社のエクスポージャーが実際に悪用可能かどうかを判断することに課題を抱えており、88%が依然として攻撃的なシミュレーションを手作業のプロセスに頼っていることが明らかになりました。

「セキュリティ検証は、攻撃者の活動方法の変化に合わせて進化する必要があります。もはや個々の手法をブロックできることを証明するだけでは不十分であり、それらの手法が組み合わさって実際の侵害につながる経路を形成し得るかどうかを理解することが目的です」とFiligranの共同創業者であるJulien Richardは述べています。「攻撃者がより適応力を高め、AIを活用してスピードを上げる中、それに見合った検証が必要です。Attack Chainingは、その水準のリアリズムと適応力を継続的なエクスポージャー検証にもたらし、セキュリティチームが実際に備えているレジリエンスをはるかに明確に把握できるようにします」

Attack Chainingは、認証情報、開いているポート、ファイル共有、権限設定といったあらゆる発見事項（ファインディング）を検出し、それを次のアクションへの入力として受け渡します。対策によって阻止された時点で、継続・分岐・停止のいずれかを選択します。

オープンで設定可能、条件分岐型のチェイニングロジック

TTP、ペイロード、カスタムアクション、ライブラリコンテンツなど、脅威アーセナル内のあらゆるイベントやアクションを活用して、再利用可能な独自の攻撃パスロジックをゼロから構築できます。アクションを条件に基づいて連結・分岐させることができ（認証情報が有効であればここでピボットする、対策がそのステップを阻止すれば停止または経路変更する、など）、固定されたスクリプトを実行するのではなく、実際の環境の状況にリアルタイムで適応するシナリオを実現します。このロジックは常に検証・設定が可能であり、新しい手法が登場するたびにいつでも更新できます。また、OpenAEVはFiligranのXTM Platformの一部であるため、組織に関連する脅威インテリジェンスを中心に構築・優先順位付けできます。

リアルタイムで透明性が高く、実用的な攻撃パスグラフマッピング

事後の静的なレポートではなく、インタラクティブな攻撃パスグラフ上でシミュレーションの展開をリアルタイムに確認できます。最初のアクションから最終目的に至るまで、すべてのホップ、ピボット、分岐をその発生と同時に追跡します。各アクションの結果（認証情報、IP／ポート、トークン、ファイルなど）は構造化されたファインディングとして記録され、エンジンは実行時にそれを評価して次のステップを決定します。任意のファインディングを掘り下げることで、アクションがなぜ、どのように発動したのかを正確に確認でき、グラフを使ってチョークポイント——それを取り除けば経路全体が成立しなくなる単一のステップ——を特定できます。これにより、チームはチェインが触れるすべての弱点をトリアージするのではなく、一つの対策を修正するだけで済みます。

オペレーター主導とエージェント主導のオーケストレーション

Attack Chainingは、手動での実行、AIエージェントによるエンドツーエンドの完全なオーケストレーション、あるいはヒューマンインザループ（人間の関与）を伴う両者の組み合わせのいずれでも実行でき、いずれの場合も同一の条件分岐型チェイニングエンジンとスコープ制御を使用します。オペレーター主導モードでは、ロジックを構築しステップごとに実行を制御するため、決定論的かつ透明性が高く、ペネトレーションテストのスケーリングや攻撃パスの精密な検証に最適です。エージェント主導モードでは、目的とスコープを自然言語で設定するだけで、エージェント自身がチェインを構築・実行・適応させます。発生するファインディングに応じて反応し、ソーシャルエンジニアリングのステップ用にフィッシングメールやランディングページを生成するため、大規模な自動ペネトレーションテストやレッドチーム演習に最適です。

「検証結果は、セキュリティチームがそれを生み出したロジックを追跡できて初めて実用的なものとなります」とFiligranのプロダクトマネジメント担当VPであるJean-Philippe Sallesは述べています。「OpenAEV v3を使えば、チームは攻撃シナリオを構築または生成し、攻撃パスの展開を見守り、すべてのステップの背後にあるロジックと根拠を確認できます。つまり、検証演習のたびにカスタム対応を行うことなく、より頻繁にテストを行い、シナリオを自社の環境に適応させ、注意が必要な特定の対策や弱点を特定できるようになるということです」

OpenAEV v3のその他の新機能

本リリースでは、セキュリティ態勢、シミュレーション結果、検知カバレッジを単一のビューに統合した、再設計されたホームダッシュボード「Adversarial Exposure Command Center」が導入されます。また、複数のエクスポージャーソースにまたがる検証結果を1つの追跡可能な指標に集約するAdversarial Exposure Scoreも搭載されます。さらに、EDR、SIEM、メール対策を検証するのと同じエンジンを使用してLLM搭載のエージェントやチャットボットに対する攻撃者シミュレーションを実行するネイティブのAIレッドチーミングインジェクター、そしてシミュレーション結果から直接生成されるワンクリックPDFレポート機能も含まれます。

提供開始について

OpenAEV v3は本日より全ユーザーにご利用いただけます。Attack ChainingはOpenAEV Enterprise Editionでご利用いただけます。詳細についてはfiligran.ioをご覧ください。

Filigranについて
Filigranはサイバーセキュリティ企業として、オープンソースかつAIを活用した、脅威インテリジェンスに基づく継続的脅威エクスポージャー管理（CTEM）へのアプローチを提供しています。同社のeXtended Threat Management（XTM）プラットフォームは、脅威インテリジェンス、エクスポージャー検証、サイバーリスク低減を実現します。詳細はこちら：ウェブサイト – ブログ – LinkedIn – X

よくある質問

自動化された攻撃パス検証は、ペネトレーションテストとどう違うのですか？

ペネトレーションテストは、希少な専門人材の稼働時間を固定スケジュールで確保する必要があるため、多くのチームは年に1〜2回しか時点ごとのスナップショットを得られず、レポートが届いた瞬間から環境はそこから乖離し始めます。OpenAEVは同様の多段階の推論をオンデマンドかつ複数の環境にわたって並行して実行します。これは人間のテスターがもたらす判断力に取って代わるものではありませんが、チームが継続的に検証を行い、その専門知識を自動化によって明らかになったチョークポイントに集中させることを可能にします。

OpenAEVのAttack Chainingは、AIをどのように活用していますか？

Attack Chainingは、完全に自律的でエンドツーエンドのオーケストレーションを実現するエージェンティックレイヤーを活用し、AIが最小限の人間の介入で攻撃パスを動的に計画・実行・適応させることを可能にします。重要な点として、エージェントが下すすべての判断は厳格なスコープ制御のもとで記録されるため、チームは自動化されたレッドチーマーのリアリズムを得ながら、演習全体を完全に監査可能な状態に保つことができます。

自動化された攻撃シミュレーションは本番環境で問題を引き起こすことがありますか？

各チェーンは、どのシステムに影響を与えられるか、どこまで到達できるかを定義するスコープ制御の中で実行されます。制御がステップをブロックした場合、強制的に進むのではなく、実行は自動的に停止します。そのため、OpenAEVのチェーンは監視下での実行枠を必要とせず、本番に近い環境でも無人で実行できます。

OpenAEVの攻撃パス検証は、他の攻撃パスツールや自動ペネトレーションテストツールとどう違うのですか？

多くのツールは事前定義されたシナリオを再生するか、最終結果のみを表示しますが、OpenAEVは前のステップの結果に基づいて各ステップを判断し、チームはそのロジックをいつでも確認・変更できます。同じエンジンはLLMを活用したエージェントやチャットボットに対しても実行できるため、チームはEDR、SIEM、メール防御で既に使用しているツールでAIシステムを検証できます。

メディア問い合わせ先
Treble
McKenzie Covell
filigran@treblepr.com