2026年10月14日
Blockは、OpenAI DaybreakをはじめとするAIシステムを活用して脆弱性の修正時間を大幅に短縮し、セキュリティチームが戦略的な業務に専念できるようにしています。

- 企業規模:大企業(Enterprise)
- 地域:北米
- 業界:金融、テクノロジー
- 製品:Codex
検知ルールのチューニング(Detection tuning)
1時間未満
7か月分のテレメトリデータに対して提案された検知ルールの変更をリプレイ(再実行)
修正パッチの提案(Proposed patch)
18分
高重大度の脆弱性の報告から修正パッチ案の自動生成まで
誤検知のトリアージ(False-positive triage)
約600時間
四半期ごとに削減されたアナリストの誤検知調査時間
セキュリティ調査(Investigations)
約1,100時間分
四半期ごとにアナリストが完了した調査作業量
Square、Cash App、Afterpayを傘下に持つBlockのセキュリティチームは、OpenAI Defense Factoryを活用しています。人間のチームでは到底追いつかない規模で、AIが脆弱性の発見、検知、対応を担っています。OpenAI DaybreakをはじめとするAIシステムを活用することで、Blockはかつて数週間を要していた作業をわずか数時間で完了できるようになりました。
「AIは、人間の意図から行動までの時間を劇的に圧縮しています。これまで長きにわたり、攻撃者はより迅速かつ機敏であるため有利だと考えられてきました。しかし、DaybreakのようなツールやOpenAIのツールチェーンの技術的進歩により、防御側も『目には目を、歯には歯を(fight fire with fire)』で対抗し、急速に進むAIの普及ペースに追随できるようになっています」
—— James Nettesheim 氏、Block 最高情報セキュリティ責任者(CISO)
Blockのセキュリティチームは、コード生成からセキュリティ運用に至るまで、あらゆるワークフローにAIを責任ある形で導入することに注力してきました。「その本質は、自らの能力を共に拡張してくれる新しいチームメイトを迎えることにあります」と、CISOのJames Nettesheim氏は語ります。「1ステップずつ手順を踏まなければならなかった従来の自動化とは異なります。今では、高度にカスタマイズされた曖昧な問題についてAIに問いかけ、一緒に推論を進めながら解決できるのです」
ソフトウェアの不具合のレビューやログの解析といったプロジェクトは、以前なら完了までに数日あるいは数週間かかっていました。現在では、チームはごくわずかな時間でこれらを完了できるようになり、同時にすべての結果については依然として人間による検証を行っています。
例えば、検知ルールのチューニングでは、各調査の元のクエリ結果がエビデンスとして保存されているため、チームは7か月分の本番環境テレメトリデータに対して提案された検知ルールの変更を、1時間足らずでリプレイ(再実行)できるようになりました。この作業は以前なら、過去の何百件ものインシデントを手作業で再クエリする必要があり、あまりに時間がかかるため現実にはほとんど実施されていませんでした。
チームは、タスクに応じてモデルを使い分けることに関しても、より洗練されたアプローチをとるようになりました。「以前は常に最新のモデルを使っていましたが、今やその必要はありません」と彼は話します。「タスクごとに最適なモデルを選択するノウハウを身につけること自体が、試行錯誤と学習のプロセスでした」。Daybreak上に構築されたBlockのセキュリティテスト基盤(security harness)は、タスクを最も適したモデルにルーティングするのに役立ち、人間が処理を引き継いだり、エージェント同士で相互検証を行ったりするためのフック(hooks)が組み込まれています。チームは社内ベンチマークや実環境でのパフォーマンスに基づいてこれらのシステムを継続的に評価し、責任ある対応が必要な場合にはタスクを人手によるレビューへ振り分けるなど、必要に応じて戦略を調整しています。
自動トリアージシステムは、作業効率の向上とタスクのスループット拡大をもたらしました。Blockのセキュリティチームでは、トリアージのスループットが50%向上、脅威インテリジェンスの収集・調査能力が50%向上し、さらに自律型脅威ハンティング(autonomous hunting)という全く新しい能力を獲得しました。Nettesheim氏は次のように述べています。「これは、四半期あたり約1,100時間分のアナリストの調査作業に相当します。現在では、すべてのアラートに対して、それに関わる全要素を網羅した詳細な調査が実施されるからです。私たちのシステムは、1つひとつのアラートを、その日に届いた唯一のアラートであるかのように真摯に扱っています」
OpenAI Defense Factoryの実運用
従来の脆弱性スキャナーは、個別の脆弱性を切り離してフラグ付けするのが一般的でしたが、BlockのセキュリティチームはDaybreakを活用してさらに一歩先へと進んでいます。このモデルは攻撃パターンの推論を支援し、一連の攻撃をエンドツーエンドの侵入経路(compromise path)として結びつけ、何年にもわたって潜んでいた可能性のある脆弱性を浮き彫りにします。
ある事例では、1台のノートPCで発生したアラートは、単体で見れば軽微なポリシー違反に過ぎないように見えました。しかしレビューの過程で、モデルはエビデンスの中に偶然現れたわずかな痕跡(インジケーター)を追跡し、それをBlockのIDログと関連付けて分析することで、はるかに大規模な問題をあぶり出しました。「一般的なエンドポイントのアラートが、結果として攻撃活動全体を一掃するオペレーションへと発展したのです。このシグナルは2つの製品のログを横断してしか存在しなかったため、単一のツールではこのようなデータ相関分析は不可能でした」とJames氏は振り返ります。
Daybreakが真価を発揮したもう1つの事例は、最近実施されたレッドチーム演習です。モデルは内部システムに関するわずかなヒントを与えられただけで、SQLインジェクション、権限昇格、足がかりの確立(foothold)、認証情報の列挙、そして他システムへの横展開(ラテラルムーブメント)に至る一連の完全な攻撃経路を約2時間で組み立てました。人間によるレッドチームであれば、通常数日はかかる作業です。直近のレッドチーム演習では、高重大度の脆弱性が報告されてからパッチ案が自動生成されるまでの時間は、わずか18分でした。
脆弱性を発見する価値は、それを修正できるかどうかで決まります。Nettesheim氏は、チームが見つかった各脆弱性に対して行っているプロセスについて説明しています。コード内の問題箇所の特定と担当者の割り出しを行い、修正プロセスへと進めます。「パッチ案を提示し、脆弱性の悪用可能性を確認したうえで、問題が修正されたかを検証します。そしてHuman-in-the-loop(人間の介在)によってコード変更のレビューとデプロイを行います」
エージェントは優れた技術的能力を備えているものの、組織固有のコンテキストや過去の意思決定の背景にある意図を理解しているわけではありません。人間がこの背景と戦略を提供できるのであり、これこそが彼のチームが担う役割——人間による監査レイヤーの提供——です。実務を通じてAIの判断力への信頼が高まるにつれ、Nettesheim氏は「リスクのレベルを段階的に引き上げ、より機密性の高いシステムへも適用していく予定です」と述べています。
主な成果
- 7か月分のテレメトリデータに対する検知ルール変更のリプレイが1時間未満に短縮。
- 直近のレッドチーム演習において、高重大度の脆弱性の報告から修正パッチ案の自動生成までわずか18分。
- 四半期あたり約600時間のアナリストによる誤検知調査時間を削減。
- 四半期あたり約1,100時間分のアナリスト調査作業を完了。
- アラートのトリアージスループットが50%向上。
- 脅威インテリジェンスの収集および調査能力が50%向上。
今後の展望
検知・対応業務だけでも、四半期ごとに誤検知の調査に費やされていた約600時間のアナリストの作業時間が削減されました。節約できた時間により、チームは現在、より踏み込んだ調査の実施や、責任ある形でのさらなる自動化機能の構築により多くのリソースを投入できるようになっています。
攻撃のテンポが加速し、AIモデルが進化し続ける中、Nettesheim氏は脆弱性の数を削減できるチャンスがあると捉えています……