[レポート][NRIセキュアテクノロジーズ株式会社]熟練アナリストを超える Agentic SOC への挑戦 — 組織知の注入とハーネスによる統制 - CODE BLUE 2026 #codeblue_jp #codeblue2026

[レポート][NRIセキュアテクノロジーズ株式会社]熟練アナリストを超える Agentic SOC への挑戦 — 組織知の注入とハーネスによる統制 - CODE BLUE 2026 #codeblue_jp #codeblue2026

CODE BLUE 2026で行われた「[NRIセキュアテクノロジーズ株式会社]熟練アナリストを超える Agentic SOC への挑戦 — 組織知の注入とハーネスによる統制」というセッションのレポートです。
2026.11.17

こんにちは、臼田です。

みなさん、セキュリティ対策してますか?(挨拶

今回はCODE BLUE 2026で行われた以下のセッションのレポートです。

すごくよくできたAgentic SOCの設計や作り方のナレッジを惜しみなく紹介して頂いたセッションです!

[NRIセキュアテクノロジーズ株式会社]熟練アナリストを超える Agentic SOC への挑戦 — 組織知の注入とハーネスによる統制

SOC の一次対応は「アラート件数 × 人の手作業」という構造から抜け出せていません。これを自律 AI エージェントに委ねるには、確率的にふるまう対象に監査可能な統制を与え、熟練者の判断水準を一貫して再現させる必要があります。本講演では、NRI セキュアが独自開発し、この難所を越えて本番運用に載せた Agentic SOC 基盤「AgenticBlue」について、これまでの開発プロセスとともに、組織知の注入とハーネスによる統制という設計思想を示します。

Speakers: 芳賀 夢久

レポート

  • 元々SOCのアナリストからR&Dへ
  • 今回はSOCの内側の話
  • SOCの構造的課題
    • SOCの一次対応ではトリアージ・詳細調査・重要度判定・通知作成をしている
    • 人の作業で大変
    • 処理量が件数ベースに比例する
    • 担当者によって品質がばらついたりナレッジの埋没などの問題がある
    • 人を増やしたり鍛えたりするだけでは改善できない
    • 業務の改善が必要
  • 攻撃はAIで速くなっている
    • 戦術の段階でAIが進めるようになっている
    • アラートが増えるため人の作業では追いつかない
    • 守る側もAIを使って速くする必要がある
    • 問題はどう動かすか
  • 実際にNRIセキュアテクノロジーズの本番SOCで起きていること
    • 対応時間40%削減
    • 通知は2倍の情報量
    • 精度は84%
    • 人と組み合わせて100%に近づける
    • この差分はモデル性能ではなく組織知の入れ方の問題
  • Agentic SOCが熟練アナリストを超えるには
    • 熟練の判断を同じ水準で根拠付きで出す
    • 4つの条件
      • 品質を一定に保つ
      • 権限認証情報を組織が握る
      • 機密データを外に出さない
      • 理由を後から追える
      • これらはハーネスでやる
  • AgenticBlueというプラットフォームを作った
    • オーケストレーターがいる
    • SIEM/EDRなどとはMCPで繋ぐ
    • 判断の知識をSkillで注入
    • 判定基準を深く注入するため、各連携先ソリューション側のAIを使うのではなく自社開発
  • 組織知の注入
    • AIは賢いが物知りではない
    • 判断の知識などがLLMの学習データにないものもある
    • それを手順書としてSkillに書き起こしてチューニング
    • これにより84%までの精度に引き上げる
    • mdファイルなので都度調整できる
    • Fat Skills/Thin Harnessの考え方
    • 回し方と安全の強制は軽量に
    • 長年の資料を全部AIに入れるとどうなる?
      • コンテキストがあふれる
      • コンパクションが発生したりする
      • 真ん中の情報が落ちる
      • コンテキストは予算として扱う必要がある
      • 段階的に見せる設計が必要
      • 下ほど狭く深い内容を作る
      • 常に読む、Phaseに入ったら、カテゴリが決まったら、検知ルール名で1本
    • メインでージェントのコンテキストを守る
      • 調査を独立したエージェントに分けているので重くなりにくい
      • 検査役とレポート役と評価役が独立している
    • 出力の思考
      • 分析は5段階
      • 観察事実、評価、判断根拠、代替仮説、結論
      • これだと出力が膨らみづらく後から人が追いやすい
      • コンテキストを維持しながら処理時間を30%短縮できた
  • ハーネスによる統制
    • 越えてはいけないところはプロンプトの外側で管理
    • 4つの置き場所を共通基盤にまとめる
      • 何を渡すか
        • ツールは許可性
        • LLMは学習されない経路
        • 国内に閉じる
      • 何を承認させるか
      • どこで止めるか
        • OSコマンドは決められたスクリプトのみ
      • 何を記録するか
        • 推論・ツール実行を記録して後から判断できるように
    • 共通基盤に置いて全員が同じ設定・同じHooks、同じ版のSkillを使う
    • どこをコードで固定するか
      • 分岐を事前に全部書き出せるか?
        • 書き出せるならコードで固定する
          • 定型化した集計はLLMにやらせない
          • 資産との称号もスクリプト
          • IoCの無害化も
          • 通知の宛先も
        • 書き出せないならLLM
          • 深堀り観点
          • 次のクエリ観点
    • 品質
      • 作ったものとは別の評価役モデルを用意する
      • 基準に満たなければ差し戻しする
      • 同じ基準で確かめることで品質を一定に保つ
      • 但し限界はあるため、誤りはどうしても起こる
      • 人間がAIの動きをよく見て信頼性を評価する必要がある
    • 数百社の環境を1つの基盤で見ているため、別顧客の情報が混同しないようにする
      • 規範に書くだけでは足りない
      • Hooksを使いLLMの外側で許可拒否を判断する
      • 想定外もDenyとする
    • 利用者が複数エージェントを使えるようにする
      • 経路によってエージェントを分けられる
      • Human-on-the-loopのエージェントは人への確認を禁止している
      • 内部レポートエージェントは外物メール送信を禁止
    • SOCに対する攻撃を考える
      • 間接プロンプトインジェクション
      • アラート文章やログなどに注入が可能
      • AIエージェントは乗っ取られる前提でできることを制限している
      • Dual LLM、生ログは隔離された検査役だけが読む
      • トレースログで後から追う
  • 実運用事例
    • 内部ネットワークの大規模スキャンが発生
    • NTLMSSPの認証試行
    • 最終的にRDPのRCE
    • 最も緊急度の高い区分としてエージェントが捉えた
    • 人間の判断と一致した
    • 素早く検出できた
  • 開発の話
    • SOCにAIを使う構想自体は2021年からあった
    • Agent Skillの概念が出てきてから検討が進んだ
    • プラットフォーム層は既製品に頼らず小さなチームがAIエージェントと仕様から丁寧に作る
      • 自身に対する脅威モデリングなども入れた
      • 作り方も同じ原則
    • エージェント層は使いながら育てる
      • 最初から全部を予測せず、必要になったら厚くして要らなくなったら外す
      • 現場のアナリストが一番理解しているため彼らが作りやすい状況にしている
      • スキトラを行った
  • ロードマップ
    • 3つの方向に広げたい
    • ドメイン拡張
      • 任せることを増やす
    • 自律性拡張
      • 遮断や隔離まで段階的に任せていきたい
    • 統制強化
      • 安心して任せられるようにする
      • お客様ごとの分離や権限と承認など
  • まとめ
    • Agentic SOCが熟練アナリストを超えるには
    • 品質・権限と認証情報・機密データを外に出さない・理由を後から追える
    • 設計原則
      • 組織知は手順書に
      • 生成と評価を分ける
      • 線は仕組みで引く

感想

非常によくできたAgentic SOCだと感じました。

品質の確保や改善の仕組みがしっかりしていますね。真似したい!

この記事をシェアする

関連記事