カテゴリー
生成AI
4 August 2026
エージェント型SOCのベンチマーク：セキュリティワークフローにおけるLLMの評価方法
公開されているランキングでは、SOCでどのLLMを信頼すべきかを判断することはできません。そこでElasticは、Agent Builder、Attack Discovery、自動移行における作業（ツール呼び出し、実行トレース、ブラインド評価）に基づいてモデルを評価するフレームワークを構築しました。
エージェント対エージェント：HackerOneレポートを1件2ドルでトリアージする方法、85％の確率で人間が対応
LLMs made it cheap to flood bug bounty programs with submissions. Here's how Elastic built an AI triage agent that matches human decisions 85% of the time, including the architecture, threat model and calibration against 3,300 real reports
Alert Zero：エージェント型SOC向けのAI駆動型アラートトリアージおよび攻撃調査
Elastic Security 9.5では、SOCチーム向けに、最初の段階のアラートのトリアージと調査を処理するAIが提供されるため、アナリストはキューのノイズを処理する代わりに、脅威ハンティングと検出エンジニアリングに専念できるようになります。
Exploring the Hugging Face Breach: mapping AI agent tactics to Elastic Defend
Every stage of the Hugging Face breach maps to Elastic Defend and SIEM rules already shipping, from worker RCE and credential harvest to self-migrating C2 and GenAI detection.
Elastic InfoSecのエージェント型SOCの内部：AIエージェントのLLMコールを60%削減する方法
We run fourteen AI agents that triage Elastic InfoSec alerts. They were taking 19 LLM calls to do work that needed 8. Here's the five-step optimization loop we run across the fleet, plus the prompt template you can use with any AI assistant.
Elastic InfoSecのエージェント型SOCの内部：エージェントのスキルを組み込むことでコストを5倍削減できるタイミング
私たちは、36,822件の実際のエージェントビルダーの会話において、2つのエージェント型SOCアーキテクチャを並行してテストしました。1件は5.7倍の差で勝利しました。アラートをトリアージする専用ワークフローは1件あたり0.69ドルで済み、 14 スキルを扱う単一のエージェントは3.42ドルでした。データと意思決定フレームワークは、いずれも以下に示します。
Elasticsearch ES|QL COMPLETION が、ノイズの多い curl および wget ルールを高精度のクラウドセキュリティアラートに変換する方法
Elastic InfoSecは、この検出ルールパターンを自社のクラウド環境でテストし、決定論的なロジックとLLMトリアージを用いてノイズの多いcurlおよびwgetイベントをフィルタリングすることで、真の脅威のみがアナリストに届くようにしました。
Elastic InfoSecのエージェント型SOCの内部：アラートトリアージを 30 分から3分未満に短縮
Elasticの情報セキュリティチームは、Elastic Workflows上にAIエージェントを構築し、アナリストがアラートを開く前に、すべてのアラートを調査してケースを組み立てるようにしました。
脆弱性レポートからCVEドラフトまで数分で：ElasticがAIでセキュリティアドバイザリを自動化する方法
Elasticのセキュリティチームが、MITREのCWEおよびCAPECカタログに対してRAGを使用してAIエージェントを構築し、完全なプロンプトとクローラー設定を含む生の脆弱性レポートからCVEアドバイザリを作成した方法。
Elastic Security MCPアプリ：AIツール内でのインタラクティブなセキュリティ操作
Elastic Securityは、AIツールにインタラクティブなユーザーインターフェースを搭載した最初のセキュリティベンダーです。アラートのトリアージ、脅威の特定、攻撃チェーンの関連付け、ケースの開設など、すべてAIとの会話内で行えます。
ElasticのOTelを使用してClaude Code/Coworkを大規模に監視
Elasticの情報セキュリティチームが、Claude CodeとClaude CoworkのネイティブOTelエクスポート機能とElasticのOTel取り込みインフラストラクチャを使用して、監視パイプラインを構築した方法。
理解のコスト：LLM主導のリバースエンジニアリング vs. 反復的なLLM難読化
Elastic Security Labsは、LLM（論理言語管理）を用いたリバースエンジニアリングと難読化の間で繰り広げられている、絶え間ない軍拡競争について考察する。
AIエージェントからElastic Securityを使い始めましょう
オープンソースのエージェントスキルを使用することで、IDEから離れることなく、ゼロから完全に構築されたElastic Security環境を構築できます。
MCPツール: 自律エージェントに対する攻撃ベクトルと防御推奨事項
この調査では、モデル コンテキスト プロトコル (MCP) ツールが自律エージェントの攻撃対象領域をどのように拡大するかを調査し、ツール ポイズニング、オーケストレーション インジェクション、ラグ プル再定義などのエクスプロイト ベクトルを、実用的な防御戦略とともに詳細に説明します。
エージェントフレームワークの概要
エージェント システムでは、セキュリティ チームが自律性と調整のバランスをとり、AI エージェントが目標の一贯性と制御性を維持しながら独立して行動できるようにする必要があります。
Elastic、標準化されたフィールドと統合によりLLMのセキュリティを強化
標準化されたフィールド統合と強化された検出機能に重点を置いた、ElasticのLLMセキュリティの最新の進歩をご覧ください。これらの標準を採用することでシステムをどのように保護できるかを学びましょう。
LLMワークフローにセキュリティを組み込む：Elasticの能動的アプローチ
大規模言語モデル（LLM）にセキュリティを直接組み込むElasticの取り組みをご紹介します。LLMアプリケーションにおけるOWASPの脆弱性の上位いくつかを検出・軽減し、より安全でセキュアなAI駆動型アプリケーションを確保する当社の戦略をご覧ください。
LLMを活用したElasticによる検出というトレードクラフトの加速
Elastic Security Labsが、生成AIの機能をより活用して、検出のエンジニアリングワークフローを加速させることにどのように注力しているのか、詳細をご覧ください。
LLMとESREを使用した類似ユーザーセッションの検索
前回の記事では、GPT-4大規模言語モデル（LLM）を使用して Linuxのユーザーセッションを凝縮する方法について説明しました。同じ実験の文脈で、私たちは類似点が見られるセッションを調べることに時間を費やしました。これらの類似セッションは、後にアナリストが関連する疑わしいアクティビティを特定する際に役立ちます。
LLM を使用したユーザーセッションの要約
本書では、GPT-4を使用した実験から得られた教訓と重要なポイントについて、ユーザーセッションをまとめます。
Exploring the Future of Security with ChatGPT（ChatGPTが描くセキュリティの未来像）
最近、OpenAIは、エンジニアがChatGPTとWhisperのモデルをアプリや製品に統合するためのAPIを発表しました。 しばらくの間、エンジニアは古いモデルに対してREST API呼び出しを使用し、それ以外の場合はWebサイトを通じてChatGPTインターフェイスを使用できました。