AIネイティブExposure Management市場調査：自律型ペンテストは何を変えるか
結論
AIネイティブなExposure Managementを評価するときは、「AIを使っているか」ではなく、実際に悪用できる経路を、安全に検証して修正確認まで回せるかで見るべきです。
公開情報からは、Horizon3.ai NodeZero、Pentera、XBOW、XM Cyberが、この問いへの答えをそれぞれ異なる形で持っています。NodeZeroとPenteraは、攻撃者の行動を模した継続的な検証を中心に据えます。XBOWはWebアプリケーションにおける自律探索と決定論的な検証の分離を明確にしています。XM Cyberは、ハイブリッド環境の攻撃経路を優先順位付けする点が強みです。1234
CrowdStrike、Microsoft、Palo Alto Networksなどの大手プラットフォームも、Exposure ManagementへAIエージェント、グラフ、自然言語の操作を統合しています。ただし公開情報上の中心価値は、検知・分析・優先順位付け・運用支援です。自律的な攻撃実証を主製品価値にする製品とは、区別して評価する必要があります。567
市場の変化
従来のASMと脆弱性管理は、資産、設定、CVE、外部公開面を広く見つけることに強みがあります。一方で、防御側が最終的に知りたいのは、検出された項目のうち「攻撃者が自組織で本当に使えるもの」と「先に直すと攻撃者の到達範囲を最も減らせるもの」です。
この差分を埋めるのが、Exposure ValidationやAdversarial Exposure Validationと呼ばれる領域です。Penteraは、非侵入的なスキャンや可視化中心のEASMと対比して、本番環境で攻撃経路を検証し、修正後に再検証するモデルを示しています。2
AIはこの流れの全てを置き換えるものではありません。探索候補の生成、環境に応じた攻撃手順の適応、結果の説明、修正ワークフローの補助に使われます。検証アクションの境界、破壊的操作の禁止、承認、監査可能性は依然として製品設計と組織統制の仕事です。XBOWが探索用の自律エージェントと検証用の決定論的ロジックを分けている点は、この設計上の要点をよく表しています。3
比較の判断軸
製品名や「AI-powered」という訴求より、次の四つを確認します。
| 判断軸 | 確認する問い | 重視する理由 |
|---|---|---|
| 攻撃の実証 | 検出だけでなく、悪用可能性を安全に証明するか | アラート量ではなく実リスクで修正順を決めるため |
| 攻撃経路 | ID、端末、ネットワーク、クラウド、外部公開面をまたいで追えるか | 単一の脆弱性より、組み合わせが侵害に直結するため |
| 継続性 | 変更後に再テストし、露出低減を確認できるか | 診断レポートを一度出すだけでは運用にならないため |
| AIの統制 | AIの役割、承認境界、ログ、データ利用を説明できるか | 本番環境での自動化は安全性と説明責任が必要なため |
frontier modelの利用を開示することは透明性の一要素ですが、それ自体は製品の有効性を保証しません。たとえばCrowdStrikeはAgentWorksで複数のモデルとAmazon Bedrockをサポートすると説明していますが、Exposure Managementの価値は脆弱性トリアージをどう自動化し、既存の運用にどう接続するかで評価する必要があります。5
製品群の位置づけ
攻撃実証を中核にする製品
| 製品群 | 公開情報から確認できる中心機能 | 向く用途 | 留意点 |
|---|---|---|---|
| Horizon3.ai NodeZero | 内部・外部環境での自律的な探索、弱点の連鎖、影響の提示 | 侵害後の横展開や内部到達性を含めた継続的な評価 | 対象環境、実行権限、変更禁止範囲を事前に明確にする |
| Pentera | 本番環境における攻撃チェーンの検証、修正の再検証、AIによる攻撃適応 | CTEMに検証と修正確認を組み込みたい組織 | 本番実行の安全設計、承認フロー、SOCとの連携を確認する |
| XBOW | 自律エージェントによる探索と、決定論的バリデータによる検証 | Webアプリケーションの継続的な攻撃検証 | 現時点の主戦場はアプリケーション領域であり、企業全体の露出管理とは分けて評価する |
NodeZeroは、内部ネットワークに侵入済みの攻撃者や悪意ある内部者の視点から、認証情報、設定不備、脆弱性を組み合わせて横展開と影響を示すと説明しています。Penteraは、AIで攻撃手順やペイロードを環境に合わせつつ、決定論的な攻撃エンジンで安全性と再現性を確保する設計を掲げています。18
攻撃経路と優先順位付けを中核にする製品
XM Cyberは、設定不備、脆弱性、IDの露出を攻撃経路として関連付け、重要資産へ到達する経路を減らす運用に重心があります。これはWeb業務ロジックの探索やexploit生成よりも、「どの変更が最も多くの攻撃経路を断つか」という実務上の問いに適します。4
Microsoft Security Exposure ManagementのEnterprise Exposure Graphも、エンドポイント、クラウド、ハイブリッド環境の関係をグラフとして扱い、到達可能性を調査できます。Security CopilotはAzure OpenAIのLLMと組織内データのgroundingを利用しますが、これは攻撃を実行する機能ではなく、分析と運用支援の層として理解するのが適切です。67
大手プラットフォームとAIセキュリティ隣接市場
大手プラットフォームは、既存のEDR、クラウド、ID、SIEM、資産データを横断できる点で有利です。これに対し、AIネイティブの専業製品は、探索・検証の深さに投資しやすいという差があります。両者は排他的ではなく、専業製品の検証結果を大手プラットフォームのチケット、SOAR、資産台帳へ渡す形が現実的です。
さらにAIアプリケーションとAIエージェント自体が攻撃対象になるにつれ、AI asset discovery、AI red teaming、runtime guardrailsが隣接市場として重要になります。ZscalerによるSPLX買収は、AI資産の発見、レッドチーム、ガバナンスを統合する方向の一例です。9 F5によるCalypsoAI買収発表も、AI推論のガードレールと大規模なレッドチームをアプリケーション・セキュリティ基盤へ取り込む動きを示しています。10
導入時の確認事項
自律型の検証製品は、通常のSaaS導入よりもスコープ設計が重要です。PoCでは「検出件数」より、次の成果を合意して評価します。
- 重要資産への到達経路を、再現可能な証跡付きで何件示せたか
- その経路を断つ最小の修正が、担当チームと期限まで割り当てられたか
- 修正後の再検証で、経路が実際に閉じたと確認できたか
- 攻撃実行中に、業務影響、不要なデータ変更、SOCの誤検知を発生させなかったか
- EDR、SIEM、ASM、CMDB、チケット管理とのデータ連携が運用に耐えるか
また、契約・技術の両面で、テスト可能な対象、禁止する操作、認証情報の扱い、個人情報・本番データへのアクセス、実行時間帯、緊急停止、ログ保管、責任分界を文書化します。「自律的」は無制限な実行を意味しません。安全な自動化は、対象範囲と承認境界が明確なときに初めて成立します。
市場の見通し
市場の中心は、可視化だけのASMから、証明済みの悪用可能性を基準に直す順番を決めるExposure Validationへ移っています。ただし、すべてを自律型ペンテストに置き換えるわけではありません。資産発見、脆弱性管理、脅威インテリジェンス、手動ペンテスト、レッドチーム、SOC運用は、それぞれ異なる役割を持ち続けます。
当面の選定では、全社的な攻撃経路と修正優先順位にはXM Cyberや大手プラットフォーム、継続的な攻撃実証にはHorizon3.aiやPentera、Webアプリケーションの深い自律検証にはXBOWというように、対象範囲と目的を分けて考えるのが妥当です。将来の差別化は、AIモデル名ではなく、環境の文脈を踏まえて安全に探索し、検証結果を修正と再検証の閉ループへ変換できるかにあります。