arXiv cs.CRは10月11日(現地時間)、エデン・ヤビン (Eden Yavin)氏ら5名の著者による研究論文「Organizational Context for the Enterprise Security Brain」を公開しました。この論文は、企業のセキュリティ判断において、機械可読なデータと組織が保有する非構造化情報との間に生じる「組織コンテキストギャップ」を特定し、その解消を目指す新しいフレームワークと実践モデルを提案しています。
企業がセキュリティに関する調査や意思決定を行う際、エージェントは資産、識別情報、設定、関係、発見事項といった機械可読な環境ビューに基づいて推論を行います。しかし、特定の資産に対する正確な判断は、組織がその資産について持つ非構造化情報、例えば所有者、事業機能、適用されるポリシー、許容されるリスクなどにも大きく依存します。これらの組織的知識の一部は所有タグのような機械の状態から推測可能ですが、大半はポリシー文書、監査レポート、アーキテクチャ図、チケット、会話といった、機械の状態外で人々によって記録されています。
論文では、この機械可読データと組織の非構造化情報の間の乖離を「組織コンテキストギャップ」と定義しています。このギャップを埋めるためには、主に4つの課題が存在すると指摘されています。第一に、異種混在する組織データから関連性の高い主張 (claims) を効果的に抽出すること。第二に、推論時にライブ状態によって陳腐化した主張を正確に検出すること。第三に、ライブ状態を組織の統治ポリシーと照合すること。そして第四に、ビジネスロジックを保持するアーキテクチャ図を実際のライブリソースに正確にバインドすることです。
研究では、これらの課題に対処するため、「組織コンテキスト」をエンタープライズセキュリティブレインの新しい層として導入することを提案しています。さらに、その分類法 (taxonomy) を定義し、表現が保持すべき6つの特性を明示しています。このモデルでは、主張は単一の意味を持ち、証拠 (attestation) はそれを主張する各情報源を記録します。また、強度 (strength) は読み取り時のライブエビデンスから導出され、主張は資産グラフ (asset graph) 内のエンティティに解決されるように設計されています。
提案されたコンテキストモデルは、AWS、Okta、Google Workspace、およびGitHubにまたがる実稼働環境で評価されました。その結果、主張の抽出プロセスでは、1,355のプールされた正解データ (ground truth) に対して0.80の回収率を、精度0.87で達成したと報告されています。抽出された主張のうち0.5%はソースによって裏付けられませんでした。さらに、ライブ状態と解決されたコンテキストに基づいて推論するエージェントは、陳腐化した発見事項を特定するタスクにおいて0.97の矛盾を提起しました。ポリシーアライメントタスクでは0.83、アーキテクチャタスクでは0.86の正答率をそれぞれ達成しており、モデルの有効性が示されています。
参考: arXiv cs.CR (アーカイブ) — 2026年10月12日 13:00 (JST)
原文ハイライト"Organizational Context for the Enterprise Security Brain"