サイバー攻撃をAIチームで見張る。Microsoftが始めた「小型AI＋大型AI」の守り方

THE CONCLUSION

先に結論から。

結論から言うと、主役は新しいAIモデル一つではありません。軽い仕事は小型AI、難しい仕事は大型AIへ任せるチーム設計です。

Microsoftは、脆弱性の発見・検証・修復を支援するMDASHにMAI-Cyber-1-Flashを組み込みました。さらに、発見・評価・是正をそれぞれ担う複数のAIを連携させるProject Perceptionをパブリックプレビューへ移しました。

ただし、性能とコストは自社評価です。同じ結果が出ると決めつけず、自社環境で安全性と効果を小さく検証する必要があります。

01 / QUICK GUIDE

01
Microsoftは7月27日の公式記事で、サイバー防御に特化した小型モデルと、複数のAIエージェントを組み合わせる仕組みを発表しました。
02
同社の仕組みでは、最大90%のタスクを小型モデルが担当し、難しい約10%をGPT-5.4へ回します。Project Perceptionのパブリックプレビュー開始日は8月3日です。
03
性能やコストの数字はMicrosoftの自社評価です。導入時は、AIの権限、人の承認、失敗時に元へ戻す仕組みまで確認が必要です。

02 / KEY WORDS

ここだけ押さえれば、残りの本文はスムーズに読めます。

脆弱性: 攻撃へ悪用されるおそれのある、ソフトウェアや設定の弱点です。家でいえば、鍵のかかりにくい窓に近いものです。
専門モデル: 幅広い質問に答える万能型ではなく、特定の仕事を得意とするAIです。MAI-Cyber-1-Flashは、複雑なコードから脆弱性を探します。
AIエージェント: 与えられた役割に沿って、確認や道具の利用など複数の手順を進めるAIです。Project Perceptionでは、異なる役割のエージェントが連携します。
パブリックプレビュー: 正式版の前に、広い利用者へ試験公開する段階です。完成版と同じ扱いではなく、機能や運用条件を確かめる期間です。

03 / THE FACTS

Microsoftの公式記事は7月27日に公開され、Project Perceptionのパブリックプレビューは8月3日に始まりました。記事では、小型の専門モデルと複数エージェントの仕組みが説明されています。

MAI-Cyber-1-Flashは、複雑なコードから脆弱性を見つける仕事に特化しています。何でも答える大型AIではなく、特定作業を繰り返す小型モデルです。

MDASHでは最大90%のタスクを小型モデルが担当し、難しい約10%をGPT-5.4へ回します。通常案件は専門スタッフ、難しい案件だけ責任者へ上げる流れに近いです。

Microsoftの公表では、脆弱性を見つける能力を測るCyberGymという評価で96％を記録し、従来構成よりコストを約50％削減しました。別の環境でも同じになると保証された数字ではありません。

Project Perceptionでは、Red、Blue、Greenという異なる役割のエージェントが連携します。リスクの発見、評価、是正を人間の管理下で続ける設計です。

04 / THE CONTEXT

サイバー防御では、問題が起きたときだけでなく、システムを継続的に確認します。AIで攻撃の速度と規模が増す一方、防御側にも素早い対応が必要です。

大型AIへすべてを任せると、コストと待ち時間が積み重なります。24時間繰り返す仕事では、小さな差も大きな運用負担になります。

そこで、頻繁な仕事は小型の専門モデル、難しい仕事は大型モデルへ送ります。必要な能力で担当を分け、精度と費用の両立を狙う考え方です。

発見、評価、是正を継続的に回すには複数の役割が必要です。Project Perceptionは、その役割分担をAIエージェントで組もうとしています。

05 / WHAT IT MEANS FOR YOU

企業にとっては、「最も高性能なAIを買えば安心」とは限りません。日常的な確認と難しい判断では、必要な能力が違います。

大量のアラート確認と、重大な脆弱性かを判断する仕事では、難しさと責任が違います。前者は専門モデル、後者は大型モデルと人間へ分けられます。

ただしAIが間違えると、必要な対応を見逃すおそれがあります。修復まで任せるなら、承認、記録、隔離した試験環境、元へ戻す手順が欠かせません。

初心者が学ぶべきなのは、モデル名より役割分担です。AIはどこまで提案し、どこから人が承認するかを考えることが安全な導入の土台です。

07 / NEXT ACTION

BOTTOM LINE