技術要約：Facade – 高精度なインサイダー脅威検知

1. 問題提起

インサイダー脅威（内部不正）は、組織に対して壊滅的なリスクをもたらし、多大な財務的およびレピュテーション上の損害を引き起こす可能性があります。これらの脅威の検知は、悪意のある活動が膨大な量の正当なユーザー行動の中に極めて稀に、かつ混在して発生するため、特段の困難を伴います。

既存の文献および検知システムには、大規模なエンタープライズ環境への導入を妨げる3つの主要な限界があります：

1. 非現実的なデータセット： 多くの研究は、合成された良質な活動に依存したデータセット（例：CERT）を使用しています。これらは現実のエンタープライズログに見られる多様性や予測不可能性を欠いており、偽陽性率（FPR）を過小評価する原因となります。
2. 運用上のFPR： 従来の異常検知システムは、しばしば1%を超えるFPRを報告します。1日に数十億のイベントが発生する環境では、たとえ0.1%のF都であっても、数百万件のアラートが発生することになり、アナリストの疲弊を招き、システムを実用不可能なものにします。
3. 粒度： ほとんどのシステムは、ボリュームレベル（例：大量のデータ持ち出しの検知）で動作しており、単一の機密文書へのアクセスといった、低ボリュームで標的を絞った攻撃を特定することができません。

核心となる課題は、ラベル付けされた攻撃データに頼ることなく、大規模な環境において運用可能なほど低いFPR（0.01%未満を目標）を実現しつつ、新規かつ低ボリュームのインサイダー脅威を検知するシステムを開発することです。

2. 手法：Facade

Facadeは、最後の防衛線として機能するように設計された、ディープラーニングによる自己教師あり学習型のコンテキスト異常検知システムです。これは、ラベルなしの良質なデータから派生した、新しいコントラスト学習戦略を用いて、検知問題を教師あり学習タスクとして扱います。

2.1 コアアーキテクチャ

Facadeは、レコメンデーションシステムに着想を得た、プリンシパル（ユーザー）とリソース（ドキュメント、SQLテーブル、HTTP/RPCエンドポイント）の関係を学習するための2タワーモデルアーキテクチャを利用しています。

• コンテキスト・タワー ($E_C$): イベント発生時のプリンシパルの状態をエンコードします。特徴量には、ジョブファミリー、雇用期間、および会議、コードレビュー、マネジメントチェーン、コストセンターから派生したピア（同僚）の重み付き集合が含まれます。
• アクション・タワー ($E_A$): アクションタイプごとに1つのタワーを用意します（例：ドキュメントアクセス、SQLアクセス）。これらは、アクセスの履歴に基づいたリソースの状態をエンコードします。静的なリソースIDを埋め込む代わりに、システムはリソースを「以前にアクセスしたユーザーの重み付き集合」として表現します。これにより、モデルは新しいリソースや進化するアクセスパターンに対して汎化することが可能になります。
• スコアリング: モデルは、コンテキスト埋め込みとアクション埋め込みのコサイン距離を計算します。距離が小さいことは良質なイベント（高い親和性）を、距離が大きいことは異常を示します。

2.2 学習：ポジティブ・サンプリング

ラベル付けされた攻撃データは乏しく、多くの場合フィルタリングされてしまうため、Facadeはポジティブ・サンプリングという、無監督の問題を教師ありの問題へと還元する自己教師あり学習手法を採用しています。

• 自然なペア（ネガティブクラス）： 実際に観察されたイベント $(a_i, c_i)$ は、ネガティブな例（良質なもの）として扱われます。
• 合成ペア（ポジティブクラス）： システムは、異なるプリンシパルからアクションとコンテキストをランダムに組み合わせることで、合成的な「異常」を生成します（すなわち、$p_i \neq p_j$ である場合のアクション $a_i$ とコンテキスト $c_j$ のペアリング）。
• 目的: モデルは、これらの自然なペアと、これらの合成されたポジティブペアを区別するように学習されます。理論的には、このタスクにおける損失を最小化することで、モデルはリフト（結合確率と周辺確率の積の比）を学習させられ、結果として、特定のコンテキストにおいて稀なアクションを効果的に特定できるようになります。

2.3 推論と集計

必要な低FPRを達成するために、Facadeは2つの後処理技術を採用しています。

1. 共通イベント・フィルタリング： 類似したコンテキストを持つ異なるプリンシパルが同様のリソースにアクセスしているイベントは、除外されます。これは、複数の類似したユーザーが同じアクションを実行している場合、それは正当なビジネス活動である可能性が高いという仮定に基づいています。
2. プリンシパルごとの集計： 単一のイベントを監査するのではなく、システムは一定の時間枠（例：1週間）におけるプリンシパルの一連のアクションに対するスコアを集計します。クラスタリングベースの集計器が、行動的に類似したアクションをグループ化し、各クラスターの最大スコアを合算します。これにより、単調性が確保され（良質なアクションを追加しても悪質なアクションを隠蔽できない）、行動の冗長性が排除されます。

3. 主な貢献

本論文は以下の貢献を提示しています：

• Facadeシステム： 単一のアクセスイベントに対して**0.0003%**もの低いFPRを実現し、現実的なレッドチーム攻撃を特定できる、世界初の高精度なコンテキスト異常検知システムです。
• ポジティブ・サンプリング戦略： ラベル付きのインシデントデータが不要な、ラベルなしの良質なデータのみを使用して、無監督の異常検知を教師ありの問題へと還元する新しい学習手法です。
• マルチモーダル能力： 歴史ベースおよびピアベースの特徴量化を用いることで、多様なリソースタイプ（クラウドドキュメント、SQLデータストア、内部HTTP/RPC）にわたる異常を検知します。
• 堅牢性と汎化性能： 頻繁な再学習なしに、未知のユーザーやリソースに対して汎化し、分布の変化（例：チームの再編成）や軽微なラベルノイズに対しても堅牢性を維持します。
• マルチスケール検知： 単一の重大なイベントと、数日間にわたる攻撃キャンペーンの両方を検知する能力を備えており、ユーザーあたりの1日あたりの偽陽性予算を0.01%未満に抑えます。

4. 評価と結果

Facadeは、Googleのプロダクション環境内で評価されました。これには、10万人以上の従業員と年間100億件のイベントが含まれます。評価には、15名のボランティア（ソフトウェアエンジニア）が、メディア共有、ハードウェア製品、AI研究、セキュリティ研究の4つのドメインにわたって機密情報へのアクセスを試みる、シミュレートされたインサイダー脅威シナリオが使用されました。

主な知見：

• 偽陽性率（FPR）： システムは全体として0.01%未満のFPRを達成しました。単一の不正イベント（例：機密文書への不当なアクセス）については、FPRは0.0003%（100万件中3件）という低さまで低下しました。
• 検知能力： 1日あたりの監査予算をわずか10名のプリンシパル（10万人以上のうち）に設定した場合でも、システムは15名のシミュレートされた攻撃者のうち3〜4名を正常に検知しました。
• 単一イベント検知： 最もランクの高い攻撃アクションのFPRは0.0003%未満であり、これは100万件のイベントにつき3件の監査割合で検知可能であることを意味します。
• 堅牢性：
  • モデルの経過期間： 攻撃シミュレーションの1年前に学習されたモデルは、低FPR領域において最新のモデルと同等の性能を示し、組織の変化に対する耐性を証明しました。
  • ラベルノイズ： システムは、トレーニングデータ内の最大5%の「偽陽性ノイズ」（実際には良質なものだが合成されたペア）を許容し、性能はむしろ向上しました。これは正則化効果を示唆しています。
  • 敵対的ポイズニング： 攻撃イベントがトレーニングデータ内に最大4回（あるいは、より高い監査予算では16回）複製されていても、システムは依然として攻撃を検知できました。

5. 重要性と主張

本論文は、Facadeが学術研究と運用の現実との間の溝を埋めることにより、エンタープライズにおけるインサイダー脅威検知において重要な進歩をもたらしたと主張しています。

• 運用の実現可能性： FPRが1%を超える従来のシステムとは異なり、Facadeはセキュリティチームを圧倒することなく、大規模な企業環境で使用可能なほど低いFPRを実現している唯一の提案システムです。
• データの効率性： ポジティブ・サンプリングを活用することで、ラベル付けされた攻撃データの不足という、この分野における主要なボトルネックを克服しています。
• 粒度： 検知のパラダイムを、ボリューム分析（大量のデータ持ち出しを捕らえる）から、単一イベントのコンテキスト分析へと移行させ、巧妙で標的を絞った偵察やデータ窃取の検知を可能にします。
• 実世界での検証： 評価は、合成データセットではなく、ライブの数十億イベント規模の環境と、教師ありレッドチーム演習を用いた、前例のない規模とリアリズムで行われました。

著者らは、リコール（再現率）とFPRの間にトレードオフが存在するものの、極めて低い偽陽性率で動作するFacadeの能力こそが、悪意のあるインサイダーおよび不注意なインサイダーの両方から組織のデータを保護するための、実行可能な「最後の防衛線」としての地位を確立していると結論付けています。