WAFGen: LLM Agents for IDS and Multi-Cloud WAF Rules Generation
本論文は、主要なクラウドプロバイダー向けに、構文的に有効かつコスト効率の高いIDSおよびWAFルールを自動生成するマルチLLMファインチューニング・パイプラインであるWAFGenを紹介するものであり、手動によるベースラインと比較して、高い精度とAWS Web ACLの容量コストの大幅な削減を実現している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
デジタル世界は、単一のオフィスビルの壁を越えて遥かに広がっています。今日、重要なサービスはクラウド上に存在し、異なる企業によって管理される広大なネットワークの中に散在しています。これらのシステムを安全に保つため、セキュリティチームはファイアウォールや侵入検知システムと呼ばれる「デジタルのガードマン」に頼っています。これらのツールは、クラブのボディーガードのように、入ろうとするすべてのデータを確認します。もし訪問者が怪しい動きを見せれば、ガードマンが彼らを阻止します。しかし、これを行うためには、ガードマンは何を警戒すべきかという「リスト」を必要とします。セキュリティエンジニアは、これらのリスト（ルール）を手作業で作成しなければなりません。彼らは、新しい脅威の記述を、ソフトウェアが理解できる複雑で技術的な指示へと翻訳するのです。インターネットが成長し、脅威がより速く変化するにつれ、これらのルールを手書きで作成することは、遅く、高価で、エラーが発生しやすい作業となっています。クラウドプラットフォームの種類が膨大であるため、エンジニアは単一のアプリケーションを保護するためだけに、同じルールを3つまたは4つの異なる言語で書き直さなければならないことがよくあります。
エコール・ド・テクノロジー・スぺリウール（École de Technologie Supérieure）およびケベック大学トリオリーヴィール校（Université du Québec à Trois-Rivières）の研究チームは、このプロセスを自動化する新しい方法を開発しました。彼らは、高度な人工知能を使用してセキュリティルールを自動的に作成する「WAFGen」と呼ばれるシステムを構築しました。人間が脅威の記述をコードに翻訳するよう求める代わりに、このシステムは、危険に関する平易な英語の記述を受け取り、使用されている特定のクラウドプロバイダーに適した正確な技術ルールを即座に生成します。研究者たちは、このシステムを、Amazon Web Services、Microsoft Azure、Cloudflareという3つの主要なクラウドプラットフォーム、および2つの伝統的なネットワークセキュリティフレームワークに対してテストしました。彼らの目的は、人工知能が各プラットフォーム固有の「文法」を十分に学習し、人間の助けを借りずに有効で動作するルールを記述できるかどうかを確認することでした。
研究者たちは、ターゲットとなる5つのシステムすべてから抽出した数千ものセキュリティルールの例を含む、大規模なトレーニングライブラリを構築しました。そして、4つの異なるAIモデルに、これらのルールのパターンを認識するように学習させました。AIが単に例を暗記するのではなく、真に論理を学習したことを確実にするために、彼らは2つの異なるトレーニング戦略をテストしました。一つのアプローチでは、専門化がより良い結果をもたらすことを期待して、特定のプラットフォームごとに個別のAIモデルを訓練しました。もう一つのアプローチでは、単一のAIモデルを5つのプラットフォームすべてで同時に訓練し、それらの違いを同時に学習させました。その後、彼らは新しい未知の脅威に対してルールを生成させ、それらが実際のクラウドプロバイダーに受理されるかどうかを確認することで、これらのモデルをテストしました。
結果は、AIモデルがクラウドプロバイダーに受理されるルールを記述することにおいて、極めて高い成功を収めたことを示しました。モデルが3つの主要なクラウドプラットフォーム向けにルールを生成した際、90パーセント以上が構文的に正しく、展開可能な状態にありました。最も優れた性能を示したモデルは、70億パラメータを持つシステムで、Amazonのプラットフォームでは96パー%に近い成功率を、Microsoftでは90%を超える成功率を達成しました。おそらく最も驚くべきことに、研究者たちは、すべてのプラットフォームを一度に学習した単一のモデルが、一つのプラットフォームのみを学習した専門モデルと同等、あるいはそれ以上の性能を発揮することを発見しました。これは、AIに様々なクラウド言語の違いを理解させることが、混乱を招くのではなく、むしろミスを回避するのに役立ったことを示唆しています。また、システムはルールをシンプルかつ効率的に保つことも学習しました。複雑なルールを実行するとコストがかさむAmazonの環境において、AIが生成したルールは利用可能な予算のごくわずかな部分しか使用せず、標準的なマネージドルールセットが数百ユニットかかるのに対し、わずか10から25ユニットでした。
この研究は、人工知能に関する一般的な懸念、すなわち「AIが偽の、あるいは危険な指示を捏造するのではないか」という問題にも対処しました。研究者たちは、システムが無効なコマンドを捏造することは稀であることを発見しました。間違いが発生した場合でも、それは通常、ルールが実際に使用される前に単純なチェックで検出できる軽微なフォーマットエラーでした。システムは、SQLインジェクションのような一般的なウェブ攻撃から、より複雑なボットによる脅威まで、幅広い脅威に対処することができました。生成プロセスにコストチェックのステップを直接組み込むことで、システムはセキュリティチームがルールをデプロイする前に、そのルールがいくらコストを要するかを正確に把握できるようにします。この機能により、ルール作成は「推測のゲーム」から、精密で予算を意識した運用へと変わります。
このシステムは非常に効果的ですが、研究者たちは、より大きなAIモデルを使用する場合に最も高い性能を発揮すると指摘しています。より小型でコンパクトなモデルは、すべての異なるクラウド言語を一度に学習しようとすると苦戦し、特定のプラットフォームに対して有効なルールを生成できないことがよくありました。しかし、複数のクラウドにわたってシステムを保護する必要がある組織にとっては、マルチプラットフォームのアプローチが最も信頼できる方法であることが証明されました。この研究は、人工知能が、現代のクラウドインフラストラクチャに求められる特定の技術言語へと、人間のセキュリティニーズを翻訳するという複雑で退屈な作業をこなせるようになったことを示しています。これはセキュリティエンジニアに取って代わるものではなく、機械がルール生成という重労働を担うことで、エンジニアが戦略や分析に集中できるようにし、手作業によるコーディングという苦役から解放するためのものです。このシステムの背後にあるコードとデータは、他の人々が使用し改善できるように公開されており、より機敏でコスト効率の高いクラウドセキュリティへの重要な一歩を刻んでいます。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。