---
title: "AI SOCアーキテクチャ：取り込みから判定までの4つのレイヤー"
description: "AI SOCアーキテクチャが各レイヤーで担う役割を、取り込みとコンテキスト、推論、エージェント、アナリスト向け画面に分けて解説します。デモで使えるチェックリストと、Exaforceのスタックを例として紹介します。"
url: "https://www.exaforce.com/ja-jp/learning-center/ai-soc/ai-soc-architecture"
language: "ja"
published: "2026-11-18T16:21:02.437Z"
updated: "2026-11-18T16:21:02.437Z"
---

[AI SOCに戻る](https://www.exaforce.com/ja-jp/learning-center/ai-soc)

# AI SOCアーキテクチャ：取り込みから判定までの4つのレイヤー

ほとんどのAI SOCプラットフォームは、コンソール上では似たように見えます。違いは、環境がどのように表現されるか、推論がどこで行われるか、そしてエージェントが何に基づいて動くかにあります。Exaforceのスタックを実例として、レイヤーごとに解説します。

AI SOCアーキテクチャは、イベントを取り込んでコンテキストを付与するデータレイヤー、イベントが何を意味するかを判断する推論レイヤー、トリアージ、調査、対応を行うエージェントの実行レイヤー、そしてアナリストが証拠を読みアクションを承認する画面という、4つのレイヤーで構成されます。ほとんどのプラットフォームは、コンソール上では似たように見えます。判定が一貫しているか、説明可能か、大規模でも費用を抑えられるかを左右する違いは、取り込みから判定までの間、つまり環境がどのように表現され、推論がどこで行われるかにあります。本ガイドでは、各レイヤーが果たすべき役割、デモで確認すべき点、そして本ページを公開しているExaforceが各レイヤーをどのように構築しているかを説明します。

## AI SOCアーキテクチャが果たすべき役割

アーキテクチャが誤っていると、本番環境で3つの失敗が表面化します。クエリ時に生ログを読むモデルは長い調査の間に記憶を保持できないため、筋道を見失います。同じアラートが実行のたびに異なる答えを返すため、アナリストはそれを信頼しなくなります。そして、モデルが読むデータに応じてコストが増えるため、支出を抑えるためにカバレッジが削られます。以下のレイヤーは、これら3つの結果を防ぐために存在します。

| レイヤー       | 答える問い                       | デモで確認すべき点                                                                           |
| ---------- | --------------------------- | ----------------------------------------------------------------------------------- |
| データとコンテキスト | このイベントは何で、誰に関するもので、何に対するものか | IP、トークン、リポジトリへのプッシュが取り込み時に何になるかを尋ねます。答えが「ログの1行」であれば、コンテキストは後からクエリごとに、コストをかけて構築されます。 |
| 推論         | これは正常か、そして何を意味するか           | 同じアラートを2回実行します。エンティティ解決、振る舞いの分析、要約の作成をそれぞれどのモデルが担当したかを尋ねます。                         |
| エージェント     | 何をすべきか、誰が行うか                | 連携ツールのAPIが変わったときに何が起きるかを尋ねます。プレイブックは壊れますが、エージェントはそれについて推論します。                       |
| アナリスト向け画面  | 人がこれを監査し、行動できるか             | クローズ済みのケースを開き、それを実行した担当者の助けなしに、推論をたどって証拠まで確認します。                                    |

## レイヤー1：データとコンテキスト

データレイヤーはイベントをリアルタイムで取り込み、重複排除、正規化、相関を行い、保持コストを抑えられるようにストレージを階層化します。アーキテクチャ上の選択は、その次に何が起きるかです。1つの設計は生テキストを保存し、質問されたときにモデルに読ませるもので、シンプルですが、上記3つの失敗すべての原因になります。もう1つの設計は、各イベントが届いた時点で構造化されたコンテキストに照らして解決するもので、IPは既知のホストに、トークンは既知のサービスアイデンティティに、リポジトリへのプッシュは既知のエンジニアによる既知のアセットに対するアクションになります。下流のすべての処理は、文字列ではなくエンティティと関係に基づいて推論します。何よりも先に、どちらの設計なのかを確認してください。

## レイヤー2：推論

推論レイヤーは、アクティビティが正常かどうか、そしてそれが何を意味するかを判断します。単一の大規模言語モデルでも1件のアラートなら判断できますが、100万件を一貫して判断するのは困難です。より堅牢な設計では、エンティティと関係を解決して環境の最新のマップを維持するモデル、人間とマシンのアイデンティティ、アプリケーション、リソース、場所ごとに何が正常かを学習するモデル、そして調査結果を人が対応できる形にまとめるモデルという、役割の異なる複数のモデルに作業を分担させます。この分担によって、長い調査の間も記憶が保たれ、2回の実行結果が一致し、コストが生データに比例して増えなくなります。テスト方法については[AI SOCにおける透明な推論](https://www.exaforce.com/ja-jp/learning-center/ai-soc/ai-soc-transparent-reasoning)をご覧ください。

## レイヤー3：エージェント

実行レイヤーは、「エージェンティック」と呼ぶに値するかが問われる場所です。エージェントはタスク特化型で、それぞれがライフサイクルの一部分を担当し、ハードコードされたスクリプトではなく下位レイヤーが構築したコンテキストに基づいて推論すべきであり、そうすることでAPIの変更や見慣れない手順も、実行を止める原因ではなく推論の対象になります。SOARのプレイブックとの違いはまさにこの点で、プレイブックは人が設計した手順を実行し、エージェントは判断を担います。人による監督もこのレイヤーに属し、チームがアクションの種類ごとに設定する承認として機能します。詳しくは[SOARとAI SOCの比較](https://www.exaforce.com/ja-jp/learning-center/soar/soar-vs-ai-soc)をご覧ください。

## レイヤー4：アナリスト向け画面

最上位のレイヤーは、アナリストが判定を読み、アクションを承認し、ハンティングを行い、質問をする場所です。アーキテクチャ上の要件は、証拠がモデルのコンテキストウィンドウではなくケースの中にあることで、別のアナリスト、監査人、顧客が判定から生イベントまで推論をたどれる必要があります。同じデータに対する自然言語のクエリインターフェースがあることで、ハンティングと調査は2つではなく1つの作業になります。

## Exaforceによる4つのレイヤーの構築

Exaforceは、すべてのレイヤーで2つ目の設計を採用したエージェンティックSOCプラットフォームです。

- **データプラットフォーム。**&#x31;30+のソースからログ、アイデンティティデータ、構成、コードを取り込み、階層化ストレージを用いてクラウド規模で重複排除、正規化、相関を行い、取り込み時に各イベントをアイデンティティ、リソース、およびそれらの関係のモデルに照らして解決します。独自の検知もこのモデル上で実行されます。詳しくは[プラットフォーム](https://www.exaforce.com/ja-jp/platform)をご覧ください。
- **Multi-Model AI。**&#x30A8;ンティティと関係を解決して環境のマップを維持するSemantic Data Model、人間とマシンのアイデンティティ、アプリケーション、データ、リソース、場所にわたる正常なアクティビティを学習するBehavioral Model、そしてコンテキストを実用的な調査結果にまとめるKnowledge Modelという、1つではなく3つのモデルを使います。詳しくは[Multi-Model AI](https://www.exaforce.com/ja-jp/platform/multi-model-ai)をご覧ください。
- **Exabots。**&#x30A2;ナリストの監督下で動作する5つのタスク特化型エージェント、[Exabot Detect](https://www.exaforce.com/ja-jp/platform/exabot-detect)、[Exabot Triage](https://www.exaforce.com/ja-jp/platform/exabot-triage)、[Exabot Investigate](https://www.exaforce.com/ja-jp/platform/exabot-investigate)、[Exabot Respond](https://www.exaforce.com/ja-jp/platform/exabot-respond)、[Exabot Hunt](https://www.exaforce.com/ja-jp/platform/exabot-hunt)で構成され、それぞれが共有モデルに基づいて推論し、すべての判定に推論が示されます。ExaUを使えば、チームは自社固有の業務に合わせて独自のExabotsを構築できます。詳しくは[Exabots](https://www.exaforce.com/ja-jp/exabots)をご覧ください。
- **アナリスト向け画面。**&#x30ED;グ、アイデンティティ、構成、コード、脅威インテリジェンスに対する自然言語のクエリインターフェースであるAdvanced Data Explorerと、通知、エスカレーション、承認のために同じコンソールをスマートフォンで使えるExaGoです。カバレッジはアイデンティティ、IaaS、SaaS、エンドポイント、メール、内部リスクに及びます。

お客様からは、誤検知が90%減少し、平均調査時間が95%短縮され、アラートから対応までが平均30分未満になったと報告されています。チームはプラットフォームを自ら運用することも、[Exaforce MDR](https://www.exaforce.com/ja-jp/mdr)に同じアーキテクチャ上で運用を任せることもできます。

## 評価での活用方法

1. 残りの質問への答えを予測できる、データレイヤーに関する質問から始めます。
2. 同じアラートを2回実行し、判定を比較します。
3. パイロット中に意図的に連携を1つ壊し、エージェントがどう動くかを観察します。
4. クローズ済みのケースを、それを実行していない人に渡し、判定に同意または反対するまでにかかる時間を計ります。

本ページのチェックリストの上に位置する機能レベルのチェックリストについては、[AI SOCプラットフォームの主な機能](https://www.exaforce.com/ja-jp/learning-center/ai-soc/top-features-ai-soc)をご覧ください。

## よくある質問

### AI SOCアーキテクチャとは何ですか？

セキュリティイベントを取り込みから説明可能な判定とアクションへと導くレイヤーの集合で、データとコンテキストのレイヤー、推論レイヤー、エージェントレイヤー、アナリスト向け画面で構成されます。各レイヤー内の設計上の選択が、一貫性、説明可能性、コストを左右します。

### AI SOCには独自のデータレイヤーが必要ですか？

SIEMを置き換えるのであれば必要で、SIEMが発するアラートを調査するだけであれば不要です。データレイヤーを持たないプラットフォームは、その下にあるツールのカバレッジと品質をそのまま引き継ぎます。

### なぜ1つの大規模言語モデルではいけないのですか？

生ログを読む1つのモデルは、長い調査の間に記憶を失い、同じアラートに実行ごとに異なる答えを返し、データが増えるほどコストがかかります。取り込み時に構築されたコンテキストの上で、明確な役割を持つ複数のモデルに作業を分担させれば、この3つをすべて回避できます。

### AI SOCアーキテクチャにおいて、人はどこに位置しますか？

アナリスト向け画面で、証拠が添付された判定をレビューし、チームが承認制にすると決めたアクションを承認し、検知とエージェントが学習するためのフィードバックを提供します。

### AI SOCアーキテクチャとSOARアーキテクチャの違いは何ですか？

SOARは人が書いたプレイブックを実行し、AI SOCのエージェントはプラットフォームが構築したコンテキストに基づいて推論します。詳しくは[SOARとAI SOCの比較](https://www.exaforce.com/ja-jp/learning-center/soar/soar-vs-ai-soc)をご覧ください。

## 理想のSOCチーム。24時間365日、お客様とともに稼働します。

お客様の環境を一元的かつリアルタイムに把握する5つのエクサボットが、検出、トリアージ、調査、脅威ハンティング、対応をカバーします。プラットフォームを自社で運用することも、エクサフォースに運用を任せることもできます。

[デモをリクエスト](https://www.exaforce.com/ja-jp/request-a-demo)
