ログインデモをリクエスト

エクサボットトリアージ

すべてのアラートに対応する、AIのTier 3アナリスト

エクサボットトリアージは、シニアアナリストと同様に、アイデンティティ、セッション、ビヘイビアコンテキストをもとに必要な観点で分析を行い、説明可能で妥当性のある判断を導き出します。誤検知はアナリストのキューに到達しません。実際の脅威のみが、対応に必要なコンテキストとともにチームへエスカレーションされます。

両方のワークフローが完了したExabot Triageのワークフローグラフ。計画立案、データ収集、初期調査エージェント、判定レビューエージェントまでを一貫して表示している

誤検知とMTTIを削減するインテリジェントなトリアージ

エクサボットトリアージは、IaaS、SaaS、アイデンティティ、エンドポイント、コード、およびSplunkやCrowdStrikeなどのサードパーティツール全体にわたるシグナルを相関分析します。誤検知を抑制し、ビジネス固有のコンテキストに基づいて優先順位付けを行い、適切な作業を適切な担当者に割り当てることで、Tier 1~3の分析を数分で実行します。

誤検知とノイズの削減

エクサボットトリアージは、SIEM、EDR、ネットワークセキュリティツールなどにわたる関連アラートを単一の検出結果に集約し、重複を排除します。さらに、環境に応じた分析、履歴分析、およびビジネスコンテキストルールを適用して、誤検知や無害なアクティビティを除外します。これにより、無関係なアラートを最大80%削減し、アナリストが明確で価値の高い対応に集中できるようにします。

誤検知率のチャート

スタック全体にわたる高度なコンテキスト強化

エクサボットは、クラウド、SaaS、AI、コード、およびエンドポイントシステムから、アイデンティティ、セッション、構成、アクティビティのデータを取得し、エージェントが生成する設計時の問いに回答します。これらは、シニアアナリストが実際に行う重要な問い、すなわち「誰が」「何を」「どこで」「どのように」、そしてそのアクティビティが通常の挙動と一致しているかどうかといった観点です。その上で、アラートに優先順位を付け、迅速なトリアージのために調査内容を要約します。

グラフのモーダル

説明可能で信頼性の高い判断

すべてのトリアージ結果には、簡潔で平易な英語による根拠、判断の根拠となった主要な指標、影響を受けたプリンシパルおよびリソース、ならびにログや証拠へのリンクが含まれます。アナリストや監査担当者は、アラートが誤検知または無害と判断された理由、あるいはエスカレーションされて対応・解決された理由を正確に把握できます。

誤検知という判定

アラートを単一の攻撃ストーリーに統合する攻撃チェーン

エクサフォースは、SIEM、アイデンティティプロバイダー、EDR、メール/フィッシング対策ツール、およびエクサフォースの検知全体にわたる関連アラートを相関分析し、証拠と元データへのドリルダウン(ピボット)を含む、エンドツーエンドの単一ストーリーとしてAttack Chainsを自動的に構築します。これにより、アナリストは初期アクセスから権限昇格、ラテラルムーブメント、影響に至るまでの一連のアクティビティを可視化し、数分で完全な調査ストーリーを整理できます。

脅威の検出結果

カスタマイズ可能なトリアージロジック

特定のアラートタイプに合わせたカスタム質問を追加することで、エクサボットの調査機能を拡張できます。組織固有の情報を収集する質問を設定することで、トリアージの精度を高め、誤検知を削減し、経験豊富なアナリストの調査ノウハウをロジックとして組み込むことができます。

オートメーションエージェント

主要なトリアージ機能

ノイズを削減し、意思決定を迅速化するために設計されています

ノイズ削減エンジン

誤検知の自動削減と重複アラートの抑制

検出結果の重複排除

同一の根本原因を持つ複数のアラートを重複排除し、無駄な作業を削減

アタックチェーン

複数のソースにまたがる脅威を連鎖的に関連付け、攻撃の全体像を可視化

ビジネスコンテキストルール

環境固有の知識をルールとして組み込み、無害なアラートを削減し、環境に即したコンテキストでトリアージを実施

履歴分析

ノレッジモデルに蓄積された過去の結果を活用し、分析と推奨を継続的に改善

サードパーティのインテリジェンスソースによるコンテキスト強化

PerplexityやAbuseIPDBなどの脅威インテリジェンスフィードからのコンテキストを、すべてのアラートに自動的に付与

Commonwealth Fusion Systems

CFSはエクサフォースのAgentic SOCプラットフォームを活用しており、調査時間の短縮に貢献しています。場合によっては、数時間から数分へ短縮されました。プラットフォームによるアラートの自動トリアージにより、手作業が大幅に削減され、貴重な時間を節約できています。過去1年間、エクサボットは24時間365日のMDR機能を提供し、当社環境を継続的に監視しながら、セキュリティエンジニアリングチームと運用チームを支援してきました。

Kris Sulzberger

CFS サイバーセキュリティ責任者

よくある質問(FAQ)

エクサボットトリアージが誤検知としてマークしたアラートはどうなりますか?
お客様のリスク許容度に応じて、当社の自動化エージェントを活用し、誤検知アラートを自動的にクローズすることも、保持して手動でクローズすることも選択できます。また、自動化エージェントを用いて自動的にクローズするアラートについては、種類、重大度、優先度の特性を定義できます。
エクサボットトリアージはSIEMがなくても機能しますか?
はい。エクサボットトリアージは、当社のインテグレーションを通じてクラウド、SaaS、アイデンティティ、エンドポイント、コードソースから直接取り込まれたデータ上で動作します。当社のセマンティックモデルおよびビヘイビアモデルは、エンティティ解決、関係性のマッピング、ベースライン比較、異常スコアリングなど、高精度なトリアージに必要なすべてのコンテキストを提供します。このアーキテクチャにより、SIEMに依存することなく、予測可能で高精度な結果を実現します。有効な場合には、エクサボットは低ボリュームデータや決定論的データについて外部SIEMをクエリすることもできます。
エクサボットトリアージはSOARとどう違うのですか?
従来のSOARは、アラート発生後に追加のコンテキストを収集するためのプレイブックを実行し、アラートを強化します。一方、エクサボットトリアージは、各アラートの意味を理解し、当社のセマンティックモデルおよびビヘイビアモデルから関連するコンテキストを自動的に付与することで、シニアアナリストのように調査上の問いに答え、アラートの精度そのものを根本から向上させます。さらに、複数のデータソースにまたがる脅威の検出結果を相関分析して完全な攻撃ストーリーを構築し、関連アラートを重複排除し、環境固有のコンテキストを適用して優先順位付けと誤検知の削減を行います。その結果、人による監督が必要なアラートは大幅に減り、多くのアラートは明確な推奨とともに十分に調査済みの状態になります。
エクサボットトリアージは、必要に応じてTier 2/3のアナリストによる追加調査をどのように支援しますか?
アラートがTier 2/3にエスカレートされると、エクサボットは生のアラートを超える、完全な調査の出発点を提供します。アナリストは、アイデンティティ解決、セッションタイムライン、リソース間の関係、行動異常スコア、ソースログへのリンクを含む強化されたコンテキストを受け取れるため、手動でコンテキストを収集するのに何時間も費やす必要がなくなります。調査ダッシュボードには、エンティティグラフ、関連する検出結果、過去の類似ケースが表示されます。アナリストは、すべてのコンテキストを保持したままエクサボット調査に直接ピボットして、より詳細な脅威ハンティングを実施できるほか、自然言語で追加の質問を行い、エクサボットの推論に関する完全な監査証跡にアクセスできます。引き継ぎはシームレスになり、L2/L3アナリストはコンテキストをゼロから再構築することなく、すぐに対応を開始できます。
エクサボットトリアージはどのようにアラート疲れを軽減しますか?
エクサボットは、アイデンティティの詳細、リソース間の関係、ベースライン比較など、当社のセマンティックモデルおよびビヘイビアモデルから得られる包括的なコンテキストで、すべてのアラートを強化します。そのため、アナリストの注意を必要とするのは、本当に人による判断が必要なアラートだけになります。さらに、複数のツールからの関連アラートを自動的に重複排除し、検出結果を統合された攻撃チェーンにグループ化し、お客様のビジネスコンテキスト(例:お客様の環境における一般的な行動パターン)に基づいて優先順位付けを行い、裏付けとなる証拠とともに誤検知を明確に示します。これにより、アナリストはノイズに埋もれるのではなく、より少なく、より高品質な調査結果を受け取ることができます。
エクサボットトリアージは人間のフィードバックから学習し、時間の経過とともに推奨精度を向上させますか?
はい。アナリストによるすべての操作(判定の変更、クローズ理由)は記録され、履歴分析に反映されます。新しいアラートごとに、エクサボットは過去の調査との類似性マッチングを行い、比較可能なシナリオとその結果を特定します。アナリストが特定のアラートパターンを一貫して誤検知としてマークしたり、特定の組み合わせをエスカレートしたりしている場合、今後のトリアージ判断にはこれらの学習結果が自動的に取り込まれます。この継続的なフィードバックループにより、推奨精度が向上し、お客様の環境特有の誤検知が減少するとともに、手動でモデルを再トレーニングすることなく、AIの判断をチームに蓄積された知見と整合させることができます。