セキュリティエンジニアのための機械学習

セキュリティエンジニアが機械学習の基本を楽しく学べる入門書!
セキュリティエンジニアを読者対象とした機械学習の入門書。フィッシングサイト、マルウェア検出、侵入検知システムなどのセキュリティ全般の課題に対して、機械学習を適用することでどのようなことが可能になるのか? 本書ではサイバーセキュリティ対策でとても重要なこれらの知識を実装レベルで身につけます。また、どうすれば機械学習による検出を回避できるか、という点についても同時に解説します。サンプルコードは Python 3 対応。Google Colaboratory 上で実際に手を動かしながら学ぶことができます。

サイバー攻撃の検出をシグネチャやルールだけで支える運用には限界があり、防御側にも機械学習の素養が求められるようになりました。『セキュリティエンジニアのための機械学習』 (Chiheb Chebbi 著、新井悠 / 一瀬小夜 / 黒米祐馬 訳、オライリー・ジャパン、2021 年 11 月刊) は、副題「AI 技術によるサイバーセキュリティ対策入門」のとおり、フィッシングサイトやマルウェアの検出、侵入検知といったセキュリティ実務の課題へ機械学習を適用する方法を、実装レベルで解説する入門書です。原書は Chiheb Chebbi の『Mastering Machine Learning for Penetration Testing』です。サンプルコードは Python 3 対応で、Google Colaboratory 上で手を動かしながら進められます。

全 10 章の構成、フィッシング検出から検知回避まで

本書は全 10 章と付録で構成されています。1 章で機械学習がなぜ情報セキュリティエンジニアに必要かを述べ、Google Colaboratory の使い方を含む実行環境を整えます。2 章はロジスティック回帰と決定木によるフィッシングサイト検出、tf-idf による迷惑メール検出です。3 章は PE ヘッダのメタデータを特徴量にしたマルウェア検出で、ランダムフォレストや勾配ブースティングのハイパーパラメータチューニング、Android マルウェアのデータセットまで扱います。4 章はパーセプトロンから CNN / RNN までを押さえ、ディープラーニングとマルウェアの画像化による分類へ進みます。5 章はサイバー脅威インテリジェンスの文脈でのデータセット作成、6 章は SIEM / UEBA と Windows ログを題材にした異常検知 (Prophet や msticpy による時系列分析)、7 章はエントロピーや N-gram を特徴量にした SQL インジェクション検出です。各章末に練習問題があり、付録 A に解答がまとまっています。

検知する側と回避する側、攻防の往復が読みどころ

終盤の 2 つの章がこの本の性格を決めています。8 章は機械学習システムそのものへの攻撃を脅威モデルから整理し、FGSM や Carlini & Wagner Attack といった回避攻撃、BadNets に代表される汚染攻撃を、攻撃用ライブラリ ART を使って実際に動かします。9 章はマルウェア検知器 MalConv を題材に、深層強化学習と OpenAI Gym / Keras-RL を組み合わせて検知回避を試みます。版元の紹介文も、機械学習による検出をどう回避できるかを同時に解説すると明言しており、防御のための機械学習と、機械学習自体が攻撃対象になるという二面性を 1 冊で往復できるのは類書に少ない特徴です。

セキュリティに機械学習を持ち込む難しさは、アルゴリズムの選択よりもデータの性質にあります。攻撃の事例は正常な通信に比べて圧倒的に少なくラベル付きデータが手に入りにくい、誤検知のコストが高くアラートの洪水が運用を壊す、そして相手が検知をすり抜けようと適応してきます。一般的な機械学習の教科書はこうしたドメイン固有の事情まで踏み込まないため、PE ヘッダ / Windows イベントログ / URL 文字列といったセキュリティ現場のデータから特徴量を設計する手順を具体的に見せる本書は、2 つの分野の橋渡しとしてちょうどよい位置にあります。

前提知識は Python の基礎、数理の深掘りは別書で

読み進めるのに高度な数学は要求されませんが、Python の基本文法と統計の初歩は前提になります。実行環境は Google Colaboratory なので環境構築でつまずく心配は小さくて済みます。一方で、損失関数の導出や学習理論を体系的に学ぶ本ではないため、数理面を固めたい人は機械学習 / ディープラーニング本ガイドで挙げているような教科書系と併読するのが現実的です。また 2021 年刊行であり、扱うライブラリやコンペティションはその時点の技術環境を前提とします。目次に LLM や生成系の話題は無く、生成 AI 以後の攻撃手法を求める読者には範囲外になる点は割り引いておきたいところです。

SOC 運用や検知エンジニアリングの実務者ほど元が取れる

この本が効くのは、SOC やインシデント対応の現場でアラートやログに日々向き合っていて、検知の精度を自分の手で改善したい人です。読み終える頃には、フィッシング検出やマルウェア分類といった課題を分類問題として定式化し、特徴量設計から学習 / 評価までを一巡させる型が身につきます。逆に、機械学習の理論を体系的に修めたい人や、攻撃手法の網羅的な手引きを期待する人には焦点が合いません。セキュリティ実務から機械学習へ、あるいは機械学習からセキュリティドメインへ、どちらの方向で越境するにしても、実データに近い題材で写経できる日本語の入門書としてまず手に取る価値があります。