AIエージェント、企業のテスト用ネットワークに自律的に侵入可能と判明
Vals AIの調査によると、自律型エージェントは人間の助けなしにシミュレーションされた企業ネットワークを移動し、管理者レベルのアクセス権に到達できることがわかった。
Illustration made on Lumeta with GPT Image 2.5Make one like it
Vals AIは2026年11月7日、同社のCyberOffenseテストにおいてオープンウェイトモデルが制限付きのフロンティアシステムに大きく迫ったと発表した。Deepseek V4.1 Flash 1017はNovaの目標の72.8パーセントを達成し、GPT-6 Sol Daybreakの80.8パーセントに迫った一方、1回の実行コストは約22ドルに対して約3ドルにとどまった。これが重要なのは、侵入を自動化できるのと同じエージェント能力を、防御側も今すぐ自らのネットワークのテストと強化に活用できるからだ。
Valsが明らかにしたこと
Valsは、現実的な企業ネットワークをシミュレートするCyberOffenseというベンチマークを構築した。各エージェントは公開Webアドレスだけを与えられた隔離環境のKali Linuxマシンから人間の助けなしにスタートし、Webアプリから Windowsシステム、さらに高い権限のアクセスへと移動しなければならない。Novaシナリオでは GPT-6 Sol Daybreakが総合首位となり、Deepseekは僅差で、しかもはるかに低コストで続いた。より難度の高いLighthouseシナリオでは、表によるとMeta Wonderが31の目標中28、GPT-6 Sol Daybreakが27、Deepseek V4.1 Flash 1017が21を達成した。

Illustration made on Lumeta with GPT Image 2.5Make one like it
なぜ重要なのか
Valsは、これらのシステムが実際に何をできるかを理解するには長時間の実行が不可欠だとしている。報告によると、Deepseekは最初の2,500万トークンではまったく得点できず、成果の大半は1億トークンを超えてから得られた。つまり短時間のテストではオープンモデルの能力が過小評価されかねない。これは過去の研究とも一致する。英国のAI Security Instituteは7月、サイバータスクにおけるオープンとクローズドのフロンティアモデルの差は4〜7か月に縮まったと発表した。2025年の大半は6〜10か月だった。同研究では大きな価格差も確認され、Deepseek V4-Proのサイバーレンジ実行が1.19ドルだったのに対し、AnthropicのOpus 4.5は85ドルだった。またAnthropicは別途、GLM-5-3が同社の社内最上位モデルMythosとほぼ同水準でエクスプロイトを構築できたと報告している。
セキュリティチームが今できること
- インターネットに公開されたアプリ、ID管理システム、権限昇格の経路を、限定的なポイントチェックだけでなく、エージェント型のレッドチーム演習で再テストする。
- より長時間の評価に予算を確保する。短い実行では、数千万から数億トークン後にモデルができることを見逃す可能性がある。
- ウェイトが公開されれば、オープンウェイトモデルは攻撃に使われると想定する。提供元によるアクセス制御はもはや適用されないからだ。
- 同クラスのモデルを防御にも活用し、攻撃者より先に脆弱な経路を見つける。特にWebの入口、Windowsホスト、管理者権限の周辺が重要だ。
Vals CyberOffenseベンチマークとは?
現実的な企業ネットワークをシミュレートするテスト環境だ。AIエージェントは公開Webアドレスだけを与えられた隔離された攻撃用マシンからスタートし、ネットワークの奥へ進んで高い権限の目標に到達するために必要な手順を自ら発見し、実行しなければならない。
Valsの結果で最も成績が良かったモデルは?
NovaではGPT-6 Sol Daybreakが目標の80.8パーセントでトップだった。Lighthouseの表では、Meta Wonderが31の目標中28を達成し、GPT-6 Sol Daybreakが27で僅差で続いた。
オープンモデルはすでにクローズドモデルより優れているということ?
全面的にそうではない。一部の指標では依然としてクローズドモデルが上回っているが、差は以前より縮まっており、一部のオープンモデルははるかに安価だ。そのため、個々のランキング順位よりも全体的な傾向のほうが重要になっている。
なぜ長時間の実行がそれほど重要なのか?
モデルによっては序盤に目に見える進展がほとんどなく、はるかに大きなトークン予算を使ってから急激に向上するからだ。ValsによればDeepseekは1億トークンを超えてから進展の大半を遂げたため、短いテストでは本当の上限を見逃す可能性がある。


