スキップしてメインコンテンツに移動

Bitdefender GravityZone ブログ

知られざる世界最大のセキュリティ専業ベンダーのフラグシップ。本当に守れるモダンサイバーセキュリティがここに。

このブログを検索

ラベル（脅威の可視化）が付いた投稿を表示しています

すべて表示

投稿

Enterprise(Ultra)に、複数マシン間のEDR情報を関連付けて解析できるXEDR/eXtended EDR機能が追加

AI自動化 ATS(Advanced Threat Security) EDR SIEM XEDR 脅威の可視化製品アップデート

+

今後も続くであろうサイバー戦争において

脅威の可視化

+

[事例]運転手安全リスク管理システム開発

ERM(Endpoint Risk Management) ディスク暗号化ハイブリッド環境脅威の可視化事例

+

[事例] アメリカ連邦職員健康保険組合

AI自動化 Citrix Hyper-Detect Nutanix セキュリティサーバSVA 脅威の可視化事例第三者評価機関テスト

+

[事例]米国南西部の学生2万の大学

サンドボックスセキュリティサーバSVA 運用脅威の可視化事例

+

[事例]米国カルフォルニアにある社員数1.5万人のIT企業

aws ハイブリッド環境運用脅威の可視化事例

+

SIEM製品との連携インタフェースまとめ（2020年12月現在）

SIEM Splunk 運用脅威の可視化製品アップデート連携

+

社内のセキュリティ状況を上司へ報告する現場担当者を支援する

運用脅威の可視化製品アップデート

+

中国APT攻撃グループによる東南アジア政府機関へ国防・産業スパイ活動の調査

ATS(Advanced Threat Security) EDR 脅威の可視化脅威情報事例

+

新機能：管理職、経営層への新たな切り口での可視化

脅威の可視化製品アップデート

+

その他の投稿

ラベル

運用85
Bitdefender GravityZone76
脅威情報49
事例44
製品アップデート38
セキュリティサーバSVA34
EDR26
第三者評価機関テスト25
連携18
Citrix16

もっと見る一部のみ表示

リンク

・国内法人向け正規パートナーへ
・X(Twitter)

注目の投稿

AIによるサイバーセキュリティ防御（最新）

近年、攻撃者がAI（人工知能）を悪用して「未知のマルウェアを自動生成する」「攻撃の実行スピードを劇的に早める」といったケースが急増しています。このような「AIを用いた攻撃」に対して、従来のパターンファイルや手作業による確認で挑むのは、速度・量の両面で限界を迎えています。「AIを使った攻撃には、AIを使った防御で対抗する（AI vs AI）」――これが、高度化するサイバー脅威に対する最も確実なアプローチです。本記事では、世界で初めてサイバーセキュリティにAIを導入し、長年にわたり膨大なR&D（研究開発）投資を続けてきたBitdefender社の統合プラットフォーム「Bitdefender GravityZone」において、AI主導の防御テクノロジーがどのように脅威を退け、担当者の負担を劇的に軽減するのかを解説します。 ①AI攻撃者に隙を与えない「アタックサーフェス（攻撃対象領域）の自動削減 AIを用いた攻撃は、企業・組織の「わずかな設定ミス」や「不要な権限」を瞬時に見つけ出し、そこから侵入を試みます。兼任担当者が社内の全デバイスの設定を目視でチェックするのは不可能です。そのため、防御AIが先回りして「隙」を塞ぎます。完全AI駆動でユーザ・デバイス毎に攻撃脆弱性を封じる（ PHASR ） AIがユーザーやデバイスごとの行動を分析・プロファイリングし、日常業務で使われていない危険な機能や特権を自動的に制限。攻撃対象となり得る領域を最大95%削減します。※2026年9月のアップデートで追加された「PHASR for AI Agents」により、社内で稼働するAIエージェントの権限管理も自動で行われます。社内のシャドーAIの可視化と制御（ AI Visibility and Control / AIVC ）社内で無断利用されるAIツール（シャドーAI）は、攻撃者に脆弱性を突かれるリスクとなります。AIVCは、WebサービスからローカルAI、MCPクライアントまで全AI関連技術を自動発見・リスク判定し、安全なAI利用環境を提示します。 ②先回りして見抜く「防御側AI」のテクノロジー攻撃側がAIを使って未知のマルウェアや巧妙な攻撃手法を生み出してくる以上、防御側もAIのパワーでその「先」を行かなければなりません。GravityZoneは、シグネチャ（定義フ...

社内のAIを「知らない」から管理する「AIガバナンス」へ新機能「AIVC」〜隠れたシャドーAIを可視化〜

1. はじめに：AI利用の急速な拡大と「見えないリスク」従業員は、セキュリティチームが把握できるよりもはるかに早いスピードでAIを導入・活用しています。業務の効率のため社員が個々に導入するAIツールや、開発者が利用するローカル環境のAIモデルなど、これら会社が把握・許可していない「シャドーAI」の急速な広がりにより、多くの企業で、セキュリティ担当者は次のような課題に直面しています。誰が・どの端末で・どんなAIを利用しているのかが見えない業務データや機密情報がAI経由で外部へ流出する危険性ファイアウォールをすり抜けるローカルAIの存在実際に、最新のある調査でもそのリスクは次のように判明しています。 47.4%の組織が、自社環境のAIに対して視認性（可視性）を持てていません。企業における生成AI利用の約72%は個人のプライベートアカウント経由で行われており、従来のゲートウェイでは検知できません。シャドーAIが関与したデータ侵害事件では、すでに高額な追加費用が発生しています。 Webブラウザ上でChatGPTのサイトを遮断するだけでは、ローカル環境で動くモデルや開発ツール組み込み型のAIアシスタントを防止することはできません。 2. 見えないAI利用から根拠に基づく「AIガバナンス」へ GravityZone AI Visibility and Control(AIVC) は、エンドポイント上で動作するエージェントを活用し、次の3つのステップで安全なAIガバナンスを実現します。ステップ１：組織内のAI利用状況を自動検出管理下の端末で稼働しているAIツールの一覧を自動生成します。チャットボットや公開LLMだけでなく、ローカルモデル・ランタイム、AIエージェント、MCPクライアント/サーバー、コード補完アシスタント、各種拡張機能まで幅広く洗い出します。ステップ２：利用の把握とリスクの優先順位付け検知されたすべての項目についてリスクスコアを算出し、優先順位を整理した状態で一覧表示します。サービス分類や影響を受ける端末・ユーザー情報などのコンテキストを提示し、シャドーAIと思われる利用にはフラグを立てて警告します。ステップ３：既存...

強固なLinuxサーバーを築く: マルウェア・脆弱性対策とリスク管理戦略

Linuxサーバーは、企業の重要なシステムやサービスを支える基盤であり、個人用のデスクトップ環境とは異なり、高度な可用性と信頼性が求められます。特にサーバーには、業務に直結する機密データや多数のユーザー情報が保存されているにもかかわらず、そのセキュリティ対策が後回しにされがちなのが現実です。 Bitdefenderは十数年にわたり、こうした課題に向き合いながら、Linuxサーバーのための高度なセキュリティソリューションを提供してきました。本記事では、サーバーの重要性を再認識しながら、現代的な脅威に備える具体的な防御戦略をご紹介します。なお本記事はLinux向けに書かれていますが、その内容はWindows Serverにも適用可能です。購入されたライセンスはLinux/Windows Serverどちらにも使用できます。 Bitdefenderは大規模なR&D体制により業界において、次の時代を見据えたセキュリティをいち早く実装しています。サーバにおける仮想化やクラウド移行の大きな変化のはじまりにあってもいち早く対応して、望まれるレスポンスを低下させない軽快さと、防御力を高い次元で両立させるサーバーに特化した製品革新が続けられています。また Linuxにおいては幅広いディストリビューションへの対応も、求められている要件となっています。 Bitdefender社が今日の脅威に対抗すべく、サーバ保護に必要と考え実装している防御機能には以下のものがあります。特に以下の2〜5は、従来のアンチマルウェア対策だけでは対応できない現実の脅威に対し、包括的な防御を可能にします。。既知の脅威対策（AM）未知の脅威対策（ATP/NGAV）脆弱性対策（AAE）ネットワーク攻撃防御（NAD）エンドポイントリスク管理（ERM）負荷を抑えるしくみ（SVA) アップデート取り込みの最適化（Relay/オンプレミス管理サーバ） Linuxコンテナ保護攻撃の可視化（EDR／XDR）選べる３つのエディションと価格 1. 既知の脅威対策（AM）現在でも、ソフトウェアを悪用した攻撃の多くは既知のマルウェアによって行われています。そのため、これらを確実に検出・隔離できるアンチマルウェア（AM）機能は、サーバー保護の基盤として欠かせません。 Bitdefenderの検...

エンタープライズサイバーセキュリティにおける Bitdefender社のAIへの取り組みと先進性

　Bitdefender社は2008年に世界で初めて AI をサイバーセキュリティに採用し、製品にAI を組み込むことで、新しい未知の脅威を予測して阻止することに成功しました。これは現在AIをうたうセキュリティベンダーが、まだ設立もされてなかった頃のことでした。　特に2017年に全世界150カ国を襲った、未知の脆弱性を利用したWannaCry ランサムウェア攻撃を、その３年前の2014 年に敵対的生成AI を開発して将来の脅威として予測しており、攻撃開始時からアップデートなしにブロックすることに世界で唯一成功して、Bitdefenderの底力およびAIのその可能性を広く知らしめました。　とはいえサイバーセキュリティでは、万能なアプローチなるものは存在しません。常に改善する必要があり、大規模で多様な機械学習 (ML) モデルを、非 AI テクノロジーと統合し、現在の様々な脅威に効率的に対処しています。　既に確立された機械学習および AI アルゴリズムに頼ることなく、新しい研究成果をフィードバックして、遺伝的アルゴリズムによる自己訓練と淘汰や生成的敵対ネットワーク (GAN) を使用した将来の脅威、量子コンピュータや大規模太陽光発電網への攻撃など、幅広い視点での研究・開発を行っています。　さらにBitdefender社は、サイバーセキュリティにおけるAI進歩の形成に、オープンな研究を通じて貢献しており、これまでに70を超える学術論文が発表され、50 名の研究者が欧州の大学で教鞭を執り講座を提供しています。また他の研究者支援のため25,000のAIエージェントを公開するなど、オープンなコミュニティへの貢献も行っております。・ BitdefenderのサイバーセキュリティにおけるAI活用状況（2026年最新）イノベーションの歴史 2008年　マルウェア検出用の機械学習アルゴリズムを開発 2011年　ノイズ（誤検出）低減アルゴリズムに採用 2014年　検出率向上にディープラーニングAI アルゴリズムを使用 2017年　ローカル動作可能な調整可能ML検出エンジンHyperDetect搭載　　　　　→WannaCryをアップデートなしで検出した唯一の製品（モデル開発は2014年） 2017年　カスタムMLモデルによるファイルレス攻撃の検出　　　　　→欧州委員会（...

オフライン環境のUbuntu 24アップグレードに関する改善(2026年6月8日)

　インターネットから隔離されたオフライン・クローズド環境でマルウェア対策を実現する、オフライン環境用のアップデートのしくみにおける、ネットに繋がる環境でアーカイブを生成する「オンラインGZVA」の設定について、Bitdefender社より、OSアップグレード（Ubuntu 24への移行）に関する改善アップデート情報が公開されました。　今回の改善により、オンラインGZVAの構築条件が緩和されていますので、以下にご案内する手順をご確認の上、まだアップグレードされていないお客様は早期のご対応をお願いいたします。なお各手順のステップにおいて必ずバックアップを取得しておいてください。概要：最新のオンラインGZVA（Ubuntu 24版）でもアーカイブ作成が可能に　これまでは、Ubuntu 20を24へアップグレードするためのフルアーカイブ作成には、古いUbuntu 20ベースのオンラインGZVAを維持して生成する必要がありましたが、今後は最新のGZVAイメージ（Ubuntu 24版）で構築したオンラインGZVAからでも可能となりました。 ※本機能は6月8日付で公開され、段階リリース、現在は全世界でご利用いただける状態となっています。【参考公式ドキュメント】リリースノートVersion 6.42.1-1 オフラインアップデート環境構築ガイド Ubuntu 24移行手順ガイド ■ Ubuntu 20から24へのアップグレード手順とチェック項目　現在Ubuntu 20版で運用されているオフライン環境をバージョン「6.42.1-1以降（Ubuntu 24ベース）」へアップグレードする際、オンラインGZVA側でのリポジトリ設定に注意が必要です。　OSの仕様としてアップグレードは内部的に「Ubuntu 20.04 ⇒ 22.04 ⇒ 24.04」と段階的に処理が行われます。そのため、移行完了までは必要なパッケージをすべて含める必要があります。【ステップ1】移行期間中（Ubuntu 20から24へアップグレードする際）オンラインGZVAの設定画面で、以下の3つのリポジトリすべてにチェックを入れてフルアーカイブを作成し、オフライン環境へ適用してください。 [✓] Include Ubuntu 20 repository [✓] Include Ubuntu 24 ...

Powered by Blogger