[](https://devin.ai/ja) [](https://devin.ai/ja/blog) # Devin Security 2.0：新たな脅威環境に向けて Cognition2026年10月26日13分で読めます AIは、攻撃者にとっても防御者にとっても、セキュリティ業務をより速く、より安価なものにしつつあります。しかし、より多くの脆弱性を見つけることは、リスクを減らすことと同じではありません。チームに必要なのは、自社の環境において何が重要かを見極め、それを修正し、確実に守られていることを検証することです。 私たちは、こうした一連の作業をチームが最後までやり遂げられるよう、Devin Security 2.0をリリースします。Devin Security 2.0は、フロンティアモデルによるスキャン、コード・インフラ・脅威モデルに基づいた優先度付け、そして検出結果をチームがレビューできるプルリクエストへと変える自律的な修正を組み合わせたものです。 ## 2026年10月21日 先週、PHPとNode.jsの両プロジェクトが、Webの大部分に影響するリモートコード実行（RCE）の脆弱性を公表しました。数時間のうちに、PHPやNodeを利用するあらゆる企業が同じ状況に置かれました。公開されたエクスプロイト経路があり、同じアドバイザリを読む攻撃者たちがいて、そしてコンテナイメージ、OSパッケージ、CIパイプライン、インフラ構成にまたがり、数十ものリポジトリに適用しなければならないパッチがある、という状況です。 PHP2Shellのエクスプロイトは特に興味深いものです。根本にある欠陥のひとつは、その兆候が[2024年の時点ですでに特定されていました](https://thephp.foundation/blog/2026/10/21/todays-php-security-release-and-how-were-strengthening-php-security/)が、メンテナーはリモートコード実行に至る具体的な経路を見つけられていませんでした。互換性とのトレードオフ、限られたメンテナーのリソース、そしてアプローチについて合意形成が難しかったことから、修正作業は停滞していました。実証されたエクスプロイト経路がない以上、より影響が明確な他の問題が優先されたのです。 [Wizの報告](https://www.wiz.io/blog/php2shell-php-rce)によると、フロンティアモデルの活用によって、同社の研究者は複数のアプリケーションに対して動作するエクスプロイトを数時間で開発・応用できたといいます。これは、セキュリティのバックログを抱えるすべてのチームに問いを投げかけます。かつて優先度を下げた欠陥のなかに、AIによって現実的に悪用可能になったものが、ほかにもあるのではないか、と。 同時に、AIはそのバックログに新たな検出結果を追加し続けています。チームは、増え続けるレポートを調査しながら、過去の判断を見直さなければなりません。レポートが正確であったとしても、対応する責任を負う人々を圧倒してしまうことがあります。`curl`のメンテナーであるDaniel Stenberg氏は、「現在の課題はもっとずっと難しい。大量で、しかも質が高いのだ」と[述べています](https://daniel.haxx.se/blog/2026/10/22/ignore-the-slop/)。 セキュリティレポートの到着ペースは加速している curl · 年間のセキュリティレポート受領数 97 2019 60 2020 74 2021 81 2022 102 2023 86 2024 181 2025 356 2026\* \*2026年は10月22日時点で356件。2025年は通年で181件。 出典：[curlプロジェクトのデータ](https://github.com/curl/stats/blob/926586f353511477c9d353353643a6f6b94067d6/h1-reports.md)（2026年10月22日時点） AIはパッチの作成にも役立ちます。しかし、不確かな検出結果を判断し、変更をレビューし、本番環境に届くものに責任を持つのは、依然としてエンジニアです。プルリクエストが増えるだけでは、ボトルネックが移動するにすぎません。何に最初に注意を向けるべきかを判断するには、レビュアーに根拠が必要です。誰が脆弱なコードに到達できるのか、攻撃者は何を達成し得るのか、どの制御策が悪用を防いでいるのか、そして提案された修正が攻撃経路を塞いでいるのか、といった根拠です。 ## Devin Security 2.0 Devin Security 2.0は、発見、優先度付け、修正をひとつのワークフローとしてつなぎます。作業はひとつの検出結果から始まり、調査を通じてそれを追跡します。攻撃経路を特定し、顧客の環境におけるその影響を評価し、その根拠を修正案へと引き継ぎます。 ### フロンティアのサイバーモデルでスキャン Devin Securityでは、Claude Mythosをはじめとするフロンティアのサイバーモデルを使ったマネージドスキャンを実行できるようになりました。エンタープライズのセキュリティチームは、モデルへの個別のアクセス権を持たなくても、Devinを通じてこれらの機能を利用できます。 リポジトリのスキャンにあたり、Devinは[Agentic MapReduce](https://devin.ai/blog/agentic-map-reduce)と呼ぶアーキテクチャを使用します。これにより、コードベース全体にわたるセキュリティ調査を、コスト効率よくスケールさせることができます。 1. Devinは、リポジトリの脅威モデルに照らして、コードベース内のルート、認可境界、データアクセスパターン、その他のセキュリティ上重要なコードをマッピングします。 2. 選択されたコードはグループ単位のバッチに分けられ、並列で調査されます。 3. Devinは結果を集約し、検出結果の候補を確認し、重複を取り除き、組み合わさることでより深刻な攻撃経路を形成しうる検出結果同士を結び付けます。 4. 優先度の高い検出結果は、サンドボックス環境で、実行中のアプリケーションのインスタンスに対して検証されます。 このプロセスはモデルに依存しないため、調査のニーズに最適なモデルを選択でき、最も重要なリポジトリにはフロンティアのサイバーモデルを使用できます。 #### Agentic MapReduce フロンティアモデル → Mapワーカー 1. 2. 3. 4. 5. ##### 1. 計画 エージェント Devinはリポジトリを脅威モデルに照らしてマッピングし、ルート、認可境界、データアクセスといったセキュリティ上重要なコードを対象とするルールを作成します。 リポジトリエージェントセレクター ルート宣言認証境界デシリアライズのシンク危険なAPI呼び出し 選択した検出結果は、個別に、または一括でDevinに割り当てることができます。Devinはそれらを現在のコードと照合し、同じ修正で対応できる検出結果をグループ化し、独立した修正セッションを並列で起動します。各セッションは専用の仮想マシンを持ち、Devinはそこで実際のサービスを動かし、問題を再現し、的を絞った修正を実装し、その結果を独立してテストできます。Devinは再現テストと既存のテストを実行したうえで、調査内容とテスト結果を添えたPRをレビュー用に作成します。これこそが並列での修正を可能にしているものです。つまり、単にパッチを生成するのではなく、独立したエージェントがエンジニアリング作業そのものを行うのです。検出結果は、PRがマージされ、その変更が攻撃経路に対処していることをDevinが確認するまで、オープンのまま残ります。 ### 検出結果の優先度付けへの新しいアプローチ 調査が完了すると、Devinは2つの問いに答えることで検出結果にラベルを付けます。 - **攻撃者はあなたの環境でこれを悪用できるか？** 脆弱なコードは信頼できない入力から到達可能か？ どの信頼境界を越えるのか？ エクスプロイトが成立するには何が必要か（認証、特定の構成、ユーザーの操作など）？ そのコードは実際に使われているのか、それともデッドコードか？ - **その被害は組織にとって何を意味するか？** あるユーザーが別のユーザーのデータを読めてしまったら、どれほど深刻か？ ユーザーが組織の管理者に権限昇格できてしまったら？ 誰かが料金を支払わずにプロダクトを使えてしまったら？ その答えは企業ごとに異なり、こうした答えが、抽象的な脆弱性をビジネス上の優先事項へと変えるのです。 Devinは、あなたのチームと一緒に**脅威モデル**を作り上げることで、これらの問いに答えます。脅威モデルは、スキャンのたびに改善されていく生きたドキュメントであり、あなたのコードが現実の世界でどのように存在しているかを明らかにします。脅威モデルは、すべてのサービス、ホスト、ネットワークポリシー、セキュリティグループを定義し、コードがどのようにデプロイされるのか、何が何と通信するのか、データがどこを流れるのか、そして信頼境界がどこにあるのかを定義します。 その多くはコードやインフラの定義から読み取れます。しかし、サービスがどのリージョンで稼働しているか、社内ツールがインターネットから到達可能かどうかといった一部の情報は読み取れません。だからこそ、脅威モデルの構築は共同作業になるのです。 脅威モデルは、Devinが調査から得た検出結果の優先度をどう付けるかを左右します。なぜなら、どれほど優れたモデルであっても、初期評価は検証が必要だからです。[AnthropicのGlasswingレビュー](https://www.anthropic.com/research/glasswing-initial-update)では、当初HighまたはCriticalと評価された1,752件の検出結果のうち、90.6%は実際に有効な脆弱性でしたが、HighまたはCriticalであると確認されたのは62.4%にとどまりました。本物のバグを見つけることと、適切な深刻度を割り当てることは、別々の判断なのです。 ### あらゆるソースから検出結果を取り込む 同じスキャンと修正のワークフローを、他のスキャナー、バグバウンティのレポート、既存のセキュリティバックログなど、チームがすでに持っている検出結果にも適用できるようになりました。検出結果は、レポートファイルやエクスポート、接続済みのソースからインポートでき、元の識別子やリンクも保持されます。 取り込んだ検出結果は、フロンティアモデルで再トリアージすることもできます。並列のDevinセッションが、報告された問題を現在のコードと照らし合わせて調べ、重複を特定し、脆弱性がまだ存在するのか、すでに緩和されているのかを確認します。これにより、より性能の低いAIモデルが生成したものも含めて過去のレポートを見直し、変更理由を説明する根拠とともに優先度を更新できます。 ランタイム検証を有効にすると、選択した検出結果が、実行中のアプリケーションのビルドに対してテストされます。Devinは、結果が判断不能のままとなったケースも含め、何を試し、何を観察したかを記録します。 優先度やステータスが変わっても、各検出結果はそのソースまで追跡可能なまま保たれます。対応しているインテグレーションでは、却下や再オープンの判断も元のツールに同期されます。 その後、検出結果を個別に、または一括でDevinに割り当てれば、Devinが的を絞った修正を実装し、チームがレビューするためのプルリクエストを作成します。 1. 2. 3. 4. 取り込み: Snyk、Wiz、CSVファイルからの検出結果がひとつのリストに集まります。 根拠の確認: 各検出結果はソースを保持し、現在のコードに対する根拠を示します。 割り当て: 検出結果を選択し、「Devinで修正」でDevinに引き渡します。 修正: Devinは検出結果ごとにセッションを開始し、レビュー用のプルリクエストを作成します。 すべての対応がコードのパッチから始まるわけではありません。適切なアクセス権が設定されていれば、恒久的な修正を準備している間に、DevinがWAFルールを適用したり、セキュリティグループを変更したり、サービスへのパブリックアクセスを削除したりできます。繰り返し発生する欠陥に対しては、認可チェックの一元化やアプリケーション全体でのクエリのパラメータ化など、より広範な変更の実装もDevinが支援できます。これにより、個々の事例を別々に修正するのではなく、脆弱性のクラスそのものに対処できます。 ## コンプライアンスの根拠を大規模に作成 Devinと一緒に作り上げる脅威モデルは、優先度付けの基盤です。脅威モデルは、チームとDevinを本当に対応が必要なものに集中させ、それらの判断の背後にある理由を提供します。コンプライアンスの仕組みを考えると、これは見た目以上に重要です。 FedRAMP、PCI DSS、あるいはエンタープライズの修正ポリシーのもとで運用している場合、HighまたはCriticalの深刻度の検出結果は、修正期限のカウントダウンを開始させることがあります。ある検出結果のリスクが低いと分かっていても、それだけでは義務は変わりません。その理由を文書化する必要があるのです。 コンプライアンスのプロセスには、そうした文脈を考慮に入れるための方法がすでに用意されています。[FedRAMPのPOA\&Mプロセス](https://www.fedramp.gov/legacy/playbook/csp/authorization/poam/)では、検証済みの誤検知をクローズしたり、緩和要因や補完的な制御策がそれを正当化する場合にリスクレベルを調整したりすることが認められています。ただし、必要なレビューを通過できるだけの根拠が求められます。 脅威モデルとDevinのランタイム検証によって、これを大規模に行うことができます。特に、Devin Securityにインポートできるようになった数千件規模のバックログに対して有効です。Devinは、ラベルを付け直したすべての検出結果について、到達可能性、認証、データ、信頼境界の観点からその理由を書き出し、元のCVSSスコアをDevinによる文脈に基づく優先度と裏付けとなる根拠とともに保持したうえで、人間に引き渡します。担当者がそれを承認し、POA\&MまたはGRCシステムにエクスポートします。 Devinは、CISAの既知の悪用された脆弱性（KEV）カタログに掲載されている脆弱性のラベルを付け直すことはありません。 根拠に裏付けられた優先度の判断 元の評価 CVSSスコア 上書きせずに保持 あなたの環境 Devinによる文脈に基づく優先度 根拠によって説明 裏付けとなる根拠 - 到達可能性 信頼できない入力はコードに到達できるか？ - 認証 どの権限が必要か？ - データ 何が露出または改変されうるか？ - 信頼境界 どの境界を越えることになるか？ - 検証 何を試し、何が観察されたか？ - ソース参照 検出結果はどこから来たのか？ 人間によるレビューと承認 根拠をPOA\&MまたはGRCシステムにエクスポート ## はじめに 脅威モデル、フロンティアモデルによるスキャン、アドバイザリからの取り込み、そして自動修正によって、私たちは、セキュリティイベントへの対応の最初の一歩を人間の介入なしに進められる未来へと向かっています。これらの要素はすべて、[Devin Security](https://devin.ai/security)で今日からご利用いただけます。最初のスキャンからPRのマージまで、私たちのエンジニアがお客様と一緒に取り組みます。 新たな脅威環境への対応を支援するため、CognitionはDevinクレジットとして数億ドル規模の拠出を約束します。現在および今後のエンタープライズのお客様には、フロンティアのサイバーモデルによるスキャンを無料で提供します。新規のお客様は、最も重大な脆弱性の修正に役立つ修正クレジットを受け取ることもできます。Devin Securityとクレジットプログラムを始めるには、[私たちのチームにお問い合わせください](https://devin.ai/contact)。 大企業でセキュリティを担っているなら、世の中の多くはまだこの事態に気づいていません。しかし、あなたは違います。問われているのは、適切な緊急度とはどのようなものかを組織に示すために、今まさに何をするかです。ひとつの良い答えは、「利用可能な最も強力なサイバーモデルで、すでにすべてのリポジトリをスキャンし、すべてのCriticalを修正しました」と言えることです。 CognitionのCSOであるAlex Stamosが、脅威環境の現状とその対策について語るセッションを、太平洋時間10月26日（月）午前10時30分（日本時間10月27日（火）午前2時30分）に開催します。[こちらからご登録ください。](https://devin.ai/webinars/patching-critical-vulnerabilities) 一秒一秒が重要です。 目次 [2026年10月21日](#2026年10月21日)[Devin Security 2.0](#devin-security-20)[フロンティアのサイバーモデルでスキャン](#フロンティアのサイバーモデルでスキャン)[検出結果の優先度付けへの新しいアプローチ](#検出結果の優先度付けへの新しいアプローチ)[あらゆるソースから検出結果を取り込む](#あらゆるソースから検出結果を取り込む)[コンプライアンスの根拠を大規模に作成](#コンプライアンスの根拠を大規模に作成)[はじめに](#はじめに)