比較・活用
Orion-1とClaude・GPT-6、セキュリティ対応AIの使い分け方
サイバー攻撃の調査にAIを使う動きが広がる一方、汎用の最新モデルは提供元のガードレールによって防御側の分析まで止めてしまう場面が出てきています。セキュリティチームが日々の運用でどのAIをどう使い分けるべきか、出典の比較結果から整理します。
何が起きたか
米新興企業のArtemis Securityが、企業ネットワークへの攻撃を自律的に調査・対応するAIモデル「Orion-1」を発表しました。自社ベンチマーク「Decision-Grade Readiness（DGR）」による比較で、Claude Opus 5.5やGPT-6 Solを上回る結果を示しています。
Orion-1は認証サービスやクラウド設定、社内端末、SaaSアプリ、ネットワーク機器のログを処理します。企業アカウントのログインや新しいクラウド権限、新規のメール受信ルールといった兆候を結びつけ、一人の攻撃者による行動かどうかを特定する仕組みです。状況把握後は確信度スコアを付けて判定を確定し、対応の提案や開始を行います。
DGRベンチマークでは、Orion-1とClaude Opus 5.5、GPT-6 Sol、Grok 4.7、Kimi K3の5モデルに同一の初期アラートと環境データ、ツールを与え、攻撃の有無を判定させました。5項目すべてで80点の基準を満たしたのはOrion-1だけでした。特に「攻撃の再構築」では、Orion-1が80.8点、次点のGPT-6 Solが58.3点と差が開いています。
Orion-1は現在、Artemisのプラットフォーム上で一部顧客向けにプライベートプレビュー中です。顧客はアクションの種類ごとにモデルの自律判断の範囲を設定でき、影響の大きい対応は既定で人間の承認が必要になります。Artemisは今年4月にステルスを脱し、創業から約半年でシードとシリーズA合計7000万ドルを調達したと明らかにしています。
背景・解説
汎用フロンティアモデルとは、特定用途に絞らず幅広いタスクをこなす最新世代の大規模言語モデルを指します。ガードレールは、モデルが悪用可能な出力を生成しないよう制限する仕組みです。
汎用モデルの高度化は、サイバーセキュリティ分野で二面性を生んでいます。攻撃側の能力を支える知識や推論力は防御側の調査業務にも等しく役立つため、提供各社は悪用防止のためサイバー関連能力を絞り込む傾向を強めています。OpenAIは自社モデル「Astra」を、モデル自身が攻撃を開発・実行できる最高リスク層に初めて達したモデルと位置づけています。Anthropicの「Claude Opus 5.5」も、サイバーセキュリティ関連タスクの多くを旧世代の「Opus 4.8」に振り分けているといいます。
こうした制限は、防御側の正当な作業まで止めることがあります。Hugging Faceが7月、自社インフラへの完全自律型AI攻撃を商用フロンティアモデルで分析しようとした際、ガードレールが攻撃データの分析を完全にブロックしました。結局、オープンウェイトモデル「GLM 5.2」を自社サーバーで動かす方式に切り替えたといいます。
この流れを受け、提供各社は防御専用に制限を緩めたモデルを用意する動きも見せています。OpenAIは制限の緩い「GPT-5.5-Cyber」を検証済みの防御担当者にのみ提供し、Anthropicも最上位モデル「Claude Mythos 5」を「Claude Security」スキャナーやパートナー製品経由に限って使わせています。
仕事や業務への影響 — AI Topicaの見方
セキュリティチームへの結論は明快です。日常の検知・判定は防御特化モデルに任せ、未知の攻撃分析や新しい検知ルールの設計といった発展的な作業に汎用フロンティアモデルを併用する線引きが現実的です。
DGRベンチマークでは、何千件ものログを横断して一人の攻撃者の行動を一本のストーリーに結びつける「攻撃再構築」で、専用モデルと汎用モデルの差が22.5点（80.8点対58.3点）と最も大きく開いていました。地道な突き合わせ作業は汎用モデルの苦手分野です。社内のセキュリティ担当者が数人しかいない企業ほど、この初動の切り分けを人手で行う余力は乏しく、専用モデルによる自動判定の恩恵が大きくなります。
例えば、従業員300人規模の製造業で情シス部門のセキュリティ担当が2人しかいない会社なら、深夜アラートの一次判定を専用モデルに任せ、翌朝のレビューは「確信度スコアが低い案件」と「影響度の高い対応」に絞り込むだけで済みます。担当者2人が毎日数十件のログを目視確認する作業から解放される計算です。
一方、ゼロデイ攻撃の調査や新しい攻撃手法への対応方針の検討など前例のない判断が必要な場面では、汎用フロンティアモデルの幅広い知識が引き続き役立ちます。ただし汎用モデルをそのまま契約せず、OpenAIやAnthropicが用意する防御者向け限定版モデルの利用申請を先に検討すべきです。制限が緩和された専用枠のほうが、分析途中でブロックされるリスクが小さくなります。
高影響度の対応、例えばネットワーク遮断やアカウント停止を自動実行させるかどうかは、Orion-1のように人間の承認を必須にする設計を基本にすべきです。全自動化を急ぐ必要はありません。
不確かな点・注意
Artemisは「Frontier Foundation Model」と呼んでいますが、既存の他社モデルを土台に微調整したものか独自開発かはブログ上で明示されておらず、はっきりしません。
比較対象にOpenAIの最上位モデル「GPT-6 Astra」やAnthropicの「Claude Mythos 5」は含まれず、結果は一般提供されている水準のモデルとの比較にとどまります。Claude Opus 5.5はサイバーセキュリティ関連タスクの多くを旧世代の「Opus 4.8」に振り分けているとされ、ベンチマーク結果が実質的にOpus 4.8の性能を反映している可能性があります。
ベンチマーク「DGR」自体もArtemisが自社で設計・公表したもので、第三者による独立検証の有無は出典内では確認できません。訓練時に顧客データを使用していないとArtemisは説明していますが、その検証方法についても出典内の記載はありません。