Attack Flowで攻撃の「流れ」を読み解く:事例の蓄積と分析から見えたこと

  • 2026-11-19

1. はじめに:攻撃の流れを蓄積し、分析する

前稿「ATT&CKだけでは見えない攻撃の文脈:Attack Flowによる攻撃プロセスの構造化」では、MITRE Center for Threat-Informed Defense(CTID)が開発・公開しているAttack Flowの概要と、実務における活用の可能性を解説しました。ATT&CKが「攻撃者は何をしたのか(What)」を分類する辞書だとすれば、Attack Flowは「それらがどの順序で、どうつながるか(How)」を記述する文法に当たります。

PwCの「2026年 Cyber IQ調査」は、正規アカウントの悪用や正規ツールの悪用(環境寄生型攻撃)など、従来の対策では検知が難しいサイバー攻撃が今後さらに増えると予測しています。そのうえで、こうした攻撃に対処できる「銀の弾丸」は存在せず、直近の攻撃の文脈(コンテキスト)を可視化・形式知化し、組織の知識として蓄積・共有することが重要だと指摘しました。

では、Attack Flowを用いて構造化した事例を多く蓄積し、分析することで何が分かるのでしょうか。「何をするか」を一覧化するだけでは見えないものはあるのでしょうか。本稿では、PwC Japanグループの脅威インテリジェンスチームがAttack Flowを蓄積・分析する中で見えてきたことを紹介します。

2. PwCの取り組み:インシデント事例データベースの構築

PwCでは、グローバル脅威インテリジェンスチームと連携し、一般には公開されていない独自の知見を含むインシデント情報を収集したデータベースを構築しています。現在、200件を超えるインシデント情報を収録しており、その大半は非公開の事例です。

各インシデントは、文脈情報(被害組織の国・地域や業界、攻撃の動機など)、脅威アクター、攻撃手法、技術情報(悪用された製品、攻撃者が用いたツール、脆弱性など)、影響情報(侵害されたデータの種類、事業への影響など)の5つのカテゴリーで整理しています。このうち攻撃手法について、インシデント事例を順次Attack Flowとして構造化しています。

レポートを読み解いてAttack Flowに落とし込む作業には相応の時間がかかりますが、2026年に公開されたAttack Flowのバージョン4では、CTIDが公開するGUIツール「Attack Flow Builder1」上で、インシデントレポートを文書ファイルやURL、テキストでインプットすることで、Attack Flowを生成AIを使って作成できるようになりました。PwCでも生成AIを活用し、独自のスキルを構築してAttack Flowの作成を進めています。

3. 蓄積したAttack Flowの横断分析から見えてきたこと

PwCでは、公開されている攻撃事例も含め、68件のAttack Flowをこれまでに蓄積してきました。これらを横断的に分析することで、次の3つのことが見えてきました。

3.1 事例ごとに異なる攻撃の遷移パターン

攻撃の流れには、「定番の型」と呼べるものがほとんどありません。MITRE ATT&CKの戦術(Tactics)レベルで攻撃の遷移パターンを分析すると、最も多いパターンであっても、2つの戦術からなる遷移では全事例の41%、5つの戦術からなる遷移では6%にしか共通していません(図表1左)。つまり、戦術という大まかな単位で見ても、攻撃の流れは事例ごとに大きく異なります。図表には示していませんが、技術(Technique)レベルでは、遷移パターンの約8割が他の事例には見られない、その事例固有のものでした。

では、同じ脅威アクターであれば、攻撃の流れは似るのでしょうか。まず、使われる技術については、同じアクターでも事例ごとに異なるものの、約3割が共通しています(任意の事例同士では約1割、図表1右)。ところが、技術同士の遷移パターンを比べると、共通する部分は約5%しかありません(同1%未満)。このように、アクターが「何をするか」はある程度再現されても、「どう攻めるか」は事例ごとに変わります。アクターのTTPs(Tactics, Techniques, and Procedures)の一覧や、代表的なシナリオを1つ想定するだけでは、こうした事例ごとの違いを捉えきれません。事例ごとの流れをAttack Flowとして蓄積しておくことで、さまざまな攻撃の流れを踏まえた備えが可能になります。

図表1:攻撃の遷移パターンの共通性

攻撃の遷移パターンの共通性 ,

3.2 アクターの種類による攻撃傾向の違い

アクターの種類ごとに、各戦術がどのくらいの事例で使われているかを比べると、違いがはっきり表れます(図表2)。国家支援型では防御回避が97%の事例で使われ、ランサムウェア(71%)を大きく上回ります。一方、ランサムウェアでは探索、認証情報アクセス、横展開が71~93%の事例で使われ、いずれも国家支援型より26~28ポイント多くなっています。国家支援型は環境内での潜伏を、ランサムウェアは侵害範囲の拡大を重視する傾向があると言えます。

図表2:アクターの種類別に見た戦術の使用割合

アクターの種類別に見た戦術の使用割合 ,

違いがより鮮明に表れるのが、防御回避を繰り返す動きです。国家支援型では、1回の攻撃の中で防御回避を複数回行う事例がランサムウェアより多く、特に防御回避を連続して行う事例の割合は2倍以上です。防御回避の手口の顔ぶれも異なり、国家支援型では「難読化されたファイルの復元(T1140)」や「偽装(T1036)」、「ファイルの削除(T1070.004)」など、検知を逃れ、痕跡を残さないための技術が多く見られます。ランサムウェアでは、「セキュリティツールの無効化(T1562.001)」や「グループポリシーの変更(T1484.001)」など、防御そのものを止めるための技術が目立ちます。国家支援型は防御回避を重ねて検知を逃れ続けることで環境内に潜伏し、ランサムウェアは防御を止めながら侵害範囲を拡大していると言えます。

3.3 出現頻度と適用範囲から考える対策の優先順位

前稿で解説したとおり、Attack Flowでは、攻撃者の個々の行動(アクション)を「先行するアクションが成功した結果、後続のアクションが可能になった」という依存関係でつなぎます。この依存関係をたどると、ある技術を防ぐことで、攻撃の最終目的(データの持ち出しや暗号化など)に到達する前にその流れを断ち切れるかを推定できます。ここでは、攻撃者のアクションに見られる依存関係に着目して、各技術への対策の効果を分析した結果を紹介します。

これまでに蓄積した68件のAttack Flowのうち、攻撃の最終目的まで確認できた48件で検証したところ、最も多くの事例に現れる「侵入ツールの送り込み(T1105)」にセキュリティ対策を行うと、19件の事例で攻撃の流れを断ち切れました。これは1つの技術への対策で断ち切れる事例の数として最多でした。また、断ち切れる事例の数で上位4つの技術は、いずれも出現頻度でも上位に入っていました。従来から行われているように、MITRE ATT&CKなどで技術の使用頻度を分析し、多くの攻撃で使われているものから対策するという考え方は、優先順位を考えるよい出発点だと言えます。

一方で、こうした技術の一覧だけで対策を検討することの限界も、改めて見えてきました。ある技術を防ぐことでどれだけの攻撃を断ち切れるかは、攻撃の流れまで見なければ分かりません。

理由の1つは、攻撃の進め方が1通りとは限らないことです。ある技術を防いでも、別の技術で最終目的に到達できれば、攻撃は止まりません。最も多くの攻撃で使われていたT1105でさえ、使われていた事例の4分の1近くでは、T1105を防いでも攻撃は最終目的に到達しました(図表3上段)。

もう1つは、対策の効果が重複することです。既存の対策で断ち切れる攻撃に対策を重ねても、新たに断ち切れる攻撃は増えず、攻撃を断ち切るという点では非効率とも言えます。例えば、使われていた攻撃の数で上位に入る「システム情報の探索(T1082)」への対策を、T1105への対策に加えて導入しても、新たに断ち切れたのは3件にとどまりました。T1082が使われていた攻撃の多くは、T1105への対策ですでに断ち切れていたためです(図表3下段)。

したがって、攻撃を断ち切ることを目的とするなら、主要な技術を出発点としつつ、自社で想定する攻撃シナリオごとに、どこでどの技術を検知・遮断するかを設計することが重要です。そのうえで、個々の対策やその組み合わせで攻撃を断ち切れるかを確かめ、優先順位を決める必要があります。

図表3:攻撃の流れで変わる対策の効果のイメージ

攻撃の流れで変わる対策の効果のイメージ ,

4. 分析から見える実務への示唆

これらの分析結果から、脅威インテリジェンスに基づく防御戦略を実践するうえで、次の3点が重要だと考えられます。

第一に、TLPT(脅威ベースのペネトレーションテスト)やセキュリティ評価のシナリオは、想定する脅威アクターのTTPsの一覧だけでなく、個々の事例の流れと自社の環境をもとに組み立てる必要があります。同じアクターでも攻め方は事例ごとに異なるため、一覧にある技術を一つずつ検証するだけでは、実際の攻撃の流れを再現できません。

第二に、監視の重点は、想定するアクターの種類によって変える必要があります。例えば国家支援型のアクターは防御回避を重ねる傾向があるため、侵入の痕跡が見つかった場合は、検知できていない活動が他にも残っている前提で、脅威ハンティングなどにより潜伏の有無を確かめることが重要です。ランサムウェアを想定する場合は、認証情報アクセスから横展開へと侵害範囲を拡大する動きや、セキュリティツールの無効化の兆候を重点的に監視することが考えられます。

第三に、セキュリティ対策の優先順位は、よく使われる技術への対策を出発点としつつ、自社が想定する攻撃シナリオごとに、攻撃を断ち切れるかという観点で評価して決める必要があります。個々の技術への対策状況を確認するだけでは、攻撃を最終目的の手前で止められるかまでは分かりません。TLPTをはじめとする、攻撃シナリオに基づく評価の結果を生かし、対策の追加や見直しを検討します。

5. まとめ:Attack Flowを組織の防御に組み込む

Attack Flowの価値は、1件のフローを作ることだけにあるのではありません。事例を蓄積して横断的に分析することで、同じアクターでも攻め方は事例ごとに異なること、攻撃の傾向はアクターの種類によって異なること、技術への対策の効果は攻撃の流れによって変わることが見えてきました。いずれも、TTPsを一覧にするだけでは得られない知見です。

Attack Flowの活用は、段階的に始めることができます。まずは、公開されている事例のフローを参照します。次に、自組織で分析したインシデントや、入手した脅威レポートをAttack Flowとして構造化します。そのうえで、それらを蓄積して横断的に分析すれば、本稿で紹介したような知見を自組織でも得られます。セキュリティ運用においてAIエージェントの活用が盛んに検討されている昨今、攻撃の文脈を機械可読なデータとして蓄積しておくことの重要性は、今後さらに増していくと考えられます。攻撃を「点」ではなく「線」で捉え、さらにその「線」を束ねて見ることが、脅威インテリジェンスに基づく防御戦略を次の段階へ進める鍵となるはずです。

1 MITRE CTID, “Attack Flow Builder Version 4.0”, 2026,
https://center-for-threat-informed-defense.github.io/attack-flow/ui/(last accessed 27 Oct 2026).

執筆者

上杉 謙二

ディレクター, PwCコンサルティング合同会社

Email

樋田 拓也

シニアアソシエイト, PwCコンサルティング合同会社

Email

{{filterContent.facetedTitle}}

{{contentList.dataService.numberHits}} {{contentList.dataService.numberHits == 1 ? 'result' : 'results'}}
{{contentList.loadingText}}

{{filterContent.facetedTitle}}

{{contentList.dataService.numberHits}} {{contentList.dataService.numberHits == 1 ? 'result' : 'results'}}
{{contentList.loadingText}}

本ページに関するお問い合わせ