Greenlight、AgentCoreで自律型SOC 月4,000件の9割超を自動処理

何が発表されたのか

米Greenlight Financialが、Amazon Bedrock AgentCore上に自律型のセキュリティ運用センター（SOC）ソリューション「Luna」を構築した事例をAWSが公開しました。Lunaは月あたり3,000〜4,000件のセキュリティおよびリスク案件のうち90%超を、人の介在なしに解決するとされています。ダークウェブ上の不正利用カード通知、ID・アクセス権限の異常、インフラ監視のアラート、財務リスク事象を数秒単位でトリアージ（選別と初期対応）します。

Greenlightは家族向けのデビットカードや貯蓄ツールを提供する企業で、大手銀行と同様の規制要件のもとで機密性の高い金融データを扱っています。従来は1件ごとに複数のデータソースを突き合わせる必要があり、人間のアナリストで15〜30分かかっていました。月4,000件という規模では人手での処理が成り立たないことが、自動化の出発点だったと説明されています。

基盤として使われているのは、エージェントの構築・接続・最適化のためのAmazon Bedrock AgentCoreです。GreenlightはエージェントコードのホスティングにAgentCore runtimeを、階層型マルチエージェント構成の支えにAgentCore memoryを使っています。同等の機能を自社で構築・運用する必要がなくなった点が、採用理由として挙げられています。

2層のスーパーバイザー構成

Lunaは、人間のSOCチームの分業を模した階層型マルチエージェントシステムです。件数の処理を担うTier 1と、複雑な案件を担うTier 2の2段構えになっています。Tier 1は30以上の専門エージェントを束ねて一次トリアージを行い、通常案件の処理時間の中央値は1桁秒だとされています。

Tier 1の信頼度しきい値を超えた案件はTier 2へエスカレーションされます。Tier 2は拡張推論に対応した基盤モデルを使い、3〜5個のデータソースをまたいで推論を連鎖させ、根拠の連鎖を含む調査レポートを生成します。対象は全体の約1割で、Amazon EventBridgeのレートトリガーとAmazon SNSによる定期バッチ処理に加え、緊急時はオンデマンドでも起動します。

入口は3種類用意されています。件数の大半を占めるTines SOARからの自動取り込み、セキュリティ・リスク・ProdOpsエンジニア向けのAPI直接アクセス、当番エンジニア向けのClaude Desktop拡張機能によるチャットベースの操作です。Amazon API GatewayがLuna Queue APIとModel Context Protocol（MCP）エンドポイントを公開する構成になっています。

記憶層が精度を底上げ

Lunaを単なる都度判断のトリアージツールと分けているのが記憶層です。AgentCore memory上に、直近30日を対象とするエピソード記憶と、それを超えて保持される長期記憶を持ちます。たとえば毎週火曜午前3時に特定ロールが示すアクセスパターンを、最初の解決以降は許可リスト化し、同じ検知を繰り返さないように学習します。

長期記憶には「このアクセスパターンはそのロールの目的上想定内」といった意味的な判断や、解決テンプレートを保持します。原文では、特定のダークウェブ情報源からのカード通知は誤検知率が73%であるという過去データも、重複排除を優先する判断材料として使われると説明されています。

解決結果を還流させるパイプラインも用意されています。LambdaがTinesのイベントから解決結果を取り込み、DynamoDBがパターンの保存と重複排除を担い、同じ解決を3回繰り返すと確定パターンとして記録します。この学習ループにより、自律解決率はTier 1のみの83%から、Tier 1・Tier 2・学習を合わせて90%超に向上したとされています。

金融リスクへ横展開

SOC向けに稼働させたLunaは、2ヶ月で金融リスク評価へと拡張されました。アーキテクチャの変更は最小限で、専門エージェントの追加とリスク領域のスーパーバイザーの追加で対応できたと説明されています。SOC向けに作ったZendeskやMixpanel、Datadog向けのエージェントを再利用し、Galileoや不正スコアリングなど領域固有のエージェントを足す形です。

ダークウェブ流出カードのワークフローが具体例として示されています。脅威インテリジェンス（Mastercardや社内フィード）からカード番号を取り込み、GalileoでGreenlightのカードか・有効かを確認し、DynamoDBで重複通知を排除します。さらにMixpanelやZendesk、社内の不正スコアリングを突き合わせてリスクを判定し、低リスクは記録と監視、中リスクはレビュー対象、高リスクは根拠付きで人間のアナリストへエスカレーションします。

規制産業向けの設計方針として、Lunaは「まずトリアージ、是正は後」と位置づけられています。明示的なポリシー承認なしに自律的な是正措置は取らず、判断根拠を提示するにとどめ、人間のアナリストか承認済みの自動ポリシーが是正を実行する体制です。この分離がコンプライアンス要件とリスクチームの信頼の両立につながったとしています。

現時点での留意点

公開されている情報は、あくまでAWSとGreenlightによる事例紹介です。アラート種別ごとの解決率や誤検知率の内訳、AgentCoreの利用コスト、他のSOC製品と比べた優劣は示されていません。ダークウェブ情報源の誤検知率73%など、一部の数値は社内の過去データに基づくものです。

人手削減の効果も、Greenlightが計測した1件あたり15〜30分という手作業時間を前提とした試算です。月4,000件で1,000〜2,000アナリスト時間、そのうち900〜1,800時間を回避したという数字は、この前提を置いたうえでの推計だと理解しておく必要があります。

また、今回参照した原文ではインフラストラクチャ構成の説明が途中で終わっており、スタック全体の詳細は確認できません。導入を検討する場合は、AgentCoreの対応リージョンや料金、既存のSOAR製品やSIEMとの接続方法を個別に確認する必要があります。