Netskope製品におけるAI/MLの利用とガバナンス

2026年7月更新

Netskopeプラットフォームの多くの機能は、AI/ML モデルを通じて実装されています。 モデルのほとんどはNetskopeによって内部開発され、 Netskope独自のものであり、サイバーセキュリティを対象としています。 AI/ML モデルは、2019 年以降、実稼働Netskope Oneプラットフォームの一部となっています。

Netskopeは、社内AIガバナンス委員会があり、 Netskope社内およびNetskope製品におけるAI/MLの安全かつ倫理的な使用に関する社内 プロセスおよび基準を設定しています。 。 委員会には、技術、プライバシー、法律の専門家が含まれている。

NetskopeのAI/MLモデルに依存する製品には、以下のようなものがありますが、これらに限定されません。

• 高度なデータ漏洩防止機能（DLP）
• 高度な脅威対策
• 高度なユーザーおよびエンティティ行動分析（UEBA）
• AgentSkope
• AI Gateway
• AI Guardrails
• AI Red Teaming
• Borderless SD-WAN
• Cloud Confidence Index (CCI)
• Device Intelligence
• Digital Experience Management (民主党)
• Enterprise Browser
• Netskope Private Access （ NPA ）
• Next Gen Secure Web Gateway （NG-SWG）
• SkopeAI Data Protection
• SkopeAI 脅威対策

これらの製品の一部の側面はAI/MLモデルに依存しているが、他の多くの側面はそうではない。Netskopeは、ご要望に応じて、特定の機能とそのAI/MLモデルとの関連性に関する詳細情報を提供いたします。

顧客データを使う

顧客データは次の 2 つの状況でのみ使用されます。

• ユーザー単位のモデル（Advanced UEBA、Borderless SD-WAN Operations、Device Intelligenceに含まれています）。
• 高度なDLPにおける独自の分類器のトレーニング。

それらについてはここで説明されています。

• ユーザーごとのモデルを持つ機能は、各ユーザーの行動に関する動的なモデルを構築します。このモデルは、セキュリティ上の問題を示唆する可能性のあるユーザー活動の異常を特定するのに役立ちます。これらのモデルは本質的に特定のユーザーのデータに依存しており、一般的なユーザーのモデルでは真の異常を特定するには効果的ではありません。このモデルはユーザー固有のものですが、比較的低レベルのトランザクション情報（おおよそクリックストリーム）に基づいて構築されており、アップロード/ダウンロードされるコンテンツは一切含まれていません。
  データの利用を制限するために、ユーザーごとのモデル(Advanced UEBA、 Borderless SD-WAN Operations、 Device Intelligenceなど)に依存する機能(使うをしない)を選択できます。
• Netskopeの 「Train Your Own Classifier 」機能は、DLP用のMLモデルを構築し、Netskope Cloud内でデータ保護に利用できるようにします。それぞれのモデルは、あなたが提供したデータに本質的に依存しています。
  データのこの使用を制限するには、Train Your Own Classifier を使用しないことを選択できます。

Netskopeの機能のさまざまな側面を支えるAI/MLモデルは他にも多数存在するが、それらのモデルはすべてNetskope独自のデータ、またはベンダーから提供されたデータのみを使用して完全にトレーニングされている。

これらのケースを除いて、 Netskopeモデルのトレーニングに顧客データを使用する必要はありません。

モデルトレーニング

前述のとおり、顧客データがAI/MLモデルに影響を与える方法はごく限られています。お客様のデータに基づくモデルは、他のお客様や 他のテナントと共有されることは一切ありません。それらは元のテナントのみに保持されます。

Netskopeでは、DLP、脅威対策、UEBA、 Next Gen Secure Web Gatewayなどのさまざまなアプリケーションに対応するマシンラーニング (AI/ML) モデルのトレーニングとテストに独自のデータを使用しています。 当社のモデルアルゴリズムは、深層学習ニューラルネットワークから決定木に基づく学習手法まで、幅広い範囲を網羅しています。当社は、厳格なラボテストと実稼働環境での評価を通じて、モデルの精度を保証しています。

モデルの精度を評価するための主要な指標には、精度、検出率、偽陽性率などがある。さらに、デプロイするモデルを選択する際には、モデルの実行時間とレイテンシも考慮に入れます。我々の最優先事項は、本番環境への導入において、最高の精度と最低の遅延を実現するモデルを選択することです。

モデルが本番環境にリリースされると、私たちはそのパフォーマンスを積極的に監視します。 本番データとテストサンプル両方を監視します。 正解ラベルは、以下のような様々な情報源から収集されます。

• マルウェア対策にはVirusTotal、フィッシングURL対策にはPhishTankといったオンラインサービスや脅威情報フィード。
• Netskope社自身の企業ネットワークトラフィックから抽出したサンプルを、手動でレビューしました。
• お客様からのフィードバック（お客様の許可を得た上で）。

モデルの効果低下が確認された場合は、さらに訓練データを収集し、モデルを再訓練し、訓練・検証・展開・監視のプロセスを繰り返します。当社のモデルは通常、6か月ごとに更新されますが、必要に応じて更新される場合もあります（例えば、偽陽性が大幅に増加した場合や、検出率が低下した場合など）。モデルの更新に関する情報は、Netskope Security Cloud Platformサービスのリリースノートに記載されています。例えば、データ保護および脅威保護モデルを年に複数回更新し、常に最新の状態に保っています。

Netskopeは、さまざまなソースからの多様なトレーニングデータを取り込むよう努めています。ただし、私たちのトレーニングデータは、モデルが本番環境で扱うデータの100%を網羅しているとは限りません。例えば、DLP画像分類モデルを訓練するために、世界中のすべての国のパスポート画像を持っているわけではありません。さらに、トレーニングデータにはノイズが含まれている可能性があります。例えば、今日無害とされているWindowsの実行ファイルが、来月には悪意のあるファイルであることが判明するかもしれない。そのため、このモデルは100％の網羅性と精度を保証するものではありません。

Netskope継続的な発明は、これらのトレーニング上の制限の一部を軽減または完全に解消する可能性があり、私たちの目標は、ターゲットセキュリティへの影響を避けることです。 ケース。

AI/MLモデルの偏りをなくす

Netskopeのモデルは、ネットワークトラフィックという狭義の意味を除いて、基本的にユーザーの特性を考慮しない。Netskope 、プラットフォームのセキュリティ機能を実装するためにNetskope Security Cloud Platformサービス内でのみ使用するカスタム独自の ML モデルを開発しました。 これらのモデルは、エンドユーザーとウェブ／クラウドサービス間のトラフィックにおけるセキュリティ機能および性能に関連しています。一部のモデルではユーザーが識別可能で認識できる場合もありますが、これらのモデルは 顧客の個人情報/PIIデータを使用しておらず、セキュリティ関連の決定において年齢、性別、人種、その他の法的に保護された特性を使用していません。 Netskope Security Cloudには、ユーザーの法的保護対象となる特性を特定しようとする仕組みは一切なく、そのような機能に関する制御機能もありません。

リスク管理フレームワークとの整合性

Netskope 、NIST AI-100-1を含むリスク管理フレームワークを活用し、機械学習モデルの設計、開発、展開が フレームワーク標準に準拠していることを保証し、AI/MLの多くのリスクがセキュリティ、プライバシー、倫理、責任の観点から適切に評価および管理されるようにしています。当社は現在ISO 42001への準拠を進めていますが、まだ認証を取得していません。

Netskopeの機械学習モデルはすべて、Netskopeのサービスに組み込まれています。Netskopeは、機械学習モデルの開発と適切な使用、有効性のテスト、および必要に応じたモデルの交換の両方に責任を負います。

特に、Netskopeからの情報がない限り、顧客管理者もエンドユーザーも、特定の機能や動作がAI/MLモデルによって実装されているかどうか、あるいはそのモデルが変更されたかどうかを判断することはできません。したがって、AI/MLモデルのリスク管理フレームワークの大部分は、Netskope Oneサイバーセキュリティプラットフォームのリスク管理にそのまま適用できます。

自動化とAI/MLモデル、そして人間主導のポリシーを組み合わせることで、効率的な意思決定を実現する。

NetskopeのAI/MLモデルは、データ保護および脅威対策のためのSkopeAI 、高度なUEBA（ユーザーおよびエンティティ行動分析）、 Borderless SD-WAN 、 Device Intelligenceなど、さまざまな製品に統合されています。 これらのモデルは、高度なスコアリングおよび分類技術を用いて、膨大な量のデータを自動化して異常や潜在的な脅威を特定するように設計されています。

これらのモデルは特定のタスクのためにデータを自動的にスコアリングおよび分類できますが、その導入、モデルの出力を活用するセキュリティポリシーの設定、およびガバナンスに関する決定は、人間の洞察力と専門知識によって行われます。

使う LLMs

Netskope Oneプラットフォーム使う Netskope-proprietary LLMS を以下の使うケースに使います:

• ユーザーまたはエージェントが生成型AI（GenAI）アプリケーションまたはエージェントとやり取りしている際に、生成型AIトラフィック内のプロンプトとレスポンスを検査する。この機能は、 AI SecurityガードレールとAI Gateway両方の製品に含まれています。

Netskope Oneプラットフォームは、いくつかのサードパーティ LLM も使用します。 このようなケースでは、サードパーティ プロバイダーによって顧客データが記録されることはなく、サードパーティ プロバイダーがモデルのトレーニングにNetskope顧客データを使用することもありません。 サードパーティ LLM は、次の使用ケースをサポートしています。

• Device Intelligence製品におけるアラートの分析機能を強化するため。 LLMには公開アラート署名名のみが共有され、顧客データが関与しないことが保証されます。 
• Netskope独自のCCIデータベースとの会話型やり取りをサポートするために、Cloud Confidence Index製品のCCI Insights Agentを通じて。 
• Netskopeのテレメトリおよびメトリクスデータベースとの対話型やり取りを、Digital Experience Management製品のDEM Data Intelligence Agentを通じて支援すること。
• DLP AISecOps Agentを介して、エンドツーエンドのデータ セキュリティ アナリストによる調査と修復のワークフローを実行します。
• 内部脅威AISecOpsエージェントを介して、内部脅威のトリアージと分析を実行します。

LLM（法学修士）とエージェントは別物であることに注意してください。一部の LLM はエージェントではない機能で使用されますが、一部のエージェントは LLM を使用するように実装されていません。 特に、以下のNetskopeエージェントは 現在LLMに対応していません：

• Private Access AIOps Agent.
• DEM Data Intelligence Agent.

AI/ML技術を用いた未来のイノベーションへのアプローチ

私たちは、生成AIやLLM（論理学習モデル）など、最先端のAIおよび機械学習技術を継続的に実験しています。これらの技術の応用例は、利用可能になり次第発表されます。

顧客データに関係する可能性のある機能に対する当社のアプローチは、デフォルトでのオプトアウト、顧客データの使用を明確に示し、適切な事前通知を行うなどのベスト プラクティスに従っています。

Netskopeは、透明性を維持し、お客様のプライバシーとセキュリティを保護することに尽力しています。