金融 / 決済
Block：セキュリティチームの検知ルール調整、アラート調査、脆弱性修正の自動化
- 企業
- Block
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
OpenAIが2026年10月14日に公開したBlockの顧客事例によると、Square、Cash App、Afterpayを運営するBlockのセキュリティチームは、ソフトウェアのバグ確認やログ解析のような作業に数日から数週間をかけていた。検知ルールの変更を確かめるには過去の数百件の事例を手作業で再照会する必要があり、実際にはほとんど行われず、誤検知アラートの分類にも多くの分析担当者の時間がかかっていた。
使った技術とデータ
BlockのセキュリティチームはOpenAI Daybreakの上にセキュリティ作業の仕組みを作り、作業ごとに適したモデルに振り分け、人が作業を引き継いだりエージェント同士が互いの結果を検証したりする仕組みを設けた。調査ごとに元の照会根拠を保存して、検知ルールの変更案を過去の運用記録に再適用できるようにし、自動分類システムはすべてのアラートを深く調査する。脆弱性については、コードの該当箇所と担当者を特定してパッチを提案し、悪用の可能性と修正を確認するが、この過程は人が主導し、コード変更の展開も人が担う。
成果
事例によると、検知ルールの変更案を7か月分の運用記録に再適用する作業は1時間以内に終わり、最近のレッドチーム演習では上位レベルの脆弱性の報告から自動のパッチ提案まで18分だった。最高情報セキュリティ責任者のJames Nettesheim氏は、自動システムが四半期ごとに分析担当者約1,100時間分の調査を行っていると述べた。事例は、誤検知の分類に使っていた分析担当者の時間を四半期ごとに約600時間取り戻し、アラート分類の処理量と情報収集と調査がそれぞれ50%増えたとしている。
限界と残る課題
事例は、これらの結果を測った期間と比較基準、実際の運用システムに適用したパッチの数を明らかにしていない。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。