F5 WAF、アプリケーション単位の異常ベースラインを導入、スキャン結果を仮想パッチルールへ直接変換可能に

F5は9月1日、Distributed Cloud Web Application Firewall（WAF）をアップデートした。各HTTPリクエストをリアルタイムの機械学習分類器とニューラルネットワークベースのリスクエンジンで評価し、さらに新しいアプリケーション単位の異常検知を組み合わせる。システムは各アプリケーションのトラフィックから統計的ベースラインを構築し、通常とは異なるHTTPメソッド、ヘッダー、パラメーター、トラフィックパターンを持つリクエストを識別する。既知の攻撃シグネチャとの照合だけに依存する方式とは異なり、まだCVEルールが存在しないインジェクション攻撃やポリモーフィック攻撃の阻止を目的としている。[F5の発表](https://www.f5.com/company/news/press-releases/virtual-patching-ai-powered-waf-runtime-security)と[技術ドキュメント](https://docs.cloud.f5.com/docs-v2/web-app-and-api-protection/concepts/ai-powered-risk-scoring)によると、モデルはデータパス内で動作し、従来のシグネチャ、Indicator of Compromise（IoC）、ポリシーと併せて最終的なリスクスコアを算出する。

もう一つの変更点は、Distributed Cloud Web App Scanningの検出結果をWAFの実行レイヤーへ接続したことだ。チームはCVE、攻撃経路、HTTPメソッド、ヘッダー、パラメーターに基づいて対象範囲を絞った仮想パッチルールを生成できる。悪用可能なリクエストをまずエッジでブロックし、その後、通常の変更プロセスに従ってソースコードを修正する。同じワークフローはBIG-IPにも拡張される。エージェント型脅威インテリジェンスは、外部の攻撃インテリジェンスを集約して顧客が実際に露出している攻撃対象領域と関連付け、IPアドレスのブロック、仮想パッチの適用、ポリシーの調整などを提案する。

技術的な価値は、「脆弱性の発見—関連性の判断—ブロックの実行」という流れを自動化可能なクローズドループに短縮し、スキャナーが単にタスクリストを生成するだけの状態から脱却できる点にある。ただし、仮想パッチはソースコードの修正ではなく、意味的に等価な変形入力によって回避される可能性もある。既存研究では、実環境のWAFが敵対的なSQL injectionの影響を受けることが示されている。[AdvSQLi論文](https://arxiv.org/abs/2401.02615)は、この種のリスクについて再現可能な証拠を提示している。

F5は社内テストで98%の検知性能と1%の誤検知率を達成したとしているが、データセット、トラフィック分布、比較ベースライン、追加されるテールレイテンシーを公開していないため、その結果を本番環境へ直接一般化することはできない。異常検知とエージェント型インテリジェンスも、なお段階的なロールアウトの途中にある。エンジニアリングチームはまず、自社のAPIトラフィック、エンコーディングの変形、正当なアクセス急増を使ってshadow modeでテストし、誤ブロック、ルールのロールバック時間、モデルサービス障害時のfail-open／fail-closedの挙動を測定すべきだ。