2026年11月16日、防御サイバーセキュリティ専用の基盤モデル(Foundation Model)を開発する米イスラエル発のAIラボ、Corma(コーマ)が大きな節目を迎えた。ステルス解除からわずか3カ月で、NEA(New Enterprise Associates)をリード投資家とするシリーズAラウンドで1.25億ドルを調達し、企業評価額10億ドル(ユニコーン)に到達したと発表したのだ。累計調達額は1.85億ドルにのぼる。
2026年10月に発生した大規模脆弱性・侵害の連鎖(通称「Black October」)が浮き彫りにしたように、汎用LLM(大規模言語モデル)の進化は攻撃の自動化を加速させる一方で、防御側の能力を自動的には引き上げない。なぜCormaは、既存モデルのAPIを活用したラッパー開発ではなく、「セキュリティテレメトリを固有のモダリティとして扱う独自基盤モデル」と「大規模企業ネットワーク環境における攻撃AIとの模擬戦による強化学習」という重厚なアプローチでトップVCの支持を集めたのか。同社および投資家、公的機関が公開した公式発表や技術資料をもとに、その技術的本質と日本市場への影響を解剖する。
要点サマリー
- 急成長の背景: 2026年8月のステルス解除から90日で評価額10億ドルを達成。10月の「Black October」を機にFortune 100 / 500企業からの導入依頼が殺到し、現在は計算資源(GPU)の確保が追いつかずウェイトリストが発生している。
- 技術的ブレイクスルー: 汎用LLMが苦手とする「膨大な監査ログ・ネットワークフローからの異常検知」に対し、データをテキスト化せず固有モダリティとして学習。さらに仮想企業ネットワークでの攻撃AIとの模擬戦による強化学習により、汎用モデルを上回る精度・推論速度・コスト効率を実現した。
- 実証済みの導入効果: 本番稼働中の大企業では、セキュリティチームが従来の10倍の業務量を低コストで処理できる体制を実現。実際に進行中のサイバー攻撃を自律的に検知・調査・封じ込めした実績を持つ。
- 日本への波及: 2026年10月の「サイバー対処能力強化法」段階施行と脆弱性悪用の高速化により、国内の基幹インフラ企業やSIer・MSSPにも、従来の人手中心のSOC(セキュリティオペレーションセンター)からの構造転換が迫られている。
1. 公式発表の要点:シリーズA 1.25億ドル調達の背景と使途
2026年11月16日にCormaの共同創業者兼CEOであるアロン・プルダ(Alon Pluda)氏が公開した公式ブログ(Three months in)およびBusiness Wireのプレスリリースから、今回の発表における確定事実を整理する。
- 資金調達とバリュエーションの推移
2026年8月にSequoia Capitalリードのシードラウンド(6,000万ドル)でステルスを解除してからわずか3カ月後、NEAリードによる1.25億ドルのシリーズA調達を完了した。Sequoia Capital、Khosla Ventures、Coatueといった既存投資家も継続出資し、累計調達額は1.85億ドル、評価額は10億ドルに達した。
- 「Black October(2026年10月)」が証明した危機
同社は8月のローンチ時点から「AIの攻撃能力は指数関数的に向上する一方、防御能力は停滞している」と警鐘を鳴らしていた。その懸念は2026年10月、世界中で広く利用されるソフトウェア群を襲った重大脆弱性・侵害の波(業界で「Black October」と呼ばれ、ワシントンから東京まで各国政府が緊急の注意喚起を発出した事態)によって現実のものとなった。
- 実戦投入の成果と計算資源のボトルネック
Black Octoberの発生時、すでに世界有数の大企業のセキュリティ現場ではCormaの基盤モデルを搭載した自律型AIエージェント群(Corma Workforce)が稼働しており、複雑な調査・防御業務をエンドツーエンドで完遂した。この実績を受けて大企業からの引き合いが急増した結果、現在の最大の成長制約は「顧客需要に追いつくためのコンピュート(GPU)キャパシティの確保」となっており、新規導入にはウェイトリスト(順番待ち)が生じている。
- 調達資金の使途
新たに調達した1.25億ドルは、主に以下の3領域に投下される。
- 次世代の防御特化型基盤モデルのスケーリング(学習の加速)
- 推論・学習用コンピュートキャパシティの急拡大
- 基盤モデル研究およびサイバーセキュリティ領域の精鋭人材採用
2. 会社概要:Cormaとはどのような企業か
Cormaは、従来のルールベース製品や汎用LLMを用いたチャットボット型のセキュリティ支援ツール(Copilot型)とは一線を画し、「防御サイバーセキュリティのための超知能(Superintelligence for defensive cybersecurity)」の実現を掲げるフロンティアAIラボだ。
| 項目 | 企業プロファイル(公式発表・投資家開示データより) |
| 設立・拠点 | 2026年8月ステルス解除。イスラエル(テルアビブ)と米国(サンフランシスコ)の2拠点体制 |
| 創業者・経営陣 | 共同創業者兼CEOのアロン・プルダ(Alon Pluda)氏は、イスラエル国防軍(IDF)精鋭諜報部隊「8200部隊」の特殊サブユニット出身。チームはオフェンシブセキュリティの専門家と、GoogleやGoogle DeepMind出身の基盤モデル研究者で構成される |
| 主要投資家 | NEA(シリーズAリード)、Sequoia Capital(シードリード)、Khosla Ventures、Coatue |
| 主力プロダクト | Corma Workforce:独自開発の防御特化型基盤モデル上で動作する自律型AIセキュリティエージェント群 |
| 対応業務領域 | 脅威ハンティング、インシデント対応(IR)、検知エンジニアリング、デジタルフォレンジック、アラート調査・封じ込め |
3. 資金調達に成功した4つの技術的要因
多くのAIセキュリティスタートアップが「OpenAIやAnthropicの汎用LLM+プロンプト/RAG」でプロダクトを構築するなか、なぜCormaは独自基盤モデルのゼロベース学習という巨額の投資を伴う道を選び、トップVCの信頼を勝ち取れたのか。同社および投資家が公開した技術資料から読み取れる要因は次の4点に集約される。
(1)攻撃と防御の「分布シフト」とモダリティの非対称性
Cormaおよびリード投資家NEAの技術分析は、「汎用LLMの進化は攻撃者を利するが、防御者の能力を自動的には引き上げない」という構造的欠陥を定量的に示している。
- 攻撃側の特性: 脆弱性の発見やエクスプロイトコードの作成はソースコードと自然言語の領域であり、コーディング性能を競う汎用LLMの学習分布と完全に一致する。また、攻撃側は1,000回試行して1回成功すれば目的を達成できる。
- 防御側の特性: 監査ログ、ネットワークフロー、システム設定状態、セキュリティイベントの相関分析であり、汎用モデルの事前学習データにはほとんど含まれない(Out-of-Distribution)。さらに、1回の見逃しも許されない極度の「一貫性(Consistency)」と、膨大なノイズの海から微弱なシグナルを拾い上げる仮説形成的推論が不可欠となる。
Cormaが2026年8月に公開したライブネットワーク上での検証実験(8つの子会社ドメイン・64サブネット・約349台のサーバーと約4,483台のワークステーションで構成される仮想企業環境「Kestrel Holdings Group」における241回の対戦テスト)では、汎用フロンティアモデル(Claude Opus 4.8、GPT-5.5、Grok 4.3、DeepSeek V4)は85%の試行で再起動後も生き残る永続的バックドアの設置に成功した。一方で、同じ汎用モデルを用いた防御側の検知率は平均19%にとどまり、自ら仕掛けたバックドアですら78%を見逃す結果となった。
Cormaはこの構造的ギャップを埋めるため、セキュリティテレメトリ(ログ・イベント・状態遷移)を自然言語テキストに無理やり変換せず、データ構造固有のモダリティとしてネイティブに学習するアーキテクチャを採用している。
(2)大規模企業ネットワーク環境における「攻撃AIとの模擬戦による強化学習」
Cormaのモデルは、過去のインシデント解説記事(テキスト)を暗記するのではなく、実際の企業ネットワークを忠実に再現した大規模シミュレーション環境(Enterprise Range)のなかで、攻撃エージェントと対峙する強化学習(Adversarial RL)によって訓練されている。
AlphaZeroなどのゲームAIと同様に、「ディスク差分(Disk Diff)や実機プローブに基づき、侵害を阻止・検知できたか」という検証可能な報酬関数(Verifiable Outcome)のもとで数百万回の試行錯誤を繰り返すことで、未知の攻撃手法に対する高い推論精度と誤検知(False Positive)の抑制を両立した。
(3)汎用モデルを上回る推論速度とトークンコスト効率(DefenseBench V5)
企業のSOCでは日々テラバイト級のログが生成されるため、パラメータ数の巨大な汎用フロンティアモデルを常時走らせると推論レイテンシとAPIコストが破綻する。
Cormaの防御特化モデル(Corma v0.4)は、同社ベンチマーク(DefenseBench V5)において防御タスクの精度および実行速度の双方で汎用モデルを上回った。さらに、独自モデルを自社保有することでサードパーティAPIへのマージン流出を防ぎ、常時ログスキャン(Continuous Log Scanning)を現実的なコストで回せるユニットエコノミクスを確立している。
(4)既存スタック非破壊型の「従業員型オンボーディング」
導入にあたり既存セキュリティツールのリプレース(全面刷新)を一切求めない点も特徴だ。人間の新入社員を迎え入れるのと同様に、既存のSIEM(Splunkなど)やEDR、IdP、クラウド管理コンソールへの権限付与と、SlackやMicrosoft Teamsとの連携を行うだけで数分で稼働を開始できるため、大企業における導入障壁を極小化している。
4. 競合比較:AIサイバーセキュリティ市場の3つのアプローチ
2026年現在のAIサイバーセキュリティ市場は、基盤モデルの保有形態とプラットフォームの中立性によって、大きく3つのアーキテクチャ派閥に分類できる。
| 比較軸 | Corma(防御特化型基盤モデル派) | 既存プラットフォーム大手(Microsoft Security Copilot / CrowdStrike Charlotte AI など) | AI SOCエージェント系スタートアップ(Dropzone AI / Daylight など) |
| コア技術・モデル戦略 | 独自開発の防御専用基盤モデル(セキュリティ固有モダリティ+攻撃AIとの模擬戦による強化学習) | 汎用LLMのファインチューニング+自社データレイク統合 | 汎用フロンティアモデル(Claude / GPTなど)のAPI連携+ワークフロー制御 |
| マルチベンダー中立性 | 高い(他社製SIEM・EDR・クラウドを横断して人間のように直接操作) | 自社エコシステム(Defender、Falconなど)内での最適化が中心 | 中立的(Webhook / API経由で既存ツールと連携) |
| 得意とする業務領域 | 高度な脅威ハンティング、複雑なインシデント対応、検知エンジニアリング、フォレンジック | アラート要約、自然言語クエリ生成、自社製品内の自動隔離 | Tier 1/2 アラートの自動トリアージ(定型的な一次切り分けの自動化) |
| 構造上のボトルネック | 独自モデル学習・常時推論のための計算資源(GPUキャパシティ)の確保 | 汎用モデル由来の推論コストと、他社製品ログに対する横断性の限界 | 基盤モデル自体を持たないため、外部モデルの進化やAPI価格への依存度が高い |
5. 導入実績・トラクション
Cormaは顧客のセキュリティ機密保持の観点から個別企業名を非公開としているものの、公式発表およびリード投資家NEAの開示資料から、以下の定量的実績が明らかになっている。
- Fortune 100 / 500 / Global 500企業での本番稼働: 金融サービス、ヘルスケア、エネルギー・重要インフラ、通信、小売など、厳格な規制要件と高い攻撃リスクに晒される大企業のセキュリティチームに「Corma Workforce」が実戦配備されている。
- セキュリティチームの処理能力10倍化とタスク単価の大幅削減: 導入企業ではセキュリティタスクの大部分をエンドツーエンドで自律完遂し、人間のセキュリティチームが従来の10倍(10x)の業務量をはるかに低いタスク単価で処理できる体制を実現した。
- 実環境で進行中のサイバー攻撃の自律検知・調査・封じ込め: 実際のエンタープライズ環境において、進行中のサイバー攻撃を自律的に検知・調査・封じ込め(Contained)した実戦実績を持つ。これまでリソース不足で未対応のまま放置されていた脅威ハンティングやインシデント対応、検知エンジニアリング、デジタルフォレンジックといった業務の自動化領域が急速に拡大している。
- 3カ月でサーバーキャパシティを24倍に拡張: 2026年8月のステルス解除以降、大企業からのログ解析・自律調査ワークロードの急増と「Black October」を受けた需要拡大に対応するため、わずか3カ月でサーバーキャパシティを24倍へと拡大した。
6. 今後の日本への影響:法制度施行と「Black October」が迫るSOC構造転換
Cormaが公式ブログで「ワシントンから東京まで各国政府が警鐘を鳴らした」と明記した通り、2026年10月の「Black October」と防御特化型AIの台頭は、日本のセキュリティ体制およびエンタープライズIT基盤に4つの直接的なインパクトを与える。
(1)「Black October」が露呈した国内レガシー環境とパッチ運用の限界
2026年10月に公表されたPHPの重大脆弱性(CVE-2026-109618 / CVE-2026-109619:PHP2shell)やその後の関連セキュリティリリースに対し、独立行政法人情報処理推進機構(IPA)は「攻撃者が脆弱性を悪用し、極めて短時間で攻撃を実行する可能性がある」として異例の連続注意喚起を発出した。
AIによって脆弱性公開から悪用コード生成・自動スキャンまでの時間(Time-to-Exploit)が極端に短縮された現在、日本企業に根強い「ベンダーによる検証完了や定期メンテナンス窓を待つ人間主体のパッチ運用サイクル」だけでは侵入を防ぎきれないフェーズに突入している。
(2)「サイバー対処能力強化法(能動的サイバー防御関連法)」の段階施行による即応圧力
日本国内では2025年5月に成立した「サイバー対処能力強化法及び同整備法」に基づき、2026年10月1日に「官民連携の強化(基幹インフラ15分野・258事業者に対する特定重要電子計算機の資産届出義務、インシデント報告義務、約100組織による協議会設置)」および「アクセス・無害化措置」が施行された(通信情報の利用は2027年秋施行予定)。
基幹インフラ事業者やそのサプライチェーン企業には、不正アクセスなどの認知から政府への迅速な報告と能動的な対処が法制度上も義務付けられており、人手によるログ突合から「マルチベンダーのテレメトリを常時自律解析するAI Workforce」への移行圧力が急速に高まっている。
(3)国内SIer・MSSP(マネージドセキュリティサービス)のビジネスモデル転換
日本のエンタープライズ市場では、SOC監視を外部のMSSPやSIerに委託する形態が一般的だ。しかし、米国Fortune 500企業がCormaのような防御専用AIエージェントを自社環境(EDR/SIEM/IAM)に直接接続し、「24時間自律調査・封じ込め」を内製化し始めている動きは、従来の「人月ベースのTier 1/2 アラート監視ビジネス」に対する構造的なディスラプション(創造的破壊)となる。国内SIerやMSSPにとっても、汎用LLMのチャットUI提供にとどまらず、自律型エージェントの監視基盤への統合が急務となる。
(4)ウェイトリスト化とデータ主権(国内リージョン・閉域網要件)の壁
現在Cormaは計算資源の制約から新規導入がウェイトリスト状態にある。加えて、日本の金融機関や基幹インフラ事業者が米国・イスラエル発のAIセキュリティ基盤を採用する際には、「大量の監査ログやネットワークテレメトリを国外クラウドへ送信できるか(データ主権・閉域網要件)」が最大の導入障壁となる。今後日本市場で本格的に普及するには、国内リージョンでの推論基盤の整備やソブリン要件への適合が不可欠となるだろう。
7. エンジニア向けのまとめ
AI基盤エンジニアおよびセキュリティアーキテクトが、Cormaの事例から押さえておくべき設計上の示唆は次の3点である。
- 「汎用LLMの限界」はログ・状態遷移推論において最も顕著に現れる
コード生成や自然言語処理では汎用フロンティアモデルが圧倒的な強さを持つ一方、「膨大な非構造化ログからの異常検知」や「ゼロミスが求められる多段階の状態遷移推論」においては、ドメイン固有のモダリティ設計とシミュレーション環境での攻撃AIとの模擬戦による強化学習を用いた特化型モデルが、精度・レイテンシ・推論コストのすべてで優位に立つ。
- 「AIの需要爆発=コンピュート確保競争」はアプリケーション層にも直結する
CEOのアロン・プルダ氏が率直に明かしている通り、Cormaの最大の成長制約は営業力ではなく「顧客のログ解析需要に追いつくためのGPU計算資源の確保」である。AIインフラ設計においては、推論時のトークン単価と常時稼働スループットを前提としたキャパシティプランニングが生命線となる。
- SOCエンジニアの主業務は「アラート処理」から「AIエージェントの権限設計・評価基盤構築」へ
調査・トリアージ・検知ルール作成が自律エージェントへ移管されることで、人間のセキュリティエンジニアには「AIエージェントにどの範囲のIAM権限や自動隔離アクションを許可するかというガードレール設計(Human-in-the-Loop)」と、「自社ネットワークを模した検証用レンジ(シミュレーション環境)の維持」という、より上位のアーキテクチャ設計能力が求められる。
8. 参考リンク
- https://www.corma.ai/blog/three-months-in
- https://www.businesswire.com/news/home/20261116743982/en/Corma-Raises-%24125M-Series-A-at-%241B-Valuation-to-Scale-Its-Frontier-Foundation-Model-for-Cyber-Defense-as-Fortune-500-Adoption-of-Its-Models-Surges
- https://www.corma.ai/
- https://www.corma.ai/blog
- https://www.corma.ai/blog/defensive-gap-research
- https://www.nea.com/blog/corma-superintelligence-for-cyber-defenders
- https://www.nea.com/portfolio/corma
- https://sequoiacap.com/founder/alon-pluda
- https://www.ipa.go.jp/security/security-alert/2026/pre-alert20261119.html
- https://www.ipa.go.jp/security/security-alert/2026/alert20261120.html
- https://www.cyber.go.jp/pdf/press/siryou_20260930.pdf