はじめに
サイバー脅威インテリジェンス（CTI: Cyber Threat Intelligence）領域において、2026年10月26日にシリーズAラウンドとして1,500万ドルの資金調達を発表した米ニューヨーク発のスタートアップ Overwatch Data。リード投資家のMouro Capitalをはじめ、Visa VenturesやCapital One Venturesといった大手金融系VCが名を連ねています。すでにVisa、DoorDash、Stripeをはじめとする大手金融・フィンテック企業など40社以上が導入し、ダークウェブや犯罪フォーラム、Telegram上に潜む脅威の監視・対策に同社基盤を活用しています。
従来の脅威インテリジェンスプラットフォーム（TIP）が抱えていた最大の課題は、「アラート疲れ（Alert Fatigue）」でした。ダークウェブやペーストサイトから取得した侵害情報やIoC（侵害指標）を通知するだけにとどまり、実被害の有無や自社への影響調査は、すべてセキュリティアナリストの手作業に委ねられていたためです。
Overwatch Dataはこの課題に対し、「収集（Detect）→ 自律調査（Investigate）→ 連携・対処（Act）」の3工程を統合。AIエージェントが自律的に調査・証拠収集までを完結させる「AIネイティブな脅威インテリジェンス・リスクオペレーション基盤」を打ち出しています。
本記事では、同社の公式サイトで公開されている製品仕様、UI画面データ、ケーススタディをもとに、そのシステムアーキテクチャと技術的要点を紐解きます。
1. 全体アーキテクチャ概要
Overwatch Dataのプラットフォームは、以下の3つのコアパイプラインで構築されています。
- Detect（シグナルの大規模収集）
- アンダーグラウンドフォーラム、マーケットプレイス、リークサイト、Telegram等のチャットチャンネルからの常時インジェスチョン
- 分類器と異常検知による、生ログから「調査候補シグナル（Candidate Signal）」への変換
- 自社リスクに応じた優先度（P0/P1等）の自動判定
- Investigate（AIエージェントによる自律調査）
- 脅威アクターのネットワークを跨いだ自律探索
- エクスプロイトや攻撃手法の検証、購入・決済フローの追跡
- 証拠パッケージ（Evidence Package）の自動生成
- 確信度（Confidence: High / Medium / Low）のスコアリング
- Act（アナリスト検証と既存スタック連携）
- 専門アナリストによる判定・エビデンス検証（Human-in-the-Loop）
- SIEM、SOAR、ケース管理システム、経営層向けブリーフィングへの納品・Webhook連携
2. データ収集・インジェスチョン基盤（Detect）
公式サイトの「01 Detect（Signal collection at scale）」および管理画面の仕様からは、以下の機能・処理フローが確認できます。
- 継続的・網羅的なデータ収集（Continuous Collection）：
ダークウェブ、サイバー犯罪市場（Marketplaces）、データ漏洩サイト（Leak sites）、地下フォーラム、Telegram等のチャットチャンネルを対象に、脅威アクターが活動・準備を行う現場からの常時インジェスチョンを実施。
- 分類器と異常検知による候補シグナル化：
- 絶え間なく流入する非構造化アクティビティに対し、分類器（Classifiers）と異常検知（Anomaly detection）を適用して「調査候補となるシグナル」へとスクリーニング。
- 優先度（Severity / Priority）の自動マッピング：
検知ログは影響度や脅威内容に応じて優先度（P0/P1等）が即座に割り振られ、後続の調査フェーズ（Investigate）へ自動連携。
- P0（Critical）： 標的型OTP奪取ボットの販売（Sale Of Methods Targeting You）、新デバイス認証のバイパス手法共有、従業員の企業アカウント資格情報漏洩、インサイダー脅威など
- P1（High）： 犯罪フォーラムでのアカウント売買、オンラインバンキングのログイン情報リスト（コンボリスト）、クレジットカード情報（BIN＋下4桁）の流出など
3. 自律型調査エージェント（Investigate）
公式サイトの「02 Investigate（Agentic investigation）」および管理画面の調査ログに表示される実際の動作仕様は以下の通りです。
- 人間のアナリストを介さない自律探索：
- アナリストの着手を待つことなく、AIエージェントが脅威アクターのネットワークを自律的に横断し、エクスプロイトの検証や購入・決済フローの追跡を実行。
- 複数ソースの並行探索と証拠集約：
- 実際の調査画面には、エージェントが短時間で多数のツール呼び出しとスキャンを実行したログが表示されます（例: working · 1 calls · worked 24.6s · 13 calls · 1 scan）。エージェントは1つのシグナルを起点に、関連するTelegramチャンネル、過去ログ、販売リストなどの複数ソースへ一斉に探索クエリを展開して横断検索を行い、メッセージ、ファイル、URLなどのエビデンスを束ねた「証拠パッケージ」を自動編成します。
- 根拠に基づく確信度（Confidence）の厳密な判定：
- 調査結果には確信度レベルとともに、その評価に至った理由が明記されます。
- High（高確信度）： Telegram上でOTP奪取ボットが特定の金融機関をサポート対象として名指ししている事実や、コードパネルの存在が直接確認できる場合。
- Medium（中確信度）： 「OTP作業（OTP work）」という募集文脈が、一般的な求人ではなく銀行口座のレンタル（不正送金用口座の調達）を指しているというコンテキストの解釈。
- Low（低確信度）： 攻撃者が自称する奪取成功率や実績値。
- 理由： 攻撃者の自己申告ポストのみに依存しており、被害者側からの報告や客観的・独立した裏付けが存在しないため。
- 調査結果には確信度レベルとともに、その評価に至った理由が明記されます。
- 事実（Fact）と主張（Allegation）の厳格な区分：
- 「公開日より前の投稿であること」「該当人物が実際にその役職に就いていること」は確認済み事実として扱い、インサイダーアクセスの有無については「未検証の主張（Allegation）」としてフラグを立てて区別。
4. 複数チャネルを横断した相関分析と実証事例
Overwatch Dataが公開しているケーススタディ（Case 01〜04）から読み取れる、複数エンティティ間の相関分析の実績は以下の通りです。
- Case 01（送金プログラムへの組織的攻撃）：
- カード番号を含まない約150件の購入領収書から、国内デリバリープラットフォームの送金プログラムに対する能動的な攻撃を特定。1つの発行元、複数の領収書、2つのBINコードを紐付け、初日に6,439枚、3日目には16,306枚のカードリストが出品された事実を特定・通知。
- Case 02（カード製造サプライチェーンのリスク）：
- 複数の発行銀行から流出し、すべて同一の州宛てに郵送されていたカード情報の一致から、サードパーティのカード製造業者における内部不正またはシステム侵害の可能性を特定し、関係銀行へアラートを発信。
- Case 03（銀行内部脅威の早期把握）：
- 大手銀行のインサイダーを主張する固定投稿を発見。公に開示される前に該当人物の在籍と役職を確認し、未検証のアラートとして銀行側に事前伝達。
- Case 04（認証ベンダーからの1億7,000万件データ流出）：
- マーケットプレイス上で主張されていた1億7,000万件の個人情報サンプルレコード1件から、特定の本人確認（ID verification）ベンダーのデータであることを照合・特定。その後の報道や米連邦政府の調査によって事実と一致。
5. 競合技術との比較：従来型TIP vs 自律型エージェント
公式サイトの解説（「How is Overwatch different from a threat intelligence platform (TIP) or a data feed?」）に基づく機能対比は以下の通りです。
| 比較項目 | 従来型TIP / データフィード製品 | Overwatch Data（AI-native CTI） |
| 基本機能 | 脅威データのフィード提供、検索、アラート通知 | 収集から自律的調査・証拠収集・判断パッケージ化まで |
| 調査・判断の主体 | セキュリティアナリスト（手動トリアージ） | AIエージェント（自律調査）＋ 専門アナリスト（検証） |
| トリアージ負荷 | アラート後にアナリストが手動で裏取り | 確信度評価・エビデンス・推奨アクション付きで納品 |
| カバー領域 | 主にマルウェア、侵害指標（IoC）、CVE | サイバー脅威、不正（Fraud）、マーチャント・ブランドリスク |
| 連携形式 | 生ログやアラートの受信 | SIEM / SOAR / ケース管理への確定案件のルーティング |
6. 導入実績と定量効果
公式サイトで公開されている主要な導入企業、連携組織、および定量的成果は以下の通りです。
- 主要導入顧客・パートナー：
- Visa、DoorDash、Stripe、Cash App、SoFi などの金融・決済・テック大手企業を含む40社以上。
- 金融業界の脅威情報共有組織 FS-ISAC、全米独立コミュニティ銀行協会（ICBA）、NCFTA（全米サイバーフォレンジック＆トレーニングアライアンス）、TRM Labs等との連携。
- 導入後90日間の定量改善成果（大手地方銀行の公表事例）：
- 解決された重大脅威数： 6倍に増加
- 脅威の早期検知： 従来比で3日早い検知を実現
- アナリスト業務時間： 毎週20時間以上の工数削減
「Overwatchは、私が過去大手銀行2行で過ごした7年間の合計よりも多くのデジタル脅威を、わずか90日間で浮き彫りにした」
―― 大手地方銀行 不正＆サイバーインテリジェンス担当SVP
まとめ：エンジニアリング視点で読み解く「Agent vs Agent」時代の設計論
Overwatch Dataが提示した製品設計と1,500万ドルの資金調達は、AIネイティブなエンタープライズ・ソフトウェアを設計するハイクラスエンジニアにとって、極めて示唆に富むアーキテクチャの転換点を示しています。
1. 「チャットUI（Chatbot）」から「非同期自律エージェント（Headless Agent）」への脱却
多くの生成AIプロダクトが「ユーザーがプロンプトを入力して回答を得る対話UI」にとどまる中、Overwatchの本質はバックグラウンドで非同期に推論ループを回すヘッドレス・エージェント基盤にあります。 データストリームを監視し、P0/P1シグナルをトリガーとして、エージェントが複数のソースへ並行して探索リクエストを発行（1回の調査で10回以上の内部コールやスキャンを自律実行）。完了したエビデンスパッケージのみを既存のSIEM/SOARスタックにイベント駆動でプッシュする――この「人間の操作を待たず、必要な裏取りを自律分散して短時間で集約するパイプライン設計」こそが、AIエージェントを現場の運用インフラに昇華させる鍵と言えます。
2. 生成AIプロダクトにおける「信頼性工学」とグラウンディング
ミッションクリティカルな業務において最大の壁となるハルシネーション（虚偽出力）に対し、Overwatchの仕様は「厳格なコンフィデンススコアリング」で対処しています。 単に確信度を確率値で出すのではなく、「直接ログが確認できた事実（High）」「文脈からの推論（Medium）」「攻撃者の自己申告であり裏付けがない主張（Low）」をスキーマレベルで厳密に切り分け、かつ「なぜLowなのか」の監査トレースを付与しています。モデルの自由記述に委ねず、構造化出力（Structured Outputs）とエビデンスの紐付けを強制する設計は、金融・法務・セキュリティ領域のLLMシステムを組む際の必須パターンです。
3. 「単一ドメイン」から「マルチドメイン相関（Cyber × Fraud）」へのデータ統合
従来のセキュリティ基盤が「マルウェアやIPアドレス（Cyber）」と「不正送金やアカウント乗っ取り（Fraud）」をサイロ化して扱っていたのに対し、攻撃者は両者をまたいで動いています。Overwatchが示したCase 01〜04の事例は、異なるソース（領収書、BINコード、Telegram投稿、流出ログ）の断片データに対して同時に探索をかけ、高速にエンティティ解決（名寄せ）してネットワークとして接続することの優位性を証明しています。今後は「モデル単体の性能」以上に、「異種データを跨ぐエンティティ相関基盤をエージェントにいかに並行探索させ、証拠を束ねるか」がデータエンジニアリングの主戦場になることを示唆しています。
