--- title: "サイバー防衛AIは「小さくて専門特化」が正解？4BパラのCyberSecQwenが8Bモデ… | AIニュース - ai-garage" description: "AMD Developer Hackathon発の CyberSecQwen-4B が、サイバー攻撃の情報分析（脅威インテリジェンス）を測るテストで、倍サイズの Foundation-Sec-Instruct-8B を上回り。12GBのGPU1枚で動く、防衛特化のAI（LLM＝文章を扱うAI本体）の中身を、てんびん丸が整理するよ。" source: https://ai-garage.jp/news/cybersecqwen-4b-defensive-ai/ --- News 2026年5月9日 最終更新 2026/7/25 # サイバー防衛AIは「小さくて専門特化」が正解？4BパラのCyberSecQwenが8Bモデルを食ったよ AMD Developer Hackathon発の CyberSecQwen-4B が、サイバー攻撃の情報分析（脅威インテリジェンス）を測るテストで、倍サイズの Foundation-Sec-Instruct-8B を上回り。12GBのGPU1枚で動く、防衛特化のAI（LLM＝文章を扱うAI本体）の中身を、てんびん丸が整理するよ。 SY [Seiya Yagashiro](https://ai-garage.jp/site-info/) Editor-in-Chief, ai-garage [#AI](https://ai-garage.jp/tags/AI/)[#サイバーセキュリティ](https://ai-garage.jp/tags/%E3%82%B5%E3%82%A4%E3%83%90%E3%83%BC%E3%82%BB%E3%82%AD%E3%83%A5%E3%83%AA%E3%83%86%E3%82%A3/)[#オープンモデル](https://ai-garage.jp/tags/%E3%82%AA%E3%83%BC%E3%83%97%E3%83%B3%E3%83%A2%E3%83%87%E3%83%AB/) やっほー、ぼくてんびん丸！夜枠だよ。 きょうのニュースはね、「**AIってデカけりゃ強いの？**」っていう最近の常識を、ちょっとひっくり返してくる話。サイバー防衛の世界に、**4Bパラメータでガチに戦える小型モデル**が出てきたんだ。**手元のノートPCで動いて、しかも倍サイズのモデルを部分的に食う**。これ、業界的に結構なシグナルだから整理しておくね。 ## 何があったの？ **AMD Developer Hackathon** から生まれたオープンモデル **CyberSecQwen-4B** が、2026年5月8日付で Hugging Face に公開されたよ。 - **ベース：** Qwen3-4B-Instruct-2507 - **手法：** LoRA（r=64, alpha=64）で防衛向けに追加学習（ファインチューニング）。LoRA っていうのは、モデル全体を作り直さずに一部だけ効率よく学習し直すやり方だよ - **ライセンス：** Apache 2.0（再配布OK） - **学習に使ったマシン：** AMD Instinct MI300X 192GB - **動かすのに必要なマシン：** **ふつうに買えるGPU（民生GPU）1枚、メモリ12GB**で動く つまり、SOC（セキュリティオペレーションセンター＝攻撃を見張る専門チーム）の現場のパソコンで、**社外にデータを一切出さずに**動かせるレベルのサイズ感なんだ。 ## どこがすごい？「4Bが8Bを食う」ベンチ結果 一番の見どころは、サイバー攻撃の情報分析（脅威インテリジェンス）の力を測るテスト **CTI-Bench** での比較。同じ系統で**倍サイズ**の `Foundation-Sec-Instruct-8B` と並べたら、こうなった： | モデル | **CTI-MCQ**（2,500問・選択式） | **CTI-RCM**（CVE→CWE マッピング1,000件＝見つかった脆弱性を、弱点の種類に分類する問題） | | --- | --- | --- | | CyberSecQwen-4B | **0.5868** | 0.6664 | | Foundation-Sec-Instruct-8B | 0.4996 | 0.6850 | | 差 | **+8.7ポイント** | -1.9ポイント | 選択式の脅威分析の問題では**8Bを8.7ポイント差で抜き去り**、脆弱性を種類に分類する問題でも**8Bの97.3%の精度**をキープ。**半分のパラメータ**（AIの中身を形づくる数値の数）でこれを叩き出してるのが、たぶん本件の肝なんだ。 ## なぜ重要？防衛側の現場が「ローカル特化」を求めてた理由 サイバー防衛の現場って、汎用クラウドAIを入れようとすると**3つの壁**にぶつかるんだよね： 1. **データが出せない**：社内の動作記録（ログ）・脆弱性情報・顧客データを、外部のAIサービスに流せない案件が多い 2. **コストが合わない**：あやしいかどうか微妙な警告が1日数千件。全部クラウドのAIに投げてたら、使った分だけ課金される料金体系では破綻する 3. **環境が分断されてる**：エアギャップ（外部ネット遮断）環境の重要インフラに、汎用クラウドAIは原則入れられない CyberSecQwen-4B は **12GBのGPU1枚で完結**するから、**ノートPCや社内サーバー（オンプレ）でそのまま動く**。「**手元で動く × 特化してる × オープン公開**」が三拍子そろうのは、防衛側にとっては結構大きいんだ。 ## ぼくの感想：「専門特化×小型」が来てる気がする 最近のAI界隈ってどうしても「**より大きく、より汎用的に**」のレースに目が行きがちなんだけど、現場のニーズって**逆方向**だったりするんだよね。 - 出せないデータがある → クラウド前提のAIは入れにくい - かけられる費用の上限が低い → 使った分だけ払う従量課金では回らない - 扱う分野が超狭い → 広く浅い知識より「その分野での精度」が欲しい そこに 「**4Bで特化させたら8Bを食う**」 っていう実証が来たのは、結構いいシグナルだと思う。**Llama・Qwen・Mixtral** みたいな公開されている土台のモデル × **LoRAで業務特化**っていう組み合わせ、これから**業界別にバンバン**出てくる気がするんだ。 ちなみに CyberSecQwen-4B は用途を **弱点の種類分け（CWE分類）・脅威情報のQ&A・監視現場での一次仕分け（SOCトリアージ）支援** に明確に絞ってて、**攻撃コード（エクスプロイト）の生成・人が確認しない自動判断・法律/医療の相談には使うな**って公式に明記されてる。**最後まで防衛特化を貫いてる**のは、好感持てるんだ。 ## まとめ - **CyberSecQwen-4B** が AMD Hackathon 発で公開（Apache 2.0） - サイバー攻撃の情報分析を測るテストで **8Bモデルを8.7ポイント上回り**、別のテストでも **97.3%** の精度キープ - **ふつうに買える12GBのGPU**で動くから、監視チームの現場（SOC）・社内サーバー（オンプレ）・ネットから切り離した環境（エアギャップ）にそのまま入れられる - 「**大きさより特化**」っていう新しい入り口が、ちゃんと数字付きで見えてきた 「AI＝デカいクラウドモデル」って思考、もうちょっと**疑ってかかってもいい**時代に来たかもしれないね。**きみの組織にとっては、汎用×クラウド と 特化×ローカル、どっちが向いてる？** 今夜のご飯のお供に、ちょっと考えてみてよ。 参考・一次ソース - [→ 一次ソース](https://huggingface.co/blog/lablab-ai-amd-developer-hackathon/cybersecqwen-4b) ⚖️ この2つを比べる Qwen3.8-Max vs Llama 4 Maverick Alibaba 知能スコア 45 料金 $2 / $6 Meta 知能スコア 10 料金 非公開 料金・性能を横並びで比較 → いま比較表に載っている版どうしの比較です。知能スコアは第三者機関 Artificial Analysis の測定値、料金は API の100万トークンあたりの入力 / 出力（米ドル）。 この記事に出てきた用語・モデル 用語をやさしく解説 [モデル](https://ai-garage.jp/glossary/model/)[API](https://ai-garage.jp/glossary/api/)[GPU](https://ai-garage.jp/glossary/gpu/)[LoRA](https://ai-garage.jp/glossary/lora/)[オンプレ（自社運用）](https://ai-garage.jp/glossary/on-premise/)[パラメータ](https://ai-garage.jp/glossary/parameter/) 関連 AI モデル [Llama](https://ai-garage.jp/models/llama/)[Qwen](https://ai-garage.jp/models/qwen/) この業界での使われ方 実際の業務でどう使われているかは、業種ごとのガイドにまとめています。 - [小売・EC業界での AI の使われ方 →](https://ai-garage.jp/industries/#retail) まとめて読む このテーマの動きは、時系列で1ページに整理しています。 - [AI のセキュリティ事故と対策まとめ →](https://ai-garage.jp/column/ai-security-incidents-2026/) この記事をシェア [Xでシェア](https://twitter.com/intent/tweet?text=%E3%82%B5%E3%82%A4%E3%83%90%E3%83%BC%E9%98%B2%E8%A1%9BAI%E3%81%AF%E3%80%8C%E5%B0%8F%E3%81%95%E3%81%8F%E3%81%A6%E5%B0%82%E9%96%80%E7%89%B9%E5%8C%96%E3%80%8D%E3%81%8C%E6%AD%A3%E8%A7%A3%EF%BC%9F4B%E3%83%91%E3%83%A9%E3%81%AECyberSecQwen%E3%81%8C8B%E3%83%A2%E3%83%87%E3%83%AB%E3%82%92%E9%A3%9F%E3%81%A3%E3%81%9F%E3%82%88%20%7C%20ai-garage&url=https%3A%2F%2Fai-garage.jp%2Fnews%2Fcybersecqwen-4b-defensive-ai%2F) [はてなブックマークに追加](https://b.hatena.ne.jp/add?mode=confirm&url=https%3A%2F%2Fai-garage.jp%2Fnews%2Fcybersecqwen-4b-defensive-ai%2F) 引用文は「『タイトル』 - ai-garage.jp URL」の形でコピーされます。出典として URL を残したまま貼れます。 関連記事 [![Qwen3.8-27B のウェイト公開！Apache 2.0で商用可、性能と必要な容量](https://ai-garage.jp/images/news-heroes/qwen-3-8-27b-open-weights-card.webp)2026/8/15Qwen3.8-27B のウェイト公開！Apache 2.0で商用可、性能と必要な容量](https://ai-garage.jp/news/qwen-3-8-27b-open-weights/)[![Hugging Faceが自律型AIのサイバー攻撃を受けた話](https://ai-garage.jp/images/news-heroes/huggingface-ai-agent-attack-glm-card.webp)2026/7/20Hugging Faceが自律型AIのサイバー攻撃を受けた話](https://ai-garage.jp/news/huggingface-ai-agent-attack-glm/)[![Alibaba「Qwen3.8-Max」が8月3日に正式リリース！総2.4兆パラメータ、Terminal-Bench 2.1 は86.6で Fable 5 超え・SWE-bench Pro は67.7で届かず](https://ai-garage.jp/images/news-heroes/qwen-3-8-max-preview-card.webp)2026/7/20Alibaba「Qwen3.8-Max」が8月3日に正式リリース！総2.4兆パラメータ、Terminal-Bench 2.1 は86.6で Fable 5 超え・SWE-bench Pro は67.7で届かず](https://ai-garage.jp/news/qwen-3-8-max-preview/)[![「Qwen 4」はまだ出てない【2026年10月時点】主力は Qwen3.8-Max・いつ出る？](https://ai-garage.jp/images/news-heroes/qwen-4-release-status-card.webp)2026/7/6「Qwen 4」はまだ出てない【2026年10月時点】主力は Qwen3.8-Max・いつ出る？](https://ai-garage.jp/news/qwen-4-release-status/) 執筆 Seiya Yagashiro（編集長） 公開・更新 公開 2026/5/9 / 最終更新 2026/7/25 この記事は AI（Claude / ChatGPT）の支援を受けて作成し、編集長による事実確認を経て公開しています。 誤りを発見した方は [@tenbin_maru](https://x.com/tenbin_maru) のDMまでご連絡ください。 詳しい編集方針は [編集方針](https://ai-garage.jp/editorial-policy/) ページをご覧ください。