インフラ & セキュリティ確認済Read in English

修正の公開から攻撃まで人の手なし Google、自律型AIによる攻撃を初めて確認

AIが修正パッチの差分から攻撃コードを書き、そのまま攻撃まで実行していた。修正が出てから攻撃されるまでの猶予は数日から数時間へ縮み、守る側は修正を当てる速さを問われる

田中 誠一|2026.11.18|13分|更新: 2026.11.18

Googleの脅威分析チームGTIGは11月の報告で、攻撃者がAIの仕組みを使い、欠陥探しから攻撃の実行までを人の手を介さず自動化した例を初めて確認した。修正の差分を読んで攻撃コードを書く仕組みが、フランスのサイトを狙っていた。修正の公開から悪用までの猶予は、数日から数時間へ縮みつつある。

Key Points

修正の公開から攻撃まで人の手なし Google、自律型AIによる攻撃を初めて確認

Google の脅威分析チーム GTIG(Google Threat Intelligence Group)は、11月16〜17日に公表した報告で、ある事例を初めて確認したと明かした。攻撃者が大規模言語モデル(LLM)を組み込んだ仕組みを使い、ソフトの欠陥探しから攻撃の実行までを、人の手を介さずに自動でこなしていたという。ソフトの会社が修正(パッチ)を出してから、その欠陥が攻撃に使われるまでの猶予は、数日から数時間へ縮みつつある。修正を来週まとめて当てる、というやり方は前提から見直しを迫られている。

日本の会社にとって:自社の Web サイトや外から見えるサーバーを持つ会社(メディア、EC、学校や教育の事業など)の情報システム担当者は、重大な修正を当てるまでの目標時間を、今週中に保守の委託先と確かめる。数日以上かかる契約なら、緊急時に短い時間で当てる手順と費用を取り決めておく。

修正の差分から攻撃コードまで、AI が通しでこなした

GTIG が見つけた自動攻撃の仕組みは「exploit_agent」という名前で、インターネットから見えるサーバーに置かれていた。GTIG の報告によると、exploit_agent はソフトの修正前と修正後のコードを比べて、直された欠陥を割り出す。次に、その欠陥を突く攻撃コードを書き、人が確かめないまま実際に攻撃を実行していた。狙われていたのは、フランスのメディア、娯楽、教育のサイトである。サーバーには、被害者から盗み出したデータも残っていた。

In the past quarter, GTIG identified threat actors using LLM frameworks to fully automate vulnerability discovery and exploitation without a human in the loop for the first time.

訳: この四半期、GTIGは攻撃者がLLMの仕組みを使い、脆弱性の発見から悪用までを人を介さず完全に自動化している例を初めて確認した。

— Google Threat Intelligence Group(GTIG)(Google), 2026-11-17, 出典

GTIG が「初めて確認した」と書いたのは、こういう意味である。攻撃者が AI に下書きをさせて人が仕上げる形ではなく、攻撃の工程をまるごと機械に任せる形が、実験ではなく実際の攻撃で見つかった。exploit_agent の例は、AI が攻撃を手伝う段階から、AI が攻撃を受け持つ段階に移ったことを示している。

GTIG の報告は、オープンソースで公開されている攻撃用の道具「CAIRN」と「PentAGI」が、実際の侵入に使われたことも挙げた。AI を使う攻撃の道具が、だれでも手に入る形で出回り、本物の攻撃に組み込まれている。

修正の公開が、攻撃の合図になる

修正の公開から攻撃までの時間が縮む理由について、GTIG はこう説明する。AI の機能をつなぎ合わせれば、差分を読み解くこと、攻撃コードを書くこと、実行することが、切れ目なく進むからだという。

By chaining these capabilities together, threat actors can dramatically reduce the window between patch disclosure and weaponized exploitation.

訳: こうした機能をつなぎ合わせることで、攻撃者は修正の公開から実際に攻撃に使うまでの期間を劇的に縮められる。

— Google Threat Intelligence Group(GTIG)(Google), 2026-11-17, 出典

修正パッチは、どこに欠陥があったかを示す地図にもなる。これまでは、人の専門家が差分を読み解いて攻撃コードを仕上げるまでに時間がかかることが多く、その間に利用者が修正を当てられた。その作業を機械が肩代わりすれば、修正が出たときから攻撃との競争が始まる。利用者が修正を当てるまでの時間が、そのまま攻撃の機会になる。

AI で修正から攻撃コードを作れることは、研究者の実験でもすでに示されていた。研究機関 Epoch AI は10月、だれでも手に入る中国 Z.ai のモデル GLM 5.3 を使い、Firefox の公開された修正から、動く攻撃コードを作れたと報告した。調べた6つの版のすべてで成功し、最も速いもので約12時間、費用は1版あたり約1,000ドル(約16万円)だった。GTIG の今回の報告は、Epoch AI の実験と同じことが、実際の攻撃で起きていることを示した。

GTIG の数え方では、修正が出る前に悪用される欠陥(ゼロデイ)は、2025年には月平均8件確認されていた。2026年は月平均11件に増え、8月には22件に達した。

動かない攻撃コードの山が、守る側の手を取る

AI による攻撃の自動化は、守る側に別の負担も生んでいる。GTIG によると、攻撃に手を出すハードルが下がった結果、「動く」とうたいながら実際には動かない、LLM が書いた攻撃コードが大量に出回っている。

Simultaneously, the lower barrier to entry has fueled a wave of LLM-generated exploits that are claimed to work but don't, creating additional verification work for defenders.

訳: 同時に、参入の壁が下がったことで「動く」とうたいながら実際には動かない、LLMが書いた攻撃コードが大量に出回り、守る側の確認作業が増えている。

— Google Threat Intelligence Group(GTIG)(Google), 2026-11-17, 出典

出回る攻撃コードが本物かどうかを確かめる手間は、セキュリティの担当者や、脆弱性の情報を配る会社にのしかかる。偽物の攻撃コードが多いほど、本物の警報が埋もれやすい。自社に関わる危険かどうかを見分けるのにも時間を取られる。

AI の開発ツールそのものも狙われた

GTIG の報告は、攻撃者が AI の道具そのものを狙った例も挙げた。北朝鮮に関わるとみられる集団が、開発者が使う Claude Code の設定ファイルを書き換え、起動するたびに裏口(外から操るための仕掛け)が動くようにしていた。AI のサービスにログインするための認証情報を盗んで悪用し、1日10万ドル(約1,590万円)を超え、累計で100万ドル(約1億5,900万円)の利用料を発生させた例もあった。

Claude Code などの AI の開発ツールを社内で使っている会社では、情報システム部門が点検の項目を2つ加える。開発者の端末の設定ファイルが勝手に書き換えられていないかと、AI サービスの利用額が急に増えていないかである。

修正を当てる仕事は「数日」から「数時間」へ

修正の公開から攻撃までが縮むなら、守る側が修正を当てる時間も縮めるしかない。米国の医療機関 MultiCare Health System で最高情報セキュリティ責任者(CISO)を務める Jason Elrod は、GTIG の報告を伝える米 TechTarget の報道の中で、これまでの修正の周期はもう通用しないと述べた。

Traditional patching cycles are becoming obsolete, and some fixes will need to happen in hours rather than days or weeks

訳: 従来のパッチ適用の周期は時代遅れになりつつある。修正によっては、数日や数週間ではなく数時間で当てる必要が出てくる。

— Jason Elrod(MultiCare Health System 最高情報セキュリティ責任者(CISO)), 2026-11-17, 出典

セキュリティ会社 Coalfire で防御サービスを担当する副社長の Neil Wyler も、同じ考えを示す。攻撃にかかる時間が縮んだ分だけ、異常を見つけてから被害を封じ込めるまでの時間も縮める必要があるという。

AI cuts attack timelines from days to minutes, so detection-to-containment time has to shrink the same way

訳: AIで攻撃にかかる時間は数日から数分に縮む。だから検知から封じ込めまでの時間も同じだけ縮めなければならない。

— Neil Wyler(Coalfire 防御サービス担当VP), 2026-11-17, 出典

脆弱性の扱いの決まりごとも動き始めた。Anthropic は11月16日、見つけた脆弱性を公にするまでの期限を縮めると発表した。2027年1月1日以降の報告から、重大と深刻なものは90日から30日になる。理由は、最先端の AI は欠陥を見つけるのがうまく、ほかの AI もすぐに同じ欠陥を見つけ直すからだという。業界の標準だった90日を AI の力を理由に縮める動きで、GTIG の報告と同じ向きである。

日本の会社にとって現実的な手は、すべての修正を数時間で当てることではない。まず、外から見えるサーバーや Web サイトで動いているソフトを洗い出す。そのソフトについては、重大な修正を最優先で当てる手順を決めておく。すぐに当てられない間は通信を止めるなど、代わりの守りもあらかじめ決めておく。

まだ分かっていないこと

GTIG の報告をめぐって、確かめられなかった点もある。exploit_agent を動かしていた攻撃者がだれか、どれだけの被害が出たか、どの AI モデルが使われたかは、今回読んだ報告と報道(SiliconANGLE、TechTarget など)からは分からなかった。Elrod と Wyler の発言は報道に載ったもので、GTIG の報告そのものには入っていない。

風刺画: 修正の公開から攻撃まで人の手なし Google、自律型AIによる攻撃を初めて確認

Editorial Cartoon

本記事がもたらす影響を風刺的に描いたひとコマ漫画

Verification

信頼ラベル確認済
一次ソース4件確認
最終検証2026.11.18
VerifiedRev. 1
sha256:3bbaa7899c5734f4...6d1f7db1

この記事はEd25519デジタル署名で検証済みです。改ざんは検出されていません。

検証API
Ethics Score95/100
引用密度20/20
ソースURL数15/20
信頼ラベル15/15
表現の慎重さ15/15
キーポイント10/10
サマリー品質10/10
本文充実度10/10

v1.0.0 — ルールベース自動採点

詳細API
Share

関連記事

AIの学習を4ビットで、時間を最大2割短縮 元OpenAI幹部の会社
インフラ & セキュリティ確認済

AIの学習を4ビットで、時間を最大2割短縮 元OpenAI幹部の会社

元 OpenAI の Mira Murati 氏の会社 Thinking Machines が、専門家層(MoE の expert 層)の順方向の計算を、事前学習から強化学習まで一貫して4ビットで行う学習の方法を公表した。8ビットと比べ、かかる時間は事前学習で約8%、強化学習で約20%短くなった。計算効率の落ちは約2%だという。カーネルは公開しておらず、外の人はまだ同じ結果を出せない。

2026.11.15
中国の主力AI6本、輸出禁止の米国製チップで学習か 重みの痕跡から分析
インフラ & セキュリティ確認済

中国の主力AI6本、輸出禁止の米国製チップで学習か 重みの痕跡から分析

DeepSeek や Kimi など中国の6つのオープンなモデルについて、公開された重みに残る初期化の痕跡から、中国への輸出が禁じられた NVIDIA の Blackwell で学習されたとする分析が出た。重みだけから学習に使った機械を割り出した初めての証拠になる。ただ、チップがどこにあり、どう手に入れたかは示していない。

2026.11.14
最強のAIでも防げたのは66% エージェントの守りはモデル任せにできない
インフラ & セキュリティ確認済

最強のAIでも防げたのは66% エージェントの守りはモデル任せにできない

Google DeepMind が11月9日に出した技術報告によれば、エージェントの群れで攻撃を自動で磨くと、最も強い Gemini 4 Argon でも防げたのは66%で、オープンウェイトのモデルはほぼ全滅だった。モデルを鍛えるだけでは守れず、権限を絞る実行環境の側で何重にも防ぐことが前提になる。

2026.11.13