[レポート][株式会社NTTデータ先端技術]フロンティアAI時代の脆弱性管理 ― 攻撃者と防御者の間に生まれたギャップをどう埋めるか - CODE BLUE 2026 #codeblue_jp #codeblue_2026

[レポート][株式会社NTTデータ先端技術]フロンティアAI時代の脆弱性管理 ― 攻撃者と防御者の間に生まれたギャップをどう埋めるか - CODE BLUE 2026 #codeblue_jp #codeblue_2026

CODE BLUE 2026で行われた「[株式会社NTTデータ先端技術]フロンティアAI時代の脆弱性管理 ― 攻撃者と防御者の間に生まれたギャップをどう埋めるか」というセッションのレポートです。
2026.11.18

今回はCODE BLUE 2026で行われた以下のセッションのレポートです。

フロンティアAIは、脆弱性を大量に発見する能力と、攻撃を自動で実行する能力の両方を攻撃側にもたらしました。長年見つからなかったOSSの脆弱性が短期間に数百件単位で検出され、脆弱性の公表から攻撃コードの確認までは、ほぼ当日にまで短くなっています。一方、防御側のこれまでの脆弱性対応はこの速度に追いついておらず、攻撃者と防御者の間には大きなギャップが生まれています。

本セッションでは、手始めに必要な対応として、金融庁・日本銀行が令和8年5月に示した短期的な対応についての要請などをもとに、取るべき対策を整理します。やるべきこと自体はこれまでと変わりません。ただし、対応すべき件数が増え、猶予が短くなる中では、優先度を付けて迅速に進めることが求められます。

次に取り組むべき課題は、このギャップを埋めるための仕組みづくりです。AIがもたらす攻撃のスピードの激化に対して迅速な対応を持続的に行えるよう、防御側もAIを活用して対抗策を打っていく必要があります。ここでは、「見つけてから塞ぐまで」を一貫して実現するAI活用による脆弱性管理の考え方を示します。

Speakers:
藪根 茂樹 セキュリティ&テクノロジーコンサルティング事業本部 セキュリティイノベーション事業部 セキュリティコンサルティング担当

レポート

  • フロンティアAIがもたらした脆弱性の大量発見と悪用の高速化
    • 変化1:脆弱性の大量発見
    • 変化2:悪用の高速化
      • 2018年は平均771日かかっていたが、現在は0日
  • 大量に見つかる時代の防御側の現実
    • STEP1:把握
    • STEP2:トリアージ
      • 該当するかを見極め、順番を決める
    • STEP3:対処
      • 決めた順に修正する
  • 実際に被害につながっているのか
    • 不正アクセスによる漏洩等の報告件数が急増し、AIを使った攻撃も確認されている
      • ARTEXなど利用されている
    • JPCERT/CCが示している攻撃手法は従来の攻撃手法
      • 攻撃は速くなったが、突かれているのは従来からある弱点
  • 各機関の注意喚起と要請
    • 5/22 金融庁・日本銀行から短期に実行すべき9項目の対応を要請
    • その後各所から注意喚起・要請が出た
  • 金融庁・日本銀行からの9項目の対応
    • 大きく分けて3分類
      • 体制を整える
      • 脆弱性を減らす
      • 直しきれない場合に備える
  • どのように対応するのか
    • STEP1:ASM
    • STEP2:脆弱性診断
    • STEP3:判断
    • STEP4:特定
    • STEP5:対応
    • STEP6:再発見
    • このSTEP1〜6を回し続ける
  • STEP1:ASM
    • ASMで外部公開資産を洗い出し、優先して守る範囲を決める
  • STEP2:脆弱性診断
    • 各資産のCVEを検出
    • スコアの高い順では多すぎ、低いものは見落としてしまう
      • CVSS "medium"のものでも悪用されている
    • どれから直すかを決める基準が必要
  • STEP3:判断
    • SSVC(Stakeholder-Specific Vulnerability Categorization)
    • 以下の4つを問う
      • 外から届くか?
      • 悪用されているか?
      • 攻撃を自動化できるか?
      • 業務への影響は?
    • 同じ外部公開資産でもこの問いの結果で対応の判断が分かれる
  • STEP4:特定
    • 何を直すかの次に、どのパッチを当てるかを調査
    • スキャン結果に並ぶのは脆弱性の一覧だが、現場が必要なのはやることの一覧
  • STEP5:対応
    • php2Shellでは数時間単位の判断が求められた
    • その際の対応を決める必要があった
      • 修正手順やフローがすぐに参照できたか
      • リスクを加味した対応方針を決められたか
      • 前提:PHPをどこで使っているか
    • 判断に必要な情報が部門ごとに分かれている
      • 脆弱性の情報:セキュリティ担当
      • パッチの当て方・戻し方:運用・委託先
      • 資産と構成の情報:主管部門・ベンダー
      • 止めたときの業務への影響:事業部門
    • 判断材料を平時にそろえ、人は承認に集中する将来像
      • 情報をまとめてAIに入れ、判断を効率的に加速させる必要がある
      • AIが各情報を照合してやることの一覧の案を作り、人が確認・承認する
  • CVEのない自社コードの脆弱性、どう見つけるのか
    • 自社が書いたコードはCVEがない。既知の脆弱性と照合できないので自ら診断して見つける必要がある
    • 従来の診断
      • SAST:静的解析(ソースコードを読む)
        • 誤検知が多くロジックの欠陥などを見逃してしまう
      • DAST:動的解析(動いているアプリを外から検査)
        • 短期間で大量に診断できない
    • そこで、AIを診断に利用する
      • ハーネスの作り込みが必要
    • AI診断の課題
      • 結果が安定しない
      • 指摘の精査が重い
      • 範囲を守らない
      • 攻撃者はこれらの課題を気にする必要がなく、一度成功すれば十分
    • モデルとハーネスの進化で攻撃側と防御側の非対称性を解消する
  • まとめ
    • フロンティアAIで攻撃はどう変わったか
      • →脆弱性の発見と悪用が速まったが突かれているのは従来からある弱点
    • 次々と出てくる脆弱性をどう管理するか
      • →資産を押さえ、SSVCと業務影響で優先度を付ける
    • CVEのない自社コードの脆弱性、どう見つけるのか
      • →自ら診断し、AI診断はハーネスと担当者の精査で支え、誰に何を許すか設計時に文書にする

感想

対応の迅速化のためAIを活用すべき、というのはまさにそうだなと思いました。自社内でもこうした仕組みをきちんと構築したいところです。

この記事をシェアする

関連記事