AIサイバー攻撃への対策は、資産台帳の整備、外部公開資産の把握、WAFに頼りきらない脆弱性修正、権限管理・監視の4点から見直します。AIによる検出・修正提案は、人のレビューと組み合わせて活用します。2026年10月、LLMと連携して侵入テストを自律的に進めるオープンソースのツール「ARTEX」が、日本企業を狙う攻撃で使われていたことが報じられています。

情報システム部門・セキュリティ担当者・開発保守の責任者に向けて、ARTEXの特徴、標的数の読み方、対策の優先順位、防御側AIの選び方、AIペネトレーションテストを使う際の承諾と注意点を整理します。主にWebシステムやクラウドへの侵入に備える記事で、フィッシングなどAI悪用全般を網羅するものではありません。

この記事でわかること

  • ARTEXとは何か、従来の診断ツールと何が違うのか
  • 国内の標的数が「約20社」「約80社」「数十社」と報じられている理由と、数字の読み方
  • 既知の脆弱性、サポート終了製品、WAF、権限・検知について、開発・保守側が見直す4つの点
  • 防御側のAI(脆弱性の検出・修正提案)の提供状況と、人のレビューが前提になる理由
  • AIペンテスト・AI脆弱性診断を使うときに必要な承諾と、不正アクセス禁止法の考え方
お知らせ

AIを開発・保守に取り入れる際は、レビューとセキュリティのルールをチームでそろえることが大切です。当協会のAI駆動開発研修では、AIを使ったレビュー・テストやセキュリティを扱います。対象者とカリキュラムをご確認いただけます。

法人研修の内容を見る

ARTEXは「AIが次の一手を決める」侵入テストツールで、国内の攻撃でも使われた

ARTEXは、中国で開発されたオープンソースの侵入テストツールです。LLMと連携し、偵察から脆弱性の検証までを少ない人手で自律的に進めます。国内では、日本企業を狙う攻撃インフラの調査でその使用が確認されました。

ARTEXの特徴は、LLMが観測結果から次の検査を選ぶ点

定型の検査を自動実行するだけでなく、観測結果に応じて次の検査を選ぶ点がARTEXの特徴です。見つけた資産や脆弱性をグラフとして保存しながら、LLM(大規模言語モデル)が「次に何を試すか」を判断して進みます。

構成はGo製のマルチエージェントで、フロントエンドはNext.jsです。複数のAIモデルに対応し、UIと出力は既定で英語、日本語を含む複数言語に切り替えられます。日本語に切り替えられることと、日本が標的であることは別の話で、Microsoftの分析でも日本は言語オプションとして出てくるだけです。

AhnLabの分析では、目的を整理する「Goals」、次のタスクを決める「Planner」、ツールを実行する「Worker」の3つのエージェントで動くと報じられています。隔離環境で簡単な指示を与えただけで、遠隔からコマンドを実行できる状態まで進んだとされます。ITmedia AI+もこの検証を報じています。AhnLabの一次分析では、2026年10月の当初の観測でARTEXを稼働させる公開IPを600件特定し、10月14日時点では約900件と追記しています。これは攻撃者や被害企業の数ではなく、すべてが悪用されているとは確認されていません。

開発者は10月8日付の声明で「学術研究目的」「攻撃とは無関係」と表明し、公開を停止しました。ただし、第三者がすでにダウンロードしたものを改造して攻撃力を高めているとも報じられています。公開が止まっても、ツールの流通は止まりません。

標的数は20社・80社・数十社と報じられ、侵害が成立した数とは別物

国内の事案は、GMOサイバーセキュリティ by イエラエが2026年10月19日に発表しました。ITmediaによる発表内容の要約では、ARTEXの使用が確認された攻撃元インフラ1台の標的が日本企業約20社とされています。同記事は、この1台と追加で見つかった攻撃インフラ6台を分けて記載しています。

報道の数字は、母数と定義がそろっていません。

報道上の数字何を指しているか読むときの注意
約20社調査した攻撃元インフラ1台の標的企業標的であり、侵害が成立した数ではない
約80社TBS NEWS DIG配信(Cube掲載)が、6つの攻撃拠点の調査で攻撃を受けた可能性がある企業として報道1台の約20社と集計範囲が異なり、被害の確定数でもない
数十社共同通信配信(熊本日日新聞掲載)が国内の標的企業数として報道政府の実態調査への着手も報じているが、侵害の総数は示していない
8社TBS NEWS DIG配信などで、標的企業のうち2026年9〜10月に情報漏えいを公表した数約20社だけの内数とは確認できず、ARTEXが原因と確定した数でもない

調査範囲と数え方が異なるため、これらの数字は足し合わせたり、単純に比較したりできません。「標的」「攻撃を受けた可能性」「情報漏えいの公表」は別の区分です。公表されていない被害もあり得るため、報道の数字だけから侵害の総数や攻撃の成功率は計算できません。

攻撃者の国籍や国家関与は、開発国だけでは断定できません。報道もそう明記しています。悪用された具体的な脆弱性名(CVE番号)も、報道では明らかにされていません。

攻撃側のAI活用で変わったのは、速度と規模

攻撃の速度と規模の拡大が観測されています。国内事案とは別の攻撃者グループによるARTEX利用について、Microsoftの分析は複数の事例で、最初の標的化から特権クラウドアクセスまで3時間未満だったと分析しています。同じ観測で、2026年10月10〜14日のパスワードスプレー(多数のアカウントに少数のパスワードを試す方式)は、8組織の327アカウントに対して失敗ログオンが15.1万件を超え、ピークは毎分約2,900件でした。このパスワードスプレーによる成功ログオンは観測されていません。

この数字は国内事案のものではなく、件数だけからAIによる高速化の効果を切り分けることもできません。防御側では、短時間に多数の認証試行が発生し得る条件として備える必要があります。

一方で、「防御の基本原則が変わったわけではない」という見方もあります。既知の脆弱性を放置しない、外部に公開している範囲を知る、特権を絞る。基本は同じで、変わったのは「放置できる猶予」です。

脆弱性対応で見直すのは、台帳・外部公開資産・WAF前提・権限の4点

見直しの中心は、既知の脆弱性を直すまでの時間を縮めることです。イエラエが指摘した対策上の落とし穴は、ITmedia AI+の要約を通して整理すると、開発・保守の作業にそのまま置き換えられます(以下は報道の要約に基づきます)。

CVEに載らないバージョンとサポート終了製品を台帳で洗い出す

CVEに記載されているバージョンだけが影響を受けるとは限りません。記載のない近いバージョンや、サポートが終わった版も同じ弱点を抱えている場合があります。サポート終了版では、脆弱性情報や修正パッチの提供を期待できない場合があります。AIを使う攻撃者は、各バージョンのソースコードを追って影響範囲を広げられる可能性があります。

自社側でやることは、使っているOS・ミドルウェア・ライブラリ・CMS・プラグインを、バージョンとサポート期限つきで一覧にすることです。サポート終了が近いものには、置き換えの期日を付けます。

優先順位づけには、実際に悪用が確認された脆弱性の一覧であるCISAのKEVカタログが使えます。掲載の有無に加え、自社での利用状況、外部公開の有無、侵害時の業務影響を確認し、担当者と対応期限を決めます。CVSS(脆弱性の深刻度を示す指標)の点数だけで判断しないことが重要です。カタログの対応期限は米連邦文民行政機関向けで、日本企業に一律適用される法定期限ではありません。

外部公開資産は、自社が把握していないものから見つかる

外部から見える自社の資産を発見・管理する取り組みは、ASM(Attack Surface Management)と呼ばれ、経済産業省が導入ガイダンスを公開しています(JPCERT/CCの公開案内、トレンドマイクロの解説記事)。情報システム部門が把握していない資産や、意図せず公開状態になっている資産を見つけるのが目的です。

ただし限界もあります。ASMは外部から見える情報だけで調べるため、バージョンを特定できないことがあります。バージョンが確定しないと脆弱性の有無も確定できず、「緊急パッチを当てるべきだ」という根拠が弱くなります。本番環境では、可用性を損なわない検査方法や実施範囲の制約もあります。ASMで見つけた資産は、管理者がバージョンや設定を内部から確認する作業とセットで管理します。

「WAFがあるからパッチは後回し」をやめる

WAFのしきい値ぎりぎりで送信元IPを切り替え、合計で数百のIPを使って検知を避ける手口が観測されたと報じられています。送信元IP単位のレート制限や遮断だけでは、分散したアクセスを十分に抑えられない場合があります。この問題はAIを使わない攻撃にも当てはまります。

WAF(Webアプリケーションへの攻撃を検知・遮断する仕組み)は、脆弱性のあるコード自体を修正するものではありません。WAFのルールで一時的に止めた脆弱性にも、パッチの期日を必ず付けます。

管理者権限と大量取得を、侵入された前提で見張る

侵入を完全に防げない前提に立つなら、侵入後の被害を小さくする設計が要ります。具体的には次のとおりです。

  • 人が管理機能や顧客情報DBへアクセスする経路には多要素認証を適用し、アプリケーションからの接続も含めて必要最小限の権限に絞る
  • 顧客情報の大量取得や、管理画面への不審なアクセスを検知してアラートを出す
  • 外部公開システムとWebアプリのログ監視を強める
  • 連携サービスのトークンや認証情報を、侵害を疑った時点で即座に入れ替えられる状態にしておく

最後の項目は、Microsoftの分析にある推奨と同じ方向です。侵害された連携の無効化を維持し、証拠を保全したうえで認証情報を入れ替え、アプリケーションIDで調査します。

AIエージェントを業務に組み込んでいる場合は、そのエージェント自身の権限も同じ問題になります。権限の設計はAIエージェントの権限管理とは?で扱っています。

防御側AIは提供条件と人のレビュー体制を確認して選ぶ

防御側では、脆弱性の検出・修正提案に特化した製品と、開発作業に使える汎用AIモデルを区別して選びます。利用できる契約・リポジトリ・実行環境が異なり、導入後も検出結果と修正案の検証が必要です。

主要な製品の提供状況は、対象プランも提供範囲も大きく違う

各社の公式情報をもとにした提供状況は次のとおりです(2026年11月16日確認)。用途と利用条件の比較であり、同条件の性能ランキングではありません。

製品・取り組み提供状況押さえるべき条件
Claude Security(Anthropic)Enterpriseプラン向けのベータ利用者ごとのpremium seatと従量課金のクレジットが必要。ホスト型サービスはゼロデータ保持に非対応。提案パッチは人がレビューする
Codex Security(OpenAI)クラウド型のDaybreak Defense Factory(Preview)と、ローカル向けプラグイン・CLI・SDKクラウド型は利用権と個人のGitHub接続が必要。ローカル型も利用経路に応じたアクセス権・実行環境を確認する。検出結果と修正案は人が検証する
Copilot Autofix(GitHub)CodeQL利用のリポジトリで既定有効(管理者が無効化可)Copilot契約は不要。公開リポジトリ、またはGitHub Code Securityの対象となる組織の非公開・内部リポジトリで利用する。対応言語はC#、C/C++、Go、Java/Kotlin、Swift、JavaScript/TypeScript、Python、Ruby、Rustで、一部のCodeQLクエリが修正対象
Gemini 4 Carbon(Google)11月10日から有料APIなどへ提供を拡大汎用モデルであり、専用の脆弱性検出製品とは異なる。防御用途の「Carbon for cyber」は別途利用許可が必要

Anthropicは別枠で、重要インフラ防御のプログラムも進めています。OSSプロジェクト向けには、無料でオプトインできるOSS Scannerを提供しています。

CodeQLの既存アラートを修正するならCopilot Autofix、リポジトリ全体の調査にはClaude SecurityやCodex Securityが候補になります。汎用モデルを使う場合は、検査を実行する環境や結果を検証する仕組みも用意します。契約条件に加え、コード・診断データの送信先、保存条件、実行権限を確認してから試します。

修正案は誤りを含む前提で、人が確認する

AIが生成した修正案は、人が確認してから適用します。Copilot Autofixのドキュメントには、生成された修正に構文エラー、誤った位置への適用、意味の変更、存在しない依存関係の混入が起こりうると明記されています。同じアラートでも結果が毎回同じとは限りません。CI(変更時の自動ビルド・テスト)が通り、元のアラートが解消されたかに加え、業務仕様や権限の境界を壊していないかも確認します。

Anthropicが公開している見通しでは、2年スパンではAIは防御側に有利になる一方、短期では違いうるとされています。道具が出そろう途中の今は、道具の限界を知ったうえで使う時期です。

レビューの設計は、導入の成否を分けます。AIが出した修正を誰がどの観点で見るのかが決まっていないと、レビュー待ちが新しい詰まりになります。進め方はAIコードレビュー導入ガイドが参考になります。

開発・保守の工程にAIを組み込み、修正とレビューを回す体制をつくる

ツールを足す前に決めるのは、脆弱性が見つかってから本番に反映されるまでの流れです。検出、影響範囲の特定、修正案の作成、レビュー、テスト、リリース。この各段階のどこで時間がかかっているかを測ります。たとえば、重大な脆弱性は担当者・期限・暫定措置を記録し、本番適用と再検証まで確認して完了とする運用が考えられます。これは実務上の進め方の例です。

たとえば、検出から修正案の作成まではAIで短縮できても、レビューの担当者が決まっていなければ時間は縮みません。レビュー観点をそろえると、修正案の採否や追加検証の判断を共有しやすくなります。AIを使う側の安全も同時に必要で、Claude Codeのセキュリティ対策のように、権限と承認の設計を先に固めておきます。

お知らせ

AIの修正案を採用する前に、誰がレビューし、何をテストするかを決めたいチームへ。当協会のAI駆動開発研修では、開発フローでのAI活用を学び、10時間コースでは自社ルールを検討します。

研修カリキュラムを見る

AIペンテストを正規に使うときの条件は、承諾と範囲の明文化

AIペネトレーションテスト(侵入テスト)やAI脆弱性診断では、権限のあるアクセス管理者の承諾と、許可された対象・操作範囲の確認が前提です。外部の診断サービスを使う場合も、契約や第三者サービスの規約を含めて確認します。

不正アクセス禁止法は、管理者の承諾を得た行為を定義から除いている

不正アクセス禁止法は、第3条で不正アクセス行為を禁止し、第2条第4項でその中身(他人のIDやパスワードを入力して利用制限のかかったコンピュータを動かす行為など)を定めています。警察庁の解説では、他人のID・パスワードを用いる行為は、アクセス管理者またはその識別符号を付与された利用権者の承諾を得た場合などを除外しています。一方、脆弱性を利用してアクセス制御を回避する行為では、アクセス管理者またはその承諾を得た者による行為が除外対象です。利用権者の許可だけで、あらゆる診断を実施できるわけではありません。

脆弱性を検証する目的だけで、不正アクセスが免責されるわけではありません。IPAの報告書は、脆弱性を検証する意図があっても不正アクセス禁止法の成否には影響しないという見方を示しています(IPAの調査であり、警察庁の公式見解ではありません)。「善意で試した」は免責になりません。

発注・導入の前に書面で決める項目

以下は、法令と解説の趣旨を踏まえ、診断の範囲と責任を明確にするための実務上の確認項目です。

決める項目具体的に書くこと
対象ドメイン、IPアドレス、環境(本番・検証)を列挙する
期間開始日時と終了日時、実施する時間帯
中止条件と連絡先障害や想定外のアクセスを検知した際の停止条件、緊急連絡先、停止の責任者
手法と禁止事項実行してよい検査の種類、データの持ち出しや破壊的な操作の禁止
送信元診断元のIPアドレス(監視側が正規の診断と見分けられるようにする)
第三者の承諾クラウド事業者、委託先、利用しているSaaSの規約上の許可
結果の扱い報告書の保管先と共有範囲、診断データの削除時期

自社所有の資産でも、レンタルサーバーやクラウド上にあれば、事業者側の規約が別にかかります。診断前に、許可が必要な操作と禁止事項を事業者の規約で確認します。AIを使うサービスの場合は、診断対象の情報がサービス側のどこに送られ、どう保存されるかも確認項目です。

同種のツールを試すなら、隔離環境と自社資産に限る

ARTEXの開発者は、利用条件で実在システムへの直接テストを禁止していたと報じられています。初めて同種のツールを試す場合は、本番環境や第三者のシステムから隔離した検証環境に、自社で用意した模擬システムを置きます。外部AIへの接続が必要なら、診断対象への到達範囲と外部への通信先・送信データを制限します。これはリスクを抑えるための実務上の推奨です。

対象の指定を誤ると、許可のないシステムに検査を実行するおそれがあります。不正アクセスへの該当性は、アクセス制御を回避して利用可能な状態にしたかなど、実際の行為によって判断されます。実行前に対象一覧を別の担当者も確認し、許可範囲外へ接続できない設定を併用します。

よくある質問

標的になった約20社は、すべて侵害されたのですか?

いいえ。約20社は調査した攻撃インフラ1台の標的で、侵害が成立した数ではありません。8社の情報漏えい公表も報じられていますが、約20社だけの内数とは確認できず、ARTEXが原因と確定した数でもありません。

中小企業は狙われにくいですか?

規模で安全とは言えません。標的の選定基準は公表されていません。報道では特定の業種に偏った攻撃が確認されていますが、自社が同業種でなくても、外部公開資産に悪用可能な脆弱性が残っていれば侵入のリスクがあります。

AIの防御ツールを入れれば守れますか?

導入するだけでは防げません。製品ごとに検出・修正できる範囲が異なり、修正案も人の確認が前提です。既知の脆弱性を台帳で管理し、直すまでの時間を縮める運用の上に、AIによる検出と修正提案を載せる順番になります。

AIペンテストを自社のシステムに実行してよいですか?

権限のあるアクセス管理者の承諾と、対象・操作範囲の確認が前提です。自社が管理者でも、クラウドや委託先の規約で別の承諾が要る場合があります。対象・期間・手法・禁止事項を、事前に書面で決めておきます。

まとめ

最初に着手するのは、使っているソフトウェアのバージョンとサポート期限を一覧にすることです。サポート終了のものには置き換えの期日を付けます。ここまでなら、新しいツールを買わずに今日から始められます。

次に、外部公開資産の棚卸しと、KEVに載った脆弱性を優先して直す運用を決めます。WAFで一時的に止めているものにも、パッチの期日を付けます。管理者権限の多要素認証と、顧客情報の大量取得を検知する仕組みも、同じ時期に確認します。

AIの活用は、その後です。自社の契約で使える検出・修正提案のツールを選び、提案をレビューする担当と観点を決めてから、小さなリポジトリで試します。AIペンテストを使うなら、承諾の書面を先に整えます。

攻撃側のAI活用が進むなか、守る側は修正と検証を滞らせない体制を整える必要があります。

お知らせ

対策の優先順位を整理したら、AIを使う担当者の教育と運用ルールも見直しましょう。当協会のAI駆動開発研修では、レビュー・テストやセキュリティを学べます。研修内容・実施形式・相談窓口はサービスページでご確認ください。

法人研修の内容・相談窓口を見る

次に読みたい関連記事