AIセキュリティにはセカンドオピニオンが必要

AIは、私たちがセキュリティを確保するよりも速くソフトウェアを書いています。そのペースについていけていますか？

この文を読み終える頃には、開発者とAIエージェントが数千件のコード変更をコミットしているでしょう。昨年の今頃なら、その数は約150件でした。

この1年で、AIが生成するソフトウェアは驚異的な勢いで増加しました。GitHubでは、2026年9月だけで73億8,000万件のコミットが記録され、前年同月の5倍を超えました。この急増がセキュリティにもたらす影響は重大です。そのコミットの一つひとつが、誰かに理解され、保守され、安全を確保されるべきコードです。クラウドセキュリティアライアンスによると、Fortune 50企業では、AIの支援を受ける開発者のコードコミット数は同僚の3～4倍に達する一方、月ごとのセキュリティ上の検出件数は約10倍に増加しました。

では、その増加分を引き継ぐのは誰でしょうか。CISOのチームの規模は1年前と変わりませんが、未処理の案件は増えています。脆弱性の報告は増加し、月ごとの修正件数は減少し、未解決の重大な脆弱性は拡大しています。Gartnerが、CISOの燃え尽きが重大な運用リスクになりつつあると指摘するのも当然です。

最新モデルに飛びつく誘惑

数がこれほど大きいと、さらに大きな数字を追い求めたくなります。検出件数を増やし、カバー範囲を広げ、スキャン回数を増やすのです。しかし、それは沈みかけた船から水をくみ出しながら、必要なのは漏れを見つけることなのに、もっと大きなバケツを求めるようなものです。セキュリティプログラムの価値は、どれだけ多くの問題を見つけるかでは測れません。見つけた問題のうち、実際に問題であるものがどれだけあるか、そして最も重大な検出事項のうち、実際に修正されるものがどれだけあるかで測られます。

最先端のAIモデルは、確率的推論によって、これまでにない攻撃手法や、まだカタログ化されていない欠陥を見つけることに優れています。しかし、結果にはばらつきがあります。同じコードを同じスキャンに5回かけても、検出内容が一致するのは約3分の1にとどまると、Checkmarxの調査は示しています。

だからこそ、ルールベースの分析も依然として重要です。最先端のAIほど柔軟ではありませんが、実証済みのロジックを毎回同じように適用するため、チームは結果を信頼し、検証できます。AIは、ルールでは見つけられないものを捉えます。たとえば、見慣れない形で現れる既知の弱点や、コードの別々の部分が相互作用したときに初めて悪用可能になる欠陥です。AIとルールベースの分析を組み合わせれば、誤警告を減らしながら、重要な問題をより多く見つけられます。

これは、AIに反対する議論ではありません。セキュリティにはセカンドオピニオンが必要だということです。どのエンジンを選ぶにしても、次の3つの問いを基準に評価してください。

問い1：検出の信頼性

スキャナーが問題を検出したとき、それに時間をかける価値はありますか？

検出の信頼性は、結果を信頼できるかどうかです。実在しない問題が検出されれば、開発者は午後の時間を奪われ、セキュリティチームの信頼もさらに損なわれます。規模が大きくなると、誤検知によってチームは警告に耳を傾けなくなります。警告は「オオカミ少年」の叫びにすぎないと受け止められ、やがて背景の雑音に消えていきます。

ここで重要なのが一貫性です。同じコードを分析すれば、決定論的分析は毎回同じ答えを返します。それによって信頼が築かれ、結果の監査も可能になります。

問い2：精度

最も重要な問題を漏れなく見つけられていますか？

検出の信頼性を見れば、検出された問題に時間をかける価値があるかは分かります。しかし、スキャナーが何を見落としたかまでは分かりません。私たちは、データサイエンスに由来する実用的な指標であるF1スコアを使っています。F1スコアは、次の2つの要素に基づき、1から0までの尺度で性能を評価します。

• 適合率：報告された検出事項のうち、実際に問題であるものの割合。適合率が高いほど、誤警告が少なくなります。
• 再現率：スキャナーが実際に見つけた、実在する脆弱性の割合。再現率が高いほど、見落としが少なくなります。

ほとんど何も警告しないスキャナーは適合率が高く見えることがあり、何でも警告するスキャナーは網羅性が高く見えることがありますが、どちらもF1スコアは低くなります。業界平均は約0.20です。私たちはこの課題に熱心に取り組み、標準的なスキャナーの3～4倍の精度を達成しています。

精度が上がれば、その後の開発者の作業はすべて楽になります。チームは検証にかける時間を減らし、修正により多くの時間を使えます。

問い3：投資対効果

投資とリソースをどうすれば最大限に活用できますか？

この問いは、試験導入では最も見落とされがちで、本番環境では最も痛感させられるものです。

最先端モデルはトークン単位で課金され、スキャンで何も見つからなくてもトークンは消費されます。100万行のリポジトリをスキャンすると、現在公開されている価格では1,000ドルを超える費用がかかります。また、モデルによってトークン消費量には大きな差があり、価格は、選ぶモデルや、タスクを完了するために必要な推論の量によって異なります。

これが企業内のすべてのコミット、プルリクエスト、リポジトリに及ぶと、費用は膨らみます。研究開発に年間34億ドルを投じるUberは、AIコーディングツールの導入から数カ月で、2026年分のAI予算をすべて使い切ったと報じられています。

これを「トークン税」と呼んでいます。買い物に行くのにフェラーリを使うようなもので、その移動には必要のない性能にまでお金を払うことになります。ハードコードされた認証情報やSQLインジェクションは予測可能なパターンであり、決定論的な分析で確実に検出できます。

アプリケーションセキュリティも進化が必要

これが、Checkmarx Fusionのアーキテクチャの基盤となる考え方です。ルールベースのエンジンは、トークンベースの分析よりも低コストで、再現性のある形で確かな基準を確立します。最先端モデルは、ルールでは予測できない新しいパターンや複雑なロジック、状況に応じた悪用可能性の分析を担います。そして、検出結果を分析するレイヤーがそれらを統合し、信頼できる一つの結果にまとめます。

決定論的な分析が確実性をもたらし、AIが検出範囲を広げます。網羅性と信頼性はともに高まります。LLM単独の場合と比べて、忠実度は最大4倍、精度は2～4倍に向上し、コストはおよそ3分の1になることが確認されています。

問題を見つけることは、まだ始まりにすぎません。同じ考え方は、問題の予防にも当てはまります。例を挙げましょう。開発者がコードを書くIDEという、コードを生み出すその場で開発者を支援すれば、問題が発生する前に食い止められます。同様に、すり抜けてしまった脆弱性についても、特に重要なものに対して、開発者がそのままマージできる修正を提供してはどうでしょうか。こうした課題の解決に取り組むことで、既存のバックログを少しずつ減らし、最小限の労力で最も迅速な効果を得ることを目指しています。

コードはすでに稼働している。追いつけていますか？

AIは攻撃者にスピードという贈り物をしました。この差を埋める方法は、ツールをもう一つ導入することではありません。組織全体でソフトウェアをどう開発し、どう保護するかを決めることです。今日書かれているコードは、何年にもわたって事業を支えます。セキュリティリーダーが問うべきことは、AIによって開発がどれだけ速くなるかではなく、セキュリティプログラムがAIの生み出すものに歩調を合わせられるかどうかです。

ですから、数字にとらわれないでください。どのプログラムについても、次の3つを問いましょう。検出結果を信頼できるか。重要な問題を十分に見つけられるか。組織全体に無理なく導入できるか。決定論的な分析の精度と最先端の推論を組み合わせれば、この3つすべてに「はい」と答えられる可能性が最も高まります。

ソフトウェアの開発は減速していません。今、私たちが取り組むべきなのはリスクのギャップを埋めることです。つまり、ソフトウェアが生み出される速さと、リスクが発見され修正される速さの隔たりを縮めることです。