ソートリーダー
AIは驚異的な速さで脆弱性を発見する。修正となると、話はまったく別だ。

要点AIは現在、防御側が修正できるよりも速くゼロデイを発見する。
もっと見る
- AIは現在、防御側が修正できるよりも速くゼロデイを発見する。
- AIが生成したパッチの半数以上が脆弱性を修正できず、または新たな脆弱性を導入した。
- 公開されたCVEのみに依存すると、防御側は攻撃者のタイムラインに対応することを余儀なくされる。
サイバーセキュリティに新たな問題が生じている。皮肉なことに、これまで以上の速さで問題を発見できるようになったことが、その引き金だ。
フロンティアAIモデルは、ソフトウェアの脆弱性、つまり何年も見つからずにいた可能性のある欠陥を発見し、悪用する能力を急速に高めている。わずか数カ月前には想像も難しかったほどの速さで、そうした欠陥が明らかになっている。
しかし課題は、業界では脆弱性を発見する能力の向上に比べ、修正する能力の向上が大きく遅れていることだ。最新のAnthropicによる研究を見てみよう。Zhipu AIのオープンウェイトモデルGLM-5.3は、ベンチマーク「ExploitBench」の410回の試行のうち50回で、エンドツーエンドで実際に機能するエクスプロイトの開発に成功した。一方、Claude Mythos Previewは56回成功した。
利用が制限されたフロンティアモデルと、重みが公開されているモデルの差は、極めて小さい。かつては高度に専門化したセキュリティ研究者にしか扱えなかった能力が、はるかに幅広い人々に利用可能になりつつある。その一方で、私たちが使っているソフトウェアの脆弱性が、急になくなったわけではない。ゼロデイ脆弱性の発見にかかる時間が、修正のプロセスよりも短くなり得る時代に、私たちは足を踏み入れた。
最近のPHP2Shell脆弱性は、その典型例だ。Wiz、Calif、そしてOpenAIのCodexセキュリティチームによる研究によると、フロンティアAIの支援により、1人の研究者が約1週間でPHPエンジンの重大な欠陥を発見した。これらの脆弱性は、WordPress、Drupal、Joomlaで構築されたアプリケーションを含め、ウェブのかなりの部分を支えるランタイムに影響した。
セキュリティチームにとって、これは切迫した疑問を投げかける。攻撃者が、防御側が脆弱性にパッチを適用するよりも速く脆弱性を発見できるようになったら、何が起きるのか。
脆弱性管理の定石は、こうした事態を想定していなかった
長年、脆弱性管理はおなじみの手順に沿って進められてきた。脆弱性が発見され、誰かが報告し、CVEが割り当てられ、パッチが公開される。スキャナーが脆弱性を検出し、セキュリティチームがリスクを評価して修正の優先順位を決め、パッチを適用する。完璧なプロセスではないが、セキュリティを取り巻くエコシステム全体は、この手順を中心に築かれてきた。
しかし、本当の問題は、そもそも脆弱性の存在を把握していることが前提になっている点だ。従来のスキャナーは、環境内にどの既知の脆弱性があるかを知らせるのには優れている。では、まだ公表されていない脆弱性はどうだろうか。CVEも、注意喚起も、パッチもない脆弱性はどうだろうか。
PHP2Shellの公表は、この仕組みがいかに私たちを危険にさらすかを示している。2つの重大な脆弱性、CVE-2026-109618とCVE-2026-109619は、いずれもCVSS 9.2と評価され、PHP自体のメモリ安全性に関する欠陥だった。研究者は、広く使われているWordPress、Drupal、Joomlaなどのアプリケーションに対して、リモートコード実行とメモリ情報の漏えいが可能であることを実証した。根本的な弱点が基盤となるランタイムにあったため、それ以外のコードが安全なアプリケーションでさえ、脆弱である可能性があった。
公表までの経緯も、同じように示唆的だった。早期の警告が公になった後、PHPのセキュリティチームはリリース日程を前倒しした。パッチが公開された時点で、すでに初期の攻撃試行が確認されていた。
さらに、その日に問題となったのはPHPだけではなかった。別のソフトウェアサプライチェーン攻撃により、大規模言語モデル向けの人気オープンソースゲートウェイであるLiteLLMのバージョン1.107.0が侵害された。攻撃者は公開済みのPythonパッケージに情報窃取マルウェアとリモートアクセス型トロイの木馬を仕込んだ一方、プロジェクトのソースリポジトリはクリーンな状態だった。ソースコードだけを確認したチームは、悪意のあるペイロードを完全に見逃していただろう。
こうした事例は、信頼されているソフトウェアコンポーネントの奥深くに、何年も脆弱性が潜んでいる可能性があることを示している。同時に、組織が日常的にインストールする依存関係を通じて、悪意のあるコードが侵入することもある。どちらも、必ずしもアプリケーション自体のコードに起因するとは限らない。
また、アプリケーションが依存するソフトウェアに深刻な脆弱性が残っていても、スキャナーが問題なしと判定することがある。最近まで、隠れた欠陥を大規模に発見するには、相当な研究の専門知識とリソースが必要だった。しかし、フロンティアAIがその状況を変えつつある。
バグを見つけるのは簡単なほうだ。では、その先は?
AIによるゼロデイ脆弱性の発見能力には、大きな期待が寄せられている。それも当然だ。進歩は目覚ましい。しかし私は、AIがどれだけ多くの脆弱性を発見できるかという点ばかりが過度に注目され、その後に何が起きるのかについては、十分に議論されていないと考えている。
脆弱性を発見しただけでは、安全性は高まらない。まず、それが実在することを確かめる必要がある。AIが生成した検出結果が自動的に正しいとは限らず、説得力のあるエクスプロイトに見えても、再現できるとは限らないからだ。次に、どのバージョンが影響を受けるのか、実際に脆弱性を悪用できるのか、どのようなリスクが生じるのかを把握しなければならない。
そのうえで修正が必要になる。特に興味深いのはここだ。1Passwordによる研究では、AIが生成したパッチ6,080件を調査した。その結果、53.9%は元の脆弱性を解消できなかったか、新たなセキュリティ上の欠陥を生じさせたか、その両方に該当した。
その調査では、生成されたパッチの半数以上に、それ自体がセキュリティ上の問題を抱えていました。もちろん、こうした結果は特定のテスト条件下で得られたものです。しかし、経験豊富なエンジニアなら誰もが知っていることを示しています。修正したように見えるコードを書くことと、実際に問題が修正されたと証明することは、まったく別のことです。
パッチが正しくても、それで終わりではありません。既存の機能に影響しないでしょうか。アプリケーションが依存する古いバージョンのライブラリでも動作するでしょうか。ほかに十数件もの問題を引き起こすアップグレードを強いずに、導入できるでしょうか。
何百ものアプリケーション、チーム、環境に展開する必要がある場合はどうなるでしょうか。テスト環境では動作しても、本番環境に届かないパッチでは、誰も守れません。セキュリティ業界が向き合うべき大きな隔たりは、ここにあると私は考えています。
脆弱性の発見は驚くほどの速さで進んでいる一方、その発見を実際の保護につなげるために必要な作業の多くは、もどかしいほど遅いままです。そして、この隔たり自体が新たなセキュリティリスクになりつつあります。
では、この隔たりを実際にどう埋めればよいのでしょうか?
すでに手いっぱいのセキュリティチームに、もっと努力するよう、あるいはより多くのアラートを処理するよう求めても解決にはならないと思います。脆弱性の発見が最大のボトルネックではなくなった今、効果的な脆弱性管理とは何かを考え直す必要があります。
私なら、まず次の4つから取り組みます。
1. CVEデータベースだけで全体を把握できると思わない
CVEや脆弱性スキャナーは欠かせませんが、そこに記録されているのは既知の情報であり、実在する脆弱性のすべてではありません。セキュリティチームは、公表済みの脆弱性だけに目を向けるのではなく、従来のスキャンに、能動的な調査、コード解析、脅威インテリジェンス、そして組織が依存するソフトウェアコンポーネントへの明確な理解を組み合わせる必要があります。
CISAの既知の悪用脆弱性カタログのような情報源は、既知の脅威に優先順位を付けるうえで有用ですが、まだ公表されていない脆弱性については教えてくれません。PHP2Shellの事例は、基盤となるソフトウェアに深刻な脆弱性が存在していても、発見されるまで何年もかかる場合があることを示しました。最先端のAIがこうした欠陥を数日で発見できるようになれば、公表済みの勧告だけに頼る防御側は、常に他者のペースに合わせて対応することになります。
2. 発見件数が増えても、セキュリティが向上するとは限らない
AIは膨大な数の潜在的な問題を見つけ出せますが、そのすべてについて、エンジニアリングチームがほかの作業をすべて中断して調査する価値があるとは限りません。
本当の価値は、どの脆弱性が実在し、悪用可能で、自組織の環境に関係するのかを見極めることにあります。その問題を再現できるでしょうか。どのバージョンが影響を受けるのでしょうか。現実的な攻撃経路はあるでしょうか。実際のビジネスへの影響はどの程度でしょうか。
こうした背景情報がなければ、攻撃者が機密システムや認証情報に実際にどう到達できるかを見落とし、深刻度スコアだけを基準に脆弱性の優先順位を決めてしまうおそれがあります。
3. 技術的に正しいだけでなく、導入できる修正にする
これは、脆弱性の修正において最も過小評価されている課題の一つです。企業が運用する環境は、すべての依存関係を一晩で最新バージョンにアップグレードできるような、何の問題もない環境ではありません。レガシーアプリケーション、相互接続されたシステム、互換性要件があり、簡単には置き換えられないソフトウェアのバージョンも抱えています。
そのため、組織にインフラの半分を再構築させるような修正は、あまり役に立ちません。セキュリティパッチを旧バージョンに適用する方法を改善し、互換性を保ち、不要な攻撃対象領域を減らし、チームがすでに使っているツールやワークフローを通じて更新を提供する必要があります。
NISTの企業向けパッチ管理ガイダンスは、更新の特定、優先順位付け、インストール、検証の重要性を強調しています。今の課題は、AIによる発見の速さに追いつけるよう、こうした一連のプロセス全体を十分に迅速化することです。どれほど優れたパッチでも、誰も導入できなければ役に立ちません。
4. 実際に保護されるまでの速さを測定する
AIが今日、深刻な脆弱性を発見したとしたら、その検証、機能するパッチの開発、パッチのテスト、本番環境への導入までに、どれくらいの時間がかかるでしょうか。
PHP2Shellへの対応は、有用な基準となります。Echoでは、上流でパッチが公開されるとすぐに修正済みのPHPパッケージを提供し、サポート対象のPHPバージョン向けに更新したイメージも、その日の午後に再構築しました。
セキュリティチームは、発見と検証からパッチの開発、互換性テスト、導入に至るまで、修復の全工程にかかる時間を測定すべきです。影響を受けたソフトウェアをどれほど迅速に再構築できるか、脆弱な依存関係を使っているアプリケーションをすべて特定できるか、そして保護を実現するためにどれだけの手作業が必要かを把握する必要があります。
最先端AIによって脆弱性の発見がより迅速かつ容易になるにつれ、発見から悪用される可能性が生じるまでの期間は、今後も短縮し続けるでしょう。従来の開示やパッチ適用のサイクルがそのペースに追いつくと考えることはできません。脆弱性管理の次の時代を左右するのは、攻撃者が行動を起こす機会を得る前に、発見された脆弱性を信頼性が高く、実際に導入できる修正へと転換できるかどうかです。












