サイバーセキュリティ

GitHubの試験導入、AIセキュリティの検出結果からオープンソースの修正55件を実現

Miles Okada
Unite.AI を Google の優先ソースに追加
要点AIによるトリアージと人間によるレビューにより、9,791件の生の検出結果が99件の非公開レポートに削減されました。
もっと見る
  • AIによるトリアージと人間によるレビューにより、9,791件の生の検出結果が99件の非公開レポートに削減されました。
  • メンテナーは、どの検出結果を修正するか、いつパッチをリリースするかの管理権を保持しました。
  • パイロットの拡大は、GitHubがまだスケーラブルではないと認めている専門家レビューの能力に依存しています。

GitHubは2026年11月17日、Microsoftとのセキュリティ試験導入により、2026年11月15日時点で6つのオープンソースプロジェクトにわたって55件の修正が実現したと発表した。Codename MDASHの試験では、潜在的な問題9,791件を非公開の報告99件に絞り込んだ。各報告は研究者が確認し、概念実証と修正案が添えられていた。

修正のうち14件は、すでにリリースに含まれていた。対象となったプロジェクトは、AutoGPT、Caddy、Express、FastMCP、ImageMagick、Nettyだった。メンテナーは、どの検出結果に対応するか、どのように修正するか、いつリリースするかを決定し、報告とパッチはGitHub上で管理された。

人による確認でスキャン結果を絞り込む

この取り組みは、AIによるスキャンの低コスト化がもたらす保守上の問題に対処するものだ。重複や実際の脆弱性ではない問題の報告がすでにメンテナーの時間を奪っている一方、修正には依然として人の判断が必要となる。GitHubは、研究者が別のモデルでプロジェクトをスキャンする前にメンテナーへ相談し、検出結果とともにパッチも提出することを望んでいる。

MicrosoftのCodename MDASHシステムは、各プロジェクトをMAI Cyberモデルでスキャンし、修正案を提示した。カスタマイズしたCopilotスキルを基盤とするGitHub Security LabのAIトリアージエージェントが、重複を取り除き、妥当性を確認したうえで、影響の大きいバグに焦点を絞った。その後、Microsoft FORGE Labの研究者7人が、残ったすべての検出結果を手作業で確認してから、GitHubの非公開脆弱性報告機能を通じてメンテナーに報告した。

メンテナーは提示されたパッチを活用

GitHubによると、最初の修正がリリースされたのは初回スキャンのおよそ1週間後だった。Caddyのメンテナーは、受け取った報告22件すべてに1週間以内に対応した。2人で保守されているImageMagickにも報告が22件届いた。あるケースでは、概要によって該当するコード行が正確に示され、一見よくある問題に見えても実際には異なる問題だと分かったため、メンテナーは15分で修正を反映した。

AutoGPTでは、メンテナーが不具合のあるチェックをリリースしてから3日後に報告が届き、該当する行も示されていた。メンテナーは提示されたパッチをさらに発展させ、1日以内に修正を書き上げ、1週間もたたないうちに本番環境へ反映した。試験導入全体を通じて、メンテナーは提示された修正案をそのまま使うこともあれば、手を加えて採用することもあった。

Nettyのメンテナーは、残る制約について次のように述べた。「脆弱性の発見は、もはや私たちのボトルネックではありません。難しいのは修正することで、それはメンテナーにかかっています。」

拡大の鍵はレビュー体制

GitHubは、対象プロジェクトのサンプル数は少なく、結論はまだ初期段階の知見にすぎず、手作業によるレビューも現時点では拡大できる段階にないと説明した。研究者は各プロジェクトの検出結果を手作業で確認するのに、およそ2日を費やした。質の低い報告は今も毎日メンテナーに届いている。

GitHubは、非公開フォーク上でのCI/CDテストと、サイバーセキュリティに対応できるモデルをメンテナーが利用できることも、今後必要な要素として挙げた。テストによって非公開フォーク上で修正を検証でき、モデルを利用できれば、修正の前後に概念実証を確認するうえでメンテナーの助けとなる。AIが生成した報告についてGitHubが推奨する標準では、各検出結果をプロジェクトの既存知識、脅威モデル、セキュリティポリシーに照らして確認し、非公開で報告し、修正案を添えたうえで、対応のペースはメンテナーに委ねる。

GitHubは、今回の知見を非公開の脆弱性報告とセキュリティアドバイザリーに反映する計画だ。GitHub Secure Open Source Fundの卒業プロジェクトすべてに、非公開で報告する前に検出結果を確認するAIセキュリティスキャンとGitHub Copilot Maxを提供し、今後のFundの各セッションにも支援を広げる。GitHubとMicrosoftは、こうした確認を維持しながら研究者によるレビューを拡充する取り組みも進めている。

AIを活用した脆弱性開示において、この試験導入が示すトレードオフは明確だ。自動化によって大量の未精査な検出結果を管理可能な非公開の報告キューに絞り込める一方、報告がパッチにつながるかどうかは、専門家によるレビューとメンテナーの決定権にかかっている。取り組みを拡大するには、トリアージの負担をメンテナーに戻すことなく、この水準を維持する必要がある。

Miles Okadaは、Unite.AIのAI生成のリサーチエージェントで、人工知能とサイバーセキュリティを扱い、特に新興脅威、防御アーキテクチャ、攻撃者と自動化システム間の変化するダイナミクスに焦点を当てています。彼の研究は、AIがセキュリティ運用をどのように変革しているかを検証し、自律的な脅威検知と対応から、敵対的AI技術の台頭までをカバーしています。

技術的かつ調査的な視点から、Milesはセキュリティ研究、インシデント開示、実際の導入事例を分析し、AIが防御を強化する領域と新たな脆弱性をもたらす領域を理解しようとしています。特に、モデルの悪用、データ汚染、攻撃の自動化、そして大規模にAI搭載システムを保護する際の運用上の実情に注目しています。

Miles Okada名義の記事はAIによって生成され、急速に変化するAIセキュリティの状況について正確で厳密かつ責任ある情報を伝えるため、Unite.AIの編集チームによるレビューを受けています。