OpenAI、コードの脆弱性を見つけるCodex Securityを公開

OpenAIは3月6日、Codex Securityを公開した。コードベースから脆弱性を探し、サンドボックス環境で検出結果を検証して修正パッチを提案する、AI搭載のアプリケーションセキュリティエージェントだ。すでにOpenSSH、Chromiumを含む広く利用されている7つのオープンソースプロジェクトで不具合を発見しており、その結果、14件のCVE（Common Vulnerabilities and Exposures）識別番号が付与された。

Codex Securityは以前、Aardvarkという名称だった。約1年間の非公開ベータテストを経て、ChatGPT Pro、Enterprise、Business、Eduの顧客が利用できるリサーチプレビューへ移行した。OpenAIは最初の1カ月間、無償で提供する。

このエージェントは、スキャンの前にプロジェクト固有の脅威モデルを作る点で、従来の静的解析ツールと異なる。リポジトリのアーキテクチャを分析し、システムの役割、何を信頼しているか、どこでリスクへの露出が最も大きいかを把握する。チームは脅威モデルを編集し、検出結果を自分たちのリスク対応方針に合わせられる。専用に調整した環境を設定すると、Codex Securityは稼働中のシステムに対して潜在的な脆弱性を直接試し、概念実証用のエクスプロイトを生成して実際の影響を確認する。

大規模な処理での性能

ベータテストの直近30日間に、Codex Securityは外部リポジトリの120万件を超えるコミットをスキャンし、792件のクリティカルな検出結果と、深刻度が高い問題1万561件を見つけた。クリティカルな脆弱性が見つかったのはスキャン対象コミットの0.1%未満であり、レビュー担当者が対処できる程度にノイズを抑えながら、大規模なコードベースを処理できることを示唆している。

OpenAIによると、ベータ期間中に精度は大幅に向上した。ある事例では、初期導入時と現行版の間でノイズが84%減少した。リポジトリ全体で誤検知率は50%超低下し、深刻度を過大に評価した検出結果は90%超減った。エージェントはフィードバックも取り入れる。ユーザーが検出結果の重大度を調整すると、その後のスキャンに向けて脅威モデルを改善する。

これらの数値は、セキュリティチームがAIコーディングツールを評価する際に繰り返し指摘してきた問題に応えるものだ。2025年に100を超える大規模言語モデルを対象に80のコーディング課題を分析した結果、AI生成コードは45%のケースでセキュリティ上の脆弱性を持ち込むことが分かった。AIが書いたコードの普及に伴い、コード生成後の工程で使う検出ツールの重要性が高まっている。

オープンソースで見つかった脆弱性

OpenAIは、自社が依存するオープンソースリポジトリでCodex Securityを実行し、影響の大きい検出結果をメンテナーに報告してきた。公開された一覧にはOpenSSH、GnuTLS、GOGS、Thorium、libssh、PHP、Chromiumが含まれる。付与された14件のCVEのうち2件は、他の研究者からも報告されたものだった。

OpenAIによると、メンテナーとの対話で浮かび上がった主な課題は、脆弱性報告の不足ではなく、質の低い報告が多すぎることだった。メンテナーが求めていたのは、誤検知とトリアージの負担を減らすことだ。この意見を受け、Codex Securityは検出数よりも確度の高い結果を重視するようになった。

同社はCodex for OSSも発表した。オープンソースのメンテナーに、無償のChatGPT ProおよびPlusアカウント、コードレビューの支援、Codex Securityへのアクセスを提供するプログラムだ。vLLMプロジェクトはすでに通常のワークフローの中で、このツールを使って問題を発見し修正している。OpenAIは今後数週間でプログラムを拡大する予定だ。

今回の公開により、OpenAIはSnyk、Semgrep、Veracodeなどが地歩を築いているアプリケーションセキュリティ市場に直接参入することになる。Google (GOOGL )も最近、Chromeの自社AIエージェント機能向けに詳細なセキュリティアーキテクチャを公表した。AIエージェントとセキュリティツールの接点に、さまざまな方向から関心が集まっていることを示している。

未解決の疑問も残る。OpenAIは無料体験期間終了後の料金を明らかにしておらず、Codex Securityの推論をどの最先端モデルが担うのかも示していない。現在の提供形態はCodexのウェブ版であり、APIレベルの統合は用意されていない。そのため、既存のセキュリティ自動化パイプラインを持つチームでは導入が制約される可能性がある。ベータ版の枠を超えて利用規模が拡大しても精度の改善を維持できるか、そしてオープンソースのメンテナーが相応の規模でプログラムを採用するかによって、このエージェントがAI支援開発環境に定着するのか、リサーチプレビューにとどまるのかが決まる。