COLUMN
コラム
2026年10月14日
情報漏洩から守りを固める7つの提言。AI時代のサイバー攻撃に、開発現場はどう応えるか
情報漏洩が「過去に例をみないペース」で公表される2026年
AI駆動開発のセキュリティ対策は、もはや「意識の高いチームだけの課題」ではなくなりました。2026年、個人情報漏洩や不正アクセスのニュースに触れる頻度が明らかに増えたと感じている方は多いはずです。その体感は、データでも裏付けられています。
AIエンジニアで起業家の安野貴博氏は、noteで公開した提言「AI時代のサイバー攻撃、度重なる情報漏洩からの守りを固めるための政府への7つの提言私案」の中で、「個人情報漏洩事案が過去に例をみないペースで公表されている」と指摘しています。
実際、東京商工リサーチの調査によると、上場企業とその子会社における100万件以上の大規模な個人情報漏洩は、2026年10月5日時点ですでに10件確認されており、2025年通年の6件をすでに上回る過去最悪のペースとなっています。
一方で、民間事業者全体の漏えい等事案は個人情報保護委員会の令和7年度年次報告によれば1万7,139件で、前年度から約1割減少しています（ScanNetSecurityの報道も参照）。一方で行政機関における漏えい等事案は増加しており、ランサムウエアによるサイバー攻撃の影響が指摘されています。「大規模事案は増える一方、全体件数は横ばい〜微減」という、一見矛盾するような構図こそが、2026年のサイバーセキュリティの実態だといえるでしょう。
攻撃を「民主化」したのはAIだった
安野氏は提言の中で、攻撃能力の高いAIがオープンソース化され、「計算コスト70万円程度で安全装置を回避できる」という懸念を示しています。この指摘は、決して誇張ではありません。
ITmedia @ITの報道によれば、Anthropicは2026年9月、中国Z.aiのオープンウェイトモデル「GLM-5.3」が自律的にサイバー攻撃コードを生成できると警告しました。ベンチマークテストでは410回の試行のうち50回で完全なエクスプロイト（攻撃用コード）の作成に成功し、同社の最上位モデルに迫る水準に達しています。さらに、このモデルの安全対策は単純な手口で回避できる可能性が高いと報告されています。
モデルの重みデータが誰でもダウンロードできる状態で公開されているため、高度な攻撃能力を持つAIに、専門的なハッキング知識を持たない人でもアクセスできてしまう。これが「攻撃の民主化」と呼ばれる現象です。Google Cloudが公開した2026年セキュリティ脅威予測でも、攻撃者がAIを活用して攻撃の速度・規模・巧妙さを高めていくと分析されており、サイバー攻撃はもはや一部の高度な攻撃者だけの専売特許ではなくなりつつあります。
この変化の象徴が、情報セキュリティ10大脅威2026（組織編）で「AIの利用をめぐるサイバーリスク」が初めて3位にランクインしたことです。1位のランサム攻撃、2位のサプライチェーン攻撃に次ぐ位置づけであり、IPAも"今そこにある脅威"として位置づけていることがわかります。
政府提言が動く前に、開発現場でできること
安野氏の提言は、継続的な脆弱性チェック体制の構築、取締役の個人責任明確化、中小企業向けの無償脆弱性スキャン提供など、国と企業双方に向けた骨太な内容です。いずれも実現には法整備や予算措置が必要で、すぐに動けるものではありません。
一方で、AI駆動開発に取り組む開発現場には、政府の後押しを待たずに今日から着手できる打ち手があります。
第一に、バイブコーディングが生む脆弱性への対策です。ITmedia @ITの解説記事では、AIコーディングエージェントがSQLインジェクションやSSRF（サーバーサイドリクエストフォージェリ）、ビジネスロジックの欠陥といった脆弱性を生みやすいと指摘されています。プロンプトでセキュリティ要件を明示し、AIが生成したコードも従来通り人間がレビューする。この当たり前の徹底が、最も効果的な防御線になります。こうした検査・修正・再検査のサイクルを仕組みとして社内に持ちたい場合は、AI-SecBoxのような社内設置型のAI脆弱性検査・修正検証サービスも選択肢になります。
第二に、AIエージェントの権限管理です。業務を自律的に進めるAIエージェントが社内システムやデータに接続する機会が増えるほど、「どのAIが、どこで、どの権限で動いているか」を把握できない状態は新たな攻撃対象になります。Captain.AIのようなAIエージェント基盤を選ぶ際は、権限を細かく設計できるオープンアーキテクチャかどうかを基準にするとよいでしょう。
セキュリティの基礎を体系的に学び直したい場合は、AI駆動開発伴走セミナーのような実践型の学びの場を活用するのも一つの選択肢です。
「検証環境」という盲点 ― 本番前の防御線をどう作るか
警察庁の発表によれば、2026年上半期の国内ランサムウェア被害は123件に達し、2020年の統計開始以来、半期として過去最多を記録しました。侵入経路として特に多いのが、VPN機器やリモートデスクトップといった、目新しさのない"枯れた"侵入口です。
こうした侵入経路は、本番環境だけでなく検証環境・ステージング環境にも共通するリスクです。しかし検証環境は「まだ外に出していないから」という油断から、本番環境よりもアクセス制御や監査体制が緩くなりがちな"盲点"になっていないでしょうか。
AI駆動開発ではコード生成のスピードが上がる分、脆弱性の検査と修正確認のサイクルも高速に回す必要があります。年1回の診断だけでは、このスピード感に追いつけません。この課題に対応するのが、社内設置型のAI脆弱性検査・修正検証サービス『AI-SecBox』です。検出から修正、再検査までを継続的に回せる仕組みを社内に持つことで、"直したつもり"で終わらせない検証体制を作れます。
まとめ：危機感を"待ち"にしない
安野氏の提言は、情報化社会の安全を長期的に支えるための重要な一石です。ただし、その実現を待っている間にも、攻撃能力を持つAIはすでにオープンソース化され、情報漏洩は過去最悪のペースで公表され続けています。
AIを"使う"側だけでなく、"守る"側としての視点を持つこと。これは一部のセキュリティ専門チームだけの仕事ではなく、AI駆動開発に関わるすべてのエンジニア・チームに求められる姿勢になりつつあります。危機感を"待ち"にせず、バイブコーディングのレビュー体制、AIエージェントの権限設計、検証環境の防御という、今日から着手できる一歩を踏み出すこと。それが結果として、政府提言が目指す「誰もが安心できる情報化社会」にもつながっていくはずです。
AI駆動開発とセキュリティ対策を体系的に学びたい方は、AI駆動開発伴走セミナーで実践的な知見を得ることから始めてみてはいかがでしょうか。
こちらの記事もあわせてお読みください