「公開していないAPIだから安全」。そんな防御の前提が、AIによって揺らいでいます。公開アプリを解析してバックエンドを狙うA2B攻撃に加え、急増するCVEや悪用までの時間を巡るデータから、AIは攻撃者の能力をどう変えつつあるのでしょうか。公的機関の注意喚起や最新の研究成果を基に、その実態と企業が見直すべき防御の考え方を探ります。
この記事は会員限定です。会員登録(無料)すると全てご覧いただけます。
「公開していないAPIだから、攻撃者には見つからない」。そんな前提で設計されたシステムは、AIによって危うくなるかもしれません。
直近、複数の事業者で個人情報の漏えいが発生し、公的機関が相次いで注意を喚起しています。その原因の一つとして挙げられているのが、公開アプリを解析し、接続先のサーバを攻撃する手法です。
情報通信研究機構(NICT)は、モバイルアプリが通信するサーバの接続先やAPIの仕組みを調べ、その情報を基に、対象のサーバに合わせた攻撃を実行するこの手口を「A2B攻撃」(App-to-Backend Attack)と名付け、注意を促しています。
開発者にとって厄介なのは、攻撃者が調べているのが、“開発者側で公開したつもりのない情報”だという点です。内部APIの仕様は利用者向けの画面には現れませんが、アプリを配布した時点で接続先や通信の仕組みは解析可能な形で利用者の手元に渡っています。
では、AIはこの状況をどう変えるのでしょうか。本稿では、主に公的機関のデータと民間の調査、最新の研究成果を基に、AIが脆弱(ぜいじゃく)性の発見と攻撃にどのくらい影響を及ぼしているかを解き明かします。
本連載「AIとサイバー攻防のダイナミクス」では、AIとサイバーセキュリティの構造変化を読み解くためのフレームワークを提示し、攻撃事例や防御の実践を交えながら、「AIをどこに導入すると効果的か」「どこまでAIに任せるべきか」「逆に人間の判断が不可欠な領域はどこか」を明らかにしていきます。
AIの脆弱性発見能力が高まっていることは疑いの余地はありませんが、「脆弱性」と一口に言っても、文脈次第でその性質は異なります。筆者が考えるに脆弱性には2つの性質があり、1つ目は、パッケージソフトウェアやオープンソースソフトウェア(OSS)の脆弱性。2つ目は自社で開発したWebアプリやAPIの脆弱性です。冒頭のA2B攻撃が狙うのは後者の脆弱性です。
パッケージソフトウェアやOSSの脆弱性にはCVE(Common Vulnerabilities and Exposures:共通脆弱性識別子)が採番され、公的なデータベースに記録されます。つまり、CVE公開件数や悪用件数を数えられます。
対して自社で開発したWebアプリやAPIの脆弱性ではCVEは採番されず、公的なデータベースにも現れず、件数を数えられません。対象は無数にあり、1件ずつ設計や実装が異なります。
これらの脆弱性への防御手法にも違いがあり、パッケージの脆弱性は提供元の修正を適用すれば対処できますが、自社開発のアプリでは誰も代わりに直してはくれません。
まずは測れる方の脆弱性の変化から解き明かしていきます。
NIST(米国国立標準技術研究所)が運営する公的なデータベース「NVD」(National Vulnerability Database)で公開に至ったCVEの件数は、年々増えています。2023年は約2.9万件、2024年は約4.0万件、2025年は約4.8万件でした。2026年は10月までの集計で既に約8.5万件に達しています。
注目したいのは、その増え方です。2025年は1日当たり約130件前後で、ほぼ一定でした。しかし2026年に入って段階的に上がり、直近の24日間では1日当たり約590件になっています。2025年の約4倍以上のペースです。
一方、実際に悪用が確認された脆弱性を集めた、CISA(米国国土安全保障省サイバーセキュリティインフラストラクチャセキュリティ庁)の「KEV Catalog」(Known Exploited Vulnerabilities Catalog)への追加数は、これほど増えていません。2023から2026年にかけて、CVEの公開数は約3倍になったのに対し、KEVへの追加数は約44%の増加にとどまっています。
この差は、公開される脆弱性が増えたからといって、全てが攻撃に使われるわけではないことを示しています。防御側にとっては、増え続ける脆弱性を一律に処理するのではなく、実際に悪用される可能性や影響度を踏まえて優先順位を付けることが、これまで以上に重要になります。
ただし、このデータだけで「AIが脆弱性の発見を増やした」と結論付けることはできません。CVEの採番体制や報告制度の変化、データベースへの登録基準など、複数の要因が数字に影響しているためです。AIの普及が発見を後押ししている可能性はありますが、その寄与の大きさまでは分かりません。
では、CVEが公開されてから悪用されるまでの時間は、実際に縮まっているのでしょうか。これを確かめるには、まず「悪用までの時間」をどの日付からどの日付までで測るのかを整理する必要があります。
CVEの公開と悪用には、幾つかの日付が関わります。攻撃者による悪用が確認された日、CVEが採番された日、提供元が修正プログラムを公開した日、CVEが一般に公開された日、CISAがKEVに追加した日です。これらの日付が並ぶ順番は決まっていません。CVEの公開後に悪用が始まる場合もあれば、公開前から悪用されている場合(ゼロデイ)もあります。
本来、悪用までの時間を測るには、攻撃者による悪用が確認された日と、CVEが公開された日の差を見る必要があります。しかし悪用が確認された日は、公的なデータとして一律に公開されているわけではありません。
公的データで確認できるのは、CISAのKEV Catalogへの追加日です。ただしKEVに追加されるには、実際の悪用を示す証拠だけでなく、CVEが採番されていることや、修正プログラムなどの対処方法が用意されていることも必要です。
そのため、CVEの公開前から悪用されていたとしても、修正プログラムの提供や確認手続きに時間がかかれば、KEVへの追加も遅れます。つまり、KEVへの追加日とCVE公開日の差は、攻撃者が悪用を始めるまでの時間だけを示すものではありません。攻撃者側の動きに加え、脆弱性の修正や悪用の確認にかかる時間も反映した数字です。
それでも、公的データから確実に言えることがあります。KEVへの追加日がCVE公開日と同日かそれ以前なら、悪用はCVE公開の時点で既に確認されていたことになります。2023〜2026年にKEVに追加された888件では、こうした脆弱性が約2割を占めていました。CVEが公開されてから対策を始めればよいとは限らず、公開時点で既に攻撃に使われているケースが一定数あるということです。
一方、悪用が確認された日を独自に推計している民間調査では、悪用までの時間が短くなる傾向も報告されています。例えば、CVE公開から悪用確認までの中央値が前年より短くなったとする分析や、悪用までの平均時間が修正プログラムの提供前、つまりマイナスになったとする推計があります。
ただし、これらの調査は、悪用の確認に使う情報源や、平均値と中央値のどちらを使うかが異なります。そのため、数値を単純に並べて比較することはできません。また、観測する仕組みや範囲が広がれば、これまで見つかっていなかった悪用が早い段階で確認されるようになります。観測上の変化が、時間の短縮として表れている可能性も考慮する必要があります。
では、こうした短縮にAIが関わっているのでしょうか。この点についても、民間調査の見解は一致していません。ある調査は、2025年を「侵害がAIの直接の結果となった年」とは捉えていません。別の調査では、AIが発見に関わった脆弱性が、特に悪用されやすいわけではないとされています。
ここまでのデータから言えるのは、CVE公開から悪用確認までの時間が短くなっている可能性はあるものの、その実態を公的データだけで正確に測ることは難しいということです。さらに、その短縮をAIの普及によるものと結論付けるだけの根拠も、現時点ではそろっていません。攻撃者が脆弱性を見つけて悪用するまでの時間が短くなっている可能性は、企業が警戒すべき変化です。しかし、その原因をAIだけに求めるのではなく、観測データの限界も踏まえて判断する必要があります。
Copyright © ITmedia, Inc. All Rights Reserved.