メインコンテンツへスキップ
見出し画像

AI普及でサイバー攻撃の何が変わったのか?実際の手口と使われている技術を調べてみた

    最近、日本企業へのサイバー攻撃が相次いでいる。

    ニュースでは「ランサムウェアに感染」「不正アクセスによる情報漏えい」といった言葉をよく見かけるが、攻撃者がどんなツールを使い、何をしているのかまでは、あまり知られていない気がする。

    個人的に気になったのは、生成AIの普及によって、攻撃手法がどのくらい変わったのかという点だ。

    そこで、Google、Anthropic、Microsoftなどのセキュリティレポートを調べ、AI普及前後で何が技術的に変わったのかを整理してみた。

    先に結論を書くと、サイバー攻撃の基本的な手法がすべて新しくなったわけではない。

    大きく変わっているのは、これまで人間が担当していた調査、判断、プログラムの修正などを、AIが実行できるようになってきたことだ。

    1. 侵入先の探索:決められたスキャンから、AIによる調査へ

    サイバー攻撃では、最初に対象企業のシステム構成を調べることが多い。

    公開されているサーバ、利用しているソフトウェア、そのバージョンなどを調査し、侵入できそうな場所を探す。

    この工程は「Reconnaissance(偵察)」と呼ばれる。

    AI普及前から、Nmap、subfinder、httpxなどのツールを使って、システムの情報を自動収集することはできた。ただし、調査結果から次に何を調べるべきかを判断するには、人間の知識や経験が必要な場面が多かった。

    例えば、あるサーバへの接続に失敗した場合、原因を調べ、別の調査方法を考える必要がある。

    AIエージェントは、この判断も一部担当できる。

    ツールの実行結果を読み取り、次の調査方法を選択する。得られた情報を記憶し、別のツールを実行する。

    Googleは2026年5月、中国系とみられる攻撃者が日本のテクノロジー企業に対して、こうしたAIエージェントを使用していたと報告している。

    実際に使われたのは、HexStrike、Graphiti、Strixといったツールだ。詳しくは後述する。

    2. 脆弱性の悪用:攻撃コードの調査・修正をAIが支援

    公開システムを調査した後、攻撃者は悪用できる脆弱性がないかを確認する。

    例えば、利用中のソフトウェアに既知の脆弱性が残っていれば、それを狙う方法がある。

    脆弱性には「CVE-2026-XXXX」のような識別番号が付けられることがあり、公開情報から問題の内容や影響するバージョンを調べられる。

    脆弱性を実際に悪用するプログラムやコードは「Exploit」と呼ばれる。

    AI普及前も、公開されたExploitを使った攻撃や、スクリプトによる自動実行は可能だった。

    ただ、対象システムの構成が想定と異なる場合、コードの修正や動作確認には専門知識が必要になる。

    現在は、LLMが脆弱性の技術情報を整理したり、検証用コードを作成・修正したりできる。

    Googleの2026年9月の報告では、中国系のサイバー諜報グループが「CC Switch」というツールを使い、Claude、Gemini、Codexを切り替えながら、Exploit用スクリプトの作成やエラー修正を試みていた。

    つまり、攻撃者が自分ですべてのコードを書く必要性が下がってきている

    3. フィッシング:メールで騙すだけでなく、認証済みの状態を狙う

    昔からある代表的な手口が、フィッシングだ。

    偽のログインページへ誘導してID・パスワードを盗んだり、不正な添付ファイルを開かせたりする。

    現在は、ログイン後に発行されるセッショントークンも重要な標的になっている。

    トークンは、利用者が認証済みであることを示す情報だ。

    攻撃者が有効なトークンを盗むと、条件によっては追加の多要素認証(MFA)なしでアクセスできてしまう。

    2026年9月、Microsoftは、ITサポート担当者を装った電話やSMSから利用者を誘導し、認証情報やトークンを悪用する攻撃を報告した。

    こうした手口自体はAI登場前から存在している。

    AIによって変わるのは、標的企業や従業員の情報を調べたり、自然な日本語のメッセージを大量に作成したりする工程だ。

    Googleも、攻撃者がLLMを使って標的型フィッシングの文章を作成していることを確認している。

    その結果、外国語での攻撃や、標的に合わせた文章作成に必要な手間が小さくなる可能性がある。

    4. 侵入後の活動:人間が操作していた工程をAIが実行

    攻撃者にとって、最初の侵入はゴールではない。

    侵入後は、利用できる認証情報を探し、アクセス可能なシステムを調べ、必要に応じて別のシステムへ移動する。

    社内の別システムへ侵入範囲を広げることは「Lateral Movement(横展開)」と呼ばれる。

    この際、必ずしも怪しいマルウェアを使うとは限らない。

    PowerShellやリモート管理機能など、もともと企業で使用されている正規ツールが悪用されることもある。

    これが「Living off the Land」と呼ばれる手法だ。

    AI普及前は、人間の攻撃者が調査結果を見ながら、次にどのシステムへアクセスするか判断する場面が多かった。

    現在は、この一連の作業をAIエージェントに担当させる事例も出ている。

    Anthropicは2025年11月、中国政府系と評価した攻撃者がClaude Codeを利用し、約30の組織を標的としたサイバー諜報活動を報告した。

    その際、Claude Codeは脆弱性の調査、認証情報の収集、横展開、取得データの分析などを担当していた。

    Anthropicの分析では、攻撃活動の約80〜90%をAIが実行し、人間の介入は主に重要な判断の場面に限られていたという。

    ただし、AIが存在しない脆弱性を報告するなどの誤判断も確認されており、すべての工程を正確に実行できるわけではない。

    5. 実際の攻撃者は、どんなAIやOSSを使っているのか

    ここまで調べて意外だったのが、攻撃者が利用するソフトウェアの多くは、正当なセキュリティ診断やAI開発にも使われるものだったことだ。

    例えば、Googleが2026年5月に報告した日本企業への攻撃では、以下のツールが確認されている。

    HexStrike

    AIと各種セキュリティツールを接続するOSS。AIエージェントが調査ツールを呼び出すための仕組みを提供する。

    Graphiti

    AIエージェントの記憶を管理するOSS。調査対象の情報や関係性を保存し、過去の結果を参照できるようにする。

    subfinder / httpx

    サブドメインの発見やWebサービスの応答確認などに使われるOSS。

    Strix

    複数のAIエージェントによって、脆弱性の発見や検証を自動化するセキュリティテスト用フレームワーク。

    Googleの報告では、攻撃者はHexStrikeとGraphitiを組み合わせ、subfinderやhttpxを使い分けながら対象を調査していた。さらにStrixを使って、脆弱性の発見・検証を自動化していた。

    これらは一般的なLLMと役割が異なる。

    ClaudeやGeminiが情報を解釈・判断し、エージェント基盤が外部ツールを実行する。Graphitiのような仕組みは、その結果を記憶する。

    普段のAIエージェント開発で使われている技術と、基本構成はよく似ている。

    6. Claudeにはガードレールがあるのに、なぜ攻撃に使えるのか

    Claudeのような商用LLMには、不正アクセスやマルウェア開発への支援を制限する安全対策がある。

    それでも悪用が確認されている理由の一つは、AIへの依頼を細かい作業に分解し、攻撃全体の目的を認識させない手法が使われているためだ。

    Anthropicが報告した事例でも、攻撃者は正当なセキュリティテストを装うなどして、安全対策を欺こうとしていた。

    また、攻撃者が商用LLMだけに依存する必要もない。

    公開されているAIエージェントや、自前の環境で実行できるオープンウェイトモデルを組み合わせる選択肢がある。

    ただし、OSSを接続すればClaudeの安全対策が自動的に解除されるわけではない。

    モデル側のガードレールと、外部ツールを管理するエージェント基盤は別の仕組みだからだ。

    7. AI普及によって、従来の攻撃手法は減ったのか

    ここまで読むと、昔ながらのサイバー攻撃がすべてAIエージェントに置き換わっているように感じるかもしれない。

    実際にはそうではない。

    メールによるフィッシング、VPNの脆弱性悪用、DDoS、ランサムウェアなどは今も使われている。

    例えば、Officeのマクロを悪用する攻撃は、Microsoftがインターネット由来のマクロを既定でブロックするよう変更したことで、従来の手口を使いにくくなった。

    一方、フィッシングはなくなったわけではなく、認証情報やセッショントークンを盗む手法が引き続き問題になっている。

    また、AIを使わない自動スキャンも依然として有効だ。

    つまり、攻撃手法が丸ごと入れ替わったというより、従来の手法にAIを組み合わせる動きが進んでいると考える方が正確だと思う。

    8. 守る側は何を変えるべきなのか

    従来から必要だった対策が、AI時代にも不要になるわけではない。

    公開システムの把握、脆弱性の修正、アクセス権限の管理、ログ監視などは引き続き重要だ。

    ただし、攻撃者が調査や検証を高速化できるなら、防御側も対応する速度を上げる必要がある。

    例えば、新しい脆弱性が公開された際、自社システムへの影響を速やかに特定できるか。

    公開しているサーバやAPIを継続的に把握できているか。

    正規のアカウントを使った不審な操作や、大量のデータ取得を検知できるか。

    こうした業務には、防御側でもAIエージェントを活用する余地がある。

    また、AIコーディングエージェントの普及によって、MCPサーバやOSSの依存パッケージも新たな管理対象になっている。

    Googleは2026年9月、攻撃者が悪意あるOSSや設定ファイルを通じて、AIコーディングエージェントを不正操作しようとする事例も報告している。

    AIによって攻撃能力が変わるだけでなく、AIを導入した企業自身にも新しい攻撃経路が生まれている。

    おわりに

    今回の調査で印象的だったのは、サイバー攻撃で使われる技術が、普段のAIシステム開発で使われる技術とそれほど変わらないことだった。

    Claude Code、LLM、OSS、ツール連携、メモリ、実行結果に応じた処理の切り替え。

    業務の自動化に使える仕組みは、攻撃の自動化にも利用できる。

    従来から攻撃者は自動化ツールを使っていたが、AIの普及によって、これまで人間が担当していた判断や試行錯誤の一部まで自動化できるようになってきた。

    だからこそ、セキュリティ攻撃が増えたというニュースを見る際は、被害企業や被害額だけでなく、「攻撃者が何を自動化していたのか」に注目すると理解が深まると思う。

    AIの普及によって、攻撃者に必要な専門知識や作業時間がどこまで減るのか。

    今後も注目したいテーマだ。


    参考資料

    あなたへのおすすめ