AI時代のサイバー防御_v2

AIがサイバー攻撃の速度と規模を押し上げる 悪用を確認した脆弱性数 攻撃の準備をAIが支援 月平均／件 20 18 15 10.5 偵察や脆弱性分析、攻撃コード作成 を効率化し、攻撃を試みる対象を広 げる。 10 5 NCSCは、AIが脅威の頻度と強度を 高めると評価している。 0 2025年 2026年1～8月 出典：GTIG（2026/9/30）、NCSC（2025/5/7） ※脆弱性の種類数であり、攻撃件数ではない。増加全体をAIに帰属させる数値ではない。 01

防御側には、業務を止めないための判断が必要 比較項目 攻撃側 防御側 達成したいこと 脆弱性を悪用する 安全性と業務継続を両立する 実行前の課題 PoCや攻撃コードを作成する 影響検証・業務調整・変更承認 AIが速める部分 技術的な準備と試行 分析・優先順位づけ・検知 残る制約 対象発見や検知回避も必要 適用の責任と業務影響の判断 AIで分析を速めても、組織の意思決定には時間がかかる 出典：NCSC “One does not simply defend agentically”（2026/9/21）をもとに整理 02

攻撃の準備と修正の完了には、時間差がある AIによるPoC作成の実験 企業の完全修正に関する調査 31分 43日 Windowsカーネルの脆弱性で 最初のPoCを作成するまで 既知悪用脆弱性を検出してから 完全修正するまでの中央値 PoC作成の高速化に対して、修正の展開には検証と調整が必要 出典：Anthropic（2026/6/8）、Verizon DBIR 2026 p.17 ※異なる対象・起点の比較。PoC完成は広範な攻撃開始を意味しない。 03

パッチ適用までの期間にも、防御が必要 完全修正した既知悪用脆弱性の割合（%） 40 38 すべてを悪用前に 修正できるとは限らない 26 30 重要な脆弱性の修正を急ぐ。 アクセス制限と検知・遮断で、 未修正の期間を守る。 20 10 0 前年の調査 2026年版の調査 出典：Verizon DBIR 2026 p.17、ASD/ACSCほか（2026/9/8） ※CISA KEV該当脆弱性の企業内完全修正率。全脆弱性の修正率ではない。 04

多層防御で、侵入と被害拡大を抑える 防御の役割 対策の例 狙い 入口を減らす 不要な公開の停止、アクセス制限 攻撃が届く対象を減らす 攻撃を遮断する WAF／IPS、暫定的な緩和策 パッチ適用までの露出を抑える 侵入を検知する EDR、ネットワーク・認証ログの監視 不審な挙動を早期に把握する 被害拡大を抑える 端末隔離、権限制限、ネットワーク分離 横展開や情報流出を抑える 各層を組み合わせ、パッチが完了するまでのリスクを下げる 参照：ASD/ACSCほか “Opportunities for AI in cyber defence”（2026/9/8） 対策は対象システムと攻撃手法に応じて選定する。 05

パッチの迅速化と、検知・遮断の強化を進める 修正までの時間を短くする 未修正の期間を守る 悪用状況と外部公開の有無で 修正の優先順位を決める 対象資産に暫定対策を適用し、 監視と検知を強化する 緊急変更手続きと事前検証を整え、 適用の判断と展開を速める 検知後の遮断・隔離までを整え、 演習で対応の速さを確認する パッチを速める。適用まで守る。侵入後の被害を抑える。 参照：NCSC（2026/9/21）、ASD/ACSCほか（2026/9/8） 上記は本資料の推奨施策。 06

参考資料 01 Google Threat Intelligence Group 2026/09/30 Vulnerability Discovery and Exploitation Trends in the AI Era 02 英国NCSC 2025/05/07 Impact of AI on cyber threat from now to 2027 03 英国NCSC 2026/09/21 One does not simply defend agentically 04 Anthropic 2026/06/08 Measuring LLMs’ impact on N-day exploits 05 Verizon 2026/05/19 2026 Data Breach Investigations Report, p.17 / Figures 12–14 06 豪州ASD/ACSCほか 2026/09/08 Opportunities for AI in cyber defence 資料名をクリックすると原文が開きます。参照日：2026年10月13日 07