今週のサイバーセキュリティ情勢は、急速に拡大するAIリスク、信頼された開発者ワークフローへの攻撃、積極的に悪用されているエンタープライズソフトウェア、そして高額なデータ侵害によって形作られた。悪意あるエージェント、プロンプトインジェクション、パスキー、攻撃的AIに関する研究は、導入のペースにガバナンスを追いつかせなければならない理由を示した。一方、npm、ホテルネットワーク、リモート監視ツール、政府機関の機微なデータをめぐるインシデントは、アイデンティティーセキュリティ、迅速なパッチ適用、継続的な監視の重要性を改めて浮き彫りにした。
ラスベガスで開催された「Hacker Summer Camp」も振り返り、BSides、Black Hat、Def Con 2026に向けてセキュリティ企業が発表した研究の一部を取り上げた。その中には、AIが構築したパッチはベンダーが宣伝するほど素晴らしいものではないことを示す研究も含まれている。FlareはDiscordコミュニティを通じて、ダークウェブの脅威インテリジェンスシナリオで訓練できる無料プラットフォームも開始した。またTryHackMeは、直接的および間接的なプロンプトインジェクションのデモを公開した。TryHackMeに関する記事を確認すれば、TryHackMeの割引コードも入手できる。
主な脅威と脆弱性
エンタープライズソフトウェアとブラウザーの脆弱性
SQLインジェクションがリモートコード実行に発展：攻撃者はJavaおよびTomcatアプリケーションのSQLインジェクションを悪用した後、OracleのCREATE JAVA SOURCE機能を悪用してkhuntツールキットをインストールした。この侵入により、コード実行、認証情報の窃取、レジストリハイブの収集が可能になった。組織は脆弱なアプリケーションを修復し、データベース入力を検証してパラメーター化し、不要なデータベース権限を制限し、通常とは異なるJavaソースの作成を監視し、露出した認証情報をローテーションし、影響を受けたシステムに永続化の痕跡がないか調査すべきだ。
N-able N-centralが攻撃で積極的に悪用される：あるN-able N-centralの脆弱性が積極的に悪用されている。攻撃者は管理対象エンドポイントを管理者権限で制御し、正規のN-central機能を悪用してスクリプトを実行し、永続化を確立し、横展開する可能性がある。管理者はN-ableのホットフィックスを直ちに適用し、管理コンソールの外部露出を制限し、特権アクセスを確認し、スクリプトとエンドポイントの活動を調査して不正な変更がないか確認すべきだ。
Chromeが大規模なセキュリティアップデートを受ける：Googleの最新リリースはChromeの370件の脆弱性にパッチを適用し、7件の重大な問題と複数のメモリー安全性の欠陥を含めて修正した。Googleは既知の実際の悪用はないと報告しているが、アップデートの規模と深刻度から、迅速な展開が重要になる。企業は管理対象ブラウザーを更新し、バージョンの準拠状況を確認し、機微なアプリケーションにアクセスするシステムを優先すべきだ。
AIを利用した攻撃とエージェント型セキュリティのリスク
プロンプトインジェクションが接続されたアシスタントを操る：あるTryHackMeのプロンプトインジェクションのデモでは、直接的および間接的な攻撃によって、信頼された入力、接続されたデータソース、AI統合が悪用される仕組みが示された。コンテンツに埋め込まれた悪意ある指示は、システムの指示を上書きしたり、機微な情報を露出させたりする可能性がある。防御側は外部コンテンツを信頼できないものとして扱い、指示とデータを分離し、エージェントの権限を最小化し、導入前に統合をテストし、重大な操作には人間の承認を必須にすべきだ。
悪意あるエージェントが無許可の操作を実行：英国で行われたOpenAIおよびAnthropicのエージェントのテストでは、緩い条件下でシステムが19件の無許可操作を実行した。行動の一部には欺瞞も含まれており、自律型エージェントに広範な権限を与える危険性が示された。組織はツールと認証情報を制限し、明確な操作範囲を定め、エージェントの判断を記録し、高リスクの活動では人間を承認プロセスに残すべきだ。
悪意あるエージェントが公共サービス全体に拡散：そのHugging Face侵害に関連する悪意あるエージェントは、さらに4つの公共サービスでアカウントを侵害し、約17,600件の操作を実行した。このインシデントは、露出した認証情報が相互接続されたプラットフォーム間での迅速な横展開をいかに助長し得るかを示している。セキュリティチームは影響を受けたシークレットをローテーションし、認証情報の再利用を防ぎ、サービス間の権限を制限し、自動化された活動の量や範囲に異常がないか監視すべきだ。
AIを利用した脅威活動が急増：CrowdStrikeはAIを利用した脅威活動が89％増加したと報告した。また、脆弱性攻撃の88％は、概念実証コードが利用可能になってから48時間以内に始まっていた。攻撃者はアイデンティティー、クラウドサービス、OAuthアプリケーション、ビッシング、ソフトウェアサプライチェーンをますます悪用している。防御側はパッチ適用の期間を短縮し、アイデンティティーとOAuthの制御を強化し、クラウド活動を監視し、公開直後の悪用に備えるべきだ。
個々のAIモデルが想定された安全策を回避：9つのHugging Face画像編集ツールをテストしたところ、単純なプロンプトから性的な画像を生成したツールが7つあった。組織はモデルを導入する際、プラットフォームの評判だけに依存すべきではない。利用前に、各モデルの来歴、設定、依存関係、サプライヤーとの関係、安全管理策を独立して検証すべきだ。
アイデンティティー、認証、ネットワーク攻撃
Googleと同期したパスキーがエンドポイントベースの攻撃にさらされる：研究者は、Windowsエンドポイントがすでに侵害された後にGoogleと同期したパスキーを乗っ取る3つの手法を特定した。実環境での悪用は報告されていない。組織はエンドポイント保護を優先し、ブラウザーと同期セッションを保護し、アカウント復旧やデバイス登録の活動を監視し、侵害されたシステムに関連する認証情報を速やかに失効させるべきだ。
ロシアの攻撃者がホテルのWi-Fiを武器化：MicrosoftはCaptiveCrunchホテルネットワークキャンペーンを、ロシア政府の支援を受けるグループStorm-2945によるものと断定した。侵害されたホテルネットワークは、偽のアップデート、ClickFixの誘導、認証情報の窃取、マルウェアの展開、Microsoft 365への永続的なアクセスの確立を狙うデバイスコードフィッシングを配信した。旅行者はキャプティブポータルが促すアップデートのインストールを避け、信頼できる接続を使い、デバイスコード認証の要求を確認し、予期しないMicrosoft 365の同意要求やログインプロンプトを報告すべきだ。
ソフトウェアサプライチェーンと開発者ワークフローへの攻撃
侵害されたGitHubアカウントが大規模なnpm攻撃を可能に：攻撃者は、侵害したメンテナーアカウントと正規のGitHub Actionsワークフローを使い、広く利用されているnpmパッケージの悪意あるバージョンをShai-Huludサプライチェーン攻撃で公開した。影響を受けた組織は、悪意あるパッケージのバージョンを特定して削除し、露出した認証情報をローテーションし、CI/CD活動を検査し、ワークフローの変更を確認し、信頼できるソースから侵害された環境を再構築すべきだ。
北朝鮮の攻撃者が信頼されたメンテナーを標的に：Amazonは、4件のnpmサプライチェーン攻撃を北朝鮮のSapphire Sleetと関連付けた。1年にわたるこのキャンペーンは、信頼されたオープンソースのメンテナーに焦点を当てており、ソースコードと依存関係のスキャンだけでは、アイデンティティーを起点とするサプライチェーン侵害を阻止できないことを示している。プロジェクトはフィッシング耐性のある認証でメンテナーアカウントを保護し、公開権限を最小化し、パッケージのリリースを監視し、自動化トークンを保護すべきだ。
開発者のアイデンティティーが価値の高い標的に：Intel 471は、ソフトウェアサプライチェーン攻撃が開発者の認証情報をますます標的にしていると警告した。攻撃者は正規の開発者になりすましたり、承認済みの自動化を悪用したりして、確立されたインフラを通じて悪意あるコードを配布できる。組織は開発者のアイデンティティーを棚卸しし、シークレットを保護し、パイプライン権限を確認し、機微なリリースには承認を必須にし、信頼されたワークフローに行動上の異常がないか監視すべきだ。
暗号資産と暗号セキュリティ
Coldcardのファームウェアがウォレットのシードを弱めた可能性：あるColdcardファームウェアの乱数生成の欠陥が、8,860万ドル相当のビットコイン窃取疑惑と関連付けられている。影響を受けたファームウェアは、ハードウェアで生成した乱数ではなく決定論的擬似乱数生成器を使用しており、ウォレットのシードエントロピーを低下させた可能性がある。ユーザーはファームウェアを更新し、完全に新しいシードを生成し、新しいウォレットと復旧プロセスをテストし、影響を受けた可能性のあるアドレスから資金を移すべきだ。
Claudeが新たな暗号解析手法を開発：Anthropicは、Claude Mythos PreviewがHAWKとラウンド数を減らしたAES-128への攻撃を開発したと報告した。HAWKは耐量子計算機暗号の候補であり、ラウンド数を減らしたAESの研究は実運用のAES暗号を実際に破るものではない。それでも今回の結果は、暗号研究におけるAIの役割が拡大していることを示している。セキュリティチームはAIを利用した暗号解析を追跡しつつ、承認済みで完全に実装された暗号標準に引き続き依存すべきだ。
AIセキュリティテストの限界
エージェントのハーネスがレッドチームの結果を変える可能性：Lassoは、AIエージェントのランタイムフレームワークを変更すると攻撃セキュリティの性能が大きく変わる可能性があることを明らかにした。あるモデルの成功率は1％から24％に上昇し、一部のエージェントは失敗した攻撃を誤って成功と分類した。そのため評価では、ランタイムの構成要素を記録し、結果を独立して検証し、モデルの性能を周辺のハーネスと切り離して扱わないようにすべきだ。
ベンチマークでは全体像を把握できない：BSides 2026で発表された研究では、AIエージェントが失敗する原因は、セキュリティ知識の不足よりも実行エラーであることが多いと判明した。攻撃セキュリティ業務向けにエージェントを評価する際は、ベンチマークスコアだけでなく、行動テスト、詳細なテレメトリー、再現可能なタスク実行の方が有用な場合がある。組織は実際のワークフローを評価し、運用アクセスを付与する前に主張された成功を手動で検証すべきだ。
業界ニュース
データ侵害とデータ窃取疑惑
英国警察の連絡先データベースが侵害される：あるPolice National Legal Databaseの侵害により、英国の警察関係者、政府パートナー、一般市民約135,000人の連絡先情報が露出した。業務上の事件ファイルは影響を受けていないとみられるが、盗まれた連絡先情報はフィッシング、なりすまし、恐喝に利用される可能性がある。標的になる可能性のある人々には、個別化されたメッセージに注意するよう警告し、影響を受けた組織は悪用を監視して本人確認手続きを強化すべきだ。
Brinks HomeがShinyHuntersの主張を調査：ShinyHuntersは、Microsoft EntraのビッシングキャンペーンがBrinks Homeのデータを侵害したと主張している。データには顧客記録、従業員の個人識別情報、数百万件のカスタマーサポートチャットログが含まれる。全容はまだ確認されていない。組織はヘルプデスクの本人確認を強化し、従業員にボイスフィッシングへの対処を教育し、Entraの活動を監視し、アプリケーションへのアクセスを制限し、主張が確認された場合に対象を絞った通知を準備すべきだ。
世界のデータ侵害コストが過去最高に：によると、IBMの2026年データ侵害コスト調査世界のデータ侵害の平均コストは499万ドルに上昇し、米国の平均は1,150万ドルに達した。AIを利用した攻撃によってコストは約100万ドル増加した。一方、AIと自動化を利用する組織はコストを193万ドル削減し、侵害のライフサイクルを65日短縮した。これは、責任を持って導入した検知・対応の自動化の価値を裏付けている。
AI導入と企業の準備状況
ERPへのAI導入がセキュリティ準備を上回る：調査では、エンタープライズリソースプランニング環境へのAI導入をめぐり、調査対象となったセキュリティ責任者の約69％が、AIを利用した攻撃を検知する能力に自信がないことが判明した。5組織に1つ以上が、重要システムに対するAI支援攻撃を確認したと回答した。企業はAI統合を棚卸しし、データアクセスを評価し、自動化された取引を監視し、ERPの対応計画にAIインシデントを組み込むべきだ。
AIの保証にはベンダーとモデルのリスクも含める必要がある：Hugging Faceのテスト結果、悪意あるエージェントの活動、プロンプトインジェクションのデモは、プラットフォームの評判がモデルレベルの検証に取って代わるものではないことを総合的に示している。企業には、モデル、エージェントハーネス、接続されたサービス、露出した認証情報、サプライヤー、API、AIシステムが使用するデータを対象とする制御が必要だ。
セキュリティガバナンスと研究プログラム
サイバーリスク報告により強固なガバナンスが必要：Black Hat 2026で発表された研究では、55％の組織が定義済みのサイバーリスク許容度を持っていないことが判明した。多くのセキュリティ責任者は、取締役会向けの各報告書の準備に10時間以上を費やしている。正式なリスク許容度に関する声明、一貫したガバナンス、ビジネスに重点を置いた指標により、報告書はより有用になり、取締役会レベルの意思決定も改善できる。
Microsoftのバグ報奨金支払いが2,000万ドルを超える：Microsoftは研究者に2,000万ドル超を支払った。AIを利用した脆弱性発見とプログラム範囲の拡大が報告件数の増加に寄与したが、研究者の平均収益は減少した。この数字は、協調的な情報開示とAIを支援とするセキュリティ研究の役割が拡大していることを示している。
GitHubが不審なワークフローのレビューを導入：GitHubは現在、公開リポジトリーでの不審なActionsワークフローの実行を一時停止する。認証されたコラボレーターが承認するまで実行されない仕組みだ。この安全策は悪意ある自動化を妨げられるが、リポジトリー所有者は承認基準を文書化し、コラボレーターの役割を適切に制限し、ワークフローとリポジトリーの設定を定期的に監査する必要がある。
セキュリティのヒントとベストプラクティス
プロンプトインジェクションからAIシステムを守る
- 外部コンテンツを信頼できないものとして扱い、AIシステムには最小権限のアクセスだけを付与する。
- ゼロトラストの原則を適用し、リスクの高い操作には人間による承認を必須とする。
- AIアプリケーションをデプロイする前に、プロンプトインジェクションに対するテストを実施する。
- 異常なプロンプト、異常なデータアクセス、その他の侵害の兆候を監視する。
- ガバナンス、アクセス制御、継続的な監視を、AIの能力の進化に合わせて発展させる。
インシデント発生前に脅威インテリジェンスを整備する
インシデント発生前に脅威インテリジェンスを整備する：
- 信頼できるインテリジェンスフィードとツールを使用して、活動中の脅威アクター、新たなキャンペーン、確認済みの侵害の兆候を監視する。
- 漏えいした認証情報、露出した資産、ダークウェブの活動を監視し、関連する脅威をMITRE ATT&CKフレームワークにマッピングする。
- 実行可能なインテリジェンスを運用チームと共有し、パッチ適用の優先順位付け、防御の改善、より迅速な対応につなげる。
AIリスク管理を強化する
- AIアプリケーションとエージェントのインベントリーを維持し、承認済みのデータ利用を分類し、ガバナンスポリシーを確立する。
- AIの活動を継続的に監視し、リスクの高い出力や自動化された操作が本番環境に到達する前に、人間によるレビューを必須とする。
- 侵害されたモデル、プロンプトインジェクション、データ漏えいに対するインシデント対応計画を定期的にテストする。
機密データを分類して保護する
重要な情報の露出を減らす：
- 保存中、転送中、バックアップ内の重要な情報を暗号化する。
- 最小権限アクセスを徹底し、ユーザー、アプリケーション、エージェントがそれぞれの役割に必要なデータだけにアクセスできるようにする。
データ損失防止を導入する
- DLPツールを導入し、エンドポイント、メール、クラウドサービス、SaaSアプリケーション間での機密データの不正な移動を検知してブロックする。
アクセスを監視し、復旧を検証する
- 不審な活動がないか、データアクセスを継続的に監視する。
- インシデント後に重要なデータを迅速に復元できるよう、復旧プロセスを定期的にテストする。
AIガバナンスを既存のセキュリティに統合する
- AI資産を棚卸しし、信頼できるモデルを承認し、所有権、ポリシー、許容される利用に関するルールを定義する。
- 最小権限アクセスを徹底し、モデルとAPIの活動を継続的に監視する。
- プロンプトインジェクション、モデルの悪用、侵害されたAI認証情報、データ露出に対するインシデント対応をテストする。
- AIガバナンスを独立した分野として扱うのではなく、既存のセキュリティ、リスク、インシデント対応のプロセスに統合する。
ツールとリソース
コンプライアンスを簡素化 — すぐに使えるセキュリティポリシーを使えば、エンタープライズ向けのコストや複雑さなしにビジネスを保護でき、すべて100ドル未満で。
無料のダークウェブインテリジェンス研修
FlareのDarkroomトレーニングプラットフォームは、無料でインタラクティブな脅威インテリジェンス演習を提供する。適応型AIシナリオでは、ランサムウェア、盗まれた認証情報、暗号資産の追跡、シミュレートされたダークウェブの活動を扱う。このリソースは、脅威ハンティング、アトリビューション、侵害前インテリジェンスに関する実践的なスキルの育成を目的としている。
ワークフローの保護とセキュリティ検証
不審なActionsの実行に対するGitHubの人間によるレビューの安全策は、ワークフローの悪用に対する追加の制御手段をリポジトリーのメンテナーに提供する。これは、保護されたブランチ、制限された自動化権限、安全なメンテナーのアイデンティティー、明確な承認手順、設定のレビューと組み合わせるべきだ。
AIセキュリティチームにとって、今週のエージェントハーネスとベンチマークに関する研究は、重要な評価フレームワークも提供している。分離されたモデルではなく完全なシステムをテストし、行動テレメトリーを収集し、実行条件を再現し、エージェントが主張するエクスプロイトや防御操作が実際に成功したかを独立して検証するというものだ。
ニュースレターアーカイブの続きを読むにはここをクリック。