2026年を迎え、サイバーセキュリティの情勢は未知の領域へと移行しつつある。
「ディープフェイクへの恐怖」や「AIカオス」に関する見出しは、人工知能が従来の攻撃手法を単に加速させているだけではないという認識が広がっていることを示している。
数年前であればセキュリティの方程式に意味のある形で含まれていなかった、新たな脅威カテゴリーを生み出しているのだ。
人工知能（AI）は依然として、フィッシング、ソーシャルエンジニアリング、マルウェア開発といった長年の攻撃手法を増幅させているが、ディープフェイクやプロンプト操作、自律エージェントの悪用が武器となったことで、攻撃者の能力はより広範に進化している。
セキュリティチームは前提を見直し、防御モデルを成熟させ、過去のパターンからますます逸脱する脅威の振る舞いに備える必要がある。
世界経済フォーラムによると、87％のセキュリティ専門家が、AI関連の脆弱性を最も急速に増加しているサイバーリスクと見ている。
この認識は、規模と巧妙さにおける現実の変化と、確立された脅威パターンからの逸脱を反映している。
本プレイブックは、セキュリティチームがAI主導の脅威環境を理解し、レジリエンスを強化するベストプラクティスを実行するための体系的なアプローチを提供する。
既知の脅威を増幅するAIを理解する
セキュリティチームは長年、フィッシング、なりすまし、マルウェアと戦ってきたが、2026年は転換点となる。AIはもはや攻撃を速めるだけでなく、現実とほとんど見分けがつかないものにしている。
従来の危険信号をすり抜ける、品質とカスタマイズ性の劇的な向上が見られる。
例えば、北朝鮮のアクターは、ディープフェイクによるなりすましを使ってIT担当者を装い、米国企業に侵入することに成功している。一方、AI主導のポリモーフィックマルウェアは、標準的な検知から隠れ続けるために自らのコードを自動的に変異させるようになっている。
攻撃者はテキストだけでなく、経営幹部や取引先を模倣する極めてリアルな合成音声や動画も展開している。また、悪意あるボットはユーザーに代わって行動するための認証を要求するようになり、組織は有益な自動化と有害な自動化を見分けることに苦慮している。
結局のところ、こうした手法の目的は、足がかりの獲得、横方向への移動、データの窃取という昔ながらのものだ。しかし、欺瞞の速度、規模、品質があまりにも高まったため、従来の防御では対処できない環境が生まれている。
ベストプラクティス：
- 組織は、AI対応の欺瞞を考慮して、フィッシング対策とセキュリティ意識向上プログラムを見直す必要がある。
- ディープフェイクのシミュレーションとポリモーフィックマルウェアのシナリオを年次の机上演習に組み込み、備えを確実なものにする。
自律型の攻撃者とLLMを標的とする攻撃に備える
2025年、組織は新たなAI対応ブラウザーを悪用する複数のプロンプトインジェクション攻撃を目の当たりにした。
これらの攻撃は自動化されたエージェントを操り、機密データをフォームに入力したり、マルウェアをダウンロードしたりするなど、許可されていない行動を完了させた。
大規模言語モデル（LLM）の急速な武器化により攻撃ライフサイクルは圧縮され、攻撃者は新たな脆弱性が公開されてから数時間以内に悪用できる場合さえある。
さらに、ポリモーフィックマルウェアの台頭が事態を複雑にしている。生成AIを使えば、攻撃者はシグネチャベースの検知を回避するために自動で変異する悪意あるコードを作成でき、多くの従来型ウイルス対策やEDRツールを時代遅れにしてしまう。
インフラへの攻撃に加え、AIで高速化された認証情報のクラッキングは、過去のデータ漏えいを利用して数秒でパスワードを侵害するようになっている。また、巧妙なプロンプトインジェクション攻撃も登場しており、その一例がReprompt攻撃だ。この攻撃は、脅威アクターがユーザーの操作なしに自動化されたエージェントを乗っ取り、データを流出させられることを実証した。
ベストプラクティス：
- 自動スキャンを実施し、24時間以内にセキュリティ更新プログラムを展開することで、ゼロデイ攻撃の悪用に対抗する。
- AI主導のブラウザー操作とエージェントが収集するすべての情報を監視し、有害または不正確な出力を減らすためにプロンプト検証を実施し、すべてのエージェントログを重要なフォレンジックデータとして扱うことで、エージェントへのアクセスに厳格なガードレールを適用する。
内部運用リスクの増大を予測する
組織はスキルギャップを埋めるためにAIの導入を急いでいるが、意図せず内部運用リスクの増大を招いている。
効率性の向上は大きいものの、イノベーション競争はしばしばガバナンスを追い越してしまう。
このミスマッチは主に、監督されない自動化と、AI支援開発に内在する脆弱性という2つの方向に現れている。
第1の重大なリスク要因は、重要なセキュリティ運用をAI主導の自動化に過度に依存することだ。
「human-in-the-loop（人間を介在させる）」安全策なしにインシデント対応を自律エージェントへ委ねると、深刻な自損型の障害を招くおそれがある。
AIエージェントは高速である一方、文脈を誤解し、本番サーバーを停止したり重要なサービスを遮断したりするなど、取り消せない操作を実行する可能性があり、事業に大きなダウンタイムをもたらす。
第2のリスク要因は、ソフトウェア開発ライフサイクルに存在する。
AIを使ってコードを生成する開発者は、従来のテストでは見逃される機能上のバグや隠れたセキュリティ脆弱性を意図せず持ち込む可能性がある。
AI主導の開発ツールは、URLハイジャック攻撃にも弱い。この攻撃では、AIが正規のライブラリに似た名前の悪意あるオープンソースパッケージを提案する可能性がある。
これにより、巧妙なサプライチェーンリスクが生じ、悪意あるコードが企業独自のソフトウェアに直接組み込まれてしまう。
こうした運用リスクを低減するには、AIセキュリティを戦略的な経営判断として扱い、すべての導入を明確なROIと管理されたパイロット段階で裏付ける必要がある。
ベストプラクティス：
- AIには調査、相関分析、推奨を担わせる一方、基幹システムを停止させる可能性のあるすべての対応操作については、実行前に人間の承認を必須とする。
- AIが生成したコードには厳格な検証を実施し、パッケージフィルタリングツールを使って悪意あるオープンソースモデルから防御する。
- 導入する前に、無秩序なAI導入の危険を避けるため、ビジネス上の課題、想定ユーザー、成功指標を明確に定義する。
レジリエンスのロードマップ
2026年にサイバーレジリエンスを構築するには、事後対応型の防御から、エクスポージャーを起点としたプロアクティブなガバナンスへ根本的に転換する必要がある。
組織は、AIが加速させる攻撃者による弱点の発見・悪用能力に対して、レジリエントな態勢の核心は、迅速な脆弱性管理と厳格なアーキテクチャー制御によって攻撃対象領域を縮小することにあると認識しなければならない。
ゼロデイ攻撃の悪用に対抗するためパッチの適用サイクルを短縮し、重要な対応操作にhuman-in-the-loop（人間を介在させる）プロトコルを導入すれば、セキュリティチームは自律的なエラーに制御を明け渡すことなく、AIの分析速度を活用できる。
持続的なセキュリティを実現するため、リーダーは社内AI導入において「セキュア・バイ・デザイン」のアプローチを優先し、明確な成功指標を設定した管理下のパイロットを選び、流行に押された導入から脱却すべきだ。
レジリエンスは最終的に、綿密な計画の産物である。
AIエージェントのログを重要なフォレンジックデータとして扱い、サプライチェーンと第三者のアクセスを厳格に監視することで、組織は直接的・間接的な攻撃経路の双方から防御できる。
この新たな環境で最も成功するチームとは、AIで強化された検知を、脅威主導型の多層防御戦略と統合し、重大な意思決定のすべてで人間の専門知識を中心に据えるチームだ。