Technology

AIのサイバー悪用が侵入後へ拡大、832アカウントを分析

この記事のポイント

  1. 実現したこと

    技術力の低い攻撃者が、侵入後の活動をAIに代行させる利用が確認された。

  2. 実現の仕組み

    高リスクの攻撃者は、モデルに複数の攻撃工程を連結させ、人間の入力を最小限に抑える構成を使う。

  3. 得られた結果

    Anthropicの評価で中程度以上のリスクに分類された攻撃者は、前半6カ月の33%から後半6カ月の56%に増えた。

  4. 従来との違い

    調査期間中、攻撃者によるAI利用の重点は初期侵入から侵入後の活動へ移った。

侵入済みネットワークを表すサーバー室で、中央の操作端末から複数のサーバーや端末へ橙色の矢印が伸び、AIが侵入後の工程を連結して横展開する様子を描いた編集イラスト。
AI生成画像

サイバー攻撃でのAI利用が、侵入準備から侵害した環境内部の活動へ広がっている。Anthropicが停止済み832アカウントを分析したところ、攻撃工程をAIに連結させる構成が高リスクの特徴となり、使った手法の数や利用画面だけでは危険性を見分けにくくなっていた。

832アカウントの利用を攻撃手法に対応付ける

Anthropicは、2025年3月から2026年3月に悪意あるサイバー活動で停止したアカウントから、攻撃手法を詳しく評価できる832件を選んだ。攻撃者の戦術や手法を整理する知識基盤MITRE ATT&CKに利用内容を対応付けており、停止した全アカウントを対象とする集計ではない。

対象の560件、67.3%はマルウェア作成にAIを使っていた。一方、54件、6.5%では、侵害したネットワーク内部で活動範囲を広げる横展開にもAIの支援を利用していた。

初期侵入から侵入後の活動へ利用が移る

Anthropicの分析では、調査期間を通じてAI利用の重点が初期侵入から侵入後の活動へ移った。技術力の低い攻撃者が、自力では扱いにくい侵入後の活動をAIに代行させる利用も確認したとしている。

この期間、独自のリスク評価で中程度以上に分類された攻撃者の割合は、前半6カ月の33%から後半6カ月の56%へ上昇した。この数値は分析対象内での分類割合であり、サイバー攻撃全体の増加率を示すものではない。

手法の数と利用経路ではリスクを見分けにくい

AIが技術的な作業を代行する状況では、使う手法の多さと攻撃者自身の技術力が結び付きにくい。Anthropicの分析対象では、技術力が最も低い攻撃者群でも平均約16種類の手法を使い、最も高い群の平均約20種類に近かった。

利用経路にも、リスクを区別する相関は見られなかった。コーディング支援ツールのClaude Code、API、チャット画面のどれを使ったかだけでは、攻撃者のリスク水準を判別できなかった。

工程を連結する自律性が既存の分類からこぼれる

Anthropicが高リスクの特徴として挙げるのは、モデルの周囲に組まれた実行の仕組みだ。攻撃者は個別の工程をモデルに連結させ、最小限の人間の入力で実行を進める構成を設計していた。

この構成では、攻撃手法を使うだけでなく、工程を順番に進め、次に何をするかをリアルタイムに判断する役割もAIが担う。Anthropicは、こうした人間の介入を抑えた自律的な工程制御がMITRE ATT&CKの攻撃手法として十分に収録されておらず、手法の数に着目した評価では危険性を捉えきれないと指摘している。