解説
何十年もの間、広く使われているオープンソースソフトウェアの深刻な脆弱性を発見することは、専門性の高い作業でした。熟練した研究者が欠陥を突き止め、責任を持ってメンテナーに報告するまでには、数週間、時には数カ月を要していました。しかし、そのタイムラインは事実上崩壊しています。今や高度なAIモデルは、熟練の専門家が数週間かけて作り上げていたものを打ち破り、わずか数時間で脆弱性レポートを作成できるようになりました。これは仮定の話ではありません。フロンティアモデルや強力なオープンウェイトモデルを基盤にしたツールが、率直に言って質の高い発見を次々と生み出すようになった昨年秋以降、オープンソースセキュリティコミュニティが実際に目にしてきた光景です。
問題は、発見が本来ボトルネックではなかったという点です。ボトルネックとなっていたのは修復でした。パッチ適用、開示の調整、レポートを理解し検証してリリースまで持っていく上流メンテナーの作業——こうしたプロセスは、発見と同じペースではまったく加速していません。Valkeyのプロビナンスガードや、AIxCC優勝チームであるTrail of BitsがButtercupでDEF CON 2025において脆弱性を発見したように、この問題への対抗にAIを活用しているプロジェクトも存在します。
発見は数時間、修復は数週間
しかし、構造的な不均衡は依然として残っています。発見は時間単位で進む一方、修復は今なお週単位、月単位でしか進んでいません。IBMの「Cost of a Data Breach Report 2026」は、このギャップを数字で示しています。昨年発生した悪意ある侵害の4件に1件はAIが関与しており、前年比で56%増加しています。そうした侵害による企業の被害額は平均で600万ドルに達し、全体の侵害平均をおよそ100万ドル上回りました。同じ調査では、脅威検知にすでにAIエージェントを活用している組織が過半数に上る一方、脆弱性管理にAIエージェントを適用している組織はわずか18%にとどまることも明らかになっています。モデルは最大速度で問題を発見しているにもかかわらず、これらのプロジェクトを支える人間たちはまだ駐車場に取り残されたままなのです。
攻撃者側もすでに同等の能力を持つエージェントをチームに擁しています。証拠がそれを裏付けています。オープンウェイトモデルは、最も高価なフロンティアシステムとの差の多くを縮めており、これは概して防御側にとって好ましいことです。オープン性があれば、モデルがどのように学習されたかを理解し、ブラックボックスを盲信するのではなく意図的に制御できるからです。しかし同じオープン性は、攻撃者にとっての参入障壁も同様に下げてしまいます。これは現に起きている現実です。
では、何を変える必要があるのでしょうか。
修復と優先順位付け
修復と優先順位付けは、エンジニアリングの規律として確立されなければなりません。AIが発見した何万行にも及ぶ報告が次々と押し寄せる中で、その一つひとつを緊急事態として扱っていては、燃え尽きと不適切なトリアージを招くだけです。プロジェクト側には、深刻度や悪用可能性に関するあらかじめ定められた基準が必要であり、レポートは検証・文書化された状態でメンテナーに届けられるべきで、人間のレビュアーを圧倒する生データの山として渡されるべきではありません。
現状、こうした検証や振り分けの作業の多くは、担い手が定まっていません。複数の組織が同じマイナーなライブラリを独立してスキャンし、互いに連携することなくそれぞれ個別に報告を提出することで、ただでさえ空き時間にプロジェクトに取り組んでいるかもしれないメンテナーの負荷を何倍にも増やしています。Project Akritesのような取り組みは、まさにこの調整不足のギャップを埋めようとしているものです。発見内容を検証し、メンテナーに文脈情報を提供し、開示のタイミングを同期させることで、パッケージに依存するすべての人に修正が公開と同時に届くようにしています。これはエコシステムが必要とするより大きな対応の一部分にすぎず、ベストプラクティスの策定、メンテナーへの資金的支援、信頼できるAIのためのセキュリティ選択肢の中でセキュア・バイ・デザインの取り組みを重視するといった、より長期的な努力と並行して初めて機能するものです。
同じくらい重要なのが、脆弱性ギャップが人間に与える負担です。メンテナーの燃え尽きは、AI生成レポートが大量に届き始める以前からすでに深刻な問題でした。善意ではあっても連携の取れていない開示の波は、この状況を改善するどころか悪化させます。考えられる解決策の一つは、リソース不足に陥っているプロジェクトや、担い手を完全に失ってしまったプロジェクトを特定し、継続的な支援を提供できる組織と結びつけることです。オープンソースソフトウェアの恩恵を受けたり、それを使って製品を構築したりしている企業——つまりほとんどの企業——が、自社製品の起源である上流プロジェクトに目を向けて支援するようになれば、疲弊するメンテナーの数はもっと減るはずです。
これらすべては、EUサイバーレジリエンス法（CRA）に直接関わってきます。これはEU市場向けに販売する組織にグローバルな影響を及ぼす主要な要件です。製造事業者には、脆弱性に責任を持って対処し、厳格な期限内に開示する義務が課されます。AIによって加速する発見とCRAの期限が重なり合うことで、サイバーセキュリティに二重の打撃をもたらしつつあります。発見件数は増加し、そのスピードも速まる一方で、規制の時計は止まることなく、しかも高額な罰金が付きまといます。上流プロジェクトから脆弱性データを迅速に取り出し、製造事業者の手元に届けることは、コンプライアンス自体は各製造事業者自身の責任であるとはいえ、エコシステムがこうした義務の達成を後押しできる最も具体的な方法の一つです。
これは、AIを活用したセキュリティ研究を減速させるべきだという主張では決してありません。むしろ、その研究が生み出す成果をエコシステムが実際に消化できるだけの、調整インフラ、人員体制、標準を構築すべきだという呼びかけです。問題をより早く発見できても、業界がその修復においても同様に迅速かつオープンにならなければ、意味がありません。その取り組みはすでに進行中ですが、無数の個々のメンテナーが今なお最前線で持ちこたえている状況です。このギャップを埋めるには、もっと多くの人手が必要とされています。
