脅威アクターは、サイバー攻撃の所要時間を圧縮するためにエージェント型人工知能(AI)の運用化を進めており、偵察、脆弱性調査、エクスプロイト開発、認証情報の窃取を、人間が直接キーボードを操作する場面をはるかに少なくしたまま自動化しています。
ただし、現時点の証拠が示しているのは、完全に自律したAI主導の侵入ではなく、人間が監督する半自律型の攻撃チェーンです。
エージェント型AIは、従来の生成AI悪用からの大きな転換を意味します。
攻撃者はもはや、チャットボットにフィッシングメールやPowerShellスクリプトを書かせるだけではありません。LLMをスキャナー、資産検索エンジン、コードリポジトリ、Webプロキシサービス、エクスプロイトフレームワーク、シェル実行ツールに接続できるようになっています。
こうして生まれたエージェントは、目標を受け取ると計画を立て、各種ツールを呼び出し、結果を評価し、アプローチを修正しながら、侵入の複数の段階を進めていくことができます。
Google Threat Intelligence Groupの「2026年第3四半期AI脅威トラッカー」は、単発的なプロンプト利用から、こうした連携型ワークフローへの移行を記録しています。
第2四半期に実施されたあるMandiantの調査では、金銭目的とみられる脅威アクターがクラウドインフラを侵害し、AIコーディングチャットボットとエージェント指示、自動化ツールを組み合わせて、大規模な認証情報窃取作戦を6時間足らずで構築・実行していました。
特に自動化の影響を受けやすいのが偵察フェーズです。
十分な機能を備えたエージェントは、オープンソースインテリジェンスを収集し、ドメインやクラウド資産をマッピングし、公開サービスを解析し、技術スタックをフィンガープリンティングし、ソフトウェアのバージョンを公開CVE情報と照合したうえで、悪用のしやすさに基づいて標的の優先順位付けを行うことができます。
これにより攻撃者は、従来であればアナリストの数時間から数日分の作業時間を要していた準備作業を、機械のスピードでこなせるようになります。
研究者らはまた、「Recon」と名付けられた自動偵察・認証情報管理フレームワークをホストする、露出したC2(コマンド&コントロール)環境も発見しました。
このインフラにはエージェント向けの指示書、ナレッジファイル、永続的なメモリ用ディレクトリが含まれており、クラウドおよびAIサービスのAPIキーを含む2万3,800件以上の窃取済み機密情報の整理・検証・管理に使われていました。
独自開発の脆弱性スキャンおよび認証情報窃取キャンペーン Mandiantは、金銭目的とみられる脅威アクターが、ある組織のクラウドインフラを侵害し、自律型のマルチエージェント攻撃フレームワークを展開しているのを観測しました。
脆弱性発見サービス
Googleはこの動きを、受動的でエンドポイント中心の情報窃取型マルウェアから、攻撃的なエージェント型の認証情報窃取への進化だと位置づけています。
懸念すべきは、スキャンが単に速くなったという点だけではありません。AIエージェントは、勧告文書を取り込み、実証コード(PoC)を探し出し、環境の前提条件を確認し、最初の試行が失敗すればエクスプロイトスクリプトを修正することで、新たに公表された脆弱性を実行可能な標的選定ワークフローへと変換できます。
Google Threat Intelligenceの研究者らによると、この活動では数千件のサードパーティ認証情報が侵害されたと伝えられており、エージェントは継続的な人手の介入なしに脆弱性スキャン、トラブルシューティング、IPローテーションのロジックを管理していました。
エージェント型AIによるサイバー攻撃の自動化
knaitheという名で追跡されている中国語話者の脅威アクターに帰属するとされる別のキャンペーンでは、DeepSeekを基盤とする「Hermes Agent」が標的の偵察と脆弱性の列挙を自動化していました。
GTIGは、政府機関を標的としてきた実績を持つ中国関連のサイバースパイグループが、AI支援による自動化されたエクスプロイトおよび攻撃後活動のパイプラインを構築するために、AI搭載の開発ツールを試している様子を観測しました。
独自の「1DayNews」パイプラインを用いてリモートコード実行(RCE)関連の公表情報を集約し、悪用可能性のスコアリングを行い、標的選定アラートを配信していました。
Deepwatchによると、このエージェントはLangflowに対して複数段階の攻撃シーケンスを試みたものの、設定の不一致により方針を転換したことが確認されています。
その後、FOFAを使って代替の標的を調査し、n8nを選定したうえで、連鎖的な攻撃経路のためのエクスプロイトコードを入手しました。
認証の壁によって完全な自律型エクスプロイトは阻まれたものの、システムが生成したインテリジェンスにより、オペレーターは露出していたCitrix NetScaler、Marimo、Apache Tomcat、IKE VPNのインフラに対する手動でのエクスプロイトへと迅速に切り替えることができました。
このキャンペーンでは、リモートコード実行、持続的なリバースシェルの確立、データの窃取が確認されたと報告されています。
攻撃後の段階(ポストエクスプロイテーション)は、次なる高リスク領域として浮上しつつあります。初期アクセスを獲得すると、エージェントは認証情報の発見、クラウドトークンの収集、内部資産の列挙、横展開計画の立案、ペイロードの準備を加速させることができます。
knaitheの活動では、オペレーターがプロセスメモリからCitrixのセッションクッキーを窃取し、セッションハイジャックによってMFA(多要素認証)を回避していたと報告されており、侵害されたMarimoのインスタンスからはAWSの認証情報が窃取され、Go言語ベースのバックドア「NKAbuse」が展開されました。
防御側にとって決定的な指標となりつつあるのは、単一の悪意あるハッシュ値やIPアドレスではなく、行動速度そのものです。
セキュリティチームは、継続的な外部アタックサーフェス管理、インターネットに露出したシステムへの迅速なパッチ適用、フィッシング耐性のあるMFA、そしてn8nやLangflow、ノートブック環境といった開発プラットフォームへの厳格なアクセス制御を優先すべきです。
ソフトウェアサプライチェーン
公開されている管理インターフェースは、可能な限りゼロトラストのアクセス制御の背後に移すべきです。
検知エンジニアリングにおいても、「スキャン→取得→エクスプロイト」という急速な一連の流れ、すなわち複数エンドポイントへの反復的な探査、公開エクスプロイトリポジトリからの即時ダウンロード、想定外のローカルWebサーバーの立ち上げ、AIエージェントやターミナルプロセスによるシェルおよびネットワークツールの起動などを特定できるようにしておく必要があります。
人手のみによるレビューサイクルでは、機械のスピードでスキャン・適応・再試行を繰り返す攻撃者に確実に対抗することはできないため、自動封じ込めが不可欠です。
Googleは、実際の標的に対して展開された完全自律型のエンドツーエンド攻撃パイプラインはまだ観測していないと注意を促しています。
しかし、これまでに確認された進展の方向性は明らかです。攻撃者はエージェント型システムを用いてキルチェーン全体の運用上の摩擦を減らしており、露出管理、ID(アイデンティティ)の堅牢化、機械速度での検知が、防御側にとって喫緊の優先課題となっています。
★ 7段階のメトリクス管理型AI SOC導入フェーズを学ぶ – 無料のAI SOC導入プレイブック2026をダウンロード。
翻訳元: https://gbhackers.com/agentic-ai-automates-cyberattacks/
