Microsoftの最新防御レポートは、厄介な組み合わせを描く。攻撃者は侵入の一部をより速く準備でき、侵害されたIDや接続ツールは組織のより広い領域へ届く。完全自律型ハッキングが日常化する前に、AIは既知の手法を加速している。当面の問題は対応時間の短縮と、信頼されたアクセスのつながりの拡大だ。
10月1日公開の2026年Digital Defense Reportは、2025年7月から2026年6月の脅威活動を調べた。Microsoftは偵察、ソーシャルエンジニアリング、脆弱性研究、マルウェア開発、侵害後分析でAIを確認した。しかし、無監督のエージェントが攻撃を支配している証拠ではない。大半の活動は人間が管理しており、新しいタスク編成の研究と定着した行動を区別する必要がある。
数字が測っているもの
Microsoftによると、観測した侵入の63%がデータ窃取を含み、直近12か月に業務上の連絡先を装う攻撃を4,600万件超検出した。有効なアカウントを使う侵入の52.2%は、さらに認証情報の窃取につながった。盗まれたIDは単独の不審ログインではなく、別のアカウント、クラウドの記録、信頼された管理ツールへの入口になり得る。
地理と業種の数字は分母と期間が異なる。2025年1月から2026年6月の観測脅威活動では米国顧客が25.5%を占めた。2026年の業種測定では行政機関・公共サービスが27%で、2025年の17%から増え、ITは17%、研究・学術は14%だった。Microsoftの視野内の構成比であり、世界の全数調査でも個別組織の被害確率でもない。
フィッシングは2026年の観測侵入の23%で、2025年は7%だった。この増加のどれだけがAIによるものかは分からない。別の4月分析は、AI支援フィッシングのクリック率54%、従来型キャンペーン約12%と報告した。比率は4.5倍であり、相対増加450%ではない。活動設計、標的選択、測定対象が解釈を制約し、すべての受信箱への予測にはならない。
それでもAIは、役職別の誘導文、翻訳、職場の言い回しの模倣、失敗したメッセージの修正を安くする。偽の人物像、文書偽造、スクリプトの骨組み、マルウェアのデバッグ、検知回避、盗んだファイルの要約にも役立つ。新しいエクスプロイトや独立した機械攻撃者がなくても、こうした改善は影響を持つ。
1日未満は警告であり、すべての脆弱性の時計ではない
Microsoftは、脆弱性が実環境で発見されてから攻撃に使える形になるまでの中央値が24時間を大きく下回ったとする。攻撃への転用は利用コード、スキャン、より広い侵入手順を含み得る。公開要約は正確な時間、完全な標本、分布、詳細な手法を示していない。すべてのCVEに同じカウントダウンを付ける根拠にはならない。
対照となるのは、外部公開された重大な欠陥の修正に30~60日を要することがある組織だ。これも普遍的な修正時間ではない。クラウド運営者は迅速に緩和できる場合がある一方、規制、産業、医療のサービスでは互換性確認と慎重な停止計画が必要になる。資産発見、委託先の責任、試験、保守時間、承認は遅延を説明しても露出を消さない。
AIによるパッチ差分解析は、更新前後のコードを比較し、変更関数を見つけ、欠陥のある経路へ届く入力を提案できる。攻撃者は多数の標的についてソフトウェアの特徴、公開記録、漏えい認証情報も整理できる。失敗を許容して次へ進める攻撃側と違い、防御側は各システムを稼働させ続ける必要がある。パッチ公開は修正の始まりであると同時に、相手への欠陥情報の提供でもある。
2つの報道には異なる件数がある。一方は2026年の公開脆弱性を72,000件と予測し、他方は上半期のCVEが約40,000件で通年はその約2倍と推計する。整合済み予測として黙ってまとめてはならない。開示増加は既存欠陥の発見改善を反映する可能性もあり、ソフトウェア品質の急落を直接示さない。
パッチ数だけでなく露出に応じて対応する方が、この非対称性に合う。悪用中でインターネットから到達可能なIDゲートウェイは、強い制御の内側にある技術的に深刻な欠陥より緊急かもしれない。一時隔離、公開アクセス制限、認証情報更新、追加検知は恒久更新前にリスクを減らす。CISAの悪用済み一覧は証拠を加えるが、毎回外部確認を待てば、妥当な攻撃経路が開いたままになる。
エージェントは既存のリスクをつなぐ
レポートは、AIで従来システムを攻撃することと、AIシステム自体への攻撃を分ける。プロンプト、モデルデータ、提供基盤、ユーザー情報、出力、ツール、エージェントIDは入口や橋渡しになる。モデルの拒否テストだけで周囲のアプリケーションの安全性は証明できない。
Microsoftは、プロンプト操作、機密データ露出、ID侵害、過剰な行動権限、運用の完全性への損害に分類する。個別には許可されたツールを未承認の行動へ連結することが、過剰な行動の一例だ。完全性にはプロンプト、記憶、設定、学習データ、依存関係、ログが含まれ、その変更はモデル自体を侵害せず将来の動きを変え得る。
悪意ある文書は検索エージェントに情報公開や別ツールの呼び出しを命じるかもしれない。操作された情報が記憶に保存されれば、次の仕事にも影響する。重要なのは内容を読むことと、その内容に行動を起こす権限を与えることの境界だ。内部ナレッジベースも他の機密ストアと同様に、責任者と検索範囲が必要になる。
IDとのつながりは、Jasper SleetとCoral Sleetとして追跡される北朝鮮のリモートIT労働者活動にも見える。AIは履歴書、偽の人物像、多言語のやり取り、技術課題を助ける。決定的な認証情報は、不正な採用の後に雇用者が発行する。生成マルウェアだけでなく、信頼された業務関係の悪用である。
攻撃者はロール型プロンプト、言い換えた要求、複数回に分けた指示で保護を回避しようともする。一見無害な出力をモデル外で組み合わせられる。信頼性の問題は残り、コードは失敗し、誘導文は外れ、自動挙動が攻撃者を露呈させる場合もある。
自律性の主張には重要な境界がある
Microsoftは6か月間で支援から活動の指示、攻撃の一部の自律実行へ進んだと説明する。また、AIが32段階の攻撃手順を完了した条件を制御した評価を挙げる。これは定義された条件での編成能力であり、任意の防御された企業への確実な侵入ではない。
現実には情報欠落、予想外の依存関係、防御の介入、未記録の経路があり、熟練した人間の判断が役立つ。同社の広い戦術評価では、現在の悪用の大半は文章・コード・媒体生成で、高度なエージェント実験はまだ大規模ではない。部分自動化を全工程の自律化と混同しなければ、両方の説明は成立する。
防御側にも同じ制約がある。Microsoftの従来の複数モデル型スキャン基盤は脆弱性探索と修正を助け、内部能力の顧客向け製品化を計画していた。別の調査は、一部Microsoftチームの処理能力を発見速度が上回ると報じた。もっともらしい欠陥を増やすだけでなく、再現、優先順位、修正、試験、配備が追い付いて初めて利益になる。
同社によると、一部Security Copilot利用者は脅威要約を60~70%速く作成する。これは分析者の作業であり、封じ込めや安全な修正の高速化と同義ではない。誤検知、資産の誤対応、有害な自動変更も、楽観的な生産性評価に対して考慮が必要だ。
連携検知には説明責任が必要
リバースプロキシ型フィッシングで、認証情報と認証済みセッショントークンが盗まれたと考える。次のセッションがメールとクラウドを読み、財務文書を複写し、持続アクセス用の認証方法を追加する。メール、ブラウザー、ID、アプリは断片しか見ないかもしれない。時刻、端末、利用者、アクセスの関係で調査可能な時系列になる。
AIはアラートをまとめ、既知のパターンを要約し、人間を未知の経路に振り向けられる。ただし広い権限を持つ防御エージェント自体も攻撃経路だ。独立した撤回可能なID、明示された責任者、範囲限定の認証情報、認証、行動承認、監査可能な背景情報が必要になる。読めることが編集、送信、内部指示の実行を自動的に許してはならない。
Microsoftは、検知後の対応が改善しても複数業種で滞在時間が長くなったと報告した。侵入を理解した後の行動が速くても、認識が早いとは限らない。単一製品より早い発見、初期アクセスから封じ込めまでの短縮、検証可能な記録の保存こそ、単なる追加テレメトリーより重要だ。
広い視野も特定の視野である
Microsoftは1日平均165兆超のセキュリティ信号、3,100万件のIDリスク検出、52億通のメールを処理するとする。規模は有益だが、顧客構成、地域普及、設定、検知範囲の変化が見え方を左右する。観測比率をインターネット全体の測定値にしてはならない。
同社は統合ID、クラウド、エンドポイント、AIセキュリティ製品も販売する。商業利益は観測を無効にしないが、証拠の関連付けに全層を1社から買う必要はない。共通ID、正規化ログ、公開標準、規律ある対応でも情報はつながる。一方、基盤集中は1つの障害を複数層に広げる。官民共有は背景を補えるが、顧客や調査の機密情報を守る必要がある。
NISTのAIリスク枠組みは設計、配備、測定、統治のライフサイクル視点を与え、サイバー制御を代替しない。次に重要なのは、攻撃転用時間の透明な定義と分布、実験室外で確認された自律活動、露出と滞在時間の短縮、失敗変更の減少だ。目先の教訓は具体的である。AIが攻撃の手間を減らす中、防御側はID、エージェントの行動、脆弱な資産を十分早くつなぎ、守るシステムを壊さず危険なアクセスを止める必要がある。
出典と関連資料
Microsoftデジタル防御レポート · 10月レポートの分析 · 攻撃ライフサイクルとAI · ナレッジベースのアクセス境界 · AI攻撃手法の研究 · NISTのAIリスク枠組み · 脅威情勢の分析 · AIスキャンと防御 · Microsoftの修正能力に関する調査 · CISAの悪用済み脆弱性一覧 · 主報道の発見記録 · 補足報道の発見記録
