AIに書かせたコード、約4割に「穴」があった ― 無料でできるセキュリティ点検のはなし

最初に、正直な話から

先に言っておくと、この記事で紹介する点検ツール2つは、筆者自身が自分のアプリで実測したレビューではありません。公式の調査報告と、各社の公式ドキュメント・公式リポジトリを読んで、「これは知っておく価値がある」と思ったものをまとめた紹介です。その上で書く理由はシンプルです。AIにコードを書かせることが当たり前になった今、「動くコード」と「安全なコード」は別物だ、ということを裏付ける、かなり大きな調査結果が出たからです。

数字で見る「AI生成コード」の現在地

セキュリティ企業 Veracode が2026年10月29日に発表した「GenAI Code Security Report Fall 2026」は、18のAIモデルに、4つのプログラミング言語（Python、C#、JavaScript、Java）で、4種類の代表的な弱点（SQLインジェクション、弱い暗号化、XSS、ログ注入）を含むコードを書かせて、安全性を測った調査です。条件は、プロンプトでセキュリティへの配慮を特に指示しない、というもの。普段の「とりあえず書いて」に近い状態です。
結果はこうでした。

• セキュリティ合格率は平均62%（前回56%からは改善）

• 裏を返すと、約38%のタスクで、既知の脆弱性を含むコードが生成された

• 最も優秀だったモデル（Claude Opus 5.5 と GPT-6-Sol）でも 73%止まり

• 言語別では Java が31% と突出して低かった

面白いのは、弱点の種類で差がはっきり分かれたことです。

• SQLインジェクション: 合格率 84%

• 弱い暗号化: 合格率 87%

• XSS（クロスサイトスクリプティング）: 合格率 18%

• ログ注入（ログインジェクション）: 合格率 13%

有名で対策が確立した弱点はAIもかなり守れるようになってきた。一方で、XSS やログ周りのような「つい甘くなる」部分は、今のAIでも8割以上が落第する。改善はしているけれど、「AIが書いたから大丈夫」と言える数字には、まだ遠いというのが正直なところです。
そして Veracode 自身の結論が、この記事の核心です。
「一番高いモデルを検証なしで使うより、中位のモデル＋スキャンで検証する方が、正確で安上がりになる」
モデル選びより、検証。ここから先は、その「検証」を無料でやるためのツールの話です。

点検ツール1: Cloudflare の「security-audit」スキル

1つ目は、Cloudflare がオープンソースで公開している security-audit というスキルです（MITライセンス、無料）。もともと2026年6月に公開されたもので、最近また SNS で広がっています。
これは、AIコーディングエージェントに「自分のコード置き場のセキュリティを監査して」と頼むための、いわば監査手順書のパッケージです。インストールは1行で、

npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit

あとは対象のコードベースでエージェント（Claude Code や Codex など）を起動して、security audit this codebase のように普通の言葉で頼むだけ、という設計になっています。
このスキルの一番いいところは、設計思想です。公式の README に、こういう原則が書かれています。
「所見をチェックするエージェントは、それを見つけたエージェントでは決してない」
穴を見つける役（ハンター）と、その穴が本物かどうかを 反証しようとする別の役 を分ける。同じAIに「見つけて、ついでに確認もして」と任せると、自分の発見を自分で肯定して終わりがちです。だから役割を分けて、わざわざ疑わせる。この「AIにAIを疑わせる」発想は、点検以外にも応用が利く考え方だと思います。

点検ツール2: NVIDIA の「SkillSpector」

もう1つ、コードそのものではなく、エージェントに入れる「スキル」の方を点検するツールもあります。NVIDIA がオープンソースで公開している SkillSpector（Apache License 2.0、無料）です。SNS では「SkillSpecter」と誤って書かれていることが多いのですが、正式名は SkillSpector です。
やり方は、スキルを入れる 前にスキャンすること。プロンプトインジェクション、データの持ち出し、権限の取りすぎ、サプライチェーンの問題などを見て、0〜100 のリスクスコアで返してくれます。
公式の README には、ぞっとする数字も載っています。分析した 31,132 件のスキルのうち、26.1% に脆弱性があり、5.2% には悪意ある意図の可能性があった、というものです。
「便利そうなスキルを、配布ページの説明だけ読んでそのまま入れる」がどれだけ危ういか。コードの点検と同じくらい、スキルの点検も要る時代になっているわけです。

まとめ: 作らせる前に、点検を工程に入れる

今回の話を3行でまとめると、こうなります。

• AIが書くコードは改善しているが、約4割にはまだ既知の穴がある（Veracode 調査）

• 効くのはモデル選びより 検証。Cloudflare のスキルみたいに「見つけるAIと疑うAIを分ける」仕組みが無料で使える

• 点検が要るのはコードだけじゃない。入れるスキルも、先にスキャンする（SkillSpector）

AIに作らせる速度は、これからも上がっていくはずです。その速度に「点検する工程」を最初から組み込めるかどうかが、バイブコーディングを「楽しい実験」で終わらせるか、「安心して公開できるもの」にできるかの分かれ目なのだと思います。

出典

• Veracode 公式プレスリリース「Veracode Finds First Meaningful Gain in AI Code Security Since 2025, as Average Pass Rate Hits 62%」（Business Wire、2026-10-29） https://www.businesswire.com/news/home/20261029954519/en/Veracode-Finds-First-Meaningful-Gain-in-AI-Code-Security-Since-2025-as-Average-Pass-Rate-Hits-62

• Cloudflare 公式リポジトリ「security-audit-skill」 https://github.com/cloudflare/security-audit-skill

• Cloudflare 公式ブログ「Build your own vulnerability harness」 https://blog.cloudflare.com/build-your-own-vulnerability-harness/

• NVIDIA 公式リポジトリ「SkillSpector」 https://github.com/NVIDIA/SkillSpector