AI時代のサイバー脅威をどう読むか
―― 一次情報から、攻撃の構造と私たちの備えを考える

AI時代の思考法の散歩道　番外編（時事）

※今回も、自分で書いた草稿をAI（Claude）と確認しながら仕上げました。何を書き、どの提案を採るかは自分で判断しています。

本稿は、2026年10月27日時点で公表されている資料に基づく。IPAの注意喚起は、今後更新される可能性がある。

はじめに――AIがサイバー攻撃を増やしているのか

生成AIの普及に伴い、サイバー攻撃の脅威が高まっているという話を耳にする機会が増えた。

AIによって、攻撃用プログラムの作成が容易になるといわれる。自然な日本語でフィッシングメールを書ける。公開情報を大量に集め、攻撃対象を調べる作業も効率化される。

こうした説明には、技術的に考えて妥当な部分がある。

しかし、ここで一度立ち止まって考えてみたい。
「AIを悪用できる」ということと、「AIによってサイバー攻撃全体が増加した」ということは、同じなのだろうか。

攻撃の手法が変わったのか。攻撃の件数が増えたのか。攻撃が成功しやすくなったのか。それとも、これまで見つけられなかった攻撃が検知されるようになったのか。

これらは、それぞれ異なる問いである。

本稿では、公的機関が公表した一次情報を手掛かりに、サイバー攻撃の現状とAIの関係を整理していく。

その際、確認されている事実と推測を区別し、AIによって変化する脅威と、以前から存在するセキュリティ上の問題の両方に目を向けたい。そして、組織と個人に何ができるのかを考えてみたい。

情報を正しく読むことと、現実に即して備えること。そのための思考の地図を、一緒にたどっていこう。

1．一次情報が示していること、示していないこと

2026年10月9日、情報処理推進機構（IPA）は、不正アクセスによる情報漏えいなどの事案を踏まえ、速やかに実施すべき対策について注意喚起を公表した。

資料は、金融機関や通信事業者などの幅広い事業者から、不正アクセスによる情報漏えい事案の公表が相次いでいることを踏まえ、組織が点検すべき事項を示している。

注目したいのは、対策の必要性だけではない。

この注意喚起は、AIによってサイバー攻撃が増加したことを示す資料ではない。本文に、AIへの言及は見当たらない。

また、資料は、現段階では、特定のプロダクトやサービスの脆弱性を狙った攻撃とは断定されていないとしている。
そのうえで、公表事例の傾向から、外部公開しているアプリケーションやサービスの侵害、アカウントの侵害が起点となっていることがうかがえる、と述べている。

ここから分かるのは、少なくとも次の二点である。
・情報漏えいなどの被害に対して、組織は現実的な対策を講じる必要がある。

・その事例だけを根拠に、AIが被害増加の原因だと断定することはできない。

この区別は、単なる言葉の問題ではない。

原因を誤って捉えれば、対策の優先順位も誤る可能性があるからだ。

たとえば、侵入の原因が公開システムの脆弱性や不適切なアカウント管理にあるなら、AI対策だけを強化しても、根本的な問題は解決しない。

AIという新しい技術に注目するあまり、以前から存在していた攻撃の入り口を見落としてしまう。それでは、脅威を正しく捉えたことにはならない。

2．「一次情報」という地図を読む

この問題を考えるうえで、私が大切にしているのは、一般意味論の考え方である。

「地図は現地ではない」。

地図は現実を理解するために欠かせない。しかし、地図に描かれているものが、現地のすべてというわけではない。

公的機関の統計や報告書も同じである。

サイバー攻撃の実態が、そのまま統計表に記録されるわけではない。実際の攻撃が検知され、調査され、分析され、報告され、集計されて、初めて公表資料になる。

その過程には、いくつもの段階がある。

・攻撃が実際に発生する。

・システムや担当者が攻撃を検知する。

・被害の有無や原因を調査する。

・調査結果を分析し、分類する。

・組織や関係機関が情報を公表する。

・公表された情報が集計され、統計や報告書になる。

各段階で、情報が失われたり、分類の仕方が変わったりする可能性がある。

検知できなかった攻撃は、統計に現れない。調査が進むことで、それまで把握されていなかった事案が新たに確認されることもある。報告制度や集計方法が変われば、数字の見え方も変わりうる。

したがって、ある年の報告件数が前年より増えたとしても、それだけで実際の攻撃総数が同じ割合で増えたとは限らない。

もちろん、件数の増加は重要な警告になりうる。しかし、その意味を理解するには、何が数えられ、何が数えられていないのかを確認する必要がある。

一次情報を重視するとは、公的機関の発表を無条件に信じることではない。

一次情報を確認し、その資料が何を示し、何を示していないのかを読み分けること。

それが、現実を見誤らないための出発点になる。

3．攻撃者の目的と、攻撃の手段を分ける

サイバー攻撃を理解するためには、攻撃者の目的と手段を分けて考えることも重要である。

攻撃者の目的には、たとえば次のようなものがある。

・金銭を得る。

・個人情報や機密情報を盗む。

・技術情報や知的財産を取得する。

・システムを停止させ、業務を妨害する。

・政治・軍事・経済上の情報を収集する。

一方、目的を実現するための手段には、フィッシング、アカウントの乗っ取り、脆弱性の悪用、マルウェアの実行、データの窃取、システムの暗号化などがある。

ここにAIが加わると、何が変わるのだろうか。

AIは、攻撃者の目的そのものを新しく生み出すとは限らない。むしろ、従来から存在していた目的を実現するための手段や作業効率を変える可能性がある。

たとえば、生成AIは次のような作業に利用される可能性がある。

・不自然な表現を減らしたフィッシング文面の作成。

・公開情報を整理し、標的について調査する作業の補助。

・プログラムの作成や修正の支援。

・複数の情報を組み合わせた攻撃計画の検討。

これらは、AIの能力から考えられる悪用の可能性である。ただし、可能性があることと、実際の攻撃でどの程度利用され、どれほど被害を拡大させているかは別問題だ。

AIを使った事例が確認されたとしても、それだけで攻撃全体におけるAIの寄与を定量的に評価できるわけではない。

必要なのは、AIが使われたかどうかだけでなく、AIがなかった場合と比べて何が変わったのかを調べることである。

攻撃の速度が上がったのか。攻撃対象の選定が変わったのか。従来は難しかった攻撃が可能になったのか。それとも、既存の作業を効率化したにすぎないのか。

こうした違いを区別しなければ、AIの影響を正確に評価することは難しい。

4．警察庁の公表資料から見える現状

警察庁が公表した「令和8年上半期におけるサイバー空間をめぐる脅威の情勢等について」（令和8年9月10日付）では、ランサムウェアの被害や侵入経路など、国内のサイバー脅威に関する情報がまとめられている。

同資料で注目すべき点の一つは、ランサムウェア被害の報告状況である。

報告書によれば、2026年上半期のランサムウェア被害報告件数は123件で、統計を取り始めた令和2年下半期以降、半期の件数としては最多となった（本文9頁）。

また、被害組織へのアンケート結果によると、侵入経路はVPN機器が約5割を占める状況とされている（本文10頁）。攻撃者は、未修正の脆弱性や漏えいした認証情報などを悪用して組織のネットワークに侵入する、とも記されている。

こうした情報から考えられるのは、AI時代になっても、既存のシステムや認証の管理が依然として重要だということだ。これは、件数と侵入経路の記述からの、私の解釈である。

高度なAIを使った攻撃だけを警戒すればよいわけではない。公開されたシステムの脆弱性、更新が不十分な機器、弱い認証、侵害されたアカウントなど、従来から知られている問題も引き続き対策の対象になる。

同報告書では、生成AIを利用して不正プログラムを作成した容疑での逮捕事案や、生成AIを悪用した本人確認書類やわいせつ画像の作成といった事例が確認されていると記されている（27頁）。

具体的な事案として、令和8年6月に、生成AIを悪用して作成したソースコードを組み合わせ、ランサムウェアを作成したとして、会社員の男が逮捕された事案（千葉県警）も紹介されている（28頁）。

これは、AIがサイバー犯罪に利用される可能性が、抽象的な議論だけではなくなっていることを示す材料である。

ただし、個別の摘発事例が存在することと、サイバー攻撃全体のうちAIを使った攻撃がどの程度を占めるかは、分けて考えなければならない。

事例の存在は、現象が起きていることを示す。しかし、その現象の規模までは、必ずしも示さない。

この区別は、AIに関するニュースを読む際にも忘れないようにしたい。

同じ報告書の書き方にも、この区別が表れている。AIをめぐる記述は、少なくとも3つの段階に分けられている。

逮捕事案など、「確認されている」こと。
国家を背景とする攻撃グループがAIを利用し、人間の介入なしに攻撃を実施したとの民間企業の報告がある、という「報告がある」こと。
そして、攻撃がより高速かつ大規模に行われるリスクが「懸念される」こと、攻撃が容易になると「考えられる」ことである。
確認された事実と、懸念や推測は、同じ節の中でも、書き分けられている。

5．AIによって変わる脅威、変わらない脅威

AIがサイバー攻撃に利用されるようになると、攻撃の一部は効率化される可能性がある。

一方で、攻撃の成否を左右する要因が、すべてAIに置き換わるわけではない。

たとえば、どれほど巧妙なフィッシング文面を作成できても、対象となるアカウントに多要素認証が適切に設定されていれば、侵入の難易度は変わりうる。

脆弱性を悪用するコードを作成できても、対象システムが適切に更新され、外部からのアクセスが制御されていれば、攻撃の成立を防げる場合がある。

また、侵入された後に異常な通信や不審な操作を検知できるかどうかも、被害の拡大を左右する。

つまり、AIが攻撃側の能力を高める可能性があるからこそ、防御側も、特定の攻撃手法だけに依存しない対策を組み合わせる必要がある。

ここで、AIそのものを利用するシステムのセキュリティにも目を向けておきたい。

AIシステムには、従来の情報システムに共通するリスクに加え、モデルやデータ、入力の扱いに関係する固有の課題もある。

総務省が2026年3月27日に公表した「AIのセキュリティ確保のための技術的対策に係るガイドライン」は、このような脅威を整理している。

一般的な脅威の例としては、次のようなものが挙げられる。

・プロンプトインジェクション：入力された指示などを通じて、AIに本来の意図とは異なる動作をさせようとする攻撃。

・DoS攻撃：AIシステムに膨大な処理をさせ、サービスを妨げようとする攻撃。

・データポイズニング：学習や処理に使うデータに細工をし、出力や判断に影響を与えようとする攻撃。

・モデル抽出：AIに繰り返しアクセスして、そのAIと似たモデルを複製しようとする攻撃。

同ガイドラインは、このうち、プロンプトインジェクションとDoS攻撃を、攻撃の具体的な可能性が比較的高いと考えられるものとして、主な対象にしている。

これらはAIシステム一般で考慮すべき脅威の例であり、すべてが今回取り上げた公的資料で確認された事例だという意味ではない。

なお、総務省のガイドラインは、AIエージェントに特有の脅威と対策を、現時点では確定が困難として、対象外にしている。以下は、筆者の考えである。

AIエージェントのように、外部サービスへのアクセスやファイル操作などを実行できる仕組みでは、AIの出力が実際の操作につながる。そのため、AIの回答精度だけでなく、どのデータにアクセスできるか、何を実行できるか、誰が結果を確認するかという設計も重要になる。

AIの安全性は、モデル単体の性能だけでは決まらない。周囲のシステムや権限管理、運用の仕組みまで含めて考える必要がある。

6．制度やガイドラインがあれば、安全になるのか

国の対応にも目を向けてみよう。

国家サイバー統括室（NCO）は、2026年10月1日、サイバー対処能力強化法及び同整備法のうち、官民連携の強化とアクセス・無害化措置に係る規定が施行されたと公表している。

この施行は、法の一部である。公表に先立つ9月30日の関係省庁会議の資料は、通信情報の利用に係る部分の施行を、「来年秋」としている。

同資料は、資産情報と脆弱性情報を突き合わせる取り組みの狙いとして、「AIで加速する脆弱性悪用にも対抗する」と記している。ここで示されているのは、対抗する方針であり、AIによる加速の程度を測った結果ではない。

また、総務省は2026年3月27日に「AIのセキュリティ確保のための技術的対策に係るガイドライン」を公表している。

さらに、経済産業省では、事業者におけるAIエージェントの安全な利活用に関するサブワーキンググループが、2026年9月18日に第1回を開催した。
事務局の資料は、AIエージェントを利用する企業向けの実務的なガイドラインは、現時点では存在しないとしたうえで、令和8年度中の公表を予定している。総務省のガイドラインが、AIエージェントに特有の脅威を対象外としていたことと、併せて読むと、制度が整いつつある一方、AIエージェントについては、まだ検討の途中であることが分かる。

なお、同じ資料は、事案が「報告されている」ことと、頻度や深刻度が「増大すると考えられる」ことを、区別して書いている。

これらは、サイバーセキュリティやAIの安全性が、技術的な課題にとどまらず、制度や組織の運用を含めて検討されていることを示している。

ただし、ここでも、資料が示していることを慎重に読み分ける必要がある。

法律の一部規定が施行されたことと、すべての対策が現場で十分に機能していることは同じではない。ガイドラインが公表されたことと、各組織がその内容を実装し、継続的に運用できていることも同じではない。

また、検討会で方針が議論されていることと、具体的な指針が確定し、広く実施されていることも区別すべきである。

制度やガイドラインは重要な基盤となる。しかし、それだけで安全が保証されるわけではない。

実際の安全性を左右するのは、制度を現場の対策へ落とし込み、運用状況を確認し、問題があれば改善するという継続的な取り組みである。

これは、サイバーセキュリティに限らず、技術を社会で利用する際に共通する課題でもある。

7．私たちが取るべき対策

では、組織や個人は何をすればよいのだろうか。

大切なのは、AIによる新しい脅威だけに注目するのではなく、基本的な対策を着実に実施しながら、AIを利用することで増えるリスクにも備えることである。

組織で確認したいこと

以下のうち、AIの利用に関する部分（AIサービスへの入力情報の限定、AIエージェントの参照範囲の限定、AIの出力と操作の検証）は、IPAの注意喚起にはない、筆者の考えである。

・多要素認証の導入・徹底


アカウントが侵害された場合の被害を抑えるため、重要なシステムや外部からアクセスできるサービスでは、認証の強化を検討する。


・脆弱性への迅速な対応


OS、ソフトウェア、VPN機器、外部公開サービスなどについて、更新状況やサポート期限を確認する。


・ログの取得と監視


不審なアクセスや操作を把握できるようにし、異常を検知した際に調査できる状態を維持する。


・外部サービスと公開システムの点検


インターネットからアクセスできるシステムや委託先サービスについて、必要な公開範囲と管理責任を確認する。


・アクセス権限の最小化


利用者やシステムに、業務上必要な範囲を超える権限を与えない。


・データの最小化


AIサービスに入力する情報や、AIエージェントが参照できる情報を必要な範囲に限定する。


・AIの出力と操作の検証


AIの回答をそのまま重要な判断に使わず、根拠を確認する。外部への送信、ファイル変更、システム操作などには、必要に応じて人による承認を設ける。

個人が意識したいこと

・メールやメッセージの文面が自然でも、送信者やリンク先を別の方法で確認する。

・パスワードの使い回しを避け、多要素認証を利用する。

・OSやアプリを更新し、不要なサービスやアプリを放置しない。

・不審な添付ファイルやリンクを不用意に開かない。

・AIに個人情報、認証情報、業務上の機密情報を安易に入力しない。

・AIが提示した情報や指示を、重要な判断の前に別の手段で確認する。

これらは目新しい対策ばかりではない。しかし、攻撃側の手段が変化しても、被害を防ぐための基本として重要性を失っていない。

対策を考える際には、「AI対策」という一つの箱にすべてを入れるのではなく、認証、脆弱性管理、監視、データ管理、権限管理、利用者教育といった具体的な機能に分けて点検することが有効だろう。

8．脅威を読むとき、私たちは何を確認すべきか

ここまでの内容を踏まえると、AI時代のサイバー脅威を読む際には、いくつかの問いを持つことが役に立つ。

第一に、何が実際に確認されたのか。

報告書に記載された被害件数なのか、個別の摘発事例なのか、技術的な実証なのか。それぞれの証拠が支える範囲を確認する。

第二に、何と比較しているのか。

前年との比較なのか、統計開始以来の比較なのか、検知方法や集計方法は同じなのか。比較の条件を確認しなければ、数字の意味を誤る可能性がある。

第三に、原因と結果が区別されているか。

AIを使った攻撃事例があったとしても、AIが被害をどれほど増やしたのかは別の問いである。関連が見られることと、原因が特定されたことを混同しない。

第四に、資料が示していないことは何か。

ある事例が報告されていても、未検知の事例や公表されていない事例まで含めた全体像が分かるとは限らない。資料の限界も、判断材料の一部として扱う。

そして最後に、その情報を知ることで、私たちの行動を何に変えるべきなのかを考える。

脅威について知ること自体が目的ではない。知識を、具体的な備えや判断につなげることが重要なのである。

おわりに――新しい技術を、古い問題の見落としにつなげない

AIは、サイバー攻撃の一部を効率化し、これまでとは異なる脅威を生み出す可能性がある。その変化を軽視するべきではない。

しかし、AIという新しい言葉が登場したからといって、サイバー攻撃の構造がすべて新しくなったわけではない。

金銭を狙う攻撃、情報を盗む攻撃、システムを停止させる攻撃。その目的は、AIの登場以前から存在していた。認証の不備、脆弱性の放置、過剰な権限、監視の不足といった問題も、引き続き対策の対象である。

新しい技術を理解することと、以前から存在する問題を見失わないこと。その両方が必要なのだと思う。

公的機関の資料は、現実を理解するための重要な地図である。しかし、地図に描かれた情報だけで現地のすべてが分かるわけではない。

だからこそ、資料を読むときには、何が確認され、何が推測され、何がまだ分かっていないのかを区別したい。

AI時代に必要なのは、AIを恐れることでも、AIを過信することでもない。新しい技術を理解し、根拠を確かめ、現実に即した備えを選ぶことだ。

そのための思考法は、サイバーセキュリティだけでなく、AIが関わるさまざまな問題を考える際にも役立つはずである。

第1章の最終回で書いた「地図は現地ではない」は、サイバーセキュリティの資料を読むときにも、そのまま当てはまる。

【リンク：第1章 最終回「媒介を通じてしか触れられない世界で、現実はどこにあるのか ―― 人間は一体どう判断すべきなのか」】
https://note.com/deft_hyena4853/n/n91592d2afd88

出典・参考資料

本稿では、公的機関が公表した資料を中心に参照した。資料に記載された事実と、そこから導いた解釈・考察は区別している。

①サイバー攻撃の現状と対策

・情報処理推進機構（IPA）「不正アクセスによる漏えい等の事案を踏まえ、速やかに実施すべき対策等について」
公開日：2026年10月9日
　
記事リンク：
https://www.ipa.go.jp/security/security-alert/2026/alert20261009.html

国内事業者の情報漏えい事案を踏まえた注意喚起。外部公開アプリケーション、外部サービス、アカウント、ログ、保有データなどの点検・対策を示している。本稿では、AIによる攻撃増加を直接裏付ける資料ではない点にも留意した。

・警察庁「令和8年上半期におけるサイバー空間をめぐる脅威の情勢等について」

公表日：2026年9月10日付（警察庁サイバー警察局）
報告書PDFへのリンク：https://www.npa.go.jp/publications/statistics/cybersecurity/data/R8kami/R08_kami_cyber_jousei.pdf

ランサムウェア、侵入経路、サイバー空間の脅威などに関する公表資料。本文9頁（ランサムウェア被害報告件数）、10頁（侵入経路）、27〜28頁（AIの悪用）を参照した。同資料には、15頁の図表10に関する正誤表が出ているが、本稿で引用した箇所は、訂正の対象ではない。個別事例の存在と、攻撃全体に占める割合とは区別して扱った。

②AIのセキュリティと政策動向

・総務省「AIのセキュリティ確保のための技術的対策に係るガイドライン」
公表日：2026年3月27日

リンク：https://www.soumu.go.jp/menu_news/s-news/01cyber01_02000001_00282.html
AIへの不正な入力や、システムの停止などの脅威に対する技術的対策例を示すもの。AIエージェントに特有の脅威は、対象外としている。本稿では、AIに固有のリスクと、一般的なサイバー攻撃のリスクを混同しないための参考とした。

・国家サイバー統括室（NCO）「サイバー対処能力強化法及び同整備法の一部施行について（官民連携の強化、アクセス・無害化措置）」

公表日：2026年10月1日

公表資料PDFへのリンク：
https://www.cyber.go.jp/pdf/press/houdou_20261001.pdf
同日に施行された、官民連携の強化とアクセス・無害化措置に係る規定についての公表資料。法律全体の施行と混同しないよう、本稿では一部施行として記述した。あわせて、関係省庁会議の説明資料（2026年9月30日）を参照した。

・経済産業省 産業サイバーセキュリティ研究会 ワーキンググループ1「事業者におけるAIエージェントの安全な利活用に関するサブワーキンググループ」第1回（2026年9月18日開催）

会議・資料の掲載ページへのリンク：
https://www.meti.go.jp/shingikai/mono_info_service/sangyo_cyber/wg_seido/wg_ai_agent/001.html
事務局説明資料（資料4、資料5）を参照した。ガイドラインは、令和8年度中の公表予定とされ、現時点では確定していない。検討が進められていることと、確定したガイドラインが公表されていることは区別して扱った。

③関連する考え方・既刊記事

・AI時代の思考法　一次情報の限界（第0章：シリーズA 第1回）

一次情報も現実そのものではなく、問い・定義・測定系・記録形式などを通じた情報であるという考え方を扱った記事。

・AI時代の思考法　データはどう歪むか（第0章：シリーズA 第2回）

データの収集・集約・分析・提示・解釈の過程で、情報の欠落や仮定の混入が生じる構造を扱った記事。


・AI時代の思考法の散歩道　計算は通る、現実は違う ── 数値モデルが隠してしまう「イレギュラー」の正体　言葉から「数式という完璧な地図」へ（第1章第3回）

数値モデルが、エラーを出さずに、現実から離れていく「静かな壊れ方」を扱った記事。

・AI時代の思考法の散歩道　媒介を通じてしか触れられない世界で、現実はどこにあるのか ―― 人間は一体どう判断すべきなのか（第1章第4回・最終回）
地図と現実の関係を踏まえ、情報やモデルの限界と、現実を捉えるための思考法を整理した記事。

これらは本稿の考え方を理解するための関連資料であり、公的機関の発表内容を裏付ける一次資料ではない。

出典の読み方について

公的機関の資料は、現実そのものではなく、一定の手続きで収集・分析・公表された情報である。したがって、資料に記載された件数や事例は重要な手掛かりになる一方、それだけで攻撃の全体像や原因、AIの寄与まで確定できるとは限らない。

本稿では、資料に明記された事実、そこから推測できること、現時点では確認できないことを分けて考えることを重視した。

筆者（MPMO_1981）は、
ITエンジニアとして35年、現場で培った「問題提起から疑問を解消する思考プロセス」をベースに、AI論や文明論などの考察を毎週発信しています。
私の詳しいプロフィールや、他のおすすめ記事は、こちらの自己紹介（はじめてのNote）を覗いてみてください。少しでも共感していただけたら、フォローで繋がっていただけると励みになります！

【記事リンク：はじめてのNote】https://note.com/deft_hyena4853/n/nfd9e37a38987