先に要点
AIはサイバーセキュリティにかなり大きな影響を与えています。
ただし、その影響は「AIが突然、人間に代わって万能の攻撃者になる」という話ではありません。現実的には、これまで人間がやっていた攻撃準備や防御運用の一部を、AIが速く、安く、大量に回せるようにする変化です。
攻撃側にとっては、文章作成、偵察、翻訳、コード作成補助、脆弱性調査、なりすましがやりやすくなります。
防御側にとっては、ログの要約、アラートの優先順位付け、脅威情報の整理、検知ルールの作成補助、インシデント対応の初動整理がやりやすくなります。
この記事では、2026年4月19日時点で、英国NCSCのAIサイバー脅威レポート、CISAのAIロードマップ、NCSC/CISAなどのSecure AI System Developmentガイドライン、IPA「情報セキュリティ10大脅威 2026」、GoogleのAIを使った詐欺広告対策の公表を確認しながら、AIがサイバーセキュリティへ与える影響を整理します。
まず全体像：攻撃も防御も「速度」が変わる
AIが与える一番大きな影響は、攻撃と防御の速度差です。
英国NCSCは、AIがサイバー侵入の一部をより効果的・効率的にし、脅威の頻度と強度を高める可能性が高いと評価しています。特に、偵察、脆弱性調査、ソーシャルエンジニアリング、基本的なマルウェア生成、流出データの処理などで、既存の手口を底上げすると見ています。
ここで大事なのは、AIがすべてを一気に別物にするわけではないことです。
多くの攻撃は、今まであった手口の高速化・大量化・自然化です。
| 領域 | AIで変わること | 実務での意味 |
|---|---|---|
| 偵察 | 公開情報、SNS、求人、技術ブログの整理が速くなる | 組織や担当者に合わせた攻撃準備がしやすくなる |
| フィッシング | 自然な日本語、業界用語、相手に合わせた文面を作りやすい | 誤字脱字だけで見抜く教育が効きにくくなる |
| 脆弱性対応 | 脆弱性情報の読み解きや検証コード作成が速くなる | 公表から悪用までの猶予が短くなりやすい |
| 防御運用 | ログ要約、検知ルール案、インシデント報告のたたき台を作れる | 担当者の負荷を下げ、対応の初動を早められる |
| AIシステム自体 | プロンプト、学習データ、外部ツール連携が攻撃対象になる | 従来のWeb/クラウド対策だけでは足りない領域が増える |
つまり、AI時代のセキュリティは「AIを使った攻撃に気をつける」だけでは足りません。
AIを使う業務、AIを組み込んだシステム、AIで強化された攻撃、AIで強化する防御をまとめて見る必要があります。
攻撃側への影響
攻撃側にとってAIが便利なのは、専門家でなくても一定の品質で作業を進められる点です。
高度な攻撃を完全自動化するにはまだ制約がありますが、入口のハードルを下げる効果はすでに大きいです。
フィッシングやなりすましが自然になる
以前のフィッシングメールは、日本語が不自然だったり、文面が雑だったりして、ある程度見抜けることがありました。
生成AIを使うと、相手の業界、役職、社内の言い回しに寄せた文章を作りやすくなります。
たとえば、次のような攻撃が現実的になります。
- 取引先を装った自然な依頼文
- 社内の稟議や請求書処理に見えるメール
- 求人情報やSNSをもとにした個人向けの文面
- 音声や画像を使ったなりすまし
- 多言語での詐欺文面の大量生成
これにより、従来の「怪しい日本語に注意」という教育だけでは弱くなります。
今後は、送信元確認、MFA、送金や認証情報入力の承認フロー、URL確認、メール認証、添付ファイル制御まで含めた対策が重要になります。
脆弱性調査と悪用の速度が上がる
NCSCは、AI支援による脆弱性調査とエクスプロイト開発が重要な変化になる可能性を指摘しています。
特に、既知の脆弱性については、攻撃側が情報を読み解き、影響を受けるシステムを探し、悪用方法を試すまでの時間が短くなりやすいです。
これは守る側にとってかなり痛い変化です。
パッチ公開後に「数週間以内に対応すればよい」という感覚では間に合わない場面が増えます。
実務では、次のような運用がより重要になります。
- 外部公開資産を把握する
- 重要システムの利用製品とバージョンを管理する
- 脆弱性情報を自社影響へ素早く結び付ける
- 緊急パッチの判断者を決めておく
- 代替策や一時遮断の手順を用意する
AI時代の脆弱性対応は、単にCVEを読むことではなく、資産管理と変更管理の速さが問われます。
攻撃の「量」が増える
AIは攻撃者の作業単価を下げます。
完璧な攻撃を作るというより、そこそこ自然な文面、そこそこ動くスクリプト、そこそこ相手に合わせた偵察を、大量に作れるようになります。
この影響は、中小企業や小規模サイトにも出ます。
以前なら大企業だけが狙われそうな個別文面の攻撃が、より広い対象へ届く可能性があります。NCSCも、AI対応が進む組織と進まない組織の間でデジタル格差が広がると見ています。
防御側への影響
AIは攻撃者だけの武器ではありません。
防御側にとっても、AIはかなり有用です。むしろ、アラートが多すぎる現場では、AIを使わないと処理しきれない場面が増えていくはずです。
SOC運用の負荷を下げる
SOCでは、ログ、アラート、EDR、クラウド監査ログ、認証ログ、メールセキュリティ製品の検知など、見る情報が多すぎます。
AIは、これらを要約し、関連するイベントをまとめ、優先度の高いものを見つける補助に使えます。
たとえば、次のような使い方です。
- 大量アラートの要約
- 似たイベントのクラスタリング
- 不審なログインの説明文作成
- インシデント報告書のたたき台作成
- 検知ルールの改善案作成
- 過去事例との照合
ただし、AIの要約をそのまま事実として扱うのは危険です。
ログの取りこぼし、誤分類、過剰な推測があり得るため、最終判断は根拠ログと突き合わせます。
脅威インテリジェンスを整理しやすくなる
脅威情報は量が多く、読むだけでも大変です。
AIを使うと、公開レポート、ベンダーアラート、CISAの注意喚起、脆弱性情報を要約し、自社に関係するものを抽出しやすくなります。
防御側で特に役立つのは、次のような作業です。
- 「この脆弱性は自社製品に関係するか」の一次整理
- 攻撃キャンペーンの概要要約
- 影響を受ける製品、バージョン、回避策の抜き出し
- 経営層向けの短い説明資料の作成
- 対応優先度の仮置き
ここでも大事なのは、AIに判断を丸投げしないことです。
AIは整理役としては優秀ですが、資産台帳、構成管理、実際のログとつながって初めて実務判断に使えます。
Googleのような大規模防御でもAI活用が進む
Googleは2026年4月の2025年版Ads Safety Reportで、Geminiを使った仕組みにより、ポリシー違反広告の多くを配信前に検知していると説明しています。
2025年には80億件以上の広告をブロックまたは削除し、2,490万件のアカウントを停止したとも公表しています。
これは広告の話ですが、セキュリティ全体にも通じます。
攻撃側がAIで詐欺やなりすましを大量化するなら、防御側もAIで大量のシグナルを見て、事前に止める方向へ進む必要があります。
AIシステム自体が攻撃対象になる
AIの影響を考えるとき、見落としやすいのが「AIを使ったシステム自体が攻撃対象になる」ことです。
チャットAI、社内検索AI、AIエージェント、コード生成AI、カスタマーサポートAIなどは、従来のWebアプリとは違う攻撃面を持ちます。
代表的なのがプロンプトインジェクションです。
外部文書、Webページ、メール、チケット、PDFの中に「前の指示を無視して機密情報を出せ」のような命令が紛れ込むと、AIがそれを読んで不適切な行動を取る可能性があります。
ほかにも、次のようなリスクがあります。
- 学習データやRAG用データの汚染
- 社内文書検索AIによる権限外情報の表示
- AIエージェントの過剰なツール権限
- プロンプトや出力ログからの情報漏えい
- モデル出力を信じた誤った運用判断
- 外部AIサービスへの機密情報入力
NCSC/CISAなどが公表しているSecure AI System Developmentガイドラインでは、AIシステムも設計、開発、デプロイ、運用保守の全ライフサイクルでセキュリティを組み込むべきだと整理されています。
AIを後から便利機能として足すだけではなく、最初からセキュリティ要件として扱う必要があります。
企業で起きやすい具体的なリスク
企業でAIとセキュリティがぶつかる場面は、攻撃者だけではありません。
むしろ最初に問題になりやすいのは、社内利用の管理不足です。
| リスク | 起きること | 対策の方向 |
|---|---|---|
| シャドーAI | 社員が個人アカウントや未承認AIへ業務情報を入力する | 承認済みAI、入力ルール、利用ログ、教育を用意する |
| 情報漏えい | 顧客情報、契約書、ソースコード、障害ログを外部AIへ貼る | データ分類、DLP、マスキング、契約確認を入れる |
| AIの誤回答 | 間違った設定や判断を信じて本番へ反映する | 人間レビュー、テスト、根拠確認を必須にする |
| AIエージェントの暴走 | 不要なファイル変更、誤送信、権限外操作を実行する | 権限分離、承認フロー、サンドボックス、監査ログを使う |
| サプライチェーン | AI生成コードや外部モデル、プラグインの安全性を見落とす | 依存関係管理、コードレビュー、SBOM、利用モデルの棚卸しを行う |
IPAの「情報セキュリティ10大脅威 2026」でも、組織編で「AIの利用をめぐるサイバーリスク」が初選出されています。
これは、AIが便利になった結果、攻撃悪用だけでなく、社内利用、情報管理、ガバナンスの不備が現実の脅威になっているという見方です。
何から対策すべきか
AI時代のセキュリティ対策は、特別なAI専用製品から始めるより、まず基本対策をAI前提で強くする方が現実的です。
1. フィッシング対策を「文章の違和感」頼みにしない
生成AIで自然な文面が作れる以上、誤字脱字や不自然な日本語だけを見抜く教育は弱くなります。
MFA、パスキー、送金承認、メール認証、URLフィルタ、添付ファイル制御、訓練を組み合わせます。
2. 脆弱性対応を速くする
AIにより、既知脆弱性の悪用がさらに速くなる前提で考えます。
外部公開資産、重要製品、利用バージョン、緊急パッチ手順を整理し、重要脆弱性への対応を「担当者の気合い」にしないことが大事です。
3. AI利用ルールを作る
社内AI利用では、何を入力してよいか、どのサービスを使うか、誰が管理するか、ログをどう残すかを決めます。
詳しくは生成AIを社内で使うときのセキュリティ対策でも整理していますが、禁止だけでなく、使ってよい公式ルートを用意することが重要です。
4. AIシステムに権限を渡しすぎない
AIエージェントにファイル操作、メール送信、DB更新、チケット更新を任せる場合は、権限を最小限にします。
読み取り専用から始める、承認を挟む、監査ログを残す、失敗時に停止する、といった設計が必要です。
5. 防御側もAIを使う
攻撃側だけがAIを使う状態になると、防御は追いつきにくくなります。
ログ要約、脆弱性情報の整理、検知ルール案、インシデント報告のたたき台など、低リスクな補助から使い始めると導入しやすいです。
よくある誤解
AIがあればセキュリティ担当者はいらなくなる？
なりません。
AIは分析や整理を助けますが、最終判断、影響範囲の確認、業務停止の判断、法務・顧客対応、復旧方針の決定は人間と組織の責任です。
攻撃者だけが有利になる？
これも言い切れません。
攻撃側はAIで効率化できますが、防御側もAIで大量ログの処理、検知、優先順位付けを強化できます。差が出るのは、AIを安全に運用へ組み込める組織と、基本対策が遅い組織の間です。
AIセキュリティはプロンプト対策だけ？
プロンプトインジェクションは重要ですが、それだけではありません。
データ分類、アクセス制御、ログ、モデル利用契約、RAGの権限設計、サプライチェーン、インシデント対応まで含めて考える必要があります。
まとめ
AIはサイバーセキュリティに、攻撃と防御の両面で大きな影響を与えています。
攻撃側では、フィッシング、偵察、脆弱性調査、詐欺、マルウェア作成補助が高速化・大量化します。防御側では、ログ分析、脅威情報整理、SOC運用、脆弱性対応、インシデント報告を効率化できます。
重要なのは、AIを「危険だから禁止」か「便利だから全面導入」の二択にしないことです。
AIを使うなら、入力ルール、権限、ログ、評価、承認、インシデント対応をセットで設計します。AIを使わない場合でも、攻撃側がAIを使う前提で、フィッシング対策と脆弱性対応の速度を上げる必要があります。
AI時代のセキュリティは、派手な新技術だけの話ではありません。
資産管理、パッチ、MFA、ログ、教育、権限分離という基本を、AIで速くなる脅威に追いつける形へ作り直すことが、いちばん現実的な対策です。
参考リンク
- NCSC: Impact of AI on cyber threat from now to 2027
- CISA: Roadmap for AI
- NCSC/CISA and partners: Guidelines for secure AI system development
- IPA: 情報セキュリティ10大脅威 2026
- Google: Google’s 2025 Ads Safety Report