金融庁も動いた、フロンティアAI時代の「9つの要請」
「また新しい脆弱性のニュースか」——セキュリティ担当者であれば、そんなため息をついた朝があるのではないでしょうか。日々舞い込むパッチ情報を確認し、優先順位を判断し、関係部署へ展開する。この地道な繰り返しこそが、企業のシステムを守る最善策です。
しかし今、その前提そのものが揺らぎ始めています。Anthropic社が開発した最新のAIモデル「Claude Mythos（クロード・ミュトス）」をはじめとする「フロンティアAI」が、これまで人間の専門家でも見つけられなかったシステムの脆弱性を、驚異的なスピードと精度で発見し始めているのです。DX推進によりシステムが複雑化・巨大化する一方で、それを守る側の脆弱性対応リソースは限られたまま。この非対称性が、今まさに大きなリスクとして顕在化しつつあります。
本コラムでは、「Claude Mythos」に代表されるフロンティアAIがサイバーセキュリティに与える影響と、2026年に入り本格化した日本政府・金融当局の対応、そしてこれからの企業が取るべきリスクベースの防御アプローチについて、わかりやすく解説します。
※本コラムにおける「Claude Mythos」の性能・脆弱性発見実績に関する記述は、Anthropic社公式の評価レポート（red.anthropic.com公開資料）および英国AI安全性機構（AISI）の評価報告、複数の海外セキュリティメディアの報道内容をもとにしています。
※Claude、Claude Mythosは、Anthropic PBCの商標です。
参考：
Anthropic社：評価レポート（red.anthropic.com公開資料）
AISI（英国AI安全性機構）：評価報告
SecureWorld：海外セキュリティメディアの報道
目次
1.「フロンティアAI」とは？Claude Mythosに見る驚異的な性能
1-1.フロンティアAIとは？
フロンティアAIとは、既存のAIモデルの性能を大きく上回る、世界最高水準の能力を持つ最先端の大規模言語モデル（LLM）などの総称です。自然言語処理や画像認識に留まらず、複雑なコードの理解や長期的なタスクの自律遂行といった領域で、これまでにない能力を発揮する点が特徴です。
1-2.「Claude Mythos」とは？Anthropic社が生み出した自律型AIモデル
Claude Mythos（クロード・ミュトス）とは、生成AI開発企業のAnthropic社が2026年4月7日に研究プレビューとして発表した「Claude Mythos Preview」を皮切りとする、同社のサイバーセキュリティ特化型モデル群の名称です。純粋なコード理解力と、長時間にわたる自律的な多段階推論の能力が極限まで高められている点が特徴です。サイバー攻撃に特化した訓練を受けたわけではないにもかかわらず、プロのセキュリティ研究者が丸1日をかけて行うような「仮説→検証→実行」のプロセスを、自律的かつ連続的にこなしてしまいます。
なお、Anthropic社は2026年6月、一般利用者も使える公開版「Claude Fable 5」と、その中でもサイバーセキュリティ機能の制限を解除した強化版「Claude Mythos 5」を発表しました。Mythos 5は攻撃能力の高さから一般公開はされておらず、2026年7月現在、重要インフラ事業者や信頼された一部の研究者に限定して提供されています。本コラムで紹介する発見実績は、主に研究プレビュー段階の「Claude Mythos Preview」によるものです。
1-3.わずか数週間で「人生分のバグ」を発見した驚異の実績
その実力を象徴するのが、2026年に入り相次いで報告された脆弱性の発見実績です。
| 発見対象 | 発見された脆弱性 | 特徴 |
|---|---|---|
| 動画処理ライブラリ「FFmpeg」のH.264デコーダー | 約16年間見過ごされてきたメモリ破壊の脆弱性 | 特殊な動画ファイルを読み込ませるだけでメモリ破壊を誘発。500万回以上の自動テストでも検出されなかった。 |
| OpenBSD（堅牢性で知られるOS） | 約27年間残存していたクラッシュを引き起こす脆弱性 | 特定のデータを送信するだけでサーバーをクラッシュさせることが可能。長年の専門家による監査でも発見されなかった。 |
Anthropic社の研究者であり、世界トップクラスのセキュリティ研究者としても知られるニコラス・カルリーニ（Nicholas Carlini）氏は、「ここ数週間で、自分がこれまでの人生全体で見つけたバグの合計よりも多くのバグを見つけた」と語っています。この発言は、フロンティアAIが業界の常識を大きく塗り替えつつあることを象徴しています。
このように、AIの能力向上は脆弱性の早期発見という防御側のメリットをもたらす一方、悪用された場合には計り知れないリスクにもなり得ます。次章では、フロンティアAIがもたらす具体的な脅威について整理します。
2.フロンティアAIによってサイバー攻撃の構造はどう変わるのか
フロンティアAIの登場によって最も大きく変わるのは、個々の攻撃手法そのものというより、「脆弱性が見つかってから、それが実際の被害につながるまでの流れ」全体のスピードと規模です。これまで人手と時間を前提に組み立てられてきた攻防のバランスが、根本から崩れつつあります。
2-1.脆弱性発見が「点」から「面」へ広がる
これまで、システムの脆弱性調査は専門家が時間をかけて対象を絞り込みながら行う、いわば「点」の作業でした。フロンティアAIは複数の対象を並行して自律的に調査できるため、調査範囲が組織のシステム全体を覆う「面」へと一気に広がります。
2-2.発見から攻撃までの「猶予期間」が縮む
従来は、脆弱性が発見されてから実際に悪用可能な攻撃コードが出回るまでに一定の準備期間があり、その間にパッチを適用して被害を防ぐ余地がありました。AIが解析から攻撃コードの生成までを高速にこなせるようになると、この「猶予期間」そのものが短くなっていきます。
2-3.攻撃者に求められる専門知識のハードルが下がる
高度な解析や攻撃コード（エクスプロイト）の開発には、これまで長年の経験に基づく専門知識が必要でした。AIが解析作業の大部分を肩代わりすることで、専門的な技術を持たない攻撃者であっても、複雑な攻撃を実行できてしまう懸念があります。
2-4.守る側は「同時多発するパッチ」への対応を迫られる
発見される脆弱性の数が増えれば、その分だけ修正プログラム（パッチ）も同時多発的に発生します。パッチの検証・適用は依然として人手に頼る部分が大きく、件数の増加に運用体制が追いつかなくなるリスクが指摘されています。
| 観点 | これまで | フロンティアAI時代 |
|---|---|---|
| 脆弱性の発見 | 専門家が対象を絞り、時間をかけて手動で調査 | AIが複数対象を並行・自律的に調査し、短期間で大量に発見 |
| 攻撃コードの生成 | 発見から攻撃までに一定の準備・検証期間があった | 解析から攻撃コード生成までが高速化し、準備期間が短縮 |
| 攻撃者に必要なスキル | 高度な解析・攻撃コード開発には専門知識が前提 | AIが分析を代行するため、専門知識がなくても実行し得る |
| 守る側の負荷 | パッチ適用を計画的なサイクルで運用できた | パッチが同時多発的に発生し、人手による検証・適用が追いつかない |
防御側はシステムのあらゆる穴を漏れなく塞がなければならない一方、攻撃側はたった一つの糸口を突ければ目的を達成できてしまいます。フロンティアAIはこの非対称な構図における「攻撃側の探索コスト」を大きく引き下げる存在であり、ここに脅威の本質があります。
3.2026年、日本政府はどう動いた？Project YATA-Shieldと金融機関への「9つの要請」
「9つの要請」とは、2026年5月22日に金融庁と日本銀行が連名で金融機関等に対して公表した、フロンティアAIによる脅威変化を踏まえた対応事項です。重要なのは、これらがAIモデル開発企業の動向も踏まえ「概ね1ヶ月程度を目途」に講じるべき短期的・応急的な措置として位置づけられている点で、中長期的には脆弱性対応の自動化などへの移行が別途求められています。金融分野で先行的にスタートしていますが、今後は他業界にも同様の対応が広がっていくと考えられます。
| No. | 要請事項 | ポイント |
|---|---|---|
| 1 | フロンティアAIへの対応を経営課題として扱う | IT・セキュリティ部門任せにせず、経営トップが全社的な課題として関与する |
| 2 | 優先的に対応すべきサービス／ITシステムを特定する | 限られたリソースを重点配分するため、外部公開システムなど優先度を先に見極める |
| 3 | 特定した資産の技術負債を解消しておく | 不要なポートの閉塞や特権IDの削除など、攻撃対象領域（ASM）を事前に縮小し、迅速なパッチ適用が可能な状態にしておく |
| 4 | パッチ適用に係る人的リソースを追加する | 自社・ベンダー双方で、増加するパッチ対応に耐えられる体制を確保する |
| 5 | ベンダーとの維持保守契約の内容を確認する | 緊急時の対応可否やSLA・SLOの内容を事前に確認しておく |
| 6 | パッチ適用プロセスをリスクベースにする | CVSSスコアだけでなく攻撃が成立する蓋然性も踏まえて優先順位をつける |
| 7 | パッチ適用以外の対策も強化する | 仮想パッチ（WAF）や多要素認証、EDRなど多層防御で被害を抑える |
| 8 | 優先サービス／ITシステムの停止に備える | 防御しきれない事態を想定し、能動的な停止判断の基準を事前に定めておく |
| 9 | 外部との連携を維持・強化する | 金融ISACなど業界団体・当局からの情報収集と共有に努める |
参考：
金融庁・日本銀行：「フロンティアAIによる脅威変化を踏まえた金融機関等の短期的な対応に係る要請について」（2026年5月22日公表）
「9つの要請」に共通しているのは、すべての脆弱性に均等に対応するのではなく、自社にとって本当に重要な資産を見極め、リスクの大きさに応じて優先順位をつけるという発想です。ただし、これらはあくまで応急的な対応であり、次章で解説する「CTEM」のような、継続的な仕組みへの移行が中長期的な課題となります。
4.私たちが今後取るべき対策とは？リスクベースの「CTEM」運用
4-1.CTEM（継続的な脅威エクスポージャー管理）とは？
CTEM（Continuous Threat Exposure Management：継続的脅威エクスポージャー管理）とは、組織のIT資産に存在するあらゆる攻撃対象領域とリスク（エクスポージャー）を、発見・評価・検証・改善という一連のサイクルで継続的に管理していくセキュリティの実践手法です。CVE（「脆弱性」に対して割り当てられる世界共通の識別番号）として登録される脆弱性だけでなく、設定不備や過剰な権限付与といった「攻撃が成立する確率を高める要因」まで幅広く対象に含める点に特徴があります。
4-2.CTEMを実践する5つのステップ
CTEMは、米調査会社ガートナー社が提唱するフレームワークであり、次の5つのステップを一度きりで終わらせず、継続的なサイクルとして回し続ける点に特徴があります。
| ステップ | 内容 |
|---|---|
| ① Scoping（対象範囲の設定） | フロンティアAIへの対応を経営課題として扱い、自社が保護すべきIT資産の対象範囲とビジネスにおける重要度を明確に定義します。 |
| ② Discovery（検出） | 定義した範囲内の資産と、そこに潜む脆弱性・設定不備・過剰な権限などのリスク（エクスポージャー）を洗い出します。 |
| ③ Prioritization（優先順位付け） | 実際に悪用される可能性や事業への影響度も加味し、対処すべき順序を決定します。 |
| ④ Validation（検証） | ペネトレーションテストや疑似攻撃などを用いて、攻撃者の視点から実際に悪用され得るかを検証します。 |
| ⑤ Mobilization（対処の実行） | 検証の結果、危険と判断された脆弱性・露出について、パッチ適用や設定変更、アクセス制御の見直しなどを迅速に実行します。 |
ポイントは、実際に攻撃に悪用されるエクスポージャーはごく一部に過ぎないという前提に立ち、CVEの有無にとらわれず「本当に危険なものはどれか」を見極めて、限られたリソースをそこに集中させることです。これが、フロンティアAI時代のセキュリティ対策の鍵となります。
5.まとめ
本コラムでは、Anthropic社の「Claude Mythos」に代表されるフロンティアAIがサイバーセキュリティにもたらす影響と、日本政府・金融当局による2026年の最新動向、そしてこれからの企業が取るべきリスクベースの対策「CTEM」について解説しました。
AIの進化により、サイバー攻撃は「より早く、より大量に、より高度に」なっています。すべての脆弱性を人手だけで塞ぎきることが難しくなる中、自社のリスクを可視化し、優先順位をつけて対処する仕組みづくりは、業種を問わずすべての企業にとって重要な経営課題になりつつあります。
自社の環境に合わせたセキュリティ対策・リスクベースの運用態勢の構築についてご検討の際は、ぜひお気軽にクロス・コミュニケーションまでご相談ください。豊富なアプリ・システム開発の知見を活かし、貴社のセキュリティ強化を多角的にサポートいたします。
関連コラム
今、セキュリティ強化は最重要課題！認証技術の最前線
スマホ新法で増大する「事業者の責務」とは？11項目のアプリセキュリティ健康診断
執筆者
