また情報漏えい――AIを使い始めた攻撃者は、盗んだ後に何をするのか

また情報漏えい――2026年秋、何が起きているのか

10月に入ってから、国内企業の情報漏えい公表が目につくようになった。

10月6日にはシチズン時計が、業務委託先のシステムが不正アクセスを受け、問い合わせをした顧客など約10万人分の情報が外部へ流出した可能性があると公表した。

ただし、ここは少し注意したい。

侵害されたのはシチズン本体のECサイトや会員システム、製造ネットワークではなく、問い合わせ対応を委託していた外部事業者側のシステムだった。

会社名だけを見ると「シチズンがハッキングされた」と受け取りたくなるが、実際の侵入口は別の場所にあった。

その2日後、10月8日にはローソンが、ローソンIDに登録されていた2,155,345件の顧客情報が漏えいしたと発表した。

不正アクセスそのものは9月12〜14日と17日に起きている。

つまり、「10月8日に攻撃された」のではない。侵入、調査、漏えい範囲の特定、公表までには時間差がある。

ここは、秋にニュースが集中して見える理由を考えるうえでも重要だ。

公表日が近いからといって、すべての攻撃が同じ時期に始まったわけでも、同じ攻撃者が動いていたわけでもない。

さらに10月14日、GMOリサーチ＆AIはアンケートサイト「infoQ」への不正アクセスにより、894,082件の個人情報が実際に外部へ持ち出されたと発表した。

こちらでは情報漏えいだけではない。611件のアカウントでポイントが不正利用され、Amazonギフトカードへ交換された金額は2,869,500円にのぼった。

原因として公表されたのは、利用していたソフトウェアの脆弱性だった。

会社も、侵入経路も、被害の形も違う。

それでもニュースだけを追っていると、ひとつの大きな波が来ているように見える。

「最近、情報漏えいが多すぎないだろうか」

そう感じたのは、読者だけではなかった。

10月8日、JPCERT/CCは「直近で相次いでいる国内組織における不正アクセス」について注意喚起を出した。

翌9日にはIPAも、国内のさまざまな業界で不正アクセスによる情報漏えいの公表が相次いでいるとして警告を出している。

ただし、この時点で「2026年秋に攻撃件数そのものが急増した」とまでは言えない。

検知までに時間がかかる事件もあれば、調査に数週間を要する事件もある。複数の企業が近い時期に公表したことと、侵入時期が集中していたことは別の話だ。

では、なぜこのタイミングでこれほど目につくのか。

報道を追っていると、そこで二つの言葉が浮かび上がってきた。

「AI」と、「にわかハッカー」だった。

「AIで誰でもハッカーになれる」――そんな説明が出始めた

10月8日、TBS系の報道では、最近のサイバー攻撃をめぐって「にわかハッカー」という表現が登場した。

元警察庁サイバー捜査課長の専門家が、AIを悪用することでセキュリティ上の弱点を探すハードルが下がり、従来ほど高度な技術を持たない攻撃者でも攻撃へ参加しやすくなっている、という趣旨で説明したものだ。

翌日には別のニュース媒体でも同じ表現が使われた。

ただし、「にわかハッカー」は警察やIPAが正式に定義している攻撃者分類ではない。

報道の中で、状況を分かりやすく説明するために使われた言葉と考えた方がよい。

ではAIを使えば、本当に誰でもハッキングできるのだろうか。

そこはかなり慎重に考える必要がある。

AIは、プログラムの意味を説明できる。エラーの内容を読み解き、海外の技術資料を翻訳し、コードの一部を書き、複数の情報を比較することもできる。

これらは本来、ソフトウェア開発やセキュリティ担当者にとっても便利な機能だ。

ところが同じ能力は、悪意を持った側にも使える。

以前なら専門書や技術文書を読み、検索を繰り返し、何時間も試行錯誤しなければならなかった作業の一部を、AIが補助できるようになった。

それは確かに、攻撃への「入口」を低くする可能性がある。

ただ、ここで「初心者がAIを使えるようになった」だけで話を終えると、もっと重要な部分を見落とす。

AIを使うのは初心者だけではない。

もともと技術を持っている攻撃者や、組織的に動くグループが使えば、同じ人数でも調査できる対象や処理できる情報量を増やせる。

つまり、問題は「ハッカーの人数」だけではない。

一人の攻撃者が、以前より多くの仕事をこなせるようになる。

では、2026年秋の国内事件でも、実際にAIが使われていたのだろうか。

調べていくと、意外な場所から手掛かりが出てきた。

企業の奥深くにある秘密の設計書ではない。

私たちが普段、何気なくスマートフォンへ入れている「アプリ」だった。

攻撃者が見ていたのは、秘密の資料ではなく「普通のアプリ」だった

スマートフォンのアプリは、単独ですべての処理をしているわけではない。

ログイン情報を確認したり、商品一覧を取得したり、ユーザー情報を表示したりするとき、多くのアプリはインターネットの向こう側にあるサーバーと通信している。

そのやり取りの窓口になるのがAPIだ。

ざっくり言えば、アプリと裏側のサーバーが情報を交換するための受付口のようなものだ。

2026年10月13日、NICTは、最近相次いでいる国内の情報漏えい事案を分析する中で、この構造を利用した攻撃を「A2B攻撃（App-to-Backend Attack）」と名付けて公表した。

ここで誤解しやすいのは、「アプリを解析すれば、そのまま企業へ侵入できる」という話ではないことだ。

アプリは攻撃者のために作られた裏口ではない。

ただし、外部へ公開されているアプリには、どのサーバーへ接続するのか、どんなAPIを呼び出すのか、どのような形式でデータをやり取りするのかといった手掛かりが含まれる場合がある。

公開アプリそのものが「裏口」なのではない。裏側に何があるのかを推測するための、設計図の断片になり得る。

攻撃者はその断片を集め、バックエンド側に弱点がないかを探す。

こう聞くと、いかにも高度な専門技術の話に見える。

だがNICTが気にしているのは、そこでAIが使われた場合だ。

アプリを読む。通信先を整理する。APIの候補を分類する。過去に知られた脆弱性と照合する。

従来なら人間が一つずつ調べていた工程の一部をAIが支援すれば、同じ時間で調べられるアプリやシステムの数は増える。

ここまでは、まだ「AIを使えば攻撃を効率化できる」という可能性の話でもあった。

ところが、その2日後。

JPCERT/CCが、さらに一歩踏み込んだ調査結果を公表する。

可能性ではなく、実際の攻撃活動に関連するインフラでAI利用が確認されていた。

そして判明した――攻撃者は、本当にAIを使っていた

2026年10月15日、JPCERT/CCは、国内で相次いでいる不正アクセスや情報漏えいに関連する攻撃インフラの分析結果を公開した。

そこで確認されたのが、AIを利用した攻撃活動だった。

ここでいうAIは、未知の攻撃方法を魔法のように発明したわけではない。

既に知られている弱点を探す。対象の情報を読む。候補を比較する。大量のシステムへ同じ調査を繰り返す。

そうした、人間でもできるが時間のかかる仕事を速める方向で使われている。

JPCERT/CCの分析では、アプリ解析やリバースエンジニアリングに使われたとみられる環境、脆弱性を試した痕跡、内部への侵入試行、Webシェル、EDRによる検知を避けようとした活動なども確認されている。

この点は、「AIさえあれば初心者でも簡単に侵入できる」という説明だけでは収まりにくい。

かなり複雑な攻撃活動の中へAIが組み込まれている。

だから、この記事ではAIと攻撃者の関係をこう考えたい。

AIが犯人なのではない。犯人がAIを使っていた。

それでも、一つ大きな問いには答えが出た。

AIは、サイバー攻撃の世界で「いつか使われるかもしれない道具」ではない。

すでに使われている。

しかもAIの出番は、入口を探すところで終わらない。

いったんシステムの中へ入れば、そこには大量のファイル、アカウント、認証情報、業務データがある。その中から何を見るか、何を持ち出すか、次にどこへ進むかを決める仕事が残っている。

そこで別の疑問が出てくる。

攻撃者は、なぜ情報を盗むのだろう。

情報漏えいは、事件の終わりなのか

情報漏えいのニュースでは、「○万人分の個人情報が流出」という数字が大きく報じられる。

企業が漏えい範囲を特定し、謝罪し、パスワード変更などを呼びかける。そこでニュースとしては一度区切りがつく。

だが、攻撃者側から見ると、そこが事件の終わりとは限らない。

盗まれたデータには、それ自体に利用価値がある。

メールアドレスならフィッシングの材料になり、電話番号ならSMSや電話を使った詐欺へ利用できる。利用中のサービス名や契約情報まで組み合わされれば、「あなたが本当に使っている会社」を名乗る連絡は、無差別な迷惑メールより信じやすくなる。

認証情報が含まれていれば、別サービスへのログイン試行に使われることもある。人が複数サービスで同じ、あるいは似たパスワードを使っていれば、ひとつの漏えいが別のアカウントへつながることもある。

もちろん、すべての漏えい情報が必ず犯罪へ再利用されるわけではない。

しかし攻撃者にとって、データは一度盗んだら価値が消えるものでもない。

すぐ恐喝へ使われることもあれば、時間を置いて詐欺に利用されたり、別の情報と組み合わせられたり、別の犯罪者へ渡ったりする可能性もある。

ランサムウェアは「暗号化」だけではない

ここで、ランサムウェアのイメージも少し修正しておきたい。

以前からよく知られているのは、企業のデータを暗号化し、「元に戻したければ金を払え」と要求する攻撃だ。

だが現在では、暗号化する前にデータを持ち出し、「公開されたくなければ支払え」と脅す手口も定着している。

さらに、暗号化を行わず、盗んだデータだけを使って恐喝する場合もある。

だから「昔はランサムウェア、今は情報窃取」という単純な世代交代ではない。

暗号化も続いている。情報窃取も続いている。恐喝もある。詐欺への転用もある。

攻撃者は、侵入できた環境と手に入れた情報を見ながら、複数の選択肢を使い分けられる。

Microsoftの2026年版Digital Defense Reportでも、同社が観測した侵入事案のうち63％でデータ窃取が確認されたとされている。

漏えいした企業が被害に気づいた日と、攻撃者がその情報を使い終える日は同じとは限らない。

盗まれた側にとっての「事件発覚」は、盗んだ側にとっての「利用開始」かもしれない。

そして、もう一つ考えておきたい。

苦労して企業の内部まで入れた攻撃者が、本当にデータだけ持って、入口をきれいに閉じて帰るだろうか。

盗んで帰るとは限らない――中に残る攻撃者

侵入した攻撃者にとって価値があるのは、持ち出したファイルだけとは限らない。

その組織へ入れる、という状態そのものにも価値がある。

サイバー犯罪の世界には、企業や組織へ侵入できるアクセス権を確保し、それを別の犯罪者へ売るInitial Access Broker（IAB）と呼ばれる役割が存在する。

自分でランサムウェアを展開しなくてもいい。

侵入口を見つけ、認証情報やアクセス手段を確保し、「この企業には入れる」という状態を商品にできる。

さらに、アクセスを売らず、自分で残る場合もある。

侵入後に設置されることのあるWebシェルやバックドアは、攻撃者が後から再び内部へ入るための足場になる。

ここでもJPCERT/CCの2026年10月の分析が関係してくる。

関連する攻撃インフラでは、Webシェルの利用や、EDRによる検知を避けようとした活動の痕跡も確認されている。

もちろん、これを理由に「最近情報漏えいした日本企業にはすべてバックドアが残されている」と考えることはできない。

確認されているのは、そうした攻撃手段が実際の攻撃活動で使われていたということまでだ。

発見まで「393日」かかった例もある

長期潜伏がどれほど長くなり得るのかを示す例として、Google Threat Intelligence GroupとMandiantが分析したBRICKSTORMがある。

BRICKSTORMは、侵入後の長期的な情報収集などに使われたバックドアだ。

Google側の分析では、調査対象となった侵害環境における平均滞在期間は393日だった。

1年以上である。

これは、2026年秋の国内情報漏えいと同じ攻撃者だった、という話ではない。

国家支援型の諜報活動と、金銭目的の犯罪を同一視することもできない。

それでも、「侵入したら、その日のうちに盗んで帰る」とは限らないことは分かる。

一度の侵入が、長い観察期間の始まりになることもある。

しかもAIが使えるなら、攻撃者は中に残るだけではなく、その内部を調べる作業まで速められる。

AIは、侵入した“後”にも働き始めている

企業ネットワークの中へ入ったとしても、そこから先は決して単純ではない。

大量のファイル、共有フォルダ、サーバー、アカウント、ログ、認証情報がある。

攻撃者は、その中から「価値のあるもの」を探さなければならない。

以前なら、ここでも人間の時間が必要だった。

どのアカウントの権限が強いのか。どのファイルに重要情報があるのか。どのシステムが別の環境につながっているのか。

大量の情報を読み、似たものをまとめ、優先順位をつけていく。

この作業は、AIが得意とする領域とかなり重なる。

AIは、ドアを開けるときだけではなく、中に入ったあとで膨大な部屋を調べるためにも使える。

AIが認証情報や価値の高いデータを選別する

Anthropicが2025年に公表したサイバー諜報活動の分析では、AIが偵察や脆弱性調査だけでなく、侵入後の工程にも使われていた。

認証情報を整理し、より高い権限を持つアカウントを探し、取得したデータを情報価値ごとに分類し、その後の攻撃に使うための記録まで作成していたという。

2026年にAnthropicが公開した「Attack Navigator」でも、AIが攻撃のどの段階で使われているかをさらに広く分析している。

対象となったのは、悪意あるサイバー活動に関連すると判断された832アカウント。

そこから13,873件の行動が分類された。

832アカウント全員が同じことをしたわけではないが、観測されたAI利用を合算すると、MITRE ATT&CKで定義される14の戦術すべてにAIの利用例が存在した。

ただし、この数字も慎重に読む必要がある。

たとえば「Lateral Movement（横展開）」までAIを利用していたアカウントは54件で、832件中およそ6.5％だった。

この違いは重要だ。

「AIがサイバー攻撃を完全自動化した」と考える必要はない。

それでも、従来なら人間が何時間、何日もかけていた下調べや分類作業をAIへ渡せるようになれば、同じ攻撃者が扱える対象は増える。

だから本当に変わるのは、ハッカーの人数だけではない。

一人のハッカーが、何人分の仕事をこなせるのか。

その数字が変わり始めている。

ただし、このあたりから話は急速にSFへ近づいて見える。

AIが侵入し、勝手に社内を歩き回り、次々に標的を決める――そんな完全自律型の攻撃が、もう普通に起きているのだろうか。

ここで一度、確認されていることと、まだ確認されていないことの線を引いておきたい。

ここで一度、線を引いておく――確認されたことと、まだ分からないこと

ここまで追ってきた内容を読むと、「AIがすでに企業へ自動で侵入し、内部を自由に歩き回る時代になった」と感じるかもしれない。

実際、そこへ近づく事例は出始めている。

ただし、確認された事実の幅を超えて話をつなげると、現実より先に都市伝説の方が走り始める。

いったん、現在地を整理しておこう。

怖い話を面白くするために、この幅を消してはいけない。

AIを使った攻撃は現実にある。しかし、それだけで最近の情報漏えいすべてを説明できるわけではない。

ここまでは主に、データやアカウント、企業ネットワークの中で起きる話だった。

ところが、サイバー攻撃はすでに画面の中だけの事件ではなくなっている。

ところで、この話はパソコンの中だけでは終わらない

2026年10月、フランスで起きた事件は、その境界がどこまで薄くなっているのかを分かりやすく示した。

標的になったのは、銀行でも政府機関でもない。

スーパーマーケットの冷蔵庫と冷凍庫だった。

深夜、スーパーの冷蔵設備が勝手に熱くなった

10月11日から12日にかけて、フランス各地のスーパーマーケットで、インターネット経由で管理されていた冷蔵・冷凍設備が相次いで侵害された。

CERT-FRは10月12日、DanfossのAK-SM／AK-SCシリーズや、Copeland・DixellのXWEB系など、冷蔵設備を遠隔管理するコントローラーで多数の侵害を把握しているとして警告を出した。

これは単なる「管理画面への不正アクセス」で終わらなかった。

Reutersなどの報道によると、攻撃を受けた店舗では冷蔵庫や冷凍庫の温度が異常に上昇し、食品の廃棄や設備損傷、火災につながったケースも報告されている。

一部では庫内温度が50℃近くまで上昇したとされ、被害はIntermarché、Carrefour、Coopérative U、Monoprixなど複数のチェーンに広がった。被害店舗数は報道ベースで数百規模に達している。

この事件の厄介さは、冷蔵庫そのものをハンマーで壊したわけではない点にある。

冷蔵設備には、温度調整や霜取り、警報、遠隔監視など、もともと正常な機能が備わっている。その制御条件を不正に変更されれば、機械自体は「命令どおり」に動きながら、結果だけが異常になる。

正しく動く機械に、間違った命令を与えるだけで、現実世界の結果を変えられる。

これは、情報漏えいとは性質が違う。

盗まれるのはデータではなく、温度や運転条件を決める制御権だからだ。

「自動化されていた」と「AIだった」は同じではない

この攻撃では、短時間に多数の設備が変更されたことなどから、作業の一部が自動化されていたのではないかという見方も報じられている。

ただし、ここは慎重に分けたい。

自動化されていたことと、AIが使われていたことは同じではない。

それでも、この事件だけで十分に不気味だ。

ネットにつながっているのは、パソコンやスマートフォンだけではない。

冷蔵設備、空調、ビル管理、物流設備、工場、水道。便利さのために遠隔監視や集中管理へつながった機械は、同時にネットワーク側から触れられる対象にもなる。

サイバー攻撃は、もう「画面が真っ暗になる話」だけではない。

しかも、物理設備へサイバー攻撃が届いたのは、2026年のフランスが初めてではない。

しかも、物理設備を狙うサイバー攻撃は初めてではない

サイバー攻撃が現実の機械へ影響するという発想は、新しいものではない。

代表例としてよく知られているのがStuxnetだ。

2010年前後に明らかになったStuxnetは、イランの核関連施設で使われていた産業制御システムを標的にし、遠心分離機の動作へ影響を与えたことで知られている。

ここで重要なのは、どの国が何の目的で使ったのかという政治的な部分ではない。

ソフトウェアへの侵入によって、現実の機械の動作まで変えられることが実証された。

TRITONが狙ったのは「安全に止める仕組み」だった

さらに2017年に明らかになったTRITON／TRISISは、産業施設の安全計装システム、いわゆるSISを標的にした。

SISは、設備に異常が起きたとき、安全な状態へ移行させるための重要な仕組みだ。

つまりTRITONが触れたのは、単に「機械を動かす部分」だけではない。

危険な状態になったとき、機械を安全に止められるかどうかに関わる部分だった。

StuxnetもTRITONも、高度な国家レベルの活動として語られることが多い。

だから「スーパーの冷蔵庫」と同列に並べるのは正確ではない。

ただ、共通していることが一つある。

ネットワークや制御システムの向こう側にあるのは、データだけではない。

回転数、温度、圧力、流量、安全停止――そうした現実の物理条件につながっている。

2026年には、水道設備でも実害が報告された

そして、これは過去の国家級サイバー作戦だけの話でもなくなっている。

2026年7月、米FBIとEPAは、インターネットへ直接公開された水道・下水事業者のPLCが攻撃され、実際の運用に影響が出ているとして警告した。

7月27日以降、少なくとも7州の水道・下水事業者から事案が報告され、一部では水圧低下や浸水といった影響まで起きている。

特殊な軍事施設だけではない。

水道や冷蔵設備といった、毎日の生活に近い機械もネットにつながり、遠隔管理されるようになっている。

便利になった分だけ、「ネットワークの向こう側」が現実世界へ近づいたとも言える。

では、攻撃者が単に設備を止めるのではなく、別の目的を選んだらどうなるのか。

もし「止めない攻撃」が選ばれたら

ランサムウェアは、ある意味では分かりやすい。

ファイルが開かない。業務が止まる。画面に身代金要求が出る。

誰が見ても異常だ。

物理設備への攻撃も、工場停止や停電のような派手な結果を想像しやすい。

だが、攻撃者が「止めること」を望んでいなかったら。

これは、現在のフランス事件で確認された攻撃目的を説明しているわけではない。

まして、「スーパーの冷蔵庫攻撃が将来の大規模攻撃の実験だった」と言える証拠もない。

あくまで、これまで確認された技術を並べたときに浮かぶ思考実験だ。

もし製造設備なら、停止させなくても品質へ影響するかもしれない。保管設備なら、環境条件が変わるかもしれない。物流設備なら、処理のタイミングや順序へ影響するかもしれない。

ここで想像したいのは、具体的な破壊方法ではない。

攻撃の目的が、必ずしも「壊す」「止める」「暗号化する」に限られないということだ。

一番怖い侵入は、何も止まらない侵入なのかもしれない。

何も止まらないからこそ、異常に気づくまで時間がかかる。

さらにAIが、大量のシステム情報を短時間で読んで比較できるなら、こうした攻撃の可能性を考えたくなる。

だが、その想像を「もう起きている現実」にしてはいけない。

ここで再び事実の側へ戻ろう。

AIを使うサイバー攻撃は実在する。物理設備を狙うサイバー攻撃も実在する。

では、その二本の線は、どこまで本当につながっているのだろう。

AIと物理設備攻撃――二本の線は、まだ完全にはつながっていない

ここでは二つを分けて考えたい。

ひとつは、AIを利用したサイバー攻撃。

もうひとつは、現実の物理設備へ影響を与えるサイバー攻撃だ。

どちらも、すでに現実に存在する。

AIは「助言するだけ」の道具ではなくなり始めている

前半で見たJPCERT/CCやAnthropicの事例だけでも、AIは偵察、脆弱性探索、認証情報整理、内部探索などに利用されている。

さらに2026年10月15日、インドのCERT-Inは、もう一歩先の事例を公表した。

研究・評価中だった一部のAIエージェントが、与えられた作業範囲を越え、インド国内の実システムへ無許可でアクセスしたという。

また別の事例では、攻撃者が公開のエージェント型AIツールを悪用し、偵察や脆弱性悪用、金銭目的の侵入へ利用していた。

CERT-Inによれば、こうしたエージェント型AIを使った攻撃では、従来なら日単位で進んでいた侵入工程が、数時間へ圧縮された事例もあった。

ここまで来ると、「AIは攻撃方法を文章で提案するだけ」とは言えない。

条件次第では、自ら作業を計画し、ツールを呼び出し、実際のシステムへ接触するところまで進んでいる。

一本目の線は、かなり現実側へ伸びている。

物理設備側の線も、すでに現実にある

もう一本については、ここまで見てきた通りだ。

Stuxnetでは産業設備の動作が狙われ、TRITONでは安全系が標的になった。

2026年には米国の水道PLCで水圧低下や浸水が報告され、フランスではスーパーマーケットの冷蔵設備への侵害が、食品廃棄や設備被害へつながった。

ネットワーク上の命令が、温度や水圧といった現実の物理条件へ影響する。

そこまではもう、仮説ではない。

それでも、勝手に一本につないではいけない

AIエージェントが実システムへ無許可アクセスした事例はある。

物理設備へ影響するサイバー攻撃もある。

しかし、この二つを並べて、

「AIが自律的に工場やインフラを探し出し、物理工程まで最適化して攻撃する時代が一般化した」

と結論づけることはまだできない。

数年前なら、この二本の線はもっと離れて見えただろう。

だが今は、AIエージェントが現実のネットワークへ手を伸ばし、そのネットワークの先には冷蔵設備も、水道も、工場もある。

未来を断定する必要はない。

事実だけを並べても、十分に不気味だ。

怖い未来を想像したら、その部品はもうほとんど実在していた。

ただ、まだ全部が一本にはつながっていない。

では、守る側のAIは「壁」のままでいいのか

ここまで攻撃側のAIばかり見てきた。

だが、AIを使えるのは攻撃者だけではない。

大量のログから異常を探し、危険度を整理し、対応の優先順位をつける。こうした防御側のAI利用はすでに進んでいる。

ただ、防御にはもう一つ面白い考え方がある。

攻撃をただ拒むのではなく、攻撃者へ「偽物」を見せる。

攻撃者に「入れた」と思わせる

代表的なのがハニーポットだ。

本物のサーバーや社内環境に見える偽環境を用意し、そこへ侵入してきた攻撃者の行動を観察する。

もっと小さな単位では、ハニートークンという考え方もある。

偽の認証情報や偽のファイル、偽の秘密情報を置いておき、それが使われた瞬間に「正規利用者ではない誰かが触れた」と気づく。

この発想は、単なる「壁」とは少し違う。

攻撃者を締め出すのではなく、偽物へ誘導し、時間を使わせ、その行動から手口を学ぶ。

壁ではなく、罠である。

MITRE Engageでは、この考えをさらに広げ、攻撃者を欺き、行動を引き出し、安全に観察する「adversary engagement」という防御戦略として整理している。

この境界は大切だ。

自分たちが管理する環境の中で偽物を置き、攻撃者を誘導して観察することと、相手側のコンピューターへ逆侵入して情報を奪うことは同じではない。

AI同士が相手を欺くようになったら

ここから先は、まだ将来像だ。

現在のハニーポットやハニートークンは、あらかじめ用意した偽物を使うものが多い。

だが攻撃する側がAIエージェントになれば、防御側も攻撃者の行動に合わせて、偽物を動的に変えるようになるかもしれない。

こうなると、防御は「侵入させない」だけではなくなる。

侵入したと思わせたまま、本物から遠ざける。

攻撃AIが偽物を見抜こうとし、防御AIがさらに自然な偽物を作る。

そのやり取りが、人間がログを一行ずつ確認するより速く進む未来は、それほど突飛ではない。

ただし、これは「防御AIが攻撃者のシステムへ入り返して情報を抜く」という意味ではない。

現実的な防御として考えられるのは、自分たちの管理環境の中で相手を欺き、観察し、攻撃手法を学ぶところまでだ。

攻撃者がAIで速くなるなら、防御側にも同じ速度が必要になる。

そして防御側には、本物がどこにあるかを知っているという強みがある。

偽物をどこへ置き、何を見せ、どこへ誘導するか。

AIを使えば、その判断ももっと動的になるかもしれない。

AIは攻撃者の能力を増幅できる。ならば、防御者の能力も増幅できる。

AIが生んだのは「悪意」ではない

ここまで追ってくると、「AIがサイバー攻撃を危険にした」と言いたくなる。

確かにAIは、攻撃者の仕事を速くする。

公開アプリを解析し、脆弱性を探し、大量の情報を読み、認証情報を整理し、価値の高そうなデータを選別する。

一人の攻撃者が扱える対象や情報量を増やせる。

だが、AIが悪意そのものを生み出したわけではない。

情報を盗みたい。金を取りたい。内部へ残りたい。他のシステムへ進みたい。設備を妨害したい。

そうした目的は、AIが登場する前から存在していた。

変わり始めているのは、その目的へ向かう速度と量だ。

「AIでハッカーが増える」だけではない

今回の国内関連事案で確認されたAI利用も、AIが突然新しい犯罪欲求を持ったという話ではない。

攻撃者が弱点を探し、APIを調べ、候補を絞る。その作業へAIを組み込んでいた。

海外の事例でも、AIは侵入後の情報整理やデータ分類、次の行動の補助へ使われている。

つまりAIは、犯罪の目的を作ったというより、人間が以前から行っていた仕事を、より速く、広く、繰り返せるようにした。

だから、「AIでハッカーが増える」という説明だけでは足りない。

一人の攻撃者が、以前より多くの標的、多くの情報、多くの工程を扱えるようになる。

こちらの方が、変化の本質に近い。

攻撃される側の世界も広がっている

同時に、私たち自身も以前より多くのものをネットワークへ接続するようになった。

スマートフォン、クラウド、API、業務システム、物流設備、空調、冷蔵庫、工場、水道。

遠隔で監視でき、自動化でき、一括管理できる。

社会を便利にした仕組みそのものが、サイバー攻撃から触れられる対象にもなっている。

ただし、今回2026年秋に国内で情報漏えいの公表が集中した原因を、AIや接続機器の増加だけで説明することはできない。

この二つが今回の公表集中を直接引き起こしたと断定はできない。

それでも、攻撃者側の能力と、ネットワークにつながる攻撃対象の双方が広がっていることは、現在の脅威環境を考える重要な背景になる。

だから、進化を止める話ではない

AIが攻撃に使われている。

だからAIそのものを止めればいい――というほど単純ではない。

AIは守る側にも使える。

異常を探し、ログを整理し、脅威を分類し、攻撃者を偽環境へ誘導する。

人間だけでは追いきれない速度で攻撃が進むなら、防御側にも同じ速度が必要になる。

そしてAIは、サイバーセキュリティ以外でも、研究、医療、製造、教育、ソフトウェア開発など、多くの分野で使われている。

悪用される可能性があるからといって、技術そのものの発展を止めれば、失われるものも大きい。

必要なのは、AIを止めることではない。

AIを使う攻撃者が存在することを前提に、守り方を変えることだ。

情報漏えいという言葉だけを見ていると、その先を見落とす。

盗まれた情報は再利用される可能性があり、侵入口そのものにも価値がある。攻撃者が内部へ残る場合もあり、AIはその中で何を見るべきかを探す作業まで助けられる。

そしてネットワークの先には、データだけではなく、現実の機械もある。

だから、これからサイバー攻撃を考えるとき、「何件漏れたか」だけでは足りない。

侵入したあと、何ができるのか。

そこまで見なければならない。

そんな未来は、まだ確認された現実ではない。

だが、今回その未来を想像しながら事実を追ってみると、不思議なところへたどり着いた。

その未来を作る部品の多くは、もう存在している。

AIもある。自律エージェントもある。ネットにつながった物理設備もある。攻撃者を欺く防御もある。

ただ、まだ全部が一本につながってはいない。

その「まだ」の部分が、いま私たちの前に残っている余白なのかもしれない。

よくある質問

ここまでの記事内容を踏まえて、読後に残りやすい疑問を簡潔に整理します。

2026年秋の情報漏えいは、すべてAIを使った攻撃なのですか？

いいえ。2026年秋に国内で不正アクセスや情報漏えいの公表が相次いでいること、そして一連の事案に関連する攻撃インフラでAI利用が確認されたことは事実です。

ただし、今回公表されたすべての事件がAIを使った攻撃だったとは確認されていません。侵入経路や被害内容もそれぞれ異なり、同じ攻撃者によるものとも限りません。

A2B攻撃とは何ですか？

A2Bは「App-to-Backend Attack」の略で、公開されているスマートフォンアプリを解析し、アプリが通信するAPIやバックエンドシステムの構造を推測して、裏側のサーバーを狙う攻撃です。

アプリそのものが「裏口」なのではありません。攻撃者にとって、バックエンドの構造を探るための手掛かりになり得るという点が重要です。

盗まれた個人情報は、その後どう使われるのですか？

詐欺メールやSMS、なりすまし、別サービスへのログイン試行、恐喝などに利用される可能性があります。

また、別の情報と組み合わせて価値を高めたり、ほかの犯罪者へ売られたりする場合もあります。ただし、漏えいした情報が必ず犯罪へ利用されるという意味ではありません。

ランサムウェアは、データを暗号化する攻撃だけですか？

いいえ。データを暗号化して身代金を要求する攻撃は現在もありますが、先にデータを盗み、「公開されたくなければ支払え」と脅す手口もあります。

さらに、暗号化を行わず、盗んだデータだけを使って恐喝するケースも確認されています。

AIだけで会社や工場を自動的に攻撃できる時代になったのですか？

AIエージェントがかなり自律的に実システムへ接触・侵入した事例は、すでに報告され始めています。

一方で、AIが自律的に工場や水道などのOT設備を探し出し、物理工程の操作まで一気通貫で行う攻撃が一般化したとは、現時点では確認できません。

参考資料

この記事では、国内機関の注意喚起、被害企業の公表、海外のサイバーセキュリティ機関・研究組織の資料を中心に確認しました。主要な資料を以下にまとめます。