NTT、ソブリン型の脆弱性解析AIを開発
- •NTT、ソースコードを外部送信せず脆弱性を解析するAI技術を開発
- •CyberGym課題150件で成功率63%、従来の48%から15ポイント向上
- •脆弱性の発見から組織ごとのリスク判断、対処まで支援する技術を目指す
NTTは2026年11月16日、検査対象のソースコードを外部AIサービスに送らず、管理下の環境で脆弱性を解析するサイバーセキュリティAI技術を開発したと発表しました。複数のオープンウェイトモデルに、脆弱性研究の知見を生かした解析技術と独自のワークフロー制御を組み合わせています。ベンチマーク評価では、解析成功率が従来手法の48%から63%へ上がり、15ポイント向上しました。NTTは、高い解析能力と、組織がAIを自ら選択・運用できる「ソブリン性」の両立をめざしています。
高性能な外部AIサービスを使う場合、機密のソースコードを外部に送ることや、利用コストの増大、特定サービスへの依存が懸念されます。また、脆弱性を発見するだけではリスクは下がりません。組織は多数の脆弱性の中から、自社システムに影響するものを見極め、優先順位を決めて安全に対処する必要があります。NTTは発見から判断、対処までを一貫して支援する技術の研究開発を進めています。
AIによる一般的な脆弱性解析では、モデルがプログラムを読み、脆弱性の仮説を立て、狙いを定めて検証します。AIは専門家に近い作業を自律的に繰り返し、並列して多数実行できます。解析能力はモデルの性能に加え、作業手順を定めるワークフローや検証ツールにも左右されます。NTTは研究で蓄積した知見を基に、脆弱性が生じそうな箇所へAIの着眼点を促す手引きを解析ワークフローに組み込みました。これにより、AIの能力を引き出し、解析成功率を高めたと説明しています。
評価には、AIエージェントの脆弱性解析能力を測るベンチマーク「CyberGym」の約1,500件の課題から、メモリ破壊に関する150件を選びました。既存の解析ワークフローと改良手法を比べたところ、成功率は48%から63%となりました。また、規模の異なるオープンウェイトモデルを評価し、中規模モデルを組み合わせて性能を高められる可能性を確認しました。NTTは、検査対象への入力を繰り返し変え、異常な動作から脆弱性候補を探す自社の解析技術との連携も進める方針です。
今後NTTは、脆弱性情報と組織のシステム構成などを照合し、影響箇所や優先して対処すべきリスクを絞り込む技術を開発します。システムの運用状況や業務への影響を考慮した対処も支援する計画です。外部で日々公表される脆弱性のすべてが各組織のシステムに影響するわけではなく、対処の必要性や優先順位も異なるためです。発見・判断・対処をつなぎ、実際のリスク低減までにかかる時間と負担の削減をめざします。成果はNTT R&D FORUM 2026に展示予定です。
最も速く正確なAIニュースをメールでいかがですか?