解説技術・取り組み国内

NTT、ソースコードを外部に送らずAIで脆弱性解析 評価の成功率が48%から63%へ

NTT、ソースコードを外部に送らずAIで脆弱性解析 評価の成功率が48%から63%へ
この記事のポイント
  • NTTは、検査するソースコードを外部AIサービスへ送信せず、自ら管理する環境で脆弱性を解析する技術を開発した。
  • CyberGymから選んだメモリ破壊の150課題で、解析手順を改良した際の成功率が48%から63%へ上がった。
  • 今後はシステム構成と脆弱性情報を照合し、組織ごとの優先順位の判断や対処まで支援する研究を進める。

NTTは11月16日、AIのモデルと解析手順を組み合わせ、自社管理の環境で脆弱性を調べる技術を公表した。ソブリン性とは、組織が使うAIを自ら選び、運用の主導権を持つことである。今回の発表を読む際は、コードの取扱い、解析能力を測った条件、今後開発する判断・対処の機能を分けて確認したい。[1]

何が起きたのか:モデルと解析手順を組み合わせて発見能力を改善

NTTが開発した技術は、検査対象のソースコードを自ら管理する環境に置いて解析することを目指す。重みが公開され、利用者側で動かせるオープンウェイトモデルを複数使い、脆弱性研究で得た知見と、AIの作業を制御する仕組みを組み合わせた。機密情報を含むコードを外部AIサービスへ送ることへの懸念に対応する研究である。[1]

AIによる解析では、プログラムを読み、欠陥がありそうな箇所の仮説を立て、調べる場所を絞って検証する。この作業の進め方がワークフローである。NTTは、脆弱性が生じる可能性について着眼点を与える手引きを組み込んだ。モデルが持つ能力に加え、何を手がかりに調査するか、どのツールで確かめるかが結果に関わるという設計だ。[1]

同社は規模の異なるモデルでも評価し、中規模モデルの組み合わせによる性能向上の可能性を確認したとしている。今後は解析能力と計算資源のバランスを考慮して、自社管理の環境で利用しやすい技術へ発展させる。組織が運用環境を選ぶ際には、求める解析能力と、その能力を動かすための資源を併せて見る必要がある。[1]

管理下のコードを、モデルと解析手順の組み合わせで調べる

検査対象機密情報を含むソースコード
自ら管理する環境で解析

NTTの解析技術

AIモデル複数のオープンウェイトモデル
解析手順脆弱性研究の着眼点を組み込む
組み合わせて検証
解析能力の評価CyberGymの150課題
今後の研究
判断と対処の支援構成と業務への影響を考慮する

出典 NTT「ソブリン型でフロンティアAIに迫るサイバーセキュリティAI技術を開発」(2026年11月16日)

なぜ今なのか:AIによる解析の高速化と機密コードの取扱い

NTTは開発の背景として、AIの脆弱性発見能力の向上と、サイバー攻撃への悪用の懸念を挙げる。AIは専門家の調査に近い作業を自律的に繰り返し、並列に実行できる。守る側も対応を速める必要がある一方、外部サービスを使う方式では、ソースコードの送信、利用コストの増加、特定サービスへの依存が課題になる。[1]

今回の実験では、AIエージェントの解析能力を測るCyberGymの約1,500課題から、メモリ破壊に関する150課題を選んだ。同じ評価対象で既存の解析ワークフローと改良手法を比較した結果、成功率は48%から63%へ、15ポイント上がった。成功率を読む前提は、選定された150課題と解析手法の比較である。[1]

企業がこの評価を自社の検査計画に使うなら、調べたいソフトウェアの欠陥の種類と、今回の評価対象を照合することになる。発表が示すのはメモリ破壊の課題における改善であり、自社で測る項目も検査対象に合わせて定めたい。モデルの名前や規模に加え、解析手順や検証ツールを含む構成を評価するという点が、この研究から得られる判断材料になる。[1]

150課題の評価で、解析手順の改良による成功率の改善を確認

既存手法
改良手法
解析の進め方
既存の解析ワークフロー
脆弱性研究の着眼点を組み込む
評価対象
メモリ破壊に関する150課題
同じ150課題
解析成功率
48%
63%

出典 NTT「ソブリン型でフロンティアAIに迫るサイバーセキュリティAI技術を開発」(2026年11月16日)

日本の企業にとって何が変わるか:機密保持と対処の優先順位を分けて検討

機密コードを扱う開発部門には、外部送信を伴わないAI解析を検討するための技術的な選択肢が示された。NTTはコードを自ら管理する環境で扱うことと、AIの選択・運用の主導権を持つことを重視している。導入を検討する担当者は、外部送信を制限するコードの範囲と、管理下で使える計算資源を整理すると、研究成果が自社の制約に合うかを判断しやすい。[1]

検査の後には、見つかった脆弱性が自社システムにどう影響するかを調べる作業が続く。NTTは、自社で発見したものと外部で公表されたものの両方について、システム構成と照合し、影響する箇所や優先して対処すべきリスクを絞り込む技術を今後研究する。現時点の解析結果と、今後目指す判断・対処の支援を区別して計画に取り入れたい。[1]

運用部門にとっては、修正時の業務への影響も判断材料になる。NTTの計画もシステムの運用状況と業務への影響を考慮した対処を掲げている。日本企業が対応体制を点検する際は、発見結果を受け取る開発担当者と、構成や稼働状況を把握する運用担当者の間で、優先順位を決めるための情報を共有できるか確認したい。[1]

  1. 検査するソースコードの外部送信に関する制約を整理する。
  2. 評価対象の欠陥の種類と、自社で調べたいソフトウェアの条件を照合する。
  3. システム構成と業務への影響を、脆弱性対応の優先順位に反映できるか確認する。

まとめ:解析環境と評価条件を確認し、発見後の対応につなげる

今回の研究は、機密コードの取扱いと脆弱性発見能力を両立させるため、モデルと調査手順を組み合わせた取り組みである。NTTは従来、入力を繰り返し変えて異常な動作を探す解析技術も研究しており、今後はその技術との連携も進める。自社管理の環境で使うAIを検討する企業には、モデル、解析手順、検証手段の組み合わせを追う意味がある。[1]

NTTが今後目指すのは、専門家が個別に行ってきた発見・判断・対処をつなぎ、リスク低減にかかる時間と負担を減らすことである。企業側も、評価で得られた解析性能を確認するとともに、発見した問題を自社の構成や業務と照合する工程を持つことが重要になる。技術開発の成果と今後の計画を区別し、管理環境と対応体制の両方から利用可能性を判断したい。[1]

技術・取り組み / 2026-11-16

自社管理のAI解析を、機密保持・評価・対処の3点から検討する

01 何が起きたか管理環境で解析

外部AIへコードを送信しない解析技術をNTTが開発

02 なぜ今か防御の迅速化が課題

1 AIの脆弱性発見能力が向上

2 守る側にも迅速な対応が必要

3 機密情報と運用の主導権を確保

03 日本の企業にとって検査から対処まで確認

1 コードの送信条件を整理

2 自社の検査対象と評価条件を照合

3 構成と業務影響から対処を判断

出典 NTT「ソブリン型でフロンティアAIに迫るサイバーセキュリティAI技術を開発」(2026年11月16日)

タグ#脆弱性発見#ソブリンAI#ソースコード