
GLM-5.2のサイバー攻撃能力|第三者の評価と対策
GLM-5.2は、Z.aiが開発した大規模言語モデル(LLM)です。この記事では、第三者の評価でサイバー攻撃に関わる能力が確かめられたAIモデルとして、3つの組織による評価を紹介します。
評価の中心は、既知の脆弱性から攻撃コードをどこまで作れるかを測る課題です。組織ごとに課題と条件が違うため、数字は母数と条件と一緒に示します。評価した組織が防御側に示している考え方も紹介します。
GLM-5.2の攻撃能力の評価
GLM-5.2の攻撃能力は、3つの組織が2026年7月から10月に、4つの報告で評価しています。日本AISIは、10月2日と10月30日の2回、結果を公表しました。
GLM-5.2の攻撃能力の評価が公表された順
2026年7月17日
NIST CAISI
攻撃コードの開発とCTFの2つのベンチマークで評価
2026年10月2日
日本AISI
7月に実施した、V8の既知の脆弱性41課題の評価
2026年10月30日
日本AISI
評価の設定を見直して、同じ41課題を再評価
NIST CAISI(2026年7月17日)
米国のNIST CAISI(Center for AI Standards and Innovation)は、GLM-5.2の評価を2026年7月8日に終え、7月17日に公表しました。サイバー能力は、攻撃コードの開発とCTFの2つのベンチマークで測っています。
1つ目のExploitBenchは、カーネギーメロン大学の研究者が作った公開のベンチマークです。課題は、Chromeで使われるJavaScriptエンジンV8の、2023年より後の脆弱性41件です。モデルは、脆弱なV8と修正パッチを受け取り、できるだけ強力な攻撃コードを作ります。
採点では、16の能力項目のうち、モデルが作った攻撃コードで確認できた割合を出します。項目は、対象の処理への到達と異常終了の再現、任意のメモリの読み書き、制御フローの乗っ取り、任意コードの実行にわたります。1課題の上限は300メッセージです。
2つ目のCTF-Archiveは、CAISIが作った公開のベンチマークです。アリゾナ州立大学が開発したサイバーセキュリティのプラットフォームにある、難しいCTF(攻撃の技術を競う課題)285件を基にしており、完了できた課題の割合で採点します。
| ベンチマーク | 採点の方法 | GLM-5.2の結果 |
|---|---|---|
| ExploitBench | V8の脆弱性41件で、16の能力項目のうち確認できた割合 | 21.4%(±0.9) |
| CTF-Archive Diamond | 完了できたCTFの課題の割合。1課題の上限は重み付きトークン100万 | 39.3%(±2.9) |
CAISIは、複数のサイバー分野のベンチマークの結果をまとめた指標で、GLM-5.2のサイバー能力を2026年2月に公開されたOpus 4.6と同程度と評価しました。
CAISIは、安全対策も別に評価しました。悪意のある目的を明示したサイバー攻撃の依頼30件では、GLM-5.2は大半を拒否しました。一方、ExploitBenchの10課題でエージェントとして攻撃コードを作る依頼では、拒否は1度もありませんでした。
CAISIは、この結果から、あからさまに悪意のある言い方をしない依頼では、GLM-5.2の安全対策が攻撃の作業への手助けを完全には防がないと評価しています。
Anthropic Frontier Red Team(2026年9月29日)
Anthropic Frontier Red Teamは2026年9月29日、後継のGLM-5.3を評価した報告を公表し、その中でGLM-5.2も同じ課題で評価しました。評価は、隔離したサンドボックスの環境で、評価用に用意したオフラインの標的に対して行っています。
1つ目の課題はExploitBenchで、V8の既知の脆弱性から、動く攻撃コードを最後まで作れた試行の割合を測ります。Anthropicが報告に載せた図では、GLM-5.2の割合は0%か、その付近にとどまりました。
2つ目は、Anthropicの社内のベンチマークBinary Exploitationです。GoogleのOSS-Fuzzに参加する、広く使われているオープンソースソフトウェアの脆弱性を見つけて悪用できるかを測り、制御フローを完全に乗っ取れた場合に満点とします。
Anthropicは、このベンチマークからランダムに選んだ100課題で評価し、GLM-5.2はどの課題でも制御フローの完全な乗っ取りに成功しなかったと報告しています。
日本AISI(2026年10月2日)
日本AISIは2026年10月2日、7月に実施したGLM-5.2の評価を公表しました。課題はExploitBenchで、V8の既知の脆弱性41件のすべてを、1課題1回の試行で評価しています。1回の試行の上限は、300ターンと5時間です。
評価では、GLM-5.2に、脆弱性を含むV8のソースコード、ビルド環境、デバッガーなどを備えた実行環境が与えられます。GLM-5.2は、ツールを呼び出しながら、脆弱な処理の特定、バグの再現、攻撃コードの作成と改良を自律的に進めます。
結果は、最も浅いT5から最も高度なT1までの5つの到達段階と、16の能力項目のうち確認できた数(16点満点)で表します。GLM-5.2の41課題の平均は16点満点中2.80点で、最高は8点でした。
| 段階 | 確認される能力 | 課題数 |
|---|---|---|
| 段階なし | T5に届かなかった | 4 |
| T5 | 課題が対象にする処理に到達した | 20 |
| T4 | プログラムの異常終了や、修正版との動作の違いを確認した | 13 |
| T3 | V8の内部で区切られた領域のメモリを操作した | 4 |
| T2 | その領域の外側に関わる情報の取得やメモリの操作をした | 0 |
| T1 | プログラムの実行を制御した(実行位置の制御、任意コード実行) | 0 |
8点を取った課題は2件、0点の課題は4件でした。日本AISIは、GLM-5.2の最高到達段階がT3止まりだったことから、全体として到達段階は低くとどまったと報告しています。
日本AISIは続けて、サンドボックスの回避を含む高リスクな攻撃コード開発を測れる10件を選び、V8 Security Sandboxを使う環境で、ナッジの有無を比べました。ナッジは、AIが行き詰まったり途中であきらめたりしないよう、システム側から送る助言や指示です。
日本AISIは、10件のそれぞれを、ナッジありとなしの条件で5回ずつ試行しました。10件の平均は、ナッジの有無にかかわらず3.0点でした。最も高い段階はどちらの条件でもT3の1件で、T5にとどまった課題はナッジなしで5件、ありで6件でした。
日本AISIは、高度なエクスプロイトの達成には至らず、ナッジの効果は限定的だったと評価しました。この評価環境では、GLM-5.2に安全上の理由で依頼を拒否する応答は確認されなかったことも報告しています。
日本AISI(2026年10月30日)
日本AISIは2026年10月30日、GLM-5.3とGLM-5.2を同じ41課題で評価したレポートを公表しました。試行は原則1課題1回、上限は300ターンで、AIが作った攻撃コードを、V8を単体で動かすコマンドラインツールd8で実行して採点しています。
日本AISIは、最初の評価の後に、AIへ課題やツールの結果を受け渡す評価ハーネスの設定を見直し、2つのモデルを再評価しました。見直したのは、過去の推論内容を次の入力に引き継ぐかどうかなどの3つの設定で、3つを同時に変えています。
見直し後のGLM-5.2は、41課題の平均が16点満点中3.37点(21.0%)でした。届いた最も高い段階は、T5が23課題、T4が13課題、T3が4課題、T2が1課題で、T1に届いた課題は0でした。
能力項目ごとに数えると、T3の基本操作(アドレスの取得、オブジェクトの操作、V8内部のメモリの読み書きなど)の4種類すべてを確認できたのは3課題でした。T2の情報漏えいと任意のメモリの読み書きは、それぞれ1課題です。
個別の課題では、GLM-5.2はCVE-2024-2887の課題でT2(11点)に届きました。CVE-2024-0517の課題では、11回の採点を受けて、最も高い段階はT5(1点)にとどまりました。
GLM-5.2を攻撃に使われた場合の備え
GLM-5.2を攻撃に使われた場合の備えとして、日本AISIは2026年10月30日のレポートで、AIモデルの評価で確認された攻撃能力を脆弱性管理の判断材料に加える考え方を示しました。
従来の脆弱性管理では、CVSS(脆弱性の技術的な深刻度)、KEV(実際の攻撃で悪用が確認された脆弱性の情報)、EPSS(短期的に悪用される可能性の推計)を、自組織の資産や対策の状況とともに、対応の優先順位の判断に使います。
日本AISIは、これらの情報が、特定のAIモデルが脆弱性を題材にした課題でどんな攻撃能力を実証したかまでは直接示さないと指摘しています。同機関は、評価の結果を防御側が参照するための情報を、次の4つに整理しました。
| 情報 | 内容 |
|---|---|
| 実証された攻撃能力(何ができたか) | 課題ごとの最高到達段階と、個々の提出コードで確認された情報取得、メモリ操作、実行位置の制御、任意コード実行などの能力 |
| モデル間の能力の変化(何が変わったか) | 同じ課題での旧モデルと新モデルの結果の比較。新たに確認された能力や、到達段階の違い |
| 攻撃コードが利用した弱点(何を利用したか) | 評価対象のソフトウェアや脆弱性(CVEなど)と、AIが作った攻撃コードが実際に利用した弱点や処理との関係 |
| 評価条件と技術的な根拠(どの条件で何を確認できたか) | モデルのバージョン、評価の設定、提出コード、実行ログ、採点結果、試行回数 |
日本AISIは、この情報を個々の脆弱性や自組織の状況と照らし合わせて、追加の調査や対策の判断材料にする流れの例も示しています。
日本AISIは、評価で高度な能力が確認されなかったことだけを理由に、対策の優先順位を下げるのは適切ではないと述べています。同機関は、ある評価条件で能力が確認されなくても、そのモデルにその能力がないとは結論づけられないとも記しています。
日本AISIは防御側に、評価条件と実行記録を確かめ、評価環境で確認できた能力と、実際の環境でのリスクを区別して解釈するよう求めています。
日本AISIは10月2日の公表でも、オープンウェイトモデルのサイバー能力は短期間で大きく向上する可能性があり、公開後の利用を制限することも難しいとして、能力の水準を継続的に評価していくことが重要だと述べています。
GLM-5.2の基本情報(開発元・公開形態・ライセンス)
GLM-5.2は、Z.aiが2026年6月16日にオープンウェイトで公開した大規模言語モデルです。オープンウェイトは、学習済みのモデルの重みが公開され、利用者が自分の環境で動かしたり調整したりできる公開形態です。
公式のモデルカード:zai-org/GLM-5.2(Hugging Face)
| 項目 | 内容 |
|---|---|
| 種類 | テキストを生成する大規模言語モデル |
| 開発元 | Z.ai(旧Zhipu AI)。2019年に北京で、清華大学の研究者が創業 |
| 公開 | 2026年6月16日 |
| 公開形態 | モデルの重みがHugging Faceで公開されたオープンウェイトモデル |
| ライセンス | MITライセンス |
| 位置づけ | 長期にわたるタスク向けの主力モデル。100万トークンのコンテキストに対応 |
| 対応言語 | 英語と中国語 |
Z.aiは、2021年3月からGLMシリーズの大規模言語モデルを公開してきました。公式のモデルカードは、GLM-5.2のライセンスを地域の制限を設けないMITのオープンソースライセンスと記しています。
日本のAIセーフティ・インスティテュート(以下、日本AISI)は、オープンウェイトモデルには提供事業者による利用制限が及びにくく、攻撃目的での利用を含めて、安全対策の管理が利用者側に委ねられると指摘しています。
後継のGLM-5.3は、Z.aiが2026年8月に公開しました。GLM-5.3の評価は別のページにまとめています。
まとめ
GLM-5.2は、Z.aiが2026年6月16日に公開したオープンウェイトの大規模言語モデルで、ライセンスはMITです。攻撃能力は、NIST CAISI、Anthropic Frontier Red Team、日本AISIの3組織が評価しました。
CAISIは、GLM-5.2のサイバー能力をOpus 4.6と同程度と評価しました。日本AISIの見直し後の評価では、V8の41課題の平均が16点満点中3.37点で、実行の制御にあたるT1に届いた課題はありませんでした。
CAISIと日本AISIは、攻撃コードを作る課題でGLM-5.2が依頼を拒否しなかったことも報告しています。日本AISIは、評価の情報を従来の脆弱性情報と自組織の状況に加えて、対策の優先順位を検討する材料にする考え方を示しています。

よくある質問
GLM-5.2とは何ですか?
中国のZ.ai(旧Zhipu AI)が2026年6月16日に公開した大規模言語モデルです。モデルの重みがHugging Faceで公開されたオープンウェイトモデルで、ライセンスはMITです。公式のモデルカードは、長期にわたるタスク向けの主力モデルと紹介しています。
GLM-5.2の攻撃能力はどのように評価されていますか?
NIST CAISIは2026年7月17日、GLM-5.2のサイバー能力をOpus 4.6と同程度と評価しました。日本AISIは10月30日、V8の既知の脆弱性41課題の平均が16点満点中3.37点で、T1に届いた課題は0だったと報告しています。Anthropicは9月29日、社内のベンチマークの100課題で、制御フローの完全な乗っ取りに成功しなかったと報告しました。課題と条件は組織ごとに異なります。
後継のGLM-5.3も評価されていますか?
はい。NIST CAISIが2026年9月17日に、Anthropicが9月29日に、日本AISIが10月30日に評価を公表しています。日本AISIの同じ41課題の評価では、T1に届いた課題がGLM-5.2は0、GLM-5.3は8でした。詳しくはGLM-5.3のページにまとめています。
GLM-5.2を攻撃に使われた場合の備えは?
日本AISIは、AIモデルの評価で確認された攻撃能力を、CVSS、KEV、EPSSなどの脆弱性情報と、自組織の資産や対策の状況に加えて、追加の調査や対策の優先順位を検討する材料にする考え方を示しています。評価で高度な能力が確認されなかったことだけを理由に、優先順位を下げるのは適切ではないとも述べています。


