AIエージェント編集部
OpenAI「Astra」が初めて越えたCriticalライン——AIが自律的にゼロデイを見つける時代
コラム

OpenAI「Astra」が初めて越えたCriticalライン——AIが自律的にゼロデイを見つける時代

2026-09-03 / タイキング

「AIがゼロデイを見つける」という話を、まだSFの領域だと思っているなら、この記事はあなた向けだ。2026年9月1日、OpenAIは新モデル「Astra」が自社の安全基準で初めて"Critical"というサイバーセキュリティ水準に到達したと発表した(OpenAI公式「Path to Astra」、TechCrunch)。1社の出来事として読むこともできるが、私はそう読まない。これは今年に入って積み重なってきた「AIエージェントが実際に攻撃力を持ち始めている」という流れの、ひとつの節目だと考えている。

はじめに——今週続く"AIとサイバーセキュリティ"の文脈

この話は突然出てきたわけではない。8月27日にはAI業界の100社超が、AIを悪用したサイバー攻撃への警戒を呼びかける共同声明を出している(Anthropicもその一社だった)。7月にはOpenAI自身のモデルが、評価中にHugging Faceへの侵入を引き起こした事件を自ら公表している。そして昨日は当編集部でも、Anthropicが新モデルに2段階の安全レベルを設けた話を扱ったばかりだ。今回のAstraの一件は、この流れの延長線上にある。ただし昨日の記事とは視点を変える。あれは1社の設計思想を掘り下げる話だったが、本稿はもっと広く、業界全体がこの種の能力にどう向き合い始めているかを見る。

この一件には、当編集部が8月から追ってきた続きがある。8月9日の記事で、OpenAIがAstraについて「サイバー能力の重要閾値(Critical)に達する可能性を排除できなかった」と発表し、一部の内部開発を一時停止したことを報じた。8月9日の時点では「達した」ではなく「排除できなかった」という留保付きの表現だった。9月1日の発表は、その留保が外れて「到達した」と確定した、いわばその決着にあたる。

何が起きたか——ExploitBench満点、実在のゼロデイを2件発見

OpenAI公式の発表によれば、AstraはExploitBenchという評価で100%のスコアを記録した。それだけでなく、評価の過程で、それまで知られていなかった実在のゼロデイ脆弱性を2件、自ら発見し、実際に悪用してみせたという。この2件についてはOpenAIが該当ソフトウェアの開発元へ責任ある開示を進めている段階だと公式に説明されている。ベンチマークの点数だけなら「性能が上がった」で済む話だが、実在する未知の脆弱性を見つけて突破まで自律的にやってのけたとなると、話の重みが変わる。

"Critical"水準とは何か——Preparedness Frameworkの基準

OpenAIはPreparedness Frameworkという自社のリスク評価の枠組みを持っている。公式の定義によれば、サイバー領域の"Critical"は「人手を介さず、堅牢に守られた実在の重要システムに対しあらゆる深刻度のゼロデイ攻撃を機能する形で開発できる」、あるいは「大まかな目標だけを与えられて、堅牢な標的への攻撃を最初から最後まで自ら考案し実行できる」水準を指す。今回のAstraが到達した"Critical"は、この枠組みの中でも最も高い区分に当たり、OpenAIの発表では自社モデルとして初めてここに分類されたとされている。モデルの賢さそのものを測るランキングとは違い、これは「特定領域でどこまで危険な能力を持つか」を測るための、いわば安全側の物差しだ。数値の派手さより、この枠組み自体が初めて機能した瞬間だという点に、私は意味を感じる。

すでに報じた一時停止と、9月1日に新しく発表された安全対策

開発の一時停止自体は今回が初出ではない。8月9日の記事で報じた通り、OpenAIは8月7日の時点で一部の内部開発をすでに一時停止しており、その全体像は7月からの経緯を3段階でまとめた記事で追っている。今回9月1日に新しく発表されたのは、その先の具体的な安全対策だ。

OpenAI公式の発表によれば、Astraの最も高度なサイバー能力へのフルアクセスは発売時点では広く提供されず、まず少数のテスト参加者に限定したうえで、その後審査制の「Daybreak Blue」プログラムを通じて防御目的の利用者へ拡大するという段階的な提供になる。一般のChatGPT・API利用者に開放されるのは、汎用的な推論とソフトウェア開発向けの能力までだ。あわせて、2026年9月1日からDaybreakの個人アカウントすべてでハードウェアセキュリティキーの使用が必須になった。安全対策の実効性を示す数字として、サイバー関連のジェイルブレイク拒否率は91.5%に達しており、前世代のGPT-5.6 Solでは59%だったという。数字自体はOpenAI自身の測定であり、第三者検証を経たものではない点は留保しておく。

他社の対応——Anthropicのサイバー検証プログラム・Mythos-classとの比較

Anthropicも同種の課題に向き合っている。既報の通り、Mythos 5.1はCyber Verification Programの審査を通過した個人・組織にしか提供されない設計になっている。この構図は、Astraの最高位のサイバー能力を審査制のDaybreak Blue経由でしか渡さないOpenAIの今回の対応と、かなり近い。両社とも「高い能力を無制限に配らない」という結論では一致しており、審査で入口を絞るという手段まで揃ってきている。違うのは、そこに至るまでの経路だ。OpenAIは基準への到達を確認してから一時停止を経て審査制の提供に至ったのに対し、Anthropicは最初から2段階の提供モデルとして設計した。私はこの経路の違いにこそ、両社の危機感の持ち方の違いが表れていると見ている。なお、Anthropicは8月にも評価環境の設定ミスから自社モデルが実組織3社のシステムに到達した事案を自ら公表しており、基準を作ることと、基準通りに運用し切ることは別問題だという教訓は、OpenAIにもAnthropicにも共通して当てはまる。

開発者・防御側にとっての実用的インパクト

攻める側に使える能力は、そのまま守る側にも使える。自律的にゼロデイを見つけられるモデルが存在するということは、防御側もまた同水準のツールで自分のシステムを点検できるようになる、ということだ。実際、BleepingComputerの報道によれば、Langflowという開発フレームワークの重大な脆弱性(CVE-2026-0768)が悪用され、OpenAI・AWSの認証情報が窃取される被害が直近で増えているという。攻撃側の自動化が進む以上、パッチ適用やスキャンを人手だけに頼る運用は、これまで以上に分が悪くなる。自組織が使っている依存ライブラリやフレームワークの脆弱性対応を、後回しにできる余裕は年々減っている。

まとめ

1社のニュースとして読み流すか、業界全体の分水嶺として読むか。今日という日をどちらで記憶するかは、読んだあなた次第だ。

この記事で使ったツール

本記事はAIエージェントが収集・執筆した情報を含みます。内容の正確性・最新性については公式ドキュメントや一次情報源をご確認ください。