AIエージェント編集部
AIが1万件超の脆弱性を発見——でも人間はパッチを当て切れない
コラム

AIが1万件超の脆弱性を発見——でも人間はパッチを当て切れない

2026-05-27 / タイキング

問いをひとつ立てる。「AIがセキュリティの問題を解決しつつある」は正しいか?

正解は「半分だけ正しい」だ。AIは脆弱性を発見する問題を解決しつつある。だが今、それによって新たな問題が生まれている。発見された脆弱性を修正できる人間が、絶対的に不足しているのだ。

2026年5月26日、AnthropicはProject Glasswingの進捗レポートを公開した。Claude Mythos Previewが1,000以上のOSSプロジェクトをスキャンし、23,019件の潜在脆弱性を検出。うち6,202件が高・重大レベルと推定され、独立検証で90.6%が真陽性だと確認された。

これは「AIはすごい」という話ではない。これは、私たちが長い間「発見できないから安全だ」と思い込んでいたOSSの世界が、突然その仮面を剥がされた話だ。

Project Glasswing とは何か——Anthropicが組んだセキュリティ連合

Project Glasswingは2026年4月にAnthropicが主導して発足したセキュリティコンソーシアムだ。AWS、Apple、Broadcom、Cisco、CrowdStrike、Google、JPMorgan Chase、Linux Foundation、Microsoft、NVIDIA、Palo Alto Networksという顔ぶれが参加している。

なぜこんな錚々たる企業が集まったのか。答えは単純だ。全員がOSSに依存しているからだ。あなたの会社のプロダクトも、必ずLinuxカーネル、OpenSSL、libcurl、OpenJDK、その他無数のOSSライブラリの上に立っている。それらのうち一つでも重大な脆弱性があれば、あなたのプロダクトも危険にさらされる。

Claude Mythos Preview の自律的な脆弱性発見能力

Mythosが何をできるのか、具体例で語ろう。CVE-2026-4747というFreeBSDのRCE(リモートコード実行)脆弱性がある。誰でもroot権限を取得できるこの脆弱性は、コードベースに17年間潜んでいた。

人間のセキュリティ研究者が17年間見逃した理由は悪意や怠慢ではない。単純にスケールの問題だ。世界中に何千ものOSSプロジェクトが存在し、それぞれが何万行ものコードを持つ。人間は注意を向けた場所しか調べられない。

Mythosは違う。1,000以上のOSSプロジェクトを数ヶ月でスキャンした。人間が同じ作業をやろうとすれば、数十年かかる計算だ。そして90.6%という真陽性率は、ノイズを排除する精度も備えている。

発見速度は人間の桁違い。精度も従来ツールを超えた。ここまでは「AIはすごい」の話だ。

1ヶ月で1万件——データが示すAIの圧倒的スキャン力

数字をもう一度、ちゃんと見る

レポートの数字を改めて整理する。

6,202件に62.4%をかけると約3,870件。これが独立した第三者機関によって「高・重大」と確認された脆弱性の推定値だ。OSSは公開されているので、これは攻撃者にとっても潜在的なターゲットリストに近い。

「90.6%の真陽性率」の意味

従来の静的解析ツール(SonarQube、Semgrep等)を使ったことがある開発者なら分かるはずだ。偽陽性の多さに辟易した経験が必ずある。「警告が多すぎて、本当に危ないものが埋もれる」という問題はセキュリティ界隈の慢性的な課題だった。

Mythosの90.6%という真陽性率は、この問題を別の次元で解決している。コード文脈を深く理解するLLMの強みが、ここに出ている。単純なパターンマッチングではなく、「このコードの意図はなにか、この入力はどこから来うるか」という推論が働いているからだ。

AIが生み出した「新しいボトルネック」とは何か

ここからが本題だ。個人的には、このレポートの最も重要な部分は数字ではなく、Anthropicが付記したこの一文だと思っている。

「相対的な脆弱性発見の容易さ vs. 修正の困難さは、サイバーセキュリティの重大な課題となっている」

率直に言う。これはAIが引き起こした問題だ。悪意があるわけではない。でも構造的な問題として、AIが「ボトルネックを上流から下流へ移動させた」。

発見速度 vs. 修正速度の非対称性

従来のセキュリティの世界は、こういう構造だった。

AIはこれをひっくり返した。

2万3千件の潜在脆弱性レポートが届いたOSSメンテナを想像してほしい。そのメンテナは、多くの場合ボランティアか、企業に属していても割り当てリソースが限られているかだ。「とりあえず優先度の高いものから」と言いたいところだが、6,202件が「高・重大」とされているのだから、どれが「とりあえず」なのか判断するだけでも膨大なコストがかかる。

OSSメンテナが直面する修正の壁

OSSメンテナのバーンアウト問題はGlasswing以前から存在していた。log4shell(2021年)の後に顕在化したように、世界中のインフラが依存する重要なライブラリが、数人のボランティアによって維持されていることがある。

Glasswingが本格的にスケールしたとき——Mythos-classモデルが一般公開されたとき——にどうなるか。AIが毎週何万件もの脆弱性報告をOSSコミュニティに投げ込む世界が来るかもしれない。それはセキュリティを強化するのか、それともメンテナを圧倒してOSSエコシステムを壊していくのか。

どちらに転ぶかは、私たちが今どういう仕組みを作るかにかかっている。

セキュリティ産業とエコシステムへの影響

企業・開発者が今すぐ取るべきアクション

AI開発者として、今日できる現実的なアクションを挙げる。

💡 Glasswing参加企業のユーザーは

AWS、Google、Microsoftのプラットフォームを使っている場合、それぞれのセキュリティ勧告チャンネルを購読しておくと、Glasswing由来の修正が早期に届く可能性がある。

AIが一般公開されたときの「攻守両面」の変化

ここは正直に語らなければならない部分だ。Anthropicが「Mythos-classの一般公開を長期目標」と述べた意味を、セキュリティ視点で考えると二面性がある。

守備側のメリット:今は大企業・政府機関だけが使えるMythosが、中小スタートアップでも使えるようになる。自社プロダクトの依存OSSを大規模スキャンして、未知の脆弱性を先手で発見できる。

攻撃側のリスク:同じモデルが悪意ある攻撃者の手に渡れば、脆弱性の発見から攻撃の自動化まで一気通貫でできてしまう。Mythosが見つけた脆弱性を修正する前に悪用されるウィンドウが、現在よりずっと短くなる。

Anthropicが「安全対策が整うまで一般公開しない」という方針を維持している理由は、ここにある。safeguardsの整備は、単なる規制対応や建前ではない。モデルの強さが増すほど、解放のタイミングがクリティカルになる。

Anthropicの次のステップ——Mythos一般公開へのロードマップ

今回のレポートで、Anthropicは三つのことを明確にした。

  1. Mythos-classモデルの「安全な大規模展開」が長期目標であること
  2. 有害な出力を検出・ブロックするセーフガードを現在開発中であること
  3. そのセーフガードはupcoming Claude Opusモデルと合わせてリリース予定であること

「upcoming Claude Opus」とMythosのセーフガードが同時にリリースされる——これはモデルのアーキテクチャレベルでMythosの能力が次世代Claudeに組み込まれる可能性を示唆している。Claudeの標準能力がMythos-levelに近づいていくという見方もできる。

これは夢物語ではなく、Anthropicが公式に示したロードマップだ。個人的には、2026年後半のOpusリリースに注目している。

まとめ——問いに戻る

最初の問いに戻ろう。「AIがセキュリティの問題を解決しつつある」は正しいか。

答えを更新する。「AIはセキュリティの問題の性質を変えつつある」が正確だ。

発見が難しかった問題は、発見が簡単になった。その代わり、修正が間に合わないという新しい問題が生まれた。AIは問題を消したのではなく、ボトルネックを上流から下流へ移動させた。

AI developer として今、考えるべきことは一つだ。自分のプロダクトは、このボトルネックの下流にどれだけ置かれているか。

OSSの脆弱性が大量に開示される世界は、もうすぐそこまで来ている。それに備えたSBOM、監視、パッチSLAを持っているチームと持っていないチームの間には、今後大きな差がつく。

AIがセキュリティを強くするかどうかは、最終的には私たちが修正側の仕組みをどう作るかにかかっている。

この記事に関連するツール

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。