「既知の脆弱性（Known Vulnerabilities）」を学習したAIを組み込み、標的環境に合わせて攻撃手法を自動的にカスタマイズする――このタイプのAI搭載マルウェアは、サイバー攻撃の“工業化”をさらに一段進める可能性がある。従来も攻撃者は脆弱性データベースやPoC（概念実証）を参照し、侵入後に環境を調査して最適な手口を選んできた。しかしAIがその意思決定と手順化を高速化・自動化すると、攻撃の試行回数が増え、成功率が上がり、しかも人手の熟練度への依存が下がる。守る側は「未知のゼロデイだけが危険」という発想を改め、既知の脆弱性管理と検知・封じ込めの運用を再設計する必要がある。
AI搭載マルウェアで何が変わるのか
AIが攻撃に使われるという話自体は新しくない。問題の本質は、AIが“攻撃の最適化エンジン”として機能し、環境依存の意思決定を素早く行える点にある。具体的には、以下の変化が起きやすい。
標的別の「自動カスタマイズ」が現実味を帯びる
OS、ミドルウェア、公開サービス、EDRの有無、権限構造、ネットワーク分離状況などを探索し、その結果に応じて攻撃チェーンを組み替える。これにより、攻撃者が事前に詳細な下調べをせずとも、侵入後の“現場判断”で手口が最適化される可能性がある。
既知の脆弱性が再び「主戦場」になる
攻撃側が既知の脆弱性を広く学習していれば、「何が使えるか」を素早く選び、失敗しても別手段へ切り替えられる。パッチ未適用の機器、EOL製品、例外設定で放置されたサーバー、外部公開された管理画面など、従来から狙われやすい弱点がより効率的に突かれる。
侵入後活動（Lateral Movementや権限昇格）が高速化する
侵入後に重要なのは、どこに価値ある情報があるか、どの権限を奪えばよいか、どの経路で横展開できるかだ。AIがログや設定、ネットワーク構造の情報から推論し、手順を提案・実行する形に近づくと、検知までの時間（Dwell Time）を短縮されやすい。
「既知の脆弱性を学習」は何を意味するか
ここでいう学習は、脆弱性番号の暗記ではなく、発生条件・影響範囲・悪用手順・回避策・検知観点といった知識の体系化を指す。攻撃者にとって価値があるのは、単一の脆弱性ではなく、環境や制約に応じて最適な一手を選ぶ能力である。
さらに厄介なのは、攻撃が「一発で決める」よりも「試して当たる」方向に加速する点だ。AIが候補を列挙し、失敗理由を推定し、別の経路に切り替えるなら、守る側は“単発の防御”では追いつきにくい。結果として、脆弱性管理だけでなく、検知・封じ込め・復旧を含めた運用成熟度が問われる。
想定される攻撃シナリオ
AI搭載マルウェアが現実の組織で悪用される場合、派手な「未来の攻撃」というより、既存の攻撃手法がより洗練され、連続的に行われる形になりやすい。
外部公開資産の探索と侵入口の選択
攻撃対象のドメインやIP帯、クラウド資産、VPN、リモート管理、Webアプリなどを探索し、露出しているサービスとバージョン情報から侵入口候補を選ぶ。公開資産台帳が不完全な組織ほど不利になる。
脆弱性悪用と初期侵入後の自動化
侵入後、権限昇格・資格情報の探索・横展開・バックドア設置・防御回避を連鎖的に試みる。特に、ログの欠落や監視の死角（管理ネットワーク、OT環境、拠点間回線など）があると、被害が拡大しやすい。
二重・三重の恐喝モデルへの接続
ランサムウェアに限らず、情報窃取、業務妨害、取引先への波及（サプライチェーン）など、複合的な圧力をかけるモデルが一般化している。AIが「最も効果の高い揺さぶり方」を選ぶ方向に進むと、インシデント対応の難度は上がる。
企業が優先すべき対策
AI搭載マルウェアへの対策は「AI対策製品を買う」ことではない。既知の脆弱性を起点にした攻撃が高速化するなら、基本の徹底と運用の自動化・可視化が最も効く。
脆弱性管理を“期限付きの経営課題”にする
重要なのは、資産の把握、優先順位付け、パッチ適用のSLA（期限）を明確にし、例外を放置しない運用だ。特に外部公開資産、認証基盤、VPN、メール、ディレクトリサービス周辺は最優先にする。EOL機器は「いつまでに置き換えるか」を決め、延命するなら追加の隔離と監視をセットにする。
露出面（Attack Surface）の継続的な棚卸し
公開サービスやクラウド設定は変化が速い。構成変更がそのままリスクになるため、外部公開の棚卸し、不要ポートの閉鎖、管理画面の公開停止、強固な認証（多要素認証、条件付きアクセス）を継続的に行う。
検知と封じ込めを前提にした設計
AIで攻撃が高速化するほど、「侵入を100%防ぐ」前提は崩れる。ログの集中管理、EDR/ NDRの運用、特権IDの監視、管理系ネットワークの分離、重要サーバーの通信制御など、侵入後の横展開を止める仕組みが重要になる。
バックアップと復旧訓練を“実戦仕様”にする
バックアップがあっても、復旧手順が現場で回らなければ意味がない。オフライン/イミュータブル保管、復旧時間目標（RTO）と復旧時点目標（RPO）の合意、定期的なリストア訓練を通じて、事業継続の確度を上げる。
インシデント対応の意思決定を整備する
攻撃が自動化されると、初動の遅れが被害に直結する。連絡網、権限移譲、外部支援の呼び出し条件、法務・広報・取引先対応の手順を事前に整え、判断を“その場で作らない”ことが有効だ。
セキュリティ担当者が持つべき視点
AI搭載マルウェアの脅威は、突飛な未来ではなく「既存の攻撃の効率化」として現れる可能性が高い。だからこそ、対策は奇抜なものより、既知の脆弱性を潰し切る体制、露出面の管理、監視と封じ込め、復旧訓練と意思決定の整備に集約される。
守る側に求められるのは、単発の施策ではなく、継続的な運用能力だ。AIが攻撃者の手数を増やすなら、企業は防御側の手数――資産管理、パッチ適用、設定統制、監視、訓練――を増やし、しかも回る形に自動化していく。結局のところ、最も効果的な「AI時代の防御」とは、基本を徹底し、運用を成熟させることに尽きる。
参照: 既知の脆弱性をすべて学習したAI搭載マルウェアが開発される。標的ごとに攻撃手法をカスタマイズ – Gadget Gate