対照研究で発表された USENIXセキュリティ2025研究者たちは、16 の大規模な言語モデルに 576,000 個のコード サンプルを生成するように依頼しました。これらのモデルが推奨したオープンソース パッケージのほぼ 5 分の 1 は存在しませんでした。つまり、何もないところから作り出された 205,474 個の固有の偽のパッケージ名です。これがランダムであれば興味深いでしょう。しかし、そうではありません。幻覚として生成された名前の 43 % は、繰り返しプロンプトに現れました。攻撃者は、コーディング アシスタントが何を作り出すかを推測する必要はありません。彼らは観察し、待ち、最初に名前を登録することができます。
それが核心的な問題です AIサプライチェーンセキュリティ ある実験では、ソフトウェア開発を加速させるはずのAIが、ソフトウェア開発への予測可能で悪用可能な侵入ポイントにもなり得ることが明らかになりました。セキュリティチームにとっての問題は、AIがソフトウェアサプライチェーンに影響を与えるかどうかではなく、AIがコードを書く側と防御する側の両方で何をしているのかを把握できるかどうかです。 pipelineそして、攻撃者が標的にしているAIも両方です。
AIを活用したサプライチェーンセキュリティとは何ですか?
AIサプライチェーンセキュリティとは、人工知能によって導入または増幅されるリスクからソフトウェアサプライチェーンを保護すること、そしてAIを使用してそのサプライチェーンを防御する実践のことです。これは、ほとんどのセキュリティプログラムが依然として別々に扱っている2つのトレンド、すなわちコードベースへのAI生成コードの導入と、依存関係やビルドを標的としたAIによる攻撃の交差点に位置しています。 pipelineおよびそれを取り巻く開発者ツール。
従来のアプリケーションセキュリティでは、既知のコンポーネントに既知の脆弱性が存在するかどうかを検証します。一方、AIサプライチェーンセキュリティでは、より厳密かつ迅速な検証が求められます。AIエージェントがインストールした依存関係は実際に存在するのか、それとも架空のものなのか?署名がまだ存在しないにもかかわらず、新たに公開されたパッケージは悪意を持って動作するのか?ソフトウェア開発ライフサイクル全体で、どのようなAIモデル、エージェント、接続が実行されており、それらはどこまで到達できるのか?
それらの質問に、実際に出荷されるスピードで答えることこそが、この分野のすべてなのです。
AIがサプライチェーンの攻撃対象となった経緯
攻撃者はしばらく前にAIの実験をやめた。今では、受信トレイやコードとその依存関係を直接標的とする作戦にAIを組み込んでいる。 login ページ
スロップスクワッティング:AIが生み出したものを兵器化する
この技術には今、名前が付けられている。 ずさんなこれは、Python Software Foundationのセキュリティ開発者であるセス・ラーソン氏が2025年4月に考案した概念です。その仕組みは単純かつ残酷です。AIコーディングアシスタントは、存在しないパッケージ名を頻繁に提案します。こうした誤った提案が繰り返されるため、攻撃者は捏造された名前を実際の悪意のあるパッケージとして登録し、次の開発者(または次の自律エージェント)がそれをインストールするのを待つことができます。
前例は既に文書化されている。2023年、セキュリティ研究者 バー・ラニャド モデルが頻繁に幻覚を見る名前で空のプレースホルダーパッケージを公開しました。 ハグフェイスクリわずか3ヶ月で3万回以上ダウンロードされ、偽のインストールコマンドは大手テクノロジー企業の公開リポジトリのREADMEファイルにも掲載された。これは無害なテストだった。実際のペイロードを組み込んだ同じプレイブックは、今や攻撃者にとって再現可能なビジネスモデルとなっている。
自律型コーディングエージェントは、最後の人間によるチェックポイントを排除することで、この問題をさらに悪化させる。依存関係をレビューせずにインストールするエージェントは、開発者がパッケージの不備に気づく可能性のある唯一の機会を奪ってしまう。
産業規模での悪意のあるパッケージ
スロップスクワッティングは、より大きな変化の中の一つの戦術です。2025年には、 大量の悪意のあるパッケージの配布キャンペーン Xygeniの 2026年の新たなアプリケーションセキュリティ攻撃トレンド 文書。攻撃者はスパム経済学を採用している。つまり、悪意のあるパッケージを何千個も公開し、迅速な削除を受け入れ、持続性よりも確率に頼っている。現在、公開レジストリには年間数十万もの新しい悪意のあるパッケージが登録されており、たとえ短期間の露出であっても、下流のビルドを汚染してしまう。
MCP:新しい、大部分がセキュリティ対策が施されていない接続レイヤー
モデルコンテキストプロトコル(MCP)は、AIエージェントがツールやデータソースに接続できるようにするプロトコルです。しかし同時に、ほとんどのスキャナーが検査しない新たな攻撃対象領域も生み出します。悪意のあるMCPサーバーは、正規のサーバーと並んで目に見えない形で存在し、アクセス権を持つあらゆるエージェントからアクセス可能です。 OWASPは2025年にMCPトップ10を発表しました。 これらのリスクを一覧化するため、即時インジェクションやツールポイズニングから、ネットワーク上のあらゆるエージェントがアクセスできる認証されていないサーバーまでを網羅する。
AI生成コードを通じて漏洩する秘密
Check Point External Risk Management (旧称 Check Point サイバリントAI 強化型フィッシングや情報窃盗マルウェアが原因の一つとなっている。ソフトウェア環境では、これは AI 生成コード内のハードコードされたキーとトークンに直接対応している。 .env ファイルをそのコンテキストに組み込むことで、提案の中に秘密情報を再現することができ、攻撃者はまさにそのパターンをスキャンします。
人間による攻撃も依然として問題となっている。IBMの「データ侵害コストレポート2025」によると、AIが関与した侵害のうち、37%がAIによるフィッシング攻撃、35%がディープフェイクによるなりすまし攻撃を利用しており、これらの手法は、偽の採用担当者からの連絡や、なりすました保守担当者のアカウントを通じて、開発者を標的とするケースが増えている。
AIはいかにしてサプライチェーンを守るのか
AIを危険なものにしている能力は、まさに防衛側にとって有用な能力でもある。サプライチェーンにおいて、このトレードオフが最も顕著に表れるのは次の4つの箇所だ。
署名に先立つマルウェア検出
これが決定的な機能です。従来のスキャンでは、パッケージにフラグを立てる前に既知の悪質な署名を待つため、公開後数時間以内に数千ものダウンロードを集めるような攻撃には構造的に遅すぎます。一方、動作ベースの検出では、新しく公開されたパッケージが出現した瞬間に、インストール時のアクション、ネットワーク呼び出し、難読化パターン、メタデータの異常などを評価します。これにより、スロップスクワッティングやタイポスクワッティングのキャンペーンが依存する期間が閉じられます。署名ベースの検出器では全く見逃された2025年後半のShai-HuludとGlassWormのnpmキャンペーンは、cis行動分析は、まさにそのようなケースを捉えるために構築されている。
量ではなく、活用可能性に基づいて優先順位を付ける
現代のアプリケーションセキュリティにおけるAIの最も実用的な貢献は、新たな脆弱性を発見することではなく、既に発見されている脆弱性のノイズを除去することです。到達可能性分析は、脆弱なコードパスが実際に実行されるかどうかを判断します。悪用可能性スコアリングは、実際の攻撃データをCVSSスコアと比較します。これらを組み合わせることで、チームは何千もの低シグナルアラートを手作業でトリアージするのではなく、真に悪用可能なリスクを示すごく一部の発見に集中できるようになります。
異常検知 pipeline レベル
In DarktraceによるAIサイバーセキュリティの現状に関する2026年調査セキュリティリーダーは、AIが最も効果を発揮する分野として脅威検出と異常検知(72%)を挙げ、自動対応(48%)と脆弱性管理(47%)を上回った。 CI/CDこれは、これまでに見られなかった動作をするインストール スクリプトにフラグを立てることを意味します。 pipelineあるいは、予期しないネットワーク呼び出しを引き起こす依存関係の更新。
自動化され、レビュー可能な是正措置
AIはリスクの発見とランク付けに加えて、修正策も生成します。つまり、安全でフレームワーク固有のコード変更が提出されます。 pull request バックログに埋もれて腐ってしまうチケットではなく。 IBM セキュリティ運用全体でAIと自動化を幅広く活用している組織は、侵害対応の全ライフサイクルを204日に短縮できたのに対し、活用していない組織は284日(約80日短縮)でした。また、侵害1件あたり平均190万ドルのコスト削減を実現しています。リスクを検出しても解決しなければ、単にバックログが別の場所に移動するだけであり、AIによるトリアージとAIが生成する修正を組み合わせることで、問題解決のサイクルが完結します。
ほとんどのチームが埋めていないガバナンスのギャップ
ここからが厄介な点だ。Darktraceの2026年の調査によると、現在、組織の77%がセキュリティスタックに生成型AIを導入しているものの、AIを安全に利用するための正式なポリシーを策定しているのはわずか37%に過ぎない。しかも、この数字は前年の45%から減少している。AIの導入はガバナンスの整備を上回っており、攻撃者はこのギャップを悪用しているのだ。
ソフトウェアチームにとって、それは具体的に現れます。AIコーディングアシスタント、エージェント、MCP接続はすでに世界中で稼働しています。 SDLC多くの場合、アクセスした内容や導入した内容について、一元的な可視性がありません。ほとんどの組織はクラウドプロバイダーの名前を挙げることができますが、開発者のマシンからアクセス可能なすべてのAIモデル、エージェント、MCPサーバーの名前を挙げられる組織はごくわずかです。このインベントリ、つまりAI部品表(AI-BOM)は、AIサプライチェーンセキュリティの基盤となります。インベントリに登録されていないものは保護できません。
アプリセキュリティチームが今すぐすべきこと
その 平均的なデータ侵害 2025年には4.44万ドルのコストがかかる(IBM調べ)と予測されており、サプライチェーンはますます導入の入り口の一つになりつつある。現実的な対応策は、抽象的な「AIを導入する」ことではない。それは、簡潔で具体的なリストである。
- お使いのシステムで実行されているAIを一覧してください SDLC. モデル、エージェント、MCPサーバー、AIコーディングツールは資産です。まずはAI部品表(AI-BOM)を作成しましょう。
- AIが生成したコードは、人間が書いたコードと同じように扱う。 コンパイルできるコードだからといって必ずしも安全とは限らず、その依存関係も他のものと同様にレビューされるべきである。
- マルウェアの検出は、シグネチャではなく動作に基づいて行う。 署名ベースのスキャンは、大量かつ短期間のパッケージキャンペーンには構造的に処理速度が遅すぎる。
- アラートの量ではなく、悪用可能性に基づいて優先順位を付けてください。 AIの防御的な価値は、真のリスクをノイズから分離することにあり、ノイズを増やすことではない。
- 検出だけでなく、修復も自動化する。 修正を伴わない検出は、単にバックログを別の場所に移動させるだけだ。
AIを活用したサプライチェーンセキュリティの未来
今後数年間は2つのパターンが特徴となるだろう。まず、攻撃はランダムではなく大規模に予測可能になりつつある。cis第一に、AIによる誤検出は一貫性があるため、防御は単発的なシグネチャから、それに合わせて拡張可能なパターン認識へと移行する必要がある。第二に、防御は「人間に警告する」ことから「チケットが発生する前に特定、評価、対応する」へと移行している。優位に立っている組織は、CVEが作成されるのを待つのではなく、公開時に悪意のあるパッケージの挙動を検知している組織である。
AIは、多くの場合同じシステム内で、新たなリスクであると同時に最良の防御策でもある。
AIは同時に二つの方向へと作用します。攻撃者には拡張性の高い自動化ツールを提供し、防御者には手動による検証では決して不可能だった規模での検知と対応能力を提供します。この二面性こそが、AIを活用したサプライチェーンセキュリティを後付けで導入したり、全面的に禁止したりすることができない理由なのです。
これがギャップだ ザイゲニ 閉鎖するために建てられた。 マルウェア早期警戒システム(MEW) 公開レジストリと非公開レジストリを継続的に監視し、人間の研究チームによって検証されたAI判定を用いて、署名が存在する前の、公開された瞬間に悪意のあるパッケージを検出します。 ザイゲニ Shield このツールは、開発者のエンドポイントでそのインテリジェンスを活用します。インストール時にスクリプトが実行される前に悪意のあるパッケージをブロックし、すべてのマシン上の AI ツール、エージェント、および MCP サーバーをインベントリします。これらはすべて、この記事で説明されている脅威、つまりスロップスクワッティング、タイポスクワッティング、依存関係の混乱、およびメンテナーの侵害に対応するために特別に構築されています。 シャイ・ハルード また、GlassWorm攻撃クラスではシグネチャベースのツールが見逃していました。到達可能性ベースの優先順位付けと組み合わせることで、AI-BOMは SDLC、自動化されたプルリクエストの修正、AI 生成コード、 AIを活用した攻撃 開発者の作業速度を低下させることなく、同様の精査を受けることができる。
無料で始めましょう。 Xygeniの開発者プランは無料です。リポジトリ10個、月間スキャン200回、最大5人の貢献者、クレジットカード不要。 Sign up with GitHubGitLab、またはGoogleを使用して、10分以内に最初のスキャンを実行できます。 Shield エンドポイント保護機能は、まもなく開発者プランに導入されます。
FAQ
AIを活用したサプライチェーンセキュリティとは何ですか?
AIサプライチェーンセキュリティは、AIが引き起こしたり増幅したりするリスク(誤った依存関係、脆弱性を含むAI生成コード、悪意のあるMCP接続など)からソフトウェアサプライチェーンを保護すると同時に、AIを使用して、動作ベースのマルウェア検出、悪用可能性の優先順位付け、および自動修復を通じてサプライチェーンを防御します。
ソフトウェアサプライチェーンの防御にAIはどのように活用されているのか?
AI は、シグネチャベースのツールでは実現できない防御を可能にします。新しく公開されたパッケージの動作をその出現時にスコアリングし、脆弱なコード パスが実際に到達可能かどうかを判断し、異常なフラグを立てます。 pipeline アクティビティ、およびフレームワーク固有の修正の生成 pull requests バックログチケットではなく。
なぜ従来のスキャナーでは、AIを活用したサプライチェーン攻撃を検知できないのか?
従来のツールは既知のシグネチャと公開されているCVEに依存しているため、パッケージが悪意のあるものとして識別された後にのみフラグを立てます。大量かつ短期間で展開されるパッケージキャンペーンは、公開後数時間以内(シグネチャが存在するずっと前)にダウンロード数を急増させるため、シグネチャ以前の挙動に基づく検出が必要となります。
AI-BOMとは何ですか?また、なぜ重要なのでしょうか?
AI部品表(AI-BOM)とは、ソフトウェア開発ライフサイクル全体を通して実行されるすべてのAIモデル、エージェント、およびMCP接続の目録です。目録に記載されていないものは保護できないため、AI部品表は重要です。また、ほとんどの組織では、開発者のマシンからアクセス可能なAIを一元的に把握できていません。







