2026年8月4日、Black Hat USA 2026の会場でPalo Alto Networks Unit 42が発表したNOVA（Network and Open-Source Vulnerability Analyzer）の研究成果は、サイバーセキュリティ業界に衝撃を与えた。3,915のオープンソースプロジェクトをわずか2ヶ月で分析し、14,090件の脆弱性を検出。そのうち99.4%がいかなる公開データベースにも未報告、40%が高深刻度または緊急に分類された。この数字は、人間のセキュリティ研究者が数十年かけて発見してきた脆弱性の蓄積量を、AIが数週間で凌駕しうることを示している。2026年は既にAnthropic Claude MythosがProject Glasswingで数千件の高深刻度脆弱性を自律発見し、5月にはGoogle GTIGが史上初の「AIが開発したゼロデイエクスプロイト」を実攻撃キャンペーンで検知・阻止した。NOVAの発表はこれらの動向と合わせ、「AIによる脆弱性発見の産業化」が不可逆な段階に到達したことを宣言するものである。本稿では、NOVAの技術アーキテクチャと発見内容を精査し、Claude MythosやGoogle GTIGの動向と統合して、防御側が直面する構造的課題を分析する。

NOVAの技術アーキテクチャ ── アンサンブルAIモデルによる完全自律パイプラインの設計

NOVAが従来のSAST（静的アプリケーションセキュリティテスト）ツールやファジングと根本的に異なるのは、ソースコード分析から脆弱性検出、PoC（概念実証）生成、パッチ候補作成、開示レポート作成までを完全に自律実行する5段階パイプラインにある。第1段階ではリポジトリのスコーピングとアーキテクチャレビューを実施し、対象プロジェクトの構造を把握する。第2段階でアンサンブルAIモデルを用いた脆弱性候補の特定を行い、第3段階で動作するPoCを自律的に生成・検証する。第4段階ではパッチ候補を自動生成し、第5段階で開示用レポートを出力する。人間が介入するのは最終レビューの段階のみである。

NOVAの設計で特に注目すべきは「アンサンブルモデル」アプローチである。Unit 42の研究チームによれば、個別のAIモデルはそれぞれ異なる脆弱性クラスを得意とする傾向がある。単一モデルに依存するのではなく、複数のモデルを組み合わせることで検出範囲を最大化している。この知見は、AIペンテストツールの分野で確認されている「マルチエージェントシステムはシングルエージェントの4.3倍の性能を発揮する」（AppSecSanta 2026年調査）というデータとも整合する。

セキュリティ上の封じ込めアーキテクチャも精緻に設計されている。NOVAはコンテナ、サンドボックス、仮想マシン、ネットワークエグレス制御という多層分離環境で動作する。自律的にエクスプロイトを生成・実行するシステムである以上、万一の暴走や外部通信を防ぐ設計が不可欠であり、Unit 42はこの点で慎重なアプローチを取っている。筆者の経験では、脆弱性診断・ペネトレーションテストの実務において、テスト環境の分離設計が不十分なために本番環境に影響が及ぶケースを複数見てきた。NOVAのような完全自律システムでは、この封じ込め設計がシステムの信頼性そのものを決定する。

6つのプログラミング言語エコシステムにまたがる分析範囲も特筆に値する。Go（1,636プロジェクト、3,281件）、JavaScript/TypeScript（2,197プロジェクト、2,836件）、PHP（17プロジェクト、2,740件）、C/C++（39プロジェクト、1,925件）、Java/JVM（14プロジェクト、1,784件）と、プロジェクト数あたりの検出密度にはエコシステムごとに大きな差がある。特にPHPは17プロジェクトから2,740件、1プロジェクトあたり平均161件という異常な密度を示しており、レガシーコードの脆弱性蓄積を如実に反映している。

14,090件の発見内容が暴く「未報告脆弱性」の構造的蓄積 ── 99.4%が公開DBに存在しない現実

NOVAの14,090件のうち99.4%が未報告であるという事実は、既存の脆弱性管理体制の根本的な限界を示している。CVE（Common Vulnerabilities and Exposures）データベースやNVD（National Vulnerability Database）に登録される脆弱性は、誰かが発見し、報告し、審査を通過したものだけである。NOVAが2ヶ月で発見した14,090件のうち、人間の目をすり抜けてきた脆弱性が13,006件存在するということは、OSSエコシステム全体に膨大な「暗黒物質」としての脆弱性が蓄積していることを意味する。

脆弱性の種類別では、92%がセマンティック・ロジック欠陥（アクセス制御の不備、インジェクション攻撃、パストラバーサル等）であり、メモリ・リソース管理の問題は8%にとどまる。これは重要な知見である。従来のSASTツールやファジングはメモリ破壊系の脆弱性検出に強みを持つが、ビジネスロジックの欠陥やアクセス制御の不備といったセマンティックな脆弱性は人間のコードレビューに依存してきた。NOVAはまさにこの人間依存領域をAIで代替し、従来ツールが到達できなかった脆弱性クラスを大量に掘り起こしている。

サプライチェーンへの波及も深刻である。NOVAは5,421件のサプライチェーン脆弱性を特定し、うち2,776件について下流への影響を動作するエクスプロイトで検証済みである。あるOSSライブラリの脆弱性が、それに依存する数百のプロジェクトに伝播する構造は、Log4Shell（CVE-2021-44228）で世界が痛感した問題であるが、NOVAの結果はLog4Shell級の潜在的リスクが数千件単位で静かに存在していることを示唆する。

CVSS 4.0基準で40%（正確には39.7%）が高深刻度または緊急に分類された点も見逃せない。14,090件の39.7%は約5,594件に相当する。これらはいずれもリモートコード実行、権限昇格、認証バイパスなど、実攻撃に直結しうる深刻な脆弱性である。Black Duck社の2026年OSSRA（Open Source Security and Risk Analysis）レポートによれば、コードベースあたりの平均OSS脆弱性数は前年比107%増の581件に達しているが、NOVAの発見はこの数字すら氷山の一角に過ぎないことを突きつけている。

Unit 42はNOVAの発見を責任ある開示（Responsible Disclosure）プロセスを通じて対応しており、LightwellおよびAkritesとのパートナーシップで開示を進めている。同時に、業界平均55日とされるパッチ適用までの露出期間を即時的なネットワークレベル保護で埋める「Advanced Virtual Patching」の開発を進めている。

2026年AI脆弱性発見の三極構造 ── NOVA・Claude Mythos・Google GTIGが形成する新たな産業地図

NOVAの発表を単独で見るのは不十分である。2026年のAI脆弱性発見は、3つの大きな柱によって産業化が加速している。

第一の柱がNOVAに代表されるセキュリティベンダー主導のアプローチである。Palo Alto Networksは発見した脆弱性を自社の防御製品（Advanced Virtual Patching）に直結させるビジネスモデルを構築している。つまり、AIで脆弱性を発見し、同じベンダーがその防御策を販売するという垂直統合である。

第二の柱がAnthropic Claude Mythosに代表される汎用AIモデル主導のアプローチである。2026年4月7日に発表されたProject Glasswingでは、AWS、Apple、Broadcom、Cisco、CrowdStrike、Google、JPMorganChase、Linux Foundation、Microsoft、NVIDIA、Palo Alto Networksの約50パートナー組織がClaude Mythos Previewを活用し、10,000件以上の高深刻度・緊急脆弱性を発見した。代表的な発見例として、FreeBSD NFSサーバーの17年間潜伏していたリモートコード実行脆弱性（CVE-2026-4747）がある。Mythosは304バイトのスタックオーバーフロー制約を克服するため、20ガジェットのROPチェーンを6つの連続RPCリクエストに分割するという高度なエクスプロイト手法を自律的に構築した。Firefox 150には、Mythosが発見した脆弱性の修正271件が含まれ、うち181件は動作するエクスプロイトが作成されている。

第三の柱がGoogle GTIGによる攻撃側AI利用の検知である。2026年5月11日、GTIGは史上初の「AIが開発したゼロデイエクスプロイトが実攻撃キャンペーンで使用された」事例を報告した。あるオープンソースWeb管理プラットフォームの2FA認証をバイパスするPythonスクリプトで、「幻覚（ハルシネーション）で生成されたCVSSスコアがコード内に含まれる」「教科書的なPythonフォーマット」「過剰に説明的なdocstring」といったAI生成コードの特徴的シグナルから機械生成と判定された。このGTIG初のAI生成エクスプロイト検知は、攻撃側もAIによる脆弱性発見・エクスプロイト開発を産業的に活用し始めていることを裏付ける。

この三極構造が意味するのは、AI脆弱性発見がもはや実験段階ではなく、防御ベンダー・汎用AI・攻撃者のすべてが実運用レベルで活用する段階に到達したという事実である。特にNOVAの「2ヶ月で14,090件」とMythosの「10,000件以上」は、年間ペースに換算すれば各々で数万件規模の発見能力を示す。2026年のCVE登録数は年間50,000件到達が予測されているが、AI発見分を含めればその数倍の脆弱性が実際には存在していることになる。

「パッチより発見が速い」時代の防御経済学 ── 55日の露出期間が産業崩壊を引き起こす構造

NOVAの発表が最も深刻に突きつけるのは、「パッチ適用の速度がAIによる脆弱性発見の速度に追いつかない」という構造的な問題である。業界平均のパッチ適用期間は55日とされている。一方、AIは数時間から数日で脆弱性を発見し、PoCを生成できる。CrowdStrikeの2026年Global Threat Reportによれば、エクスプロイトの平均時間は約24時間まで短縮しており、2024年の約53日から55倍の高速化を遂げている。

この「発見-エクスプロイト化」と「パッチ適用」の速度差は、従来のパッチ管理中心の防御モデルが構造的に破綻していることを意味する。NOVAが2ヶ月で14,090件を発見し、うち2,776件で動作するエクスプロイトが検証済みという事実を考えると、同等の能力を持つ攻撃側AIが同様の発見を行い、パッチ適用前の55日間にエクスプロイトを展開するシナリオは十分に現実的である。

この構造に対して、防御側が採りうる戦略は大きく3つある。第一に、Unit 42が推進する「Advanced Virtual Patching」に代表されるネットワークレベルの即時防御である。コードレベルのパッチを待たずに、WAFやIPS（侵入防止システム）のルールで脆弱性をネットワーク層で遮断する。第二に、AIを活用した自律的な脆弱性スキャンの内製化である。NodeZero、Penligent、XBOWなどのAI自律ペンテストツールを継続的に運用し、自組織のシステムを攻撃者より先にスキャンする。第三に、サプライチェーン全体の可視化と依存関係の管理である。SBOM（Software Bill of Materials）の整備と、上流OSSの脆弱性アラートの自動化が不可欠となる。

筆者がSOC構築・運用の実務で痛感してきたのは、脆弱性情報が到着してからパッチ適用の意思決定が行われるまでの「人間のプロセス」が最大のボトルネックになるという点である。NOVAやMythosが発見する数千件規模の脆弱性を従来のトリアージプロセスで処理することは物理的に不可能であり、防御側にもAIによるトリアージ自動化が必須となる。SOCの価値はツールではなく、アラートから判断までの人間のプロセスにあるが、そのプロセス自体がAIの速度に対応できなくなっている現実を直視すべきである。

経済的な影響も無視できない。CrowdStrikeの報告によるとAI活用型の攻撃者活動は前年比89%増加しており、ゼロデイエクスプロイトは42%増加している。AIが攻防両面で産業化する中、セキュリティ投資のROI計算は根本的に見直しが求められる。年間55日の露出期間を前提としたリスク計算は、24時間エクスプロイト時代には致命的な過小評価となる。

2026年以降の展望 ── 脆弱性ハンティングの産業構造再編と防御側が取るべきアクション

NOVAの14,090件、Claude Mythosの10,000件以上、Google GTIG初のAI生成エクスプロイト検知。この3つの事象を統合すると、2026年以降の脆弱性ハンティングは以下の構造変化を辿ると考えられる。

第一に、脆弱性発見の「量」が人間の処理能力を完全に超越する。NOVAの発見ペースを年間に換算すると約84,000件、Mythosのペースも同等かそれ以上になる可能性が高い。これらの発見がCVEとして登録されれば、現在のCVE年間50,000件到達予測すら過小推定となる。脆弱性管理の枠組み自体が、AIの発見速度に対応した再設計を迫られる。

第二に、セキュリティベンダーの競争軸がAI脆弱性発見能力に移行する。NOVAを発表したPalo Alto Networksに加え、CrowdStrike、Microsoft、Googleといった大手プレイヤーがAI脆弱性発見を防御製品に統合する動きを加速させるであろう。AI自律ペンテストツール市場は既にNodeZero、Penligent、XBOW、BlacksmithAIなど39以上のオープンソースエージェントを含む活発なエコシステムを形成しているが、NOVAやMythosクラスの発見能力が商用化されれば、市場の再編は避けられない。

第三に、攻撃側のAI活用も同様に加速する。Google GTIGが検知した事例は氷山の一角であり、AIが生成したコードからハルシネーション痕跡が除去される高度化は時間の問題である。AIコードの検知手法が「幻覚CVSSスコア」や「教科書的フォーマット」に依存している現状は、攻撃者がこれらのシグナルを意図的に排除することで容易に回避される。

防御側が今すぐ取るべきアクションは明確である。第一に、AI自律ペンテストツールの導入と継続運用により、自組織の脆弱性を攻撃者より先に発見する体制を構築する。第二に、Virtual Patchingの導入でパッチ適用までの露出期間を最小化する。第三に、SBOMの整備とサプライチェーン脆弱性の可視化を完了する。第四に、SOCのトリアージプロセスにAIを組み込み、数千件規模の脆弱性アラートを人間が処理可能な優先度付きアクションに変換する。第五に、Claude Mythosの安全性上の課題（サンドボックス脱出事例が報告されている）も踏まえ、AI脆弱性発見ツール自体のガバナンスフレームワークを策定する。

2026年8月のBlack Hat発表は、脆弱性ハンティングが人間主導の職人芸からAI主導の産業プロセスへと不可逆的に移行したことを宣言した。この転換に対応できない組織は、攻撃者がAIで発見した脆弱性を人間の速度でパッチ適用するという構造的不利を抱え続けることになる。

FAQ

NOVAとは何ですか？従来の脆弱性スキャナーと何が違いますか？

NOVAはPalo Alto Networks Unit 42が開発した完全自律型AI脆弱性発見システムである。従来のSASTツールやファジングがパターンマッチングに依存するのに対し、NOVAはアンサンブルAIモデルを用いてソースコード分析からPoC生成、パッチ候補作成まで5段階を自律実行する。特にビジネスロジック欠陥やアクセス制御不備など、従来ツールが苦手とするセマンティック脆弱性の検出に強みを持つ。

14,090件の脆弱性のうち99.4%が未報告とはどういう意味ですか？

CVEやNVDなど、既知の脆弱性データベースにいずれも登録されていなかったことを意味する。つまり、人間のセキュリティ研究者やバグバウンティハンターが見逃してきた脆弱性がOSSエコシステムに大量に蓄積しており、AIがそれを初めて体系的に掘り起こしたということである。

NOVAとClaude Mythosの違いは何ですか？

NOVAはPalo Alto Networksのセキュリティ防御製品と直結した専用システムで、OSSの静的コード分析に特化する。一方Claude MythosはAnthropicの汎用AIモデルをセキュリティ研究に応用したもので、動的なエクスプロイト開発やサンドボックスエスケープチェーンの構築など、より広範な攻撃シミュレーション能力を持つ。両者は発見した脆弱性の活用方法も異なる。

Google GTIGが検知した「AI生成ゼロデイ」とは何ですか？

2026年5月にGoogle Threat Intelligence Groupが報告した、AIを使って開発されたと評価されるゼロデイエクスプロイトである。オープンソースWeb管理ツールの2FA認証をバイパスするPythonスクリプトで、コード内の幻覚CVSSスコアや教科書的フォーマットからAI生成と判定された。ソフトウェアベンダーが事前にパッチを適用し、大規模悪用は阻止された。

企業は今すぐ何をすべきですか？

最優先はAI自律ペンテストツールの導入による継続的脆弱性スキャンの実施である。次にVirtual Patchingの導入でパッチ適用までの露出期間を最小化する。SBOMの整備、SOCトリアージへのAI組み込み、サプライチェーン脆弱性の可視化を並行して進めるべきである。パッチ管理だけに依存する防御は、AI時代には構造的に破綻する。

AI脆弱性発見ツールの市場規模はどの程度ですか？

2026年時点でAI自律ペンテスト市場にはNodeZero、Penligent、XBOW、BlacksmithAIなどの商用製品に加え、39以上のオープンソースエージェントが存在する。NodeZeroはGartner評価4.7/5.0を獲得し、XBOWはHackerOneのグローバルリーダーボードで1位を達成。Accentureなどの大手コンサルファームも戦略投資を行っており、急速に拡大している。

オープンソースプロジェクトの開発者はどう対応すべきですか？

NOVAの発見では、PHPプロジェクトが1プロジェクトあたり平均161件という突出した脆弱性密度を示した。レガシーコードの蓄積が最大のリスク要因であり、依存関係の定期的な監査とセキュリティレビューの強化が不可欠である。Project GlaswingのようなAI脆弱性発見プログラムへの参加も有効な選択肢となる。

参考文献