AIが攻撃や詐欺の作業を効率化している事例は確認されています。
一方、最近のサイバー被害の増加を、すべて生成AIで説明することはできません。
被害の規模、攻撃の方法、AIが担った作業を分けることで、必要な対策も見えてきます。
企業のシステム停止や個人情報流出のニュースが続くと、これまでの守り方では通用しなくなったように感じるかもしれません。
自然な日本語の詐欺メールや本物らしい映像を目にすれば、相手を見抜ける自信も揺らぎます。
それでも、被害を防ぐために判断したいのは、AIの賢さだけではありません。
本記事では、海外ワイパラジオの解説動画を入口に、警察庁の統計、Anthropicの不正利用報告、フィッシングの一次研究を照合しました。
攻撃がどの作業で効率化されているのかを整理し、企業の管理担当者と一般のAI利用者が、何から見直せばよいかを考えます。
ランサムウェアは、データを暗号化して利用できなくし、復元と引き換えに金銭を要求する攻撃です。
情報を盗み、支払わなければ公開すると脅す「二重恐喝」も使われています。
データを元に戻せたとしても、情報が盗まれた問題まで解消するとは限りません。
警察庁の被害報告件数を年単位で並べると、2022年に水準が上がり、その後も高い状態が続いています。
ニュースの多さから受ける印象と、件数が増える速さは分けて考える必要があります。
年間値のみを比較。未報告事案を含む国内全被害の総数ではなく、AI使用の有無も区別していません。
出典：大阪府警「サイバー空間の脅威情勢」。
2026年上半期は123件で、警察庁は半期の件数として統計開始以降で最多としています。
前年上半期の116件に対して約6.0％の増加です。
警戒すべき水準ですが、この比較だけで「AIによって被害が爆発した」とは判断できません。
年間値と半年分の値を同じ棒グラフに混ぜることも避けるべきでしょう。
ソフトの脆弱性は、認証の不備や不適切な処理など、攻撃に利用され得る弱点です。
メーカーや研究者が発見し、修正や注意喚起のために公開することがあります。
登録が増えた場合も、ソフトの安全性が急激に悪化したのか、点検が進んだのか、その両方なのかは追加の検証が必要です。
複数の統計を組み合わせることには意味があります。
ただし、それぞれの母集団を確かめずに一つの増加率へまとめると、守る側の点検活動まで犯罪の増加として読んでしまいます。
数字を比較する前に、何を数えた資料なのかを押さえておきましょう。
攻撃には、標的の調査、利用しているシステムの確認、ツールの作成、侵入後の探索、盗んだデータの整理といった作業があります。
侵入口を一つ見つければ終わりではなく、目的を達成するまでに何段階もの仕事が必要です。
AIの影響は、この一連の作業に現れています。
Anthropicが2026年9月に公開した報告は、悪用者がAIを用いて調査、ツール開発、侵入後の操作、データ処理を進めた事例を紹介しています。
同社の観測範囲では、攻撃は盗まれた認証情報や未修正の機器、フィッシングなどの既知の類型に属しており、全く未知の手法に依存したものではないと総括しています。
この分析から読み取れるのは、慣れた攻撃でも実行の負担が小さくなれば、対象を広げやすくなるということです。
人が手作業で調べていた情報をAIに整理させ、複数の標的への作業を並行して進められれば、少人数で扱える範囲が変わります。
被害件数のグラフだけでは見えにくい変化です。
既知の手口という説明は、安心材料として受け取るべきではありません。
未修正の弱点が残っている組織にとっては、その弱点を利用するまでの準備が短くなること自体が脅威です。
守る側に必要なのは、警告を受け取ってから対応を決めるまでの時間を縮めることになります。
同時に、今回の不正利用報告から「AIには新しい攻撃を考える能力がない」と結論づけることもできません。
報告は観測した事例の分析であり、能力の上限を示す試験ではないからです。
現実に起きた悪用、実験で示された能力、将来起こり得ることを分ければ、警戒と対策の優先順位を付けやすくなります。
VPNとリモートデスクトップは、社外から社内のシステムへ接続するために使われます。
遠隔勤務に役立つ一方、機器の弱点や漏えいしたログイン情報が利用されると、その接続口から攻撃者が入り込む可能性があります。
警察庁の2025年の感染経路調査は、実際の被害を受けた企業・団体等のうち、有効回答92件を対象にしています。
下の割合はその回答内の結果であり、被害報告全体226件の内訳ではありません。
VPNは通信を保護する仕組みですが、設置した機器やアカウントの管理まで自動的に済ませてくれるわけではありません。
更新、サポート期限、接続権限、認証設定を確認する担当が不明確であれば、安全のために導入したものが管理上の弱点になり得ます。
企業への侵入で得られた情報と、個人に届く詐欺メールは別々の問題に見えます。
しかし、氏名、連絡先、利用サービスなどを相手が知っていれば、本人に関係のある通知を装いやすくなります。
AIは、そうした情報に合わせて文面を作る作業も助けます。
2024年に公開された研究では、対象者の情報を調べて個別のフィッシングメールを作成する仕組みを評価しました。
専門家が作る場合とAIに自動化させる場合を比較した結果は、次のとおりです。
この結果を「普通の人の半分がAI詐欺でお金を失う」と読むことはできません。
測定したのはメール内のリンクを押した割合です。
それでも、対象に合わせた説得力のあるメールを作る作業を自動化できたことは、詐欺の規模を考えるうえで見逃せません。
自然な日本語は、正規の連絡である証拠になりません。
誤字や不自然な言い回しを探すだけで判断する習慣から、公式アプリや自分で調べた連絡先で確認する習慣へ切り替える必要があります。
警察庁の掲載情報によると、2025年のSNS型投資・ロマンス詐欺を含む特殊詐欺の被害額は約3,257億円でした。
深刻な金銭被害が発生していることは確認できますが、この集計はAIを使った事件だけを抜き出したものではありません。
被害額は、事件数と一件当たりの損失の両方で変わります。
手口の広がり、資金移動の方法、被害者への接触経路なども関係するため、生成AIの普及時期とグラフの上昇が重なっただけでは因果関係の証明になりません。
AIの寄与を確かめるには、個別事件での使用状況や、使用しなかった場合との比較が必要です。
さらに警察庁は、2026年からSNS型投資・ロマンス詐欺を特殊詐欺の一手口として整理し、2025年以前の数値は従来の扱いとすると説明しています。
年ごとの比較では、同じ手口を含む合計なのかを確かめないと、分類の変更を被害の増加と取り違えます。
フィッシングの研究は4群合計101人を対象にしたもので、社会全体を代表する被害調査ではありません。
どのような対象者に、どの文面を送り、何を成功と定義したかによって結果は変わります。
クリック率と認証情報を渡した割合、送金した割合も別の指標です。
AI開発企業が発表する不正利用報告にも、観測範囲という制約があります。
自社サービスで見つかった悪用は重要な証拠ですが、他社のモデル、個人の端末上で動くモデル、検知されなかった活動まで網羅するわけではありません。
報告した企業の見解と、編集上の解釈を分けて読むことが求められます。
元動画の脆弱性グラフには、発言の「約7万5,000件」と画像の「754,838件」が一致しない箇所がありました。
原典を確定できないため、本記事ではその数値を採用していません。
読者の判断に直結する数字は、映像の分かりやすさより、集計条件を追えることを優先しました。
すべての修正を同じ優先度で扱うと、対応が滞ります。
まず外部から接続できる機器を把握し、実際に悪用されている弱点や、業務停止につながるシステムを優先して見直すことが現実的です。
担当者、更新の判断者、作業の期限まで決めておけば、警告だけが届いて処理されない状態を減らせます。
認証についても、一般社員だけでなく管理者と委託先のアカウントを確認します。
多要素認証の例外や使われていないアカウント、必要以上の権限が残っていないかを点検してください。
導入済みという確認だけでは、運用上の抜けを見つけられません。
バックアップは保存の有無より、実際に復元できるかが判断材料になります。
本番環境と分離し、どの業務から再開するかを決めたうえで復元を試します。
自動更新や外部の運用サービスは負担を減らす選択肢ですが、移行後も設定や権限の確認は必要です。
警察官を名乗る相手がビデオ通話で手帳や逮捕状を見せても、それだけで信用する理由にはなりません。
警察庁はSNSのビデオ通話を使うニセ警察詐欺や、実在する警察署の電話番号を表示する手口に注意を促しています。
金銭や個人情報を求められたら、相手の説明を聞き続けたまま真偽を判断せず、いったん連絡を止めましょう。
次の手順を家族とも共有しておくと、慌てた場面でも行動を選びやすくなります。
家族の合言葉も補助策になりますが、公開したり、それだけで送金を決めたりしないでください。
声や顔が似ているときほど、別の連絡経路を使う確認が役立ちます。
仕事の資料を入力する際は、氏名や連絡先、契約情報、社外秘の内容が含まれていないかを確認します。
社内で承認されたサービスと利用方法を選び、データの保存、学習利用、外部連携の条件を確認してから扱う情報を決めましょう。
メールやファイルに接続するAIでは、入力内容だけでなくアクセス権限も問題になります。
外部の文章に紛れた指示によって動作を誘導する「プロンプトインジェクション」は、正当な文書を読ませるだけでも考慮が必要です。
読み取り、送信、削除、外部への書き出しを一括して任せず、必要な操作に権限を限定し、影響が大きい操作には人の確認を入れる設計が望まれます。
便利な機能を一律に避ける必要はありません。
ただ、接続したデータと可能な操作が広がるほど、誤った処理が及ぼす範囲も大きくなります。
導入時には精度だけでなく、失敗した場合に何へ影響するのかまで確認してください。
AIとサイバー被害の関係を判断する際は、総件数だけを見ず、AIがどの作業を担い、相手の手間をどれだけ減らしたかを確かめることが有効です。
統計の増加とAIの寄与を分けて読むことで、必要以上に恐れることも、既知の手口だからと油断することも避けられます。
企業なら、外部接続機器の更新担当と認証の例外を確認する。
個人なら、お金を求められたときの確認経路を家族と決める。
生成AIを使う人なら、入力情報と接続権限を見直す。
まず自分が管理できる範囲から、対応の抜けを減らしていきましょう。
.png){kind=logo}
