ARTEXを使った攻撃環境は確認されていますが、「Claude Codeが単独で日本企業に侵入した」「人間の関与なしにすべてが進んだ」とまでは、今回確認した公開資料から断定できません。
ARTEXは作業を進めるツール、AIモデルは情報を解釈する仕組み、攻撃者はそれらを悪用する利用者として分けると、報道の意味がつかみやすくなります。
韓国の調査ではAI関連のファイルや履歴が見つかり、日本でも攻撃元でARTEXが使われていたことが公表されました。
ただし、二つの調査が明らかにした範囲は同一ではありません。
本記事では事件の時系列を追う代わりに、どの証拠から何を説明できるのかを整理します。
CrowdStrikeはARTEXを、オープンソースのエージェント型ペネトレーションテスト用ツールと説明しています。
ペネトレーションテストは、管理者の許可を得て侵入の可能性を調べる検証です。
そのための道具が、許可のない対象への攻撃に悪用されたという位置付けになります。
大規模言語モデルは、与えられた情報を読み取り、回答や作業案を生成する仕組みです。
一方、ARTEXのようなツールは、そのモデルと作業環境を結び付けます。
モデル単体の名称と、モデルを利用して動くソフトウェアの名称を分けなければ、「ARTEXというAIがすべて考えて攻撃した」という理解になってしまいます。
一般的なチャットでは、人が回答を読んで次の操作を行います。
エージェント型の仕組みでは、与えられた目的や使える道具の範囲で、情報の確認、作業の実行、結果を受けた次の作業という流れをつなげられます。
これは仕組みを理解するための一般的な説明であり、今回の個々の侵害で同じ流れがすべて記録・公開されたという意味ではありません。
作業を連続して進められる性質と、人間が一度も介入しなかったことは区別が必要です。
自律性があるツールでも、誰が何を目的に使い、どの環境や権限を与えたかという前提があります。
ARTEXを説明する際も、性能の印象だけでなく、その利用環境まで見る必要があります。
Claude Codeの公式資料では、コードを読み、ファイルを編集し、コマンドを実行するエージェント型の開発ツールと説明されています。
したがって、Claude Codeという製品名と、その作業で使われたモデル名は、同じ項目として扱えません。
以下は構成要素を理解するための比較表です。
四者が必ず一列につながり、すべての作業がClaude CodeからARTEXを経由したと示す構成図ではありません。
人間が目的を与え、その後の一部の作業をAIが続ける場合、そこには人間の関与も自動化も存在します。
「人間が指示したから自動ではない」「自動化されているから人間はいない」という二択で考えると、実態を捉えにくくなります。
今回の資料を読む際には、利用者が与えた指示、モデルが生成した内容、ツールが実行した操作、対象側に生じた結果を分けるとよいでしょう。
これらが時間順に対応して初めて、ある工程をAIがどこまで担当したかを具体的に説明できます。
ツール名だけでは、その対応関係を埋められません。
CrowdStrikeの2026年10月7日付報告は、韓国の金融機関を狙う活動に関係する、攻撃者管理下の環境を分析したものです。
外部から閲覧できる状態のディレクトリから、ARTEXの設定ファイル、Claude Codeのセッション履歴、Claudeのメモリーファイルが見つかったと説明しています。
設定ファイルは、どのような接続先や作業条件が用意されていたかを知る材料になります。
セッション履歴は、利用者とAIのやり取りや活動の文脈を調べる材料です。
両者は証拠の性質が異なり、「設定されていたこと」と「その設定で特定の操作が成功したこと」を同じ意味にはできません。
また、報告では侵入テストの進め方を指示する中国語の文書も見つかっています。
これは人間側がAIへ作業方針を与えていたことを理解する手掛かりです。
ただし、指示文書が存在するだけで、書かれた作業が例外なく実施されたと証明されるわけではありません。
同報告によれば、分析対象のARTEXは主要な接続モデルにDeepSeek v4.1-flashを使用し、追加のClaude CodeセッションではGLM-5.3とGrok 4.6も利用されていました。
ここで挙げた名前は、韓国の事案に関連してCrowdStrikeが報告した構成です。日本側で同じ構成が確認された、という意味ではありません。
この記述からも、Claude Codeの履歴という名称だけで「AnthropicのClaudeモデルが全工程を担当した」と読み替えることはできません。
ソフトウェアの名前と接続モデルを切り分ける理由が、具体的に表れています。
CrowdStrikeは、AIツールが短期間の複数侵入を可能にし得る事例として評価しています。
一方、攻撃者の属性や動機については確度を伴う分析として示しており、確定した身元とは扱っていません。
本記事でも、AI利用の記録があることから、攻撃者の身元や全操作の自動実行まで話を広げません。
報告の中に事実の記述と評価が併存している場合、それぞれの表現を保って読む必要があります。
GMOサイバーセキュリティ byイエラエは、10月19日公開、10月21日更新の調査記事で、日本企業の侵害事案の攻撃元インフラを調べ、ARTEXの使用を確認したと公表しました。
過去のログ分析によるAI利用の推定を、攻撃元の調査が裏付けたという説明です。
ただし、同記事は個々の企業への侵入を、AIの指示・出力・実行結果まで逐一対応させて公開したものではありません。
使用ツールの確認から、一社ごとの被害でAIが担当した工程や人間の操作量を確定するには、追加の記録が必要です。
GMOは観測した複数被害について同一グループによる犯行との見方を示しています。
これは同社が調べた活動についての評価であり、ARTEXを使う攻撃者が世界中ですべて同一だという主張ではありません。
韓国との共通性についても、同記事は推察を含む形で説明しています。
同じ道具が使われていることは関連性を調べる手掛かりになりますが、それだけでは同一人物の証明になりません。
道具の共通性、活動の関連性、攻撃者の特定は、段階の異なる判断です。
さらに10月21日の追記では、ソフトウェア開発者が中国のエンジニアであることと、誰がそのソフトを使って攻撃しているかは別であると明記されました。
開発国や開発者の属性から、犯行主体や国家の関与を結び付けない姿勢が必要です。
見出しの「AIが自動でハッキング」は、AIを使う攻撃の登場を短く伝えられます。
しかし、情報整理の自動化なのか、操作の連続実行なのか、侵入から情報持ち出しまでの全工程なのかが省かれると、読者は最も強い意味に受け取ってしまいます。
本件を説明するなら、「攻撃者がAIエージェント型ツールを利用し、日本でも攻撃元でARTEXの使用が確認された。
ただし、個々の侵害における完全自動化の範囲は公開資料だけでは確定できない」と書く方が、証拠との距離を保てます。
これはAI利用を軽く見るためではなく、何が裏付けられているかを明確にするためです。
編集上の分析として、今回注目すべきなのは、攻撃者がAIから説明文を得るだけでなく、作業を進めるツールと組み合わせて利用している点です。
結果を読んで次の作業を考える部分まで支援されれば、操作ごとの手間が変わる可能性があります。
ただし、本件から人手の削減率や初心者の成功率を数値で算出することはできません。
読者が次のニュースで確かめたいのは、AIの製品名に加え、何の記録が見つかり、どの操作と被害に結び付いたのかという説明です。
自律性の高い道具が使われた事実と、その事件の全工程が無人だったとの主張を分ければ、過大評価も見落としも避けやすくなります。
発覚経緯や被害、対策をまとめて確認したい方は、既存記事「ARTEXとは？日本企業を狙ったAIサイバー攻撃の発覚経緯・韓国との関連・対策を解説」をご覧ください。
ARTEX関連の報道は、「使われた道具」「接続モデル」「人間の指示」「確認された被害」の四つに分けると読み解きやすくなります。
使用の痕跡が見つかった段階と、具体的な侵害工程への関与が裏付けられた段階では、言えることが異なるからです。
続報では、モデル名が追加されたかだけでなく、AIの出力と実行結果の対応が明らかになったかを確認してください。
日本と韓国の証拠を混ぜずに読むことが、今回の変化を正しく理解する出発点になります。
.png){kind=logo}
