サイバーセキュリティにおけるAI
著者: Ahona Rudra
翻訳: 岩瀨 彩江
この記事はPowerDMARCのブログ記事 AI in Cybersecurity の翻訳です。
原文は2026年11月19日に改訂されており、この記事はその改訂版に基づいて更新しています。
Spelldataは、PowerDMARCの国内正規代理店です。
この記事は、PowerDMARCの許可を得て、翻訳しています。
重要なポイント
- 攻撃が複雑になり、攻撃者もAIや機械学習(ML)を使うようになっているため、防御の側でもサイバーセキュリティにAIを組み込むことが必要になっています。
- AIは、自動化、異常検知、予測分析によって脅威の検知を支え、より早い段階での対応を可能にします。
- PowerDMARCのThreat Intelligenceや自動化されたプラットフォームのような、AIを活用したツールは、DMARCなどのセキュリティプロトコルの導入と管理を効率化します。
- 効果的なサイバーセキュリティには、AIの技術と人の専門知識の組み合わせに加えて、フィッシングなどの脅威を見分けるためのユーザー教育と、多要素認証(MFA)などのセキュリティ対策が欠かせません。
- セキュリティ態勢を保つには、継続的な監視、変化し続けるサイバー脅威についての情報収集、分析へのAIの活用が重要です。
企業の攻撃対象領域は非常に広く、さらに広がり続けています。
扱うべきシグナルの量は、企業の規模によって異なります。
その結果、サイバーセキュリティの態勢を分析して改善することは、もはや人の手だけで扱える作業ではなくなっています。
サイバーセキュリティは常に変化している分野で、データを守るための取り組みには、新しい技術が絶えず取り入れられています。
これが、サイバーセキュリティにAIが必要とされる理由です。
この課題に対応するため、PowerDMARCは、AIを活用したメールセキュリティとDMARCのソリューションで、情報セキュリティチームを支援しています。
侵害のリスクを下げ、メールのセキュリティ態勢を効率よく改善することを目指しています。
近年、人工知能(AI)は、情報セキュリティチームの業務を支える重要な道具になっています。
人だけでは、変化し続ける企業の攻撃対象領域を十分に守れなくなっているため、AIによる分析と脅威の特定は、サイバーセキュリティの専門家が侵害のリスクを下げ、セキュリティ態勢を改善するのに役立ちます。
セキュリティの分野で、AIは、リスクを特定して優先順位を付け、ネットワーク上のマルウェアを素早く検出し、インシデント対応を支援し、侵害につながる前に不審な動きを検知することができます。
一方で、攻撃者も機械学習などの技術を使っています。
たとえば、機械学習を使ったメール詐欺では、大量のデータで訓練したアルゴリズムによって、正規のやり取りの文体をまねたフィッシングメールを作り、受信者から機密情報を引き出そうとします。
こうした脅威に対応するには、多層防御が必要です。
生成AIの大規模言語モデル(LLM:Large Language Model)は、文脈に沿った自然な文面を作ることができます。
そのため、利用者が見分ける手がかりとして教わってきた文法の誤り、不自然な構文、言葉遣いの不統一が、詐欺メールから消えつつあります。
攻撃者は、企業のやり取り、組織の構成、公開されている人物の情報を学習させることで、特定の相手を狙ったスピアフィッシングやビジネスメール詐欺(BEC:Business Email Compromise)のメールを、大量に自動で作れます。
人が文面で見分けるのは難しくなり、セキュリティ対策の重点は、文面の特徴による判定から、技術的な認証へと移っています。
サイバーセキュリティにおけるAIの役割
人工知能(AI)システムは、視覚による認識、音声認識、意思決定、言語間の翻訳など、通常は人の知能を必要とする作業を、機械で行えるようにします。
AIの一分野である機械学習は、コンピューターが例から学習し、予測を行えるようにします。
サイバー犯罪者はこの仕組みを悪用し、正規のメールを分析するボットを作って、署名、件名、返信の書き方をまねることを学習させ、詐欺メールを本物らしく見せかけます。
攻撃者は、従来のメールのなりすましに、合成メディアを組み合わせています。
役員の声を複製したり、リアルタイムで動く映像のアバターを作ったりして、CEOになりすました送金詐欺を行います。
このように複数の手段を組み合わせたソーシャルエンジニアリングでは、従業員が電話やビデオ通話で本人に確認しようとしても、精巧な音声の複製や顔の入れ替えにだまされることがあります。
つまり、メールとは別の経路で人が確認する方法も、それだけでは通用しない場合があります。
このリスクを減らすには、見た目や声に頼らない確認の手順が必要です。
たとえば、2人以上による承認、複数の当事者による署名、暗号技術を使ったトークンの交換などです。
サイバーセキュリティにおけるAIの応用には、次のようなものがあります。
- 侵入検知
- AIは、ネットワークへの攻撃、マルウェアの感染、その他のサイバー脅威を検知できます。
- サイバー分析
- AIは、組織のサイバーセキュリティ態勢のパターンや異常を見つけるための、ビッグデータの分析にも使われています。
サイバーセキュリティの専門家は、以前からAIを使ったソリューションを利用しています。
しかし、サイバー攻撃の増加に伴い、攻撃に対応するためのより高度なAIのツールや技術が必要だと考えるようになっています。
機械学習を使ったメール詐欺のような、変化し続ける脅威に対応するには、サイバーセキュリティの新しい動向を把握し続け、多層防御の戦略を取ることが有効です。
サイバーセキュリティにおけるAIの未来
AIは、私たちの生活や働き方、そしてサイバー脅威から身を守る方法を、大きく変える可能性があります。
AIによって、リスクをこれまでより正確に把握し、より早く判断できるようになることが期待されています。
AIはどのようにサイバー攻撃からの防御に役立つのか?
AIは人の代わりにはなりませんが、サイバー攻撃への対策で果たす役割があります。
AIと人の専門知識、ユーザー教育を組み合わせた多層的な取り組みが重要です。
AIが次のサイバー攻撃からの防御にどのように役立つかを、次に示します。
- 1.脅威検知の自動化
-
AIがサイバー攻撃からの防御に役立つ1つ目の方法は、脅威検知の自動化です。
機械学習のアルゴリズムは、セキュリティ侵害の兆候となりうる、ユーザーの行動やシステムの動作の異常を検出します。
高度なメールセキュリティのソリューションは、機械学習でメールのヘッダーや内容の異常を分析し、標準のプロトコルを補います。
SPFは、エンベロープのMAIL FROMのドメインについて、そのドメインが送信を認めたホストから送られたかを確認します(RFC 7208では、HELOのドメインも確認の対象になります)。
DKIMは、d=タグで示されるドメインの電子署名を検証します。
メールボックスプロバイダーは現在、一括送信者に基本的な認証を必須としています。
Googleは個人用Gmailアカウント宛てに1日5,000通前後以上を送る送信者を、Microsoftは1日5,000通を超えて送る送信者を、一括送信者としています(Yahooは具体的な通数を公表していません)。
GoogleとYahooは2024年2月に適用を始め、MicrosoftはOutlook.com、Hotmail、Liveの個人向けアドレス宛てのメールに、2025年5月5日からこの要件を適用しています。
送信者は、有効なDMARCレコード(各社の要件では少なくともp=none)を公開し、SPFとDKIMの両方で認証に合格するよう設定した上で、表示されるFrom:ヘッダーのドメインを、SPFに合格したエンベロープのMAIL FROMのドメイン、またはDKIMに合格したd=のドメインのどちらかとアライメント(ドメインが一致するか、同じ組織のドメインであること)させる必要があります。
各社の要件には、認証のほかに、ワンクリックでの登録解除などの項目もあります。 - 2.機械学習
-
機械学習は、アルゴリズムで大量のデータを分析し、データの中に見つけたパターンに基づいて予測を行います。
これは、これまで知られていなかった攻撃や予期しない攻撃を、AIシステムが認識できるように訓練するために使われます。
また、行動分析によって、フィッシング攻撃の兆候となりうる、通常と異なる行動のパターンを見つけることもできます。 - 3.予測分析
-
予測分析を使うと、将来起こりうる脅威を見積もることができます。
たとえば、どの従業員のアカウントが侵害されるリスクが高いか、どのような種類の攻撃が起きやすいかといった傾向を推定できます。
こうした分析は、組織がセキュリティ上の弱点を見つけ、実際に被害が出る前に対策するのに役立ちます。 - 4.異常検知
-
AIシステムは、ネットワークトラフィックなどのデータの流れのパターンを分析し、想定される動きと実際の動きの違いを比べることで、異常を検出することもできます。
このような監視は、権限のない機密情報にアクセスしようとするなど、通常と異なる振る舞いが悪意のある活動に発展する前に気付くのに役立ちます。
システムのログやユーザーの活動を監視し、サイバーセキュリティ上の脅威の兆候となる不審な振る舞いを見つけることも重要です。 - 5.セキュリティの自動化
-
ビジネスでのAIの活用は、新しいセキュリティポリシーやプロトコルの適用を自動化することで、サイバーセキュリティの強化に役立ちます。
なりすまし(Spoofing)やフィッシングなどの主要なサイバー攻撃への対策にもなります。
メール認証の導入を自動化すると、次のような効果があります。
- 時間と、手作業による設定の手間を減らせる
- 人による設定の誤り(SPFレコードを複数公開してしまうなど)を減らせる
- 制限の強いポリシーに移る前に、アライメントの問題を早く見つけられる
- 世界各地の送信元をリアルタイムで把握できる
- 6.セキュリティオーケストレーション
-
AIは、通常と異なる行動の検出やネットワーク上の不審なユーザーの特定など、今は多くの時間と人手がかかっている日常的な作業を自動化できます。
エージェント型AI(自律的に作業を進めるAI)をセキュリティに使うことで、組織は、起きたことに対応する監視から、脅威の調査と対応をより自律的に進める運用へと移れるようになります。 - 7.人の能力の強化
-
AIが大規模なデータ分析や自動化を担う一方で、人の専門知識は引き続き重要です。
ユーザー教育も重要な要素です。
従業員は、フィッシングを見分けること、不審なリンクをクリックしたり、知らない送信元からの添付ファイルをダウンロードしたりしないこと、潜在的な脅威を報告することを、訓練で身に付ける必要があります。
さらに、多要素認証(MFA)を導入すると、機密性の高いシステムやデータへのアクセスを許可する前に、パスワード(知識)、セキュリティトークン(所持)、生体認証など、種類の異なる複数の要素を求めるため、セキュリティの層が1つ増えます。
業界の刊行物や脅威インテリジェンスのレポートで、サイバーセキュリティの最新の動向を把握し続けることも欠かせません。
AIを活用したDMARCの運用でメール認証を強化する
2026年5月、IETFはRFC 9989を発行しました。
DMARCは標準化過程(Standards Track)のRFCになり、情報提供(Informational)のRFCだったRFC 7489は廃止されました(RFC 9091も同時に廃止されています)。
RFC 9989では、組織ドメイン(Organizational Domain)の範囲を決める方法として、DNS上のDMARCレコードを親のドメインの方向へ順に問い合わせるDNS Tree Walkが定められました。
これにより、RFC 7489で例示されていた、外部の公開サフィックスリスト(PSL:Public Suffix List)に頼る方法が置き換えられています。
(RFC 9989の4.10)
LLMで作られた、署名のない自然な文面のメールは、内容を基に判定するフィルターをすり抜けやすくなります。
DMARCを使うと、受信側は、From:のドメインの使用がドメイン所有者に認められたものかを、アライメントしたSPFの合格、またはアライメントしたDKIMの署名によって検証できます。
受信側の評価では、SPFかDKIMのどちらか一方がアライメントして合格すれば、DMARCの結果は合格(pass)になります。
なお、RFC 9989の8では、DMARCに完全に参加するドメイン所有者は、SPFとDKIMの両方でアライメントする識別子が得られるようにメールを送らなければならない(MUST)とされています。
p=quarantineやp=rejectのポリシーは、DMARCに失敗したメールをそれに応じて扱うよう受信側に求めるものですが、最終的な扱いは受信側が決めます。
(RFC 9989の5.4)
ただし、DMARCで確認できるのは、From:に自社のドメインそのものを使ったなりすましです。
似たドメインや乗っ取られた正規のアカウントから送られるメールはDMARCに合格することがあるため、ほかの対策と組み合わせる必要があります。
メール認証と脅威の検知のために作られたAIのプラットフォームを使うと、ネットワークを管理しやすくなります。
誤りを抑えながら、設定、トラブルシューティング、防御を素早く進めることができます。
防御の側では、機械学習のモデルを使って、大量のDMARC集計レポート(ruaタグで指定した宛先に届くXML形式のレポート)の処理を自動化しています。
送信元のIPアドレスの範囲をまとめ、外部の送信サービスを分類して、情報システム部門が把握していない正規の送信(シャドーIT)と、実際のなりすましとを見分けます。
ただし、分類のモデルは、複雑なクラウドの中継サーバーや、複数の利用者で共有されるIPアドレスの範囲を誤って分類することがあるため、人による確認が欠かせません。
セキュリティの管理者は、ドメインのDMARCポリシーを強制適用に移す前に、自動の分類結果を自分で確認し、SPFやDKIMのための適切なDNSの設定を行って、正規の社内のメールを止めてしまわないようにする必要があります。
まとめ
サイバーセキュリティは複雑な課題ですが、特に機械学習を使ったメール詐欺のような高度な脅威に対して、AIは防御に役立つ道具になります。
AIによって、サイバーセキュリティのチームは、人と機械が協力する体制を作り、それぞれの力を組み合わせた以上の成果を目指せます。
ただし、技術だけでは十分ではありません。
脅威に先手を打つには、高度なAIのソリューションと人の専門知識に、多要素認証(MFA)などのセキュリティ対策、継続的な監視、そして何より、変化する脅威を見分けて対応するためのユーザー教育を組み合わせた、多層的な取り組みが必要です。
信頼できるパートナーと組むことで、脅威の情報をリアルタイムで得ながら、対策を進めることができます。