はじめに
2026年10月、ARTEXと呼ばれる自律型AIペネトレーションテストツールが、韓国の金融機関や日本企業を標的としたサイバー攻撃に利用されたとして注目を集めています。
ARTEXは本来、システムの脆弱性診断や侵入テストを自動化するためのツールです。しかし、セキュリティー企業の調査によって、実際の攻撃活動に悪用された事例が報告されています。
今回の問題で重要なのは、単にAIがサイバー攻撃に使用されたという事実ではありません。
大規模言語モデル（LLM）と外部ツールを組み合わせたAIエージェントが、従来は人間の判断を必要としていた作業の一部を自律的に遂行できるようになっている点です。
本記事では、2026年10月22日時点で公開されている情報を基に、ARTEXの技術的特徴、確認された攻撃事例、AIの自律性、そして今後のサイバーセキュリティーに与える影響について整理します。
1. ARTEXとは何か
ARTEXは、中国で開発されたと報告されている、自律型AIペネトレーションテストツールです。
GitHub上では「Autumn-27」という開発者名義で公開されていましたが、2026年10月8日に公開開発の停止と非公開化が表明されたと報じられています。
ARTEXの特徴は、LLMを利用してセキュリティー診断の各工程を支援・自動化する点にあります。
一般的な脆弱性スキャナーが、事前に定義された検査ロジックに基づいて動作するのに対し、LLMを利用したエージェントは、取得した情報を解釈し、次に実行すべき操作を判断できます。
ただし、ARTEXがどの工程をどの程度自律的に実行できるのかについては、公開されている技術資料と実際の攻撃記録を区別して評価する必要があります。
また、開発地と攻撃主体は同一ではありません。中国で開発されたツールが利用されたという事実だけで、中国政府や特定の組織が攻撃を実行したと結論づけることはできません。
2. 韓国の金融機関を標的とした攻撃
米国のセキュリティー企業CrowdStrikeは、2026年9月下旬から10月上旬にかけて、韓国の金融機関を標的とした攻撃活動を分析しました。
調査では、攻撃者が使用していたインフラから、ARTEXの設定ファイル、Claude Codeのセッション履歴、LLM向けの指示文書などが確認されています。
これらは、攻撃環境にAIエージェント関連のツールが組み込まれていたことを示す重要な証拠です。
報告では、DeepSeek v4.1-flashが主に使用され、Claude Codeの別セッションではGLM-5.3やGrok 4.6も利用されていたとされています。
ただし、これらのモデルがすべてARTEXの内部で直接実行されていたことや、それぞれが具体的にどの攻撃工程を担当したのかについては、慎重な解釈が必要です。
CrowdStrikeは攻撃主体について、中国語話者で金銭目的の可能性があると評価していますが、特定の攻撃組織への帰属を確定したわけではありません。
3. 日本企業への攻撃でもARTEXの利用を確認
2026年10月19日、GMOサイバーセキュリティ byイエラエは、日本企業を標的とする攻撃活動にARTEXが利用されていたことを公表しました。
調査では、約20社の日本企業を標的とする攻撃インフラが確認され、そのうち9社は同一業種に属していたと報告されています。
さらに、日本企業を主な標的とするAI利用型の攻撃インフラが6台確認されました。
標的には金融、EC、物流、小売などの業種が含まれており、攻撃インフラごとに対象業種を絞る運用が見られたとされています。
また、調査対象となった企業のうち8社が、2026年9月から10月に情報漏えいを公表していたことも報告されています。
ただし、この8社すべての情報漏えいについて、ARTEXが直接の侵害原因だったと証明されたわけではありません。
攻撃対象として確認されたこと、実際に侵入されたこと、情報漏えいが発生したこと、そしてARTEXがその原因であることは、それぞれ異なる事実です。
サイバー攻撃に関する報道では、こうした因果関係を区別する必要があります。
4. ARTEXの技術的な仕組み
ARTEXのようなAIエージェント型ツールを理解するうえで重要なのは、LLM単体ではなく、周辺システムとの連携です。
一般的なAIエージェントは、次のような構成要素を組み合わせて動作します。
- LLM： 取得した情報の解釈、推論、次の行動の計画
- オーケストレーション層： タスク管理、処理手順の制御、実行結果の管理
- 外部ツール： ネットワーク調査、脆弱性検査、情報収集など
- 実行環境： コマンドやプログラムを実行するためのシステム
- 人間のオペレーター： 目的設定、実行指示、監督など
これはAIエージェントの一般的な概念構成であり、ARTEXの内部実装を完全に再現したものではありません。
従来の自動化ツールとの違いは、LLMが実行結果を文脈に沿って解釈し、次の行動を柔軟に選択できることです。
例えば、診断結果に応じて追加調査の必要性を判断したり、取得した情報を整理したりする処理を、一定の範囲で自動化できます。
もっとも、従来のツールでも高度な条件分岐や自動化は可能です。LLMを導入したことだけを理由に、必ずしも攻撃成功率や診断精度が向上するとは限りません。
5. AIは人間の指示なしに攻撃したのか
今回の事件で最も慎重に扱うべき論点が、AIの自律性です。
「AIが自律的にサイバー攻撃を実行した」という表現は、AIが自ら攻撃を開始したかのような印象を与える可能性があります。
しかし、技術的には次の二つを区別する必要があります。
① 人間が設定した目的に従い、AIが作業を自動的に遂行すること
② AIが人間の指示なしに攻撃目的を設定し、独自に攻撃を開始すること
前者は、現在のAIエージェント技術で実現可能な仕組みです。
一方、今回確認されたARTEXの事例について、後者が発生したと断定できる証拠は確認されていません。
攻撃環境からClaude Codeのセッション履歴や指示文書が発見されていることも、人間による設定や指示が関与していた可能性を考えるうえで重要です。
ただし、指示文書が存在することだけで、すべての操作に人間が逐次介入していたと証明されるわけでもありません。
したがって、ARTEXは「自律型AIを利用した攻撃支援・自動化ツール」と表現するのが適切です。
AIが独自の意思を持ち、攻撃を開始したと解釈するべきではありません。
6. 従来のサイバー攻撃と何が変わるのか
ARTEXのようなツールがもたらす変化は、攻撃手法そのものの発明というよりも、既存の攻撃工程を効率化できる可能性にあります。
従来、攻撃者は対象システムの調査、診断結果の分析、次の操作の判断などを個別に実施する必要がありました。
AIエージェントは、こうした作業の一部を連続的に処理することで、人間の作業負担を減らせる可能性があります。
特に懸念されるのは、以下の三つです。
第一に、攻撃のスケーラビリティです。
複数の対象に対して調査や分析を並行して実行できれば、攻撃活動の規模を拡大しやすくなる可能性があります。
第二に、専門知識への依存度の変化です。
LLMによる解析支援によって、一部の専門的な作業に必要な知識や経験のハードルが下がる可能性があります。
ただし、高度な侵入や実環境での攻撃には、依然として専門的な知識や判断が必要になる場合があります。
第三に、攻撃サイクルの短縮です。
情報収集、分析、追加調査を一つのワークフローとして連携できれば、従来より短い時間で複数の工程を進められる可能性があります。
一方、ARTEXについて従来の攻撃手法との厳密な比較実験が十分に公開されているわけではなく、実際の効率向上率を定量的に断定することはできません。
7. AIのデュアルユース問題
ARTEXの事例は、AI技術のデュアルユース、すなわち同じ技術が正当な用途にも不正な用途にも利用できるという問題を示しています。
自律型の脆弱性診断技術は、防御側にとって有益です。
企業はAIを利用することで、脆弱性の早期発見、診断業務の効率化、セキュリティー担当者の負担軽減などを期待できます。
しかし、同じ技術を攻撃者が利用すれば、不正アクセスや情報窃取などの活動を支援する手段にもなり得ます。
重要なのは、AIモデルそのものの能力だけではありません。
AIにどのような権限を与え、どのツールを実行可能にし、どの範囲のネットワークへアクセスさせるかという、システム全体の設計です。
例えば、AIエージェントの安全性を考える際には、以下の対策が重要になります。
- 最小権限の原則に基づくアクセス制御
- 危険性の高い操作に対する人間の承認
- 外部ツールの実行範囲の制限
- 操作履歴と判断過程の記録
- 異常な動作を検知する監視体制
- 実行環境の分離とサンドボックス化
これらの対策は攻撃を完全に防ぐものではありませんが、AIエージェントの不適切な利用や予期しない動作によるリスクを低減するうえで重要です。
8. 今後のサイバーセキュリティーに求められるもの
ARTEXの事例から考えられるのは、攻撃側だけでなく、防御側にもAIエージェント技術への理解と対応が求められるということです。
企業のセキュリティー対策は、既知の脆弱性を修正するだけでは十分ではありません。
認証・認可の適切な設計、アクセスログの監視、ネットワークの分離、異常な操作の検知、インシデント対応体制の整備など、多層的な防御が必要です。
また、AIを利用した攻撃への対応として、防御側でもAIによるログ分析や異常検知、脆弱性管理の効率化が進む可能性があります。
ただし、AIによる防御がAIによる攻撃を必ず阻止できるわけではありません。
誤検知、見逃し、モデルの判断ミス、運用コストなどの課題も存在します。
AIを導入すること自体を目的とするのではなく、既存のセキュリティー対策とどのように統合するかが重要になります。
9. まとめ
ARTEXを巡る一連の報告は、自律型AIエージェントがサイバー攻撃の実環境で利用され始めていることを示しています。
一方で、今回の事例を「AIが独自の意思で人間を攻撃した」と解釈するのは適切ではありません。
確認されているのは、攻撃者がAIエージェントやLLM関連ツールを利用し、攻撃活動の一部を支援・自動化していたという事実です。
AI技術の進歩によって、従来は人間が担当していた作業の一部が自動化され、その適用範囲は今後も広がる可能性があります。
しかし、技術的な自律性と、行為の目的や責任の所在は別の問題です。
ARTEXの事例を考えるうえで重要なのは、AIを過度に擬人化することでも、AI技術そのものを危険視することでもありません。
AIエージェントに何を実行させることができるのか。そして、その権限を誰が、どのように管理するのか。
この問いは、サイバーセキュリティーに限らず、今後のAIエージェント開発全体に共通する課題だと考えます。
参考資料
- CrowdStrike — Unknown Threat Actor Uses ARTEX to Target South Korean Finance
https://www.crowdstrike.com/en-us/blog/unknown-threat-actor-uses-artex-to-target-south-korean-finance/ - GMOサイバーセキュリティ byイエラエ — ARTEXを利用した日本企業へのサイバー攻撃に関する調査（2026年10月19日）
https://gmo-cybersecurity.com/blog/20261019/ - Reuters配信記事 — ARTEX開発者による公開開発停止に関する報道（2026年10月9日）
https://www.newsweekjapan.jp/articles/-/336490
※本記事は2026年10月22日時点の公開情報を基に作成しています。攻撃主体、被害範囲、技術的な実装については、今後の調査によって新たな事実が判明する可能性があります。
Comments are closed