AIフィッシングで、見慣れた警告サインの信頼性が低下

Google Newsは、AIフィッシングが多くの人が今なお信頼する簡易チェックをすり抜けるほど自然に見えるようになっているという、率直なセキュリティ警告に注目した。もはや、洗練されたビジネスメールと明らかに稚拙な詐欺との対立ではない。信頼できそうな依頼と、同じように日常的に見えるよう設計された偽装との間に境界がある。

この違いは重要だ。生成AIは、かつてフィッシングの正体を露呈させていた弱点をいくつも取り除く。攻撃者は流暢なメッセージを作成し、標的に合わせて調整し、従来のキャンペーンに見られた典型的な誤りなしに翻訳できる。さらに、メッセージの背後で待ち受けるインフラも自動化できる。

Googleの脅威研究者自身は、過度に劇的な主張に対する重要な抑制材料を示している。国家支援を受けたグループが、大規模言語モデルを調査、標的選定、巧妙なフィッシング誘導に利用していることを確認している。一方で、AI支援を受けたすべてのキャンペーンを新たな技術的ブレークスルーだとは位置付けていない。

より妥当な結論は、より実用的でもある。AIは、フィッシングをより危険にするために新しいハッキング手法を発明する必要はない。もっともらしい言葉遣いを改善し、攻撃者の労力を減らし、確立された手法をより高速なワークフローにつなげるだけでよい。

この変化は、従業員、セキュリティチーム、メールプロバイダー、銀行、AI企業に同時に圧力をかける。また、スペルミス、不自然な挨拶、あり得そうにない話を見つけることを前提にした啓発プログラムの有効性も損なう。

Google Newsの警告が実際に変えるもの

AIフィッシングは、攻撃者にとって珍しい手口から通常の制作ツールへと移行した。

Google Newsを通じて取り上げられたBankInfoSecurityの見出しは、AIフィッシングが恐ろしいほど日常的になり、検出が難しくなっていると端的に表現した。入手可能な最も強い証拠はこの大きな方向性を裏付けるが、すべてのフィッシングメールが同程度に高度だという意味ではない。

Google Threat Intelligence Groupは、政府支援を受ける攻撃者が大規模言語モデルを技術調査、標的選定、迅速な誘導文作成に利用していると報告した。同社のAI脅威トラッカーでは、北朝鮮、イラン、中国、ロシアの攻撃者に関連する活動が説明されている。

フィッシングの誘導文とは、標的に危険な行動を取らせるために設計されたメッセージやシナリオである。その行動には、文書を開く、認証情報を入力する、ログインを承認する、支払いを開始するといったものが含まれる。

AIは、誘導文の作成段階を複数の実用的な方法で改善する。特定の役割向けにメッセージを書き換え、期待される文体を模倣し、ローカライズされたバージョンを迅速に作成できる。また、もっともらしいアプローチを生成する前に、標的に関する公開情報を要約することも可能だ。

こうした機能に、モデルが暗号化を破ったりソフトウェアの脆弱性を発見したりする能力は必要ない。ソーシャルエンジニアリングの部分を低コストかつ一貫したものにする。攻撃者は各メッセージの編集時間を減らしながら、明らかな言語上のミスを避けられる。

その結果、技術的な変化に先行して経済的な変化が起きる。質の高い文章、翻訳、パーソナライズは、かつてキャンペーンのコストを押し上げていた。生成ツールは、これらの作業を再現可能なワークフローに圧縮する。

ただし、洗練されたメールがすべてAI生成というわけではない。人間も整ったメッセージを書ける一方、旧来の自動化でも氏名や企業情報を差し込めるため、帰属の判断は依然として難しい。テキストだけで、どのツールが作成したかを証明できることはほとんどない。

したがって、「AIフィッシングの解説」は、警戒を煽る説明より限定的だ。AIは、攻撃者が既存の詐欺をより高速に作成、変化、運用することを支援する。悪意ある誘導先は依然として、偽のログインページや盗まれたセッションを含む認識可能なインフラに依存する場合が多い。

Googleの研究者は重要な限界も確認した。2025年後半の観測では、追跡対象の高度な攻撃者は脅威環境を根本的に変えるような画期的能力を獲得していなかったという。攻撃者が得たのは生産性であり、すべての防御を自動的に突破する手段ではなかった。

この但し書きは、中心的な警告をむしろ強める。組織は、対策を講じる前にSFのような攻撃に備える必要はない。信頼できる言語と運用の自動化が同時に利用可能になることで、既存のフィッシングの仕組みはより危険になる。

これらのメッセージが普通に見えることこそ、この記事の本質的な緊張点だ。ユーザーは、実在するプロジェクト、サービス、役員に結び付いた、文法的に正しい依頼を受け取るかもしれない。見えるメッセージは妥当に見えても、その背後にある認証経路は敵対的であり得る。

このため、従来の助言はますます不十分に感じられる。「タイプミスを探す」ことは見た目の品質には対処するが、送信者、送信先、ログインセッション、要求された取引を誰が支配しているかは検証しない。

Google AIフィッシングは文章の改善だけではない

より大きな変化は、単にメール文面が洗練されたことではなく、攻撃チェーン全体の自動化にある。

Google AIフィッシングの観測は、攻撃者が偵察、コンテンツ作成、ローカライズ、コーディング、運用支援にわたってモデルを利用していることを示している。Googleは研究者によれば、悪意ある活動に関連するアカウントやプロジェクトも停止している。

OpenAIも、調査した悪用事例において同様のパターンを報告している。同社の悪意ある利用に関する研究では、脅威アクターは一般にAIモデルをウェブサイト、ソーシャルアカウント、その他の従来型ツールと組み合わせていると説明されている。

この組み合わせは重要だ。説得力のあるメッセージは入口を作るが、作戦の残りの部分が価値を奪う。攻撃者には依然として、認証情報を盗み、認証を傍受し、マルウェアを展開し、または誰かに送金させるためのインフラが必要となる。

Phishing-as-a-serviceは、その運用上の障壁を下げる。こうしたサービスは、利用者がすべての構成要素を自作しなくてもよいよう、インフラとキャンペーン機能をパッケージ化する。AIは、運営者によるサポートの改善、盗んだ情報の処理、キャンペーンの迅速な変化を支援できる。

デバイスコードフィッシングは、攻撃がパスワード収集を超えて進化したことを示している。この手法は、パスワードを簡単に入力できないデバイス向けに設計された正規のサインインプロセスを悪用する。

標的は本物のデバイスログインフローを受け取り、攻撃者が提供したコードを入力する。標的がリクエストを承認すると、攻撃者は従来型の偽パスワード入力フォームを表示せずに、認証済みセッションを取得できる。

Huntressの研究者は、2026年の最初の4カ月間にデバイスコードフィッシングが1,380％増加したと観測した。Axiosが報じた攻撃自動化に関する調査結果によれば、比較対象は2025年後半だった。

この増加を、すべてのフィッシングにおける成長率として解釈すべきではない。これは、ある企業のテレメトリー内で観測された一つの攻撃タイプに関する数字である。それでも、ツールの運用が容易になった後、ワークフローがいかに急速に拡大できるかを示している。

同じ原理はパーソナライズにも当てはまる。攻撃者は、企業発表、役職、ベンダーとの関係、役員名を公開情報から集められる。モデルは、これらの断片を、もっともらしいビジネス上の出来事に合致するメッセージへと変換できる。

たとえば、ベンダーの銀行口座変更を日常的に扱う財務担当者を考えてみよう。犯罪者に必要なのは、最高財務責任者を完璧になりすますことではない。その種の業務が予想されるタイミングで、もっともらしい依頼を送ることだ。

メッセージには実在する仕入先への言及や、社内で定着した表現が含まれるかもしれない。侵害されたメールボックスから届けば、よくある警告サインも一つ消える。従業員の判断は、正当らしく見える文脈に照らして試されることになる。

音声生成は別のチャネルを加える。フォローアップの電話がメールを補強し、テキストメッセージが管理された企業デバイスの外で緊急性を作り出すことがある。防御側が活動のつながりを把握する前に、攻撃者は標的をチャネル間で移動させられる。

ここでGoogle AIフィッシングは、文章の問題ではなくアイデンティティの問題となる。言葉の品質がやり取りを始める。決定的な段階では、認証、認可、アカウントまたは取引の支配が関わる。

そのため防御側は、完全な一連の流れを調査する必要がある。送信者、送信先、デバイス、サインイン要求、セッションの挙動、金銭的アクションを関連付けなければならない。メッセージフィルターが見られるのは、その流れの一部にすぎない。

攻撃者がドメイン、添付ファイル、配信手法を切り替える場合、静的なルールも対応に苦しむ可能性がある。自動化により、運営者は変種を迅速に試し、防御側に特定されたインフラを放棄できる。

生産性上の優位性は無制限ではない。モデルは不正確な詳細を作り出し、運用上のミスを露呈し、プロバイダーの安全対策を発動させることがある。攻撃者にはなお、アクセス、インフラ、盗んだ認証情報を有用な支配へと転換する手段が必要だ。

それでも、完全でなくても効率は重要である。キャンペーンはすべての標的を従わせる必要はない。作戦を採算の取れるものにするだけの、十分に信じられるやり取りがあればよい。

従来の人間による検知モデルは崩れつつある

悪い文章を見分けるよう人々を訓練しても、専門的で日常的に見えるよう設計されたメッセージからは守れない。

長年にわたり、セキュリティ啓発資料はスペルミス、奇妙な挨拶、不審な緊急性、不一致なブランディングを強調してきた。こうしたシグナルは依然として有用だが、攻撃者はもはやそれらを残す必要がない。

生成AIは文法を即座に修正できる。調達チームやテクニカルサポート窓口の文体で依頼を書き換えることもできる。また、以前は国境をまたぐキャンペーンの正体を露呈させていた文化的・言語的な誤りも取り除ける。

出来上がるメッセージは、並外れている必要はない。すでに注意を奪い合っている通常の依頼の流れに似ていればよい。多忙な従業員は、正当な業務で用いるのと同じ習慣でそれを処理するかもしれない。

ISACAが2026年6月に実施した欧州調査では、回答者の71％が、AIを活用したフィッシングやソーシャルエンジニアリングは見抜くのが難しいと考えていた。また58％は、AIによってデジタル情報の真正性確認が難しくなったと回答した。AIセキュリティ調査による。

この調査では、防御面での利点も明らかになった。43％は、AIによって自組織のサイバー脅威を検知・対応する能力が向上したと回答した。この結果は、単純な攻撃者対人間という構図よりも、新たに生まれつつある競争を正確に捉えている。

AIは、防御側による言語の分類、行動シグナルの関連付け、不審な活動の要約を支援できる。個々の従業員には見えない、メッセージをまたぐパターンを特定することも可能だ。

しかし、防御モデルは難しい非対称性に直面する。攻撃者は多くの変種を試し、ときどき成功すればよい。企業のコントロールは、大量の正当なコミュニケーションを妨げずに悪意ある活動を阻止しなければならない。

ビジネスメールには異例だが正当な依頼が含まれるため、誤検知は重要な問題となる。新しい仕入先が支払い情報を変更することもある。役員が予期せず従業員に連絡することもある。顧客が見慣れない文書を送ることもある。

すべての異常を遮断するフィルターは業務を損なう。洗練されたメッセージをすべて信用するフィルターは攻撃を見逃す。有用な判断は、言葉だけでなく、その先にある文脈に左右される。

その文脈には、送信者が通常その受信者に連絡するかどうか、ドメインが新たに観測されたものかどうか、要求された操作が過去の行動と一致するかどうかが含まれる。また、認証情報を送信した後に使用されたデバイスや位置情報も含まれる。

人による報告も依然として貴重な情報に貢献する。ある従業員は、依頼内容がオフラインでの会話と矛盾していることに気付くかもしれない。別の従業員は、ベンダーのプロセスが説明なく変わっていることに気付く可能性がある。

セキュリティチームは、こうした報告を簡単に行え、かつ処罰を伴わないものにすべきだ。複数のメニューの奥に埋もれた報告ボタンは、従業員が抱いた疑念の瞬間を無駄にする。誤った報告を罰すれば、人々は沈黙を守るようになる。

トレーニングも、成果物の見分け方から行動の検証へと移行する必要がある。問うべきなのは単に「このメールは不審に見えるか」ではない。「このメッセージは、私にどのような権限を与えるよう求めているのか」だ。

公開文書のレビュー依頼と、デバイスログインの承認依頼ではリスクが異なる。銀行口座情報の変更には、会議時刻の確認よりも強力な検証が必要となる。

このリスクベースのアプローチは、文章が完璧になっても従業員に持続的な判断基準を与える。機微な操作には、独立した確認経路が必要だ。確認には、不審なメッセージ内で提示された連絡先情報を再利用すべきではない。

金銭に関する変更では、従業員はベンダー記録にすでに保存されている既知の電話番号へ連絡できる。アカウント復旧では、ユーザーはメッセージ内のリンクをたどるのではなく、サービスに直接アクセスできる。

この視点から見れば、AIフィッシングはそれほど不可解ではない。コンテンツは改善されたが、攻撃者が依然として求めているのは重大な結果を伴う操作だ。防御側は、その操作がどのように承認されるかを制御することで優位性を得られる。

攻撃者も機械的な防御を回避するよう設計している

現代のフィッシングキャンペーンは、画像、リダイレクト、CAPTCHAページ、正規の認証フローの背後に悪意ある宛先を隠している。

Microsoftの2026年第1四半期のメールデータは、メッセージの品質が問題の一部にすぎない理由を示している。同社は、QRコードを利用したフィッシングが1月の760万件から3月には1,870万件へ増加したことを観測した。

これは同四半期に146％増加したことを意味する。Microsoftはまた、メール本文に直接埋め込まれたQRコードが3月に336％増加した一方、観測ボリュームの5％にとどまったことも確認した。

QRコードを使った誘導は、宛先を通常のテキストから切り離す。多くの場合、標的を個人用スマートフォンへ誘導するため、企業のブラウザ制御やエンドポイント監視の可視性が低くなる可能性がある。

Microsoftのデータセットでは、3月のQRコード配信の70％をPDF添付ファイルが占めた。攻撃者は文章だけに頼っていたのではない。自動検査を複雑化する形式の中にリンクを包み込んでいた。

CAPTCHAで制限されたフィッシングも急増した。CAPTCHAは、人間のユーザーと自動化システムを区別するための課題だ。攻撃者は、偽の、あるいは本物らしく見える課題を使ってスキャナーを遅延させ、悪意あるページを正当なものに見せかける。

Microsoftは3月に1,190万件のCAPTCHA制限付き攻撃を記録しており、これは前月の2倍以上だった。同社のメール脅威分析では、PDF、HTML、SVG、文書、埋め込みリンクといった配信手法をまたぐ急速なローテーションが説明されている。

これらの数値はMicrosoftの可視範囲から得られたものであり、世界全体のフィッシングを完全に測定したものとして扱うべきではない。ただし、攻撃者が相当な規模で形式をまたいだ試行を行っていることは示している。

Googleは、ClickFixと呼ばれる別の手法を文書化している。この手法では、ブラウザ、文書、または認証の問題を解決するふりをしながら、ユーザーに悪意あるコマンドをコピーして実行するよう誘導する。

観測されたあるキャンペーンでは、脅威アクターが生成AIサービスの公開共有機能を悪用し、欺瞞的なコンテンツをホストしていた。信頼されたサービスが表面上の体裁を提供し、その一方で指示が標的をマルウェア実行へと誘導した。

これらの手法は、危険な要素が配信後まで隠れたままでいられるため、メールフィルターに負荷をかける。スキャナーには、明白に悪意ある実行ファイルではなく、PDF、QR画像、共有ページ、または正規の認証サービスが見える可能性がある。

時間も攻撃者に有利に働く。宛先は自動検査中には安全に振る舞い、配信後に変化する可能性がある。リダイレクトチェーンは、場所、デバイス、またはブラウザに応じて変化し得る。

これにより、メールセキュリティとアイデンティティセキュリティの境界は流動的になる。メッセージは検出可能なペイロードなしに受信トレイを通過するかもしれない。後続のログインパターンが攻撃を明らかにする。

防御側には、メッセージ配信後も継続する制御が必要だ。新たに特定されたメッセージを複数の受信トレイから削除し、不審なセッションを取り消し、インテリジェンスの変化に応じて宛先をブロックできる。

アイデンティティシステムも、異例の同意付与、デバイスコード要求、見慣れないサインイン、セッションの挙動を評価すべきだ。多要素認証は依然として重要だが、攻撃者はユーザーをだまして認証済みアクセスを許可させるフローをますます設計している。

フィッシング耐性のある認証は、この機会を狭める。パスキーとハードウェアで保護された認証情報は、認証を正規サービスにより強く結び付け、偽のログインページへの露出を減らす。

これらは、すべてのソーシャルエンジニアリングのシナリオを解決するものではない。従業員は、説得力ある会話の中で不正な支払いを承認したり、機微な情報を開示したりする可能性がある。技術的な制御は、要求される操作に対応していなければならない。

銀行は、この問題の特に難しい形態に直面している。顧客は詐欺警告、本人確認、緊急のアカウント通知を期待している。攻撃者は、金融の文脈では緊急性に信憑性が感じられるため、同じような通信を模倣する。

最も安全な案内は、意図的に不便なままである。顧客は銀行の既知のアプリを開くか、確立されたアドレスを直接入力すべきだ。既存の利用明細書または支払いカードに記載された番号で、その金融機関に連絡すべきである。

この助言は、メッセージの品質ではなく取引チャネルに対処するものだ。コンテンツがモデル、犯罪者のコピーライター、あるいは侵害された銀行メールボックスのいずれから来たかにかかわらず、有用であり続ける。

AIフィッシングの物語がなお証明できないこと

セキュリティの証拠はAI利用の拡大を示しているが、AIがすべてのフィッシングキャンペーンを正規の通信と見分けられないものにしたことを証明するものではない。

AI生成テキストの識別は依然として信頼性が低いため、検知に関する主張は慎重に検討する必要がある。洗練されたメールはモデル利用の証拠ではない。不自然なメールは人間による執筆の証拠ではない。

研究者やベンダーは、しばしば異なるものを測定している。あるデータセットは悪意あるメッセージを数える一方、別のデータセットはインシデント、ドメイン、ユーザー、またはブロックされた要求を数える可能性がある。成長率は比較期間によって大きく変わり得る。

Microsoftの数値は、Microsoftのエコシステム内で可視化された攻撃を示している。Huntressの割合は、Huntressが観測したデバイスコード型フィッシングを対象としている。ISACAは調査に基づく専門家の認識を報告している。

これらの情報源を合わせると、一貫した方向性が示される。ただし、AIフィッシングの普及率や成功率に関する単一の世界的推計を構成するものではない。

Googleの調査結果は、もう一つ必要な抑制を提供する。同社の脅威研究者は生産性向上と現実世界での悪用を観測したが、追跡している高度なアクターが2025年後半に根本的な突破口を得たとは確認していない。

この結論は、見出しの物語の最も強い主張と矛盾する。AIはコスト、速度、表現を変えた。しかし、運用上のミスをなくしたわけでも、あらゆる防御を時代遅れにしたわけでもない。

攻撃者は事実をもっともらしく捏造し、誤った役職を使い、架空のプロジェクトを作り出す可能性がある。関係性にそぐわない表現を選ぶこともある。大規模に生成されたキャンペーンでも、受信者間でパターンが露呈する可能性がある。

モデル提供者にも介入の機会が残されている。Googleは、調査で悪用が特定された場合、悪意あるアセットを無効化し、分類器を改善するとしている。OpenAIは、有害な活動に関連するアカウントを検知し、阻止するとしている。

こうした安全策は摩擦を生むが、脅威アクターはモデルを切り替えたり、オープンなシステムを使ったり、複数サービスにタスクを分割したりできる。OpenAIは、有害な活動が1つのプラットフォームに限定されることはほとんどないと指摘している。

防御的なAIにも固有の不確実性がある。システムは誤った解釈に高い確信度を与える場合がある。新しい手法を見逃したり、異例ながら正当なメッセージに過剰反応したりする可能性もある。

組織は、弱い人間の直感を不透明な機械の直感に置き換えるべきではない。AIスコアは、文書化された対応プロセスにおける一つのシグナルとなるべきだ。

有用なシステムは、イベントがエスカレーションされた理由を説明できる。不慣れな送信者との関係、新しいドメイン、異例の認証要求、機微な操作を特定できるかもしれない。

その証拠は、アナリストに調査すべき具体的な対象を与える。「AI生成である可能性が高い」といった一般的なラベルは、作成者がメッセージの悪意を決定するわけではないため、運用上の価値が低い。

プライバシーは別のトレードオフをもたらす。コンテキストに基づく検知は、システムが通信、アイデンティティ記録、行動履歴を分析できる場合により効果的に機能する。その可視性は、従業員や顧客の機微な情報を露出させる可能性がある。

セキュリティチームには、これらのデータセットに対する保持期限、アクセス制御、明確なガバナンスが必要だ。さもなければ、アンチフィッシングプログラムが新たな集中リスク源を生み出す。

Google Newsの枠組みは、検証へ注意を向けさせる場合に最も有用だ。AIを成功したあらゆる詐欺を説明する魔法のような存在として扱う場合には、有用性が低くなる。

実務上の基準は、悪意ある意図、インフラ、または要求された操作の証拠であり続けるべきだ。AIの関与は優先順位と規模を変える。しかし、慎重なインシデント分析の必要性をなくすものではない。

セキュリティチームが次に注視すべきこと

次の段階は、自動化されたアイデンティティ悪用、防御対応の質、フィッシング耐性のある制御の導入状況によって測定される。

最初のシグナルは、デバイスコード型およびセッションベースのフィッシングの増加だ。これらの攻撃が重要なのは、単純なパスワードフォームではなく、正規の認証ワークフローを標的にするためである。

セキュリティチームは、ユーザーが予期しないデバイスコードを受け取る頻度、見慣れないセッションを承認する頻度、異例のフローを通じてアクセスを許可する頻度を追跡すべきだ。持続的な増加が見られれば、攻撃者がメッセージ作成を超えて自動化を進めているという見方を強めることになる。

より強い制御の後に減少すれば、この手法が抵抗なく拡大できるという主張は弱まる。また、メールが受信トレイに届いた後でも、アイデンティティテレメトリーが攻撃を中断できることを示す。

2つ目のシグナルは、防御システムがアナリストを圧倒せずに対応時間を短縮できるかどうかだ。AI支援ツールは、メッセージ、アイデンティティ、エンドポイント、取引のシグナルを結び付けられるが、それは組織がそれらを一貫して統合する場合に限られる。

チームは、最初のユーザー報告からメッセージ削除、セッション取り消し、影響を受けたユーザーの特定までにかかる時間を測定すべきだ。偽陽性と、アナリストによる繰り返しの上書きも監視すべきである。

エラー率を安定させたまま封じ込めを迅速化できれば、AIの防御的な有効性を裏付けることになる。アラートのバックログが増加すれば、分類だけでは運用上の問題を解決できないことを示す。

3つ目のシグナルは、フィッシング耐性のある認証と独立した取引検証の導入状況だ。これらの制御は、文章スタイルを判断するユーザーの能力から保護を切り離す。

Google、Microsoft、銀行、エンタープライズ向けアイデンティティプロバイダーはいずれも、この移行に影響を与える。組織は、パスキーの登録状況、ハードウェアで保護された認証の適用範囲、より弱いログイン経路を残す例外を注視すべきだ。

また、機微な財務または管理上の操作のうち、どれだけが帯域外確認を必要とするかを測定すべきである。帯域外チェックは、要求者が提供した詳細ではなく、別の、あらかじめ信頼されたチャネルを使用する。

導入が広がれば、巧妙に仕上げられた誘導の価値は下がる。導入が遅れれば、生成システムがますます曖昧にするよう設計されている違いを、従業員が見分け続けなければならない。

したがって、当面の争点はAI攻撃者と人間の読者の対決ではない。自動化された説得と、多層的な検証の対決である。

優れた防御策は、一部の悪意あるメッセージが正常に見え、標的に届くことを前提とする。1通のメッセージ、1回のクリック、1件の承認で実行できる範囲を制限する。

組織は、焦点を絞った見直しから始められる。支払い変更、パスワード復旧、トークン承認、管理者アクセスなど、最も大きな損失につながる行為を特定する。

次に、各行為がどのように承認を受けているかを点検する。もっともらしいメールだけで実行できるなら、啓発トレーニングを強化しても解消できない弱点がそのプロセスにある。

脅威は目に見えやすく、身近で、急速に変化しているため、Google Newsは今後も警戒を促す事例を取り上げ続けるだろう。読者はこうした報道を、検証を促すきっかけとして受け止めるべきであり、検知が不可能になった証拠とみなすべきではない。

セキュリティ責任者にとって、当面の問いは具体的だ。巧妙なメッセージが「もっともらしく見える」かどうかを従業員が判断することに、いまだ依存している機密行為はどれか。その判断点を信頼できる確認手段に置き換え、結果を測定し、攻撃者に試される前にプロセスをテストする。