AIが諸刃の剣となる中、データ侵害通知が前年通年の総数を上回る

Google Newsが浮き彫りにしたのは、侵害報告の大きな反転だ。2026年上半期に送付された被害者向け通知は4億7,120万件に達し、すでに2025年通年の総数を上回った。Identity Theft Resource Centerが前年通年に集計した通知は2億9,750万件にとどまる。ただし、この数字だけでAIがすべて、あるいは大半の侵害を引き起こしたと結論づけることはできない。

むしろ、より複雑な状況を示している。人工知能は、攻撃者による脆弱性の発見、説得力のあるなりすましの作成、攻撃キャンペーンの一部自動化を支援している。同時に、防御側にも、検知、トリアージ、封じ込めを迅速化する手段を提供している。中心的な対立は、もはや人間対機械ではない。多くの場合、資産管理が不十分なシステム全体で展開される、攻撃側の自動化対防御側の自動化である。

通知総数も慎重に解釈する必要がある。被害者通知は通知件数を表すものであり、必ずしも固有の個人1人を意味しない。異なるインシデントの後、1人が複数の通知を受け取ることもある。大規模なサプライチェーン事案では、多数の影響組織から通知が発行され、1件の初期侵害が増幅される可能性がある。

この留保は、急増の重要性を損なうものではない。生の総数は、攻撃経路、影響を受けた事業体、開示の質と結び付けて評価する必要があることを示している。残念ながら、こうした関連を明らかにするために必要な技術的詳細は、依然として大半の通知に記載されていない。

その結果、不都合な情報格差が生じている。組織はより多くの警告を発している一方、侵入者がどのように侵入したのかについての説明は減っている。その間にも、AIデータ侵害は、AI支援による偵察、ソーシャルエンジニアリング、マルウェアによって加速された通常の侵害と区別しにくくなっている。

Google Newsは見出しを届けたかもしれないが、その根拠となる証拠は1つの衝撃的な数字を超えるものを示している。企業は、より迅速な悪用、広範な第三者リスク、そして保護を要する追加のAIシステムに直面している。消費者はより多くの警告を受け取る一方、どのリスクが最も重要なのかを明確に把握できていない。

Google Newsが強調したのは通知件数の記録であり、4億7,100万人の固有の被害者数ではない

上半期の記録が示すのは通知量であり、より深刻な警告は、その通知の背後にある集中度と不透明さにある。

ITRCは2026年最初の6カ月間に1,803件のデータ侵害を追跡した。第2四半期には1,029件の侵害が発生し、四半期ベースでは過去2番目に多い件数となった。このペースが続けば、年間総数は3,600件に近づく。

これは2025年に記録された3,321件の侵害を上回ることになる。予測される増加は重要だが、両年の被害者通知総数の差ほど大きくはない。この対比は、特に大規模な少数の事案が世間の認識を大きく左右し得ることを示している。

ITRCの侵害分析によると、6月までに4億7,120万件の通知が発行された。2025年通年の数値は2億9,750万件だった。したがって、上半期の総数は前年通年を1億7,370万件上回った。

通知は、情報が露出した個人、顧客、従業員、またはアカウント保有者に届く可能性がある。それは受信者が個人情報窃盗の被害に遭ったことを確認するものではない。また、1人が複数の通知リストに重複して載っているかどうかも、研究者には分からない。

分母も同様に重要だ。米国の人口は4億7,120万人ではないため、この総数が異なる4億7,120万人の米国人を表すことはあり得ない。重複通知、国際的な情報露出、記録の重なりが、件数が人口を上回り得る理由の一部を説明する。

この区別は、リスクを過小評価せずに誇張された解釈を防ぐ。複数の通知を受け取った人は、依然として複数の潜在的な露出経路に直面している。使い回されたパスワード、旧住所、医療記録、社会保障番号、雇用情報は、インシデントをまたいで蓄積され得る。

集中度は、この総数をさらに示唆的なものにしている。上場企業は侵害を受けた事業体の10.3%にすぎなかったが、被害者通知全体の83.4%を生み出した。大企業はより多くの記録を保有し、より多くのベンダーに依存し、共有インフラを通じてより多くのサービスを接続している。

サプライチェーン事案は、さらに顕著な増幅効果を生んだ。わずか38件の初期侵害から2億8,060万件の通知が発生し、最終的に206組織に影響が及んだ。こうした攻撃では、侵害された1社のプロバイダーが多数の顧客への侵入経路となる、あるいは顧客のために保有していたデータを露出させる。

したがって、通知の急増は数百万件の孤立した攻撃を表すものではない。比較的少数の侵害が多数の企業へ広がり得る、相互接続された経済を反映している。ベンダー、IDプロバイダー、クラウドサービス、ソフトウェアプラットフォームは、運用上のリスクを集中させている。

この構造は、企業の購買担当者にも圧力をかける。自社ネットワークだけに焦点を当てたセキュリティレビューでは、もはや露出全体をカバーできない。調達判断、サービス連携、アクセストークン、ベンダーのインシデント対応手順が、現在では侵害の影響を左右する。

消費者にとっても、同じ構造が個別の通知を評価しにくくしている。通知書には送付元企業が記されていても、最初に侵害されたベンダーが明確に説明されないことがある。そのため受信者に見えるのは結果であり、それを生んだシステムの連鎖ではない。

ゆえに見出しは正確だが、不完全でもある。通知件数は6カ月以内に前年通年の総数を超えた。より重要な変化は、少数の相互接続された侵害が、いかに迅速に全国規模の通知の波を生み出せるかという点にある。

AIは既存の攻撃経路を加速している

AIはサイバー攻撃の速度と経済性を変えているが、こうした攻撃の足場となるのは依然として馴染み深い弱点だ。

ITRCは、ソフトウェアの欠陥をより速く見つける人工知能ツールが、2026年の増加の一部に関連しているとした。上半期には14件のゼロデイ攻撃を数えた。ゼロデイ攻撃とは、有効な修正が広く利用可能になる前に脆弱性を悪用する攻撃である。

比較対象となる2025年通年の件数は17件だった。6カ月でその総数にほぼ達したことは、脆弱性研究、パッチ展開、防御監視への圧力が高まっていることを示唆する。ただし、各ゼロデイがAIによって発見または悪用されたことを示すものではない。

この境界は重要である。AIの関与は、いくつか異なる活動を指し得るためだ。攻撃者は、フィッシングメッセージの作成、なりすましキャンペーンの翻訳、流出したコードの分析、マルウェアの改変にモデルを使う可能性がある。別の攻撃者は、AIアプリケーションそのものを標的にするかもしれない。

これらのケースがもたらすリスクは異なる。AI支援フィッシングは、既存の手口の規模と完成度を高める。モデル、プラグイン、アプリケーションプログラミングインターフェースに対する攻撃は、新たな露出インフラのカテゴリーを生み出す。

IBMの2026年侵害調査は、両方のパターンを示す証拠を提供している。同社の調査では、悪意ある侵害の4件に1件がAI活用型であり、前年から56%増加した。これらのインシデントの報告上の平均コストは600万ドルだった。

これはIBMが示した世界全体の侵害平均コスト499万ドルを、およそ100万ドル上回る。この調査は、2025年3月から2026年2月にかけて602組織が経験した侵害を対象とした。Ponemon Instituteが調査を実施し、IBMがスポンサーとなって分析した。

同じAI侵害調査では、20%を超える組織がAIモデルまたはアプリケーションを標的とした攻撃を報告していることが分かった。侵害されたインターフェース、アプリケーション、またはプラグインが、こうしたケースの27%を引き起こした。クラウドの設定不備も別の27%を占めた。

これらの結果は、AIのサイバーセキュリティリスクを悪意あるプロンプトだけに還元できない理由を示している。周辺のIDシステム、クラウド権限、データストア、インターフェース、プラグインが、しばしば最も弱いリンクのままである。攻撃者は、モデルの周囲にあるインフラを侵害することで、モデルの安全策を迂回できる。

ディープフェイクによるなりすましは、別の問題をもたらす。攻撃者は、ソフトウェアを悪用せずに経営幹部、ベンダー、サポート担当者を模倣できる。音声、動画、個別最適化されたテキストは、認証情報、支払い、アクセスを求める要求の説得力を高め得る。

根底にある手口は、依然としてソーシャルエンジニアリングだ。AIは制作コストを下げ、言語の質を高め、攻撃者がより多くのバリエーションを作成できるようにする。また、標的が最初のアプローチを拒否した後も、キャンペーンを適応させやすくする。

Verizonの2026年調査では、成功したモバイルのソーシャルエンジニアリングが40%増加した。また、ソフトウェア脆弱性の悪用が主要な初期侵入経路となり、侵害の31%に現れたと報告している。盗まれた認証情報は、もはや首位ではなかった。

これらの調査結果は、AI支援と長年の運用上の弱点を結び付ける。組織は多くの場合、脆弱な資産を特定し、パッチをテストし、修正を展開するまでに時間を要する。防御側がより遅い承認プロセスに従っている間に、自動化された偵察は攻撃者の作業を圧縮できる。

IBMは、セキュリティチーム内でも同様の不均衡を見いだした。調査対象組織の半数以上が脅威検知と封じ込めにエージェントを使用していた。一方、脆弱性管理にエージェントを適用していたのは18%にすぎず、修復はより高速な検知レイヤーに後れを取っている。

したがって、AIデータ侵害は不均等な自動化を通じて生じる。攻撃者は、標的の複雑なインフラを所有せずとも、発見と接触を自動化できる。防御側は弱点を閉じる前に、資産を棚卸しし、変更をテストし、可用性を維持し、複数のチームを調整しなければならない。

単一の悪意あるモデルではなく、この不一致こそが、人工知能が侵害報告においてより大きな位置を占めるようになっている理由を説明する。

より大きな増幅要因は依然としてサプライチェーンだ

AIは攻撃速度を高める一方、相互接続されたベンダーが、1件の侵害成功がどこまで広がるかを決める。

ITRCの上半期データでは、サプライチェーンへの露出が被害者通知の大半を生んだ。これらの攻撃に起因する2億8,060万件の通知は、総数4億7,120万件のほぼ60%に相当した。

初期事案の数はわずか38件だった。下流への影響を数えると、これらのインシデントは206組織に影響した。したがって、1件の侵入成功が複数の企業に調査、顧客通知、共有アクセスの見直しを強いる可能性がある。

この増幅効果は、責任の所在を複雑にする。顧客との関係を持つ組織が、侵害されたシステムを運用していたとは限らない。元のベンダーがさらに別のプロバイダーに依存している場合もあり、攻撃者と最終的な通知の間に追加の層が生まれる。

AIは、こうした接続全体にわたる偵察を加速できる。文書の分析、露出したインターフェースの特定、既知の脆弱性の優先順位付けを支援できる。ただし、攻撃が成功するのは、システムがデータ、認証情報、または信頼されたアクセスを共有しているためである。

Verizonは、2026年の調査期間における侵害の48%に第三者が関与していたと報告した。これは第三者の関与が60%増加したことを意味する。同社の侵害調査では、AIボットのトラフィックが前月比21%で増加していることも明らかになった。

すべてのAIボットが敵対的というわけではない。モデル学習のために情報を収集するものもあれば、ユーザーのリクエストに応じてページを取得するものもある。それでも、その増加はセキュリティチームにとって、トラフィック、知的財産に関する懸念、監視作業を増やしている。

課題は、通常の自動化と悪意ある偵察を見分けることだ。リクエストは無害に見えても、後の攻撃を支える情報を収集している可能性がある。すべての自動トラフィックを遮断すれば、正当な検索、アクセシビリティ、業務機能まで妨げられる。

ここで、根本的な対立が明確になる。攻撃者は広範な探索と迅速な反復から利益を得る。一方、防御側は、顧客アクセス、パートナー連携、本番環境の信頼性を維持しながら、限定的な判断を下さなければならない。

サプライチェーンは、そのプロセスでのあらゆる誤りを増幅する。過剰な権限を持つベンダーアカウントは、複数の顧客を危険にさらし得る。侵害された連携トークンは、それを作成した従業員やプロジェクトより長く残ることがある。見落とされたサービスは、事業上の目的がなくなった後も接続されたままになり得る。

企業は、基本的な問いへの回答にも苦慮している。どの外部システムが機密データに到達できるのか、という問いだ。契約書ではデータの取り扱いを大まかに記載していても、技術的な権限は継続的に変化する。年に一度のセキュリティレビューでは、その変化を捉えきれない。

AI導入は、追跡されていない関係をさらに増やす可能性がある。従業員が社内文書を未承認のアシスタントにアップロードしたり、AIツールをカレンダー、コードリポジトリ、共有ドライブに接続したりすることがある。接続が一つ増えるごとに、データ移動の新たな経路が生まれる。

Verizonは、未承認AIツールを頻繁に利用する従業員の割合が1年間で15%から45%に上昇したと報告した。同社はシャドーAIを、データ漏えいに関連する非悪意的な活動として3番目に多いものと位置づけた。

シャドーAIとは、組織の承認や監督なしにAIサービスを利用することを指す。リスクは、プロバイダーが送信された情報を学習に利用することだけに限られない。弱いアカウントセキュリティ、過剰なプラグイン権限、不明確な保持ルールも、機密情報を露出させる可能性がある。

これにより、セキュリティ、調達、事業の各チームに同時に圧力がかかる。全面禁止は利用をさらに地下化させかねない。無制限の導入は、インシデント対応担当者の目に入らないシステムへと企業データを分散させる可能性がある。

組織には、ベンダー、連携、マシンID、データフローの生きたインベントリが必要だ。また、恒久的な広範権限ではなく、実際の業務に紐づいたアクセス制御も必要になる。こうした対策は、従来型のサプライチェーン侵害とAIサイバーセキュリティリスクの両方に対応する。

ナレッジワーカーにとっても、ローカルデータの取り扱いには同様の注意が必要だ。ストレージ、権限、検索・取得の境界が明確に理解されていれば、パーソナルナレッジベースは管理されないコピーの増加を抑える助けになり得る。

重要なのは、ツールにAIというラベルが付いているかどうかではない。組織が、そのツールがどのデータにアクセスできるのか、データがどこへ移動するのか、そしてアクセスをどう取り消せるのかを把握しているかどうかだ。

より多くの通知が届く一方で、有用な詳細は減っている

侵害通知の急増は、企業と消費者が実際に何が破綻したのかを知ることを妨げる開示上の問題と衝突している。

ITRCが2026年上半期に追跡した通知のうち、攻撃ベクターの詳細を含んでいたのはわずか24%だった。これは同組織が記録した中で最も低い開示率だった。したがって、通知の4件に3件は侵入手法に関する意味のある情報を欠いていた。

攻撃ベクターとは、不正アクセスを得るために使われる経路のことだ。盗まれた認証情報、ソフトウェアの悪用、フィッシング、悪意ある内部者、侵害されたサプライヤーなどが含まれる。そうした詳細がなければ、受信者は対応を被害の内容に合わせられない。

認証情報の窃取後にはパスワードリセットが役立つ。しかし、それで盗まれた医療記録の機密性が回復するわけではない。クレジット凍結は新規口座詐欺を減らせるが、攻撃者が漏えいした職場情報をなりすましに利用することは防げない。

企業も学習の機会を失う。「不正アクセス」とだけ記した通知は、同様のシステムを運用する他社にほとんど指針を与えない。また、研究者がAI支援型攻撃と、より広範なサイバー犯罪の増加を区別する能力も制限する。

この文脈の欠如は、測定上の問題を生む。IBMは侵害を受けた組織にAI関与について調査できる一方、ITRCは公開通知を集計できる。これらの情報源は、異なる手法で異なる母集団を調査している。

これらの知見を組み合わせ、4億7,120万件の通知の4分の1がAI対応の侵害によるものだと主張すべきではない。利用可能な調査は、その関係を立証していない。通知件数、侵害件数、調査対象組織は、それぞれ別個の単位である。

「AI対応」の定義にも注意が必要だ。侵入者がメールを改善するためにチャットボットを使ったからといって、そのキャンペーンが根本的に新しい攻撃になるわけではない。それでもAI支援は、キャンペーンの量を増やしたり、必要な技能水準を下げたりする可能性がある。

逆に、AIシステムを標的とする侵害は、攻撃者がAIを使わずに起きることもある。盗まれたクラウド認証情報が、従来型のアカウント侵害を通じてモデルデータを露出させるかもしれない。標的にはAIが関わるが、手法には関わらない。

こうした区別は、規制と投資の方向性を形づくる。組織がAI関連のすべてのインシデントを新規のモデルセキュリティ問題として扱えば、ID管理、パッチ適用、セグメンテーション、ベンダー統制をおろそかにしかねない。こうした基本要素は、依然として多くの結果を左右する。

AIを単なるマーケティング用語として片付ければ、速度、なりすましの品質、攻撃規模における実際の変化を見落とす可能性がある。また、広範な権限を持つモデルインターフェース、検索・取得システム、自動化エージェントの保護に失敗するおそれもある。

NISTが策定中のCyber AI Profileは、この問題を3つの領域に分けている。組織はAIコンポーネントを保護し、防御にAIを活用し、AI対応の攻撃を阻止しなければならない。この区分は、広義のAI侵害という一つのラベルより有用な枠組みを提供する。

このプロファイルはガイダンスであり、特定の対策が記録されたインシデントを防げたことの証明ではない。それでも、AIリスクを既存のサイバーセキュリティ機能に対応付ける必要性を補強している。

内部者の活動も、不確実性の要因をさらに加える。ITRCは上半期に内部者による不正行為を21件計上し、これは2025年通年に記録された合計の7倍だった。同団体は、この増加の一因をテクノロジー業界のレイオフや国家による勧誘活動に結び付けた。

21件は、1,803件の侵害の中では依然として小さな割合にすぎない。それでも増加が重要なのは、正規の利用者は価値あるデータがどこにあるかを把握していることが多いためだ。AIツールは、情報の検索、要約、転送をより効率的に行う助けとなり得る。

組織は、すべての従業員を容疑者として監視することで対応すべきではない。過度な監視は信頼を損ない、有用な証拠より多くのノイズを生む可能性がある。最小権限アクセスと明確な退職・異動時のオフボーディング手順は、より焦点を絞った保護策となる。

懐疑的な結論は明快だ。通知が増えても、自動的に透明性が高まるわけではない。開示が攻撃手法をより一貫して説明するようになるまで、AIの正確な寄与について確信を持って主張することは難しいままだ。

AIは検知・封じ込めコストも削減している

攻撃者の運用コストを下げる同じ技術は、防御側が被害を抑える助けにもなり得る。つまり、決定要因となるのはガバナンスだ。

IBMは、セキュリティ運用でAIと自動化を広範に利用する組織では、平均的な侵害コストが約200万ドル削減されたと報告した。この結果は、ソフトウェアだけでインシデントを防げることを意味しない。検知と対応が迅速になれば、アクセス発生後の展開を変えられる可能性を示している。

セキュリティチームは、エンドポイント、クラウドサービス、IDプラットフォーム、アプリケーションから大量のアラートを処理している。AIは関連するシグナルをグループ化し、活動を要約し、異常な振る舞いを浮かび上がらせることができる。これによりアナリストは、高優先度の事案の検証により多くの時間を割ける。

自動化は、エンドポイントの隔離、トークンの無効化、証拠収集の開始も可能にする。こうした措置は、検知から封じ込めまでの時間を短縮する。攻撃者が自らの移動を自動化するほど、その価値は高まる。

ただし、自律的な対応には運用リスクが伴う。設定不良のシステムは、正当な利用者を遮断し、本番環境を中断し、有用な文脈を消去する可能性がある。影響の大きい措置には、明確に定義された権限、ログ、人間へのエスカレーション経路が必要だ。

防御のためのAIは、信頼できるデータにも依存する。不完全な資産インベントリ、一貫性のないID記録、分断されたログは、その結論を弱める。組織が存在を知らない連携を、モデルが保護することはできない。

結果は、単純な技術競争ではなくトレードオフである。自動化を増やせば対応速度を改善できる。一方で、アクセス方針と所有責任が不明確なままであれば、悪い前提をマシンの速度で再生産することにもなる。

NISTの枠組みは、そのバランスを反映している。AI対応の防御を、AIシステムの保護とAI対応の攻撃への備えと並ぶ一要素として扱っている。それぞれの領域は相互に支え合う。

脅威調査にエージェントを使う組織は、そのエージェントの認証情報を保護しなければならない。エージェントが照会できるシステムと実行できる操作を制限する必要がある。また、自動化された操作がなぜ実行されたのかを示す記録も必要だ。

こうした要件は、エージェントが推奨を超えて行動するようになるにつれて急を要する。チケットを起票できるだけのシステムは、リスクが限定的だ。アクセスの取り消し、コードのデプロイ、インフラの変更までできるシステムには、より厳格な統制と信頼できるロールバック手順が必要になる。

攻撃者も同じ能力を求める。エージェントやその周辺アカウントを侵害できれば、複数のシステムにまたがる信頼済みアクセスを継承できる可能性がある。そうなると、セキュリティツールは別のサプライチェーン増幅要因になり得る。

このため、AIデータ侵害は、脆弱なアーキテクチャの上に2つ目のAI製品を重ねるだけでは解決できない。ID管理、暗号化、パッチ管理、セグメンテーション、バックアップ、検証済みのインシデント対応計画は、依然として不可欠だ。

IBMは、侵害を受けた組織のうち、保存中と転送中の両方で機密情報を暗号化していたのは37%にすぎないと報告した。暗号資産を可視化できていたのは34%にとどまった。これらのギャップは、投機的な将来の脅威ではなく、確立されたセキュリティ慣行に関わるものだ。

実務上の優位性は、自動化とガバナンスを結び付ける組織にある。そうした組織は、どのエージェントが存在するのか、誰が所有しているのか、どのデータに到達できるのか、権限をどれだけ迅速に削除できるのかを把握している。

ナレッジワーカーも、そのモデルで役割を果たす。アシスタントが情報をリモートサービスへ送信するか、プロンプトを保持するか、他のアカウントに接続するかを理解すべきだ。利便性によって、こうした判断が見えなくなってはならない。

検索可能なナレッジワークフローは、チームが承認済みのソースとアクセス境界を定義すれば、統制された検索・取得を支援できる。組織のセキュリティポリシーに取って代わるものではない。

防御側は、あらゆる作業で攻撃者を上回る必要はない。露出を減らし、検知を迅速化し、侵害された一つのアカウントが他のすべてに到達するのを防ぐ必要がある。

急増が持続的な変化になるかを示す3つの兆候

次の局面は、開示の質、サプライチェーンの集中度、防御の自動化が修復上のギャップを埋められるかどうかに左右される。

最初の兆候は、ITRCによる次回の侵害件数および被害者通知の更新だ。年間件数により、上半期の急増が限定的な数の大規模侵害によるものだったのか、それとも後半の四半期にも続いたのかが分かる。

通知が増え続ける一方でインシデント件数の伸びがより緩やかなら、集中が依然として主要な説明となる。両方の指標が加速すれば、より広範な悪化を示す証拠は強まる。

2つ目の兆候は、攻撃ベクターの開示だ。現在の24%という詳細開示率では、正確な帰属が妨げられ、比較も弱まる。より高い開示率が実現すれば、研究者はソフトウェアの悪用、認証情報、内部者、サプライヤー、AI支援型の活動を区別できる。

開示の改善だけで侵害件数が減るわけではない。しかし、防御面の教訓をより横展開しやすくし、人工知能に関する主張を検証しやすくするだろう。さらなる減少がなければ、Google Newsの見出しは大まかな推計に依存し続けることになる。

3つ目のシグナルは、AIによる検知と脆弱性修正の隔たりだ。IBMは、検知ではエージェントの利用が広がっている一方、脆弱性管理での導入率は18%にとどまると報告した。この不均衡により、攻撃者は既知の弱点を悪用する時間を得る。

組織が安全な修正を自動化し、パッチ適用の遅れを短縮できれば、攻撃が高速化してもAIは侵害コストを抑えられる可能性がある。修正の迅速化なしに検知だけが改善すれば、セキュリティチームは対処できない問題をより多く見つけるだけになる。

サプライチェーンのリスクは、3つのシグナルすべてに含めるべきだ。少数のベンダー侵害が、上半期の通知の大半を生み出した。購入者は、プロバイダーが統合権限を制限しているか、マシン認証情報をローテーションしているか、下流への影響を迅速に開示しているかを注視すべきである。

規制当局と標準化団体も重要だ。NISTのプロファイルは、AIシステムの保護、防御目的でのAI利用、AIを活用した攻撃への対処に向けた共通語彙を生み出せる。その影響力は、導入状況と測定可能な運用上の変化に左右される。

消費者は、すべての通知を個別の深刻な個人被害と受け取らないよう、引き続き慎重であるべきだ。それでも、漏えいした情報に応じて対応する必要がある。信用凍結、パスキー、多要素認証、固有のパスワードは、それぞれ異なる種類のリスクを低減する。

企業のリーダーは、より難しい問いに直面している。重要なデータにアクセスできるすべてのベンダー、AIサービス、エージェント、非人間IDを特定できるだろうか。答えが不明確なら、次の侵害通知がそのつながりを先に明らかにするかもしれない。

Google Newsは注目に値する節目を捉えたが、パニックに陥る必要はない。通知総数の記録は、相互接続されたシステム、侵害の集中、不完全な開示、攻撃手法の高速化を反映している。AIは各圧力を強める一方、防御側により優れたツールも提供する。

有効な対応は、見出しでは測れないものを測定することだ。誰がアクセス権を持つか、脆弱性がどれだけ迅速に修正されるか、どのサプライヤーが集中リスクを生むか、通知が攻撃経路を説明しているかを追跡する。こうしたシグナルによって、2026年が一時的な急増なのか、侵害の経済性における恒久的な変化なのかが分かる。