国家支援ハッカー、攻撃チェーン全体でAIを活用
Googleは、完全自律型のキャンペーンを示す証拠が限られる一方で、国家支援ハッカーがGeminiを攻撃のほぼすべての段階で利用していることを記録した。
この調査結果は、セキュリティをめぐる議論を変える。差し迫った危険は、監督なしで動作する独立したAIハッカーではない。標的の調査、スクリプトの作成、マルウェアのトラブルシューティング、説得力のある偽装IDの作成を、より迅速に行える人間のオペレーターである。
このGoogleニュースの記事は、Google Threat Intelligence Group（GTIG）の調査を中心にしている。同グループは、インシデント対応データ、脅威調査、Geminiの不正利用の試みに対する可視性を用いて悪意ある活動を分析している。
Googleは、中国、北朝鮮、イラン、ロシアに関連する活動を発見した。これらのアクターは、偵察、脆弱性調査、コーディング、ソーシャルエンジニアリング、情報工作にAIを使用していた。
ただしGoogleは、国家支援グループがGeminiを通じて侵入の全過程を自動化したとは報告していない。人間のオペレーターは依然として標的を選定し、アクセスを管理し、重要な運用上の判断を下していた。
この区別が、記事の中心的な緊張関係を生んでいる。AIはすでに攻撃チェーン全体に広がっているが、広範な導入は完全な自律性を意味しない。
それでもこの動きは、防御側に圧力をかけている。セキュリティチームは、より速く進行し、より頻繁に変化し、より説得力を増した従来型の攻撃を認識しなければならない。
Googleニュースが明らかにする侵入サイクル全体へのAIの浸透
重要な変化は、AIが孤立した実験から、侵入サイクル全体で繰り返し実行できるタスクへと移行している点にある。
Googleは2026年2月に、AI脅威に関する詳細な評価を公表した。同社は、敵対者が数年にわたりAIを徐々にその活動へ統合してきたことを観察していたと述べた。
この統合は現在、侵入の多くの段階を網羅している。オペレーターは攻撃前に、組織、従業員、技術、公開済みの既知の脆弱性を調査するためにモデルを使用する。
作戦中には、コードの作成、スクリプトのデバッグ、メッセージの翻訳、新たなソーシャルエンジニアリング手法の開発を依頼できる。アクセス獲得後には、コマンド、データ処理、追加ツールに関する支援を求めることもできる。
GoogleのAI脅威に関する調査結果では、悪意ある活動を5つの大分類で特定した。これには、モデル抽出、AI支援型オペレーション、エージェント型の実験、AI統合型マルウェア、アンダーグラウンドのジェイルブレイクサービスが含まれる。
モデル抽出では、繰り返しのやり取りを通じて、高性能モデルの有用な振る舞いを別のシステムへ移転する。これにより、モデル自体がインテリジェンスと知的財産の標的となる。
AI支援型オペレーションは、企業の防御側にとってより直接的な関連性を持つ。Googleは、政府支援の攻撃者がGeminiをコーディング、スクリプト作成、標的調査、脆弱性分析、侵害後の支援に使用していることを観察した。
エージェント型AIは、手順を計画し、ツールを使用し、目標に向けて行動を調整できるシステムを指す。Googleは、攻撃者が偵察やソフトウェア開発のためにこうした機能を実験していることを確認した。
AI統合型マルウェアはさらに一歩進む。展開前にチャットボットを使うのではなく、悪意あるプログラムが動作中にモデルと通信する。
Googleは、Geminiのアプリケーション・プログラミング・インターフェースを使用した実験的なマルウェアファミリー、HONESTCUEを挙げた。このマルウェアは、別の悪意あるコンポーネントをダウンロードして実行するための生成コードを求めていた。
これは、HONESTCUEが自律的に行動するデジタル工作員として機能したことを意味しない。むしろ、攻撃者がモデルをマルウェアの動作ロジックの一部にできるかを探っていることを示している。
この違いは重要だ。オフラインのスクリプトは、展開後には予測可能な動作をする。モデル接続型マルウェアは、新たな指示を要求したり、環境に基づいて応答を生成したりできる。
この柔軟性は攻撃者により多くの選択肢を与える。一方で、インターネット接続、利用可能なアカウント、信頼性の高いプロンプト、作戦を破綻させない応答といった依存関係も生じる。
Googleは、検知された悪意ある活動に関連するプロジェクトとアカウントを無効化していると述べた。これは、商用モデルを利用する攻撃者にとって、プロバイダーによる取り締まりがもう一つの障害となることを意味する。
アンダーグラウンドサービスは、こうした統制を回避しようとしている。一部は無制限のシステムを提供すると主張する一方、ジェイルブレイクされた商用インターフェースやオープンソースのコンポーネントに依存していると報じられている。
結果として生まれるエコシステムは、アクセス市場に似ている。攻撃者は、一時的なアクセス、偽装されたアクセス、盗まれたアクセスを入手できるなら、最先端モデルを訓練する必要はない。
この広範な統合こそが、見出しが重要である理由だ。AIは、より巧妙なフィッシングメッセージや実験的なマルウェアのサンプルだけにとどまらなくなった。
それは、キャンペーンの多くの局面を支援できる汎用アシスタントとなっている。用途ごとに時間を節約し、言語の障壁を下げ、オペレーターの技術的な到達範囲を広げることができる。
国家支援グループは異なる課題にAIを適用している
国家による導入状況にばらつきがあるのは、各グループが既存の任務、資源、運用習慣にAIを適用しているためだ。
Googleは、複数の政府に関連するアクターによるGeminiの不正利用の試みを確認した。観察されたパターンは、共通のAI活用手法ではなく、従来からの各国の優先事項を反映していた。
一部の北朝鮮のオペレーターは、サイバーセキュリティ企業や防衛企業における職務、報酬、従業員を調査するためにAIを使用していた。この情報は、不正な採用活動や内部アクセスを狙うスキームを支援し得る。
別の北朝鮮グループは、複数日にわたり毎週Geminiを利用していたと報じられている。そのオペレーターは、技術的支援、トラブルシューティング支援、作業が停滞した際のマルウェアコード生成を求めていた。
これらの例は、AIが実務上の障壁を下げることを示している。オペレーターは、専門家を待ったり、多数の技術情報源を探したりせずに、迅速な説明を得られる。
北朝鮮のキャンペーンはすでに、金銭的動機、スパイ活動、雇用詐欺を組み合わせている。AI生成の人物像や改変画像は、基本的な目的を変えることなく、こうした作戦を強化できる。
Palo Alto Networksは、北朝鮮が関与した疑いのあるアカウントが、画像ツールを使って不正な身元を作成していたことを記録した。同社のインシデント対応調査では、合成または転用されたプロフィールに支えられた架空企業についても説明している。
イラン関連のアクターは、異なる形でAIを利用した。Googleによると、あるグループは意図した被害者に対する偵察を大幅に拡大した。
偵察とは、侵入前に情報を収集するプロセスである。組織の従業員、システム、サプライヤー、技術、外部公開サービスのマッピングが含まれる場合がある。
より迅速な調査は、攻撃者が誘導メッセージを個別化したり、有望な侵入経路を特定したりする助けになる。また、人間なら見落としかねない断片的な公開情報を結びつけることもできる。
Googleは、中国関連グループAPT31が、偵察を自動化してより大規模に活動するため、エージェント型機能を実験していることを観察した。同グループがキャンペーン全体をモデルに委ねたわけではない。
むしろ、報告された活動では、明確に定義されたタスクに自動化が配置されていた。この方法がより実用的なのは、偵察は通常、エクスプロイトやラテラルムーブメントよりも運用上のリスクが低いためだ。
誤った調査結果は時間を無駄にする。被害者のネットワーク内での誤ったコマンドは、オペレーターを露呈させ、システムをクラッシュさせ、価値あるアクセスを失わせる可能性がある。
Googleによると、ロシア、中国、イラン、北朝鮮も情報工作のためにGeminiを使用していた。タスクには、記事、人物像、その他のキャンペーン用アセットの生成が含まれていた。
情報工作は、コンピューターを直接侵害するのではなく、認識を形成することを目的とする。生成モデルは、少ない追加労力で文章や画像のバリエーションを生み出すのに適している。
しかし、出力量は影響力を保証しない。キャンペーンには依然として、配信、信頼できるアカウント、オーディエンスのターゲティング、実在するコミュニティに響く物語が必要である。
したがってGoogleの調査結果は、一様な高度化ではなく、能力の拡張を示している。十分な資源を持つスパイ活動チームと不正就労者の作戦は、同じモデルを異なる目標のために使用できる。
共通する利点は利便性だ。モデルは、翻訳、調査、コーディング支援、コンテンツ生成を1つのインターフェース内で組み合わせる。
この利便性は、攻撃段階間の摩擦を減らす。ただし、標的を選び、アクセスを維持し、検知を回避するために必要な専門知識を不要にするものではない。
真の競争は人間の指揮とAI自動化の間にある
決定的な対立は、攻撃者AIと防御側AIの間ではなく、人間が指揮する作戦と、ますます自律化するワークフローの間にある。
Googleの証拠は、モデルが侵入のほぼすべての段階に影響を与えていることを示している。ただし、国家グループが完全な侵入を自律システムに日常的に委任していることは示していない。
GTIGのチーフアナリストであるJohn Hultquist氏は、サイバーセキュリティに関する報道に対し、各国はAIが摩擦よりも大きな利益をもたらす領域をなお見定めていると語った。
この不確実性は、導入がタスクごとに限定されているように見える理由を説明する。攻撃者は、反復的で、検索可能で、言語的な負荷が大きく、検証しやすい作業を好む。
偵察はこの特性に当てはまる。コードの説明、スクリプト生成、脆弱性の要約、翻訳、ソーシャルエンジニアリング用コンテンツの作成も同様だ。
高リスクの行動は、より難しい問題を生む。エクスプロイト、永続化、認証情報の利用、ラテラルムーブメントは、変化する環境から得られる正確な文脈に依存する。
モデルは、もっともらしくても技術的には誤ったコマンドを出力する可能性がある。ネットワークを誤解し、目立つ手法を選び、制御者を露呈させることもある。
国家支援のスパイ活動グループは、持続的な足場が数カ月にわたって有用であり得るため、ステルス性を重視する。作戦を即座に露呈させるなら、より迅速な自動化の利点はほとんどない。
サイバー犯罪グループは、そのトレードオフをより受け入れやすい可能性がある。多くの場合、数多くの潜在的被害者を対象に、量、速度、短期的な利益を優先する。
この違いは、AIの影響が均一には現れないことを示唆する。小規模な犯罪組織は、以前は専門スタッフを必要とした能力を獲得できる。
高度な国家グループも、同じツールを定型作業の削減に使える。しかし、経験豊富なオペレーターは、自律的な実行には慎重であり続ける可能性がある。
したがって、対照的な道筋は明確だ。人間主導の能力拡張は制御性と低い運用リスクをもたらし、自律性は規模と速度をもたらす。
公開されている証拠の大半は、依然として能力拡張を支持している。人間が目的を定義し、出力を確認し、行動のタイミングを決定する。
しかし、その境界は動いている。AI統合型マルウェアとエージェント型偵察により、モデルは助言以上の作業を実行できるようになっている。
HONESTCUEはこの移行を示している。このマルウェアはモデルへのアクセスを実行チェーンに組み込んでいたが、より広範な作戦は依然として従来の攻撃者インフラに依存していた。
Googleの2026年5月の調査は、より強い証拠を加えた。GTIGは、AIによって開発されたゼロデイエクスプロイトを使用した最初の脅威アクターとみられる存在を特定した。
ゼロデイとは、攻撃者が悪用を準備した時点で、影響を受けるベンダーが認識していない脆弱性のことだ。その時点では、防御側に利用可能なパッチはない。
Googleによると、その犯罪グループはこの脆弱性を大規模な悪用に使う意図があった。同社は影響を受ける組織と法執行機関に通知し、計画されたキャンペーンを阻止した可能性がある。
影響を受けた製品と脅威アクターの名称は公開されていない。そのため、エクスプロイトとその開発プロセスを独立して評価することには限界がある。
それでも、この事例はAIを決定的な攻撃段階へと近づけている。脆弱性の発見とエクスプロイトの作成には、従来から専門知識と相当な検証が必要だった。
Googleは後に、敵対的なワークフローにおけるAI利用が産業規模へ移行していることをより広く説明した。同社の5月の脅威トラッカーでは、エクスプロイト生成、回避、自律型マルウェア、情報工作、AI依存関係への攻撃を取り上げた。
この進展は、完全に自律した攻撃チェーンの存在を示すものではない。AI支援を受けた個別コンポーネントの能力と実運用上の重要性が高まっていることを示している。
中心的な問題は、攻撃者がそれらをどれほど速く接続できるかだ。偵察エージェント、エクスプロイト生成器、適応型マルウェアのコンポーネントは、確実に連携されるほど危険性を増す。
現時点では、人間の判断がそれらをつなぐ役割を果たしている。防御側は、この制約が固定的に残ると考えるべきではない。
AIは既存手法を置き換えず、時間を圧縮する
AIが近い将来にもたらす最も現実的な優位性は、まったく新しい種類のサイバー攻撃ではなく、実行時間の短縮だ。
確認されたキャンペーンは、依然として認識可能な手法に依存している。攻撃者は盗まれたID、悪意あるリンク、脆弱なソフトウェア、リモート管理ツール、侵害済みインフラを利用する。
AIは、手順間に必要な作業を減らすことで、こうした手法を支援する。誘導用メッセージの下書き、コードの修正、エラーの解釈、標的の技術スタックの要約などが可能になる。
この加速は重要だ。サイバーセキュリティはすでに時間との競争だからである。防御側には、侵入を検知し、影響範囲を調査し、攻撃者を封じ込めるための時間が必要だ。
CrowdStrikeの2026年脅威レポートによると、AIを活用する攻撃者の活動は前年比89％増加した。また、平均ブレイクアウト時間は29分だったという。
ブレイクアウト時間は、初期アクセスから他システムへの横展開までの期間を測る指標である。この間隔が短いほど、防御側が最初に侵害されたアカウントやデバイスを隔離する時間は少なくなる。
CrowdStrikeは、このレポートで280を超える名称付き攻撃者グループを追跡した。偵察、認証情報窃取、回避、マルウェア活動、詐欺的ペルソナにわたるAI利用を説明している。
同社は、ロシア系とされるFANCY BEARをLAMEHUGと結び付けた。このマルウェアは、大規模言語モデルを使い、偵察や文書収集のためのコマンドを生成していたと報じられている。
Palo Alto Networksも、大規模な国家主体によるAI導入の証拠は依然として限られていると判断した。2025年を、運用面での実験が始まった初期段階と位置付けている。
これらの調査結果は矛盾しない。AI利用は低い基準値から急増し得る一方、脅威の全体像では依然として偏りがあり得る。
入手可能な証拠は、慎重な結論を支持している。AIは、熟練したオペレーターには従来から可能だった能力を一貫して新たに生み出す前に、既存の作業をより速く、より利用しやすくしている。
この違いは、セキュリティ投資のあり方を左右すべきだ。AIをうたう防御製品を導入しても、脆弱なID管理、未パッチのシステム、過剰な権限は解決しない。
組織には、エンドポイント、クラウドシステム、ソフトウェアパイプライン、IDサービス全体にわたる信頼できるテレメトリーが依然として必要である。AI支援型の攻撃も、実行する行為を通じて可視化できる。
生成されたフィッシングメッセージも配信が必要だ。盗まれた認証情報は、依然として認証イベントを発生させる。マルウェアも、プロセスの作成、ファイルへのアクセス、ネットワーク越しの通信を行う。
ただし、防御側は変種の増加を想定すべきだ。攻撃者は、同じ手作業コストをかけずにスクリプトを書き換え、メッセージを個別化し、デコイの内容を変更できる。
そのため、静的な指標はより速く価値を失う。ハッシュや完全一致のテキストパターンは一つのアーティファクトを識別できても、多数の生成された変種を見逃す可能性がある。
行動ベースの検知がより重要になる。これは、アーティファクトの見た目だけに頼るのではなく、不審な行為やその連続性を探す手法だ。
セキュリティチームには、より迅速なトリアージも必要になる。AIが攻撃者による調査、アクセス、横展開の間隔を短縮するなら、遅いアラートレビューはより大きな運用上の弱点となる。
Googleは同じ技術を防御にも適用している。同社は、脆弱性発見のためのBig Sleepと、自動コード修復のためのCodeMenderを説明している。
これは非対称な競争を生む。攻撃者には機能する経路が一つあればよいのに対し、防御側は多くのシステムを保護し、誤検知にも対応しなければならない。
防御側には独自の優位性もある。これらのシステムが適切に管理されていれば、企業のID、設定、ログ、施行ポイントを管理できるからだ。
結果を決めるのは、誰がAIを保有しているかではない。誰が自動化を、より質の高いコンテキスト、権限、検証に結び付けられるかである。
証拠には依然として重要な限界がある
AIの広範な利用は十分に裏付けられているが、完全自律型の国家支援ハッキングに関する主張は、公開されている証拠を先行している。
Googleは、Geminiの悪用について通常とは異なる可視性を持つ。企業の防御側には見えないプロンプト、関連アカウント、利用パターンを観測できる。
この可視性は貴重なインテリジェンスを生む。一方で、公開された調査結果は一つのプロバイダーのサービスと検知能力を反映したものでもある。
攻撃者は、他の商用モデル、ローカルでホストされたシステム、盗用アカウント、独自インフラを利用できる。Googleのデータセットが、すべての敵対的AIワークフローを代表することはできない。
逆の限界も当てはまる。悪意あるプロンプトが確認されても、オペレーターがその回答を実際の侵入で成功裏に使ったことの証明にはならない。
脅威研究者は、モデル上の活動を既知の攻撃者、インフラ、マルウェア、インシデントの証拠と結び付けることで評価を強化する。公開レポートで、すべての裏付け詳細が開示されることはほとんどない。
プロバイダーは調査、顧客、検知手法を保護しなければならない。この必要な秘匿性により、外部の研究者は一部の結論を再現できない。
2月の調査にも明示的な制約があった。Googleは、国家グループがGeminiを利用してサイバー攻撃の大部分を自動化していることを確認していなかった。
この知見は、もっともらしいが誤解を招く解釈を防ぐ。攻撃チェーン全体をカバーしていることと、一続きの自動化された攻撃チェーンであることは同じではない。
あるグループは月曜日にAIで調査し、火曜日にコーディングし、水曜日に翻訳を行うかもしれない。それでも、人間のオペレーターがすべての行為をつないでいる可能性がある。
自律システムは、侵入時にコストが大きくなる信頼性の問題に直面する。モデルは事実をもっともらしく誤生成し、認証情報を誤って扱い、行為を繰り返し、ツール出力を誤解する可能性がある。
また、認識しやすいパターンを生み出す可能性もある。過剰なスキャン、反復的なクエリ、急速なコマンド実行は、キャンペーンを検知しやすくするかもしれない。
国家のオペレーターは帰属の問題も考慮しなければならない。予測不能に動作する自動システムは、インフラを露出させ、目的を明らかにし、政治的な結果を招く可能性がある。
商用モデルの制御も別の制約となる。プロバイダーは悪用を特定し、アカウントを無効化し、安全策を変更し、防御側と指標を共有できる。
攻撃者は、ジェイルブレイク、アカウントの循環利用、ミドルウェア、オープンソースモデルで対応する。それぞれの回避策は、防御側が調査できる追加インフラを生み出す。
ゼロデイの事例にも慎重さが必要だ。Googleは、異例に説明的なコメントや、生成されたPythonに関連するパターンなど、コードの特徴がAIの関与を示唆していたと述べた。
これらのシグナルは評価を支えるが、絶対的な判定基準ではない。人間も似たコードを書けるうえ、生成コードは編集できる。
Googleが共有した攻撃者、標的、影響を受けたソフトウェアに関する情報は限られている。したがって、独立した研究者は証拠を完全には検証できない。
報告されたゼロデイ事例が重要なのは、GoogleがAI支援と計画された大規模な悪用活動を結び付けたためである。
ただし、それを、モデルが任意の標的に対する未知の脆弱性を独力で発見し、武器化し、展開できることの証明にまで拡大解釈すべきではない。
ベンダーの指標にも同様の注意が必要だ。CrowdStrikeの89％増は、同社の定義、観測対象の顧客、追跡活動を反映している。
それは、すべての攻撃の89％がAIを使っていることを意味しない。また、速度や規模のすべての増加がAIによって引き起こされたことを示すものでもない。
セキュリティリーダーは、三つの主張を分けるべきだ。攻撃者はAIを広く使っていること、一部のAI支援技術は実運用で機能していること、自律型キャンペーンが専門家チームを置き換えられることだ。
証拠は第一の主張を強く裏付けている。第二の主張への裏付けも増している。第三は、広範な運用規模では依然として実証されていない。
この階層化により、防御計画は現実に根差したものになる。組織は、実証済みの加速に対処するとともに、それがすでにどこでも実現しているかのように扱わず、より大きな自律性に備えるべきだ。
セキュリティチームが次に注視すべきこと
次の段階は、検証済みのエクスプロイト開発、適応型マルウェア、攻撃者の活動時間の測定可能な短縮によって定義される。
最初のシグナルは、独立して文書化された別のAI支援型ゼロデイだ。繰り返し確認されれば、5月の事例が孤立した出来事ではなかったことを示す。
研究者は、モデルとのやり取りを脆弱性発見、エクスプロイト構築、テスト、運用上の展開へと結び付ける証拠を探すべきだ。
明確な技術的アーティファクトが評価を強化する。コードが単に機械生成らしく見えるという広範な主張よりも、再現可能な分析の方が重要である。
複数の確認済み事例があれば、ソフトウェアベンダーへの圧力は高まる。より短いパッチサイクル、より優れたエクスプロイト検知、公開コードの自動レビューが必要になる。
追加事例がないことは、リスクが消えたことを証明しない。それは、信頼性の高いゼロデイ開発が依然として困難であるか、十分に観測されていないことを示唆する。
第二のシグナルは、実際の侵入中に適応するマルウェアだ。PROMPTSPY、HONESTCUE、LAMEHUGはモデル接続型の実行を示しているが、自律性は連続的な概念である。
重要な検証点は、マルウェアが継続的なオペレーターの指示なしにシステム状態を解釈し、有効な行動を選べるかどうかだ。
防御側は、ローカルの状況に基づいてコマンドを生成し、収集の優先順位を変更し、回避手法を選択するプログラムを監視すべきだ。
適応行動が成功すれば、自律性をめぐる議論は強まる。運用上の失敗が繰り返されれば、人間による継続的な監督の必要性が支持される。
このシグナルはネットワーク制御にも影響する。組織は、正当なモデルアクセスと、外部またはローカルホストのシステムを呼び出す侵害済みアプリケーションを区別する必要が生じるかもしれない。
第三のシグナルは、AI支援ワークフローに関連する攻撃者の潜伏時間とブレイクアウト時間の測定可能な短縮である。
移動の高速化は、自動化がコンテンツ制作や調査だけでなく、キャンペーンの実行を改善していることを示す。
セキュリティプロバイダーは、測定方法を説明すべきだ。また、犯罪活動と国家支援の活動を分け、AIがタイムラインのどこに影響したかを特定すべきである。
国家グループが秘匿性を保ったまま運用を加速させるなら、防御側は最も厳しいシナリオに直面する。明白な検知シグナルを得られないまま、対応時間を失うことになる。
自動化がノイズの多い行動を生むなら、防御側のAIはその速度上の優位性の一部を相殺できる。自動相関と封じ込めは、人間のアナリストが調査を終える前に対応できる。
組織は、これらのシグナルを待ってから行動する必要はない。ID管理を強化し、サービスアカウントの権限を制限し、異常なモデルアクセスを監視することで、露出を減らせる。
機密性の高いエンジニアリングおよびセキュリティワークフローでは、AIとのやり取りをログに記録すべきだ。モデルの認証情報は、他の特権アプリケーションのシークレットと同じ水準で保護する必要がある。
ソフトウェアチームは、サードパーティのAIコネクターと依存関係をレビューすべきだ。Googleは、侵害されたAIコンポーネントがAPI認証情報を露出させ、より広い環境への経路を提供する可能性があると警告している。
採用や契約社員に関するプロセスでも、より強力な本人確認が必要になる。合成IDやAI支援による面接により、非公式なチェックの信頼性は低下している。
対応は適切な範囲にとどめるべきだ。すべてのAIサービスを遮断すれば、利用者が管理されていないアカウントへ流れ、可視性が失われるおそれがある。
より良いアプローチは、承認済みサービスを定め、認証情報を保護し、アクセスを記録し、自動化ツールが到達できる範囲を制限することだ。
セキュリティチームは、重大な影響を伴う行為について人によるレビューも維持すべきである。低リスクの分析を適切に実行できるからといって、エージェントに広範な本番環境の権限を与えるべきではない。
最新のgoogle news報道は、SF的な脅威というより、統合に関する警告だ。攻撃者は、自分たちがすでに理解している業務にモデルを組み込んでいる。
防御側は、実務的な問いを一つ投げかけるべきだ。侵入の過程にある遅く反復的な手順のうち、敵対者が明日それを自動化した場合、最も危険になるのはどれか。
その答えが、次に導入すべき制御、検知、あるいは演習の指針となる。今この前提を検証する組織は、AIが支援から信頼できる自律性へ移行したとき、より万全の備えを整えられる。
