サイバー攻撃後、信頼回復を急ぐ韓国銀行のAI防御
顧客データが侵害され、11日間で預金が20兆1,000億ウォン減少したことを受け、韓国銀行のAI防御は緊急の試練を迎えている。大手5行の要求払い預金残高は9月30日時点で675兆5,000億ウォンだったが、10月11日までに655兆4,000億ウォンへと減少した。
このタイミングは信認の問題を生むが、不安を感じた顧客が全額を引き出したことを証明するものではない。預金残高は企業の支払い、納税時期、より高利回りの商品への資金移動など、さまざまな理由で変動する。定期預金も減少しており、顧客が口座種別の間で資金を移したという単純な説明は成り立ちにくい。
より重大な変化は銀行内部で起きている。KB Kookmin、Shinhan、Hana、Woori、NH NongHyupは、セキュリティ予算を拡大し、専門人材を採用し、AIベースの防御システムをテストしている。課題はもはや人間のハッカーを阻止することだけではない。機械的な速度で脆弱な侵入口を探せる自動化ツールから、分散したデジタルサービスを守らなければならない。
この対応には中心的な緊張関係がある。銀行は攻撃者より先にAIで弱点を特定したい一方、厳格な統制なしに導入すれば、同じ自動化がリスクを拡大させかねない。韓国の経験は、AI支援防御がAI支援攻撃による信頼の低下を上回る速さで信頼を回復できるかを測る、初期の試験となりつつある。
預金減少が侵害を信認の試練に変えた
最も重要なのは侵害件数だけではなく、情報開示後に生じた20兆1,000億ウォンの減少である。
初期の預金データによると、大手5行の要求払い預金は9月30日から10月11日までの間に約3%減少した。同期間に定期預金は2兆7,000億ウォン超減少した。5カ月連続の増加を経た後、その残高はわずかに1,000兆ウォンを上回る水準で終えた。
これらの数値は、複数の金融会社が顧客情報への不正アクセスを報告した後に明らかになった。Shinhanは10月1日、約2万5,000人の顧客情報が流出したと開示した。漏えいした項目には氏名、電話番号、年収、融資限度額が含まれていた。
KB Kookminは翌日、119人の顧客が影響を受けたと報告した。Hanaは89人の顧客に関わる情報露出を開示した。Busan Bank、2つの貯蓄銀行、Hyundai Capitalでも別の事案が発生し、7社にまたがる報告上の影響者数は6万7,000人を超えた。
預金の動きについては、なお慎重な解釈が必要だ。入手可能な報道は時系列上の出来事を示しているものの、完全な因果関係を立証してはいない。銀行も規制当局も、侵害を理由に顧客がどれほど資金を引き出したかを示す口座単位のデータを公表していない。
この区別は重要である。減少を取り付け騒ぎと呼ぶことは、証拠の範囲を超えるからだ。顧客が預金にアクセスできなくなった、あるいは中核決済システムが停止したという報告はなかった。当局も、露出したデータが直接的に支払いを承認できる証拠は見つかっていないとしている。
それでも、従来型の取り付け騒ぎが始まる前に信認は弱まり得る。顧客は、自分の資金がすでに消えたと信じる必要はない。銀行が侵害を理解し、外部システムを統制し、もっともらしい二次詐欺を防げるかを疑うだけでよい。
要求払い預金は顧客が迅速に移動できるため、特に敏感だ。したがって、季節的な資金フローが一部を説明できるとしても、急激な残高減少は目に見える圧力点を生む。銀行は、セキュリティ対応が攻撃者の実際の侵入経路に対処していることを示さなければならない。
このタイミングは、経営陣がどのように説明すべきかも変える。残高が減少し始めれば、影響を受けた記録だけに焦点を当てた限定的な開示では問題を収められない。顧客は、経営陣が取引システムだけでなく、信頼された銀行データを扱うあらゆるサービスを守れるかで判断する。
だからこそ、この事案はプライバシー通知の域を超えた。セキュリティ投資が組織への信頼を守れるかを問う試験になっている。
韓国銀行のAI防御は最も弱いシステムを標的にする
韓国銀行のAI防御は、境界防御から中核銀行ネットワークを取り巻く小規模システムの継続的なテストへと移行している。
報告された攻撃者は、最も厳重に保護された取引プラットフォームへ直接侵入したわけではない。従業員、請負業者、融資代理人が利用する周辺サービスを標的にした。これらのシステムは、銀行の中核台帳と同等の保護を受けずに、機密性の高い顧客情報を保持し得る。
Shinhanでは、融資ブローカーが使う融資進捗照会サービスが侵害箇所の一つとして特定されたと報じられた。KB Kookminでは、攻撃者が社内のモバイル業務支援システムに到達したとされる。このパターンは、多額のセキュリティ予算があっても情報開示を防げなかった理由を示している。
銀行は中核ネットワークを厳重に保護できる一方で、数百に及ぶ小規模なWebアプリケーションを露出したままにする可能性がある。請負業者向けポータル、社内ダッシュボード、営業ツールの一つひとつが、新たな認証プロセスを生む。また、テスト、監視、適時の更新を要する別のソフトウェアスタックも生む。
攻撃者はこの発見作業を自動化できる。AIエージェント、すなわち目標に向けた手順を選択・実行するソフトウェアは、サービスをスキャンし、次の行動を調整できる。継続的な人間の指示を必要とせず、多数の標的でこれらの手順を繰り返せる。
Woori Bankはすでに、韓国のサイバーセキュリティ企業Theoriが開発したAIベースのセキュリティテスト製品Xintを使用している。このシステムは攻撃シナリオを生成し、悪用可能な弱点を特定するための統制された試行であるペネトレーションテストを実施する。Wooriは社内開発ツールも使用している。
KB Kookminは、Stealth Solutionを含む複数のセキュリティ企業と防御技術をテストしている。同社のホワイトハッカーは、さまざまなAI支援型攻撃パターンに対するアクティブディフェンスシステムを評価している。ホワイトハッカーは、犯罪者が悪用する前に弱点を明らかにする権限を持って活動する。
NH NongHyupは2027年後半にAIレッドチーミングシステムを導入する予定だ。レッドチーミングは、敵対者を模擬してシステム、データ、組織の対応を検証する。同行が計画するプラットフォームは、攻撃者の観点からAIモデルとサービスを検証する。
Hanaは、デバイスやサーバーに対するハッキングの試みにリアルタイムで対応する仕組みを開発している。また、自動ペネトレーションテストとAIベースのサイバーセキュリティプラットフォームも推進している。これらのプロジェクトには共通の目的がある。弱点が出現してから防御側が発見するまでの隔たりを縮めることだ。
銀行は自動化と並行して、従来型のリソースも拡充している。KB Kookminは2027年の情報セキュリティ予算を1,000億ウォン超へ引き上げる計画だ。銀行業界の数値によると、2026年の予算は860億7,000万ウォンだった。
Shinhanは、次期セキュリティ予算が業界最高水準になるとしているが、金額は公表していない。Wooriは、セキュリティシステムへの投資を20%超増やすことを検討している。専門人材も少なくとも10%増員する見込みだ。
これらの対策は速度とカバレッジに対応するが、支出だけでレジリエンスを保証することはできない。決定的な問いは、銀行がそのリソースを、攻撃者が実際に探る見落とされたシステムに適用できるかである。
AI攻撃の自動化とAI防御の自動化
これは単純なAI対AIの競争ではなく、拡張可能な探索と説明責任を伴う統制の競争である。
自動化によって広範な探索のコストが下がると、攻撃者は優位を得る。多数のインターネット公開サービスを調査し、入力を変化させ、システムが予期せぬ反応を示した箇所で活動を続けられる。見逃された検証ルールが一つあるだけで、必要な侵入口になり得る。
防御側には、より難しい制約がある。レガシーアプリケーション、パートナー接続、従業員向けツール、新しいデジタル製品を同時に保護しなければならない。また、それらのシステムをテストする際にも、正当な銀行業務を妨げないようにする必要がある。
この不均衡は、自動化されたレッドチーミングへの関心を説明する。防御側のエージェントは、小規模なテストチームが手作業で点検できる数を上回るアプリケーションで、攻撃シナリオを繰り返せる。また、ソフトウェア変更後にそれらのシナリオを再実行し、年次監査では見逃しかねない回帰を明らかにできる。
しかし、防御側は自動化されたすべての行為について責任を負い続ける。セキュリティチームは、テストエージェントが到達できる範囲を制限し、その活動を記録し、検出結果を検証しなければならない。統制されていない防御ツールは、サービスを中断させたり、自ら機密情報を露出させたりする可能性がある。
攻撃は、オープンソースの自律型ペネトレーションテストプロジェクトARTEXに関連していたと報じられている。捜査担当者は、キャンペーンを支援したとみられるインフラ上で、このツールに関連する痕跡を発見した。その証拠は、攻撃者の所在地、身元、国籍を確定するものではない。
報道ではARTEXは、情報を収集し、脆弱性を特定し、侵入経路の可能性を計画するAIエージェントを連携させるものと説明されている。Autumn-27として公に知られる開発者は、その後、公開更新を停止した。開発者は、悪意ある行為者がこのプロジェクトを悪用したと述べた。
更新を止めても、すでにダウンロードされたコピーは消えない。また、別の開発者が類似のシステムを構築することも防げない。したがって、より広範なセキュリティ上の問題は、一つのリポジトリや一人の開発者の判断を超えている。
オープンソースのセキュリティソフトウェアには正当な用途がある。研究者、社内防御チーム、コンサルティング企業は、攻撃を再現し保護を改善するために共有テストツールを使う。アクセス制限は一部の悪用を遅らせるかもしれないが、防御側から同じ手法を奪うことにもなり得る。
より難しい問題は運用上の統制にある。責任ある組織は、承認を求め、テスト環境を隔離し、認証情報を制限し、詳細なログを保持できる。悪意ある運用者は、そうした保護措置を取り除き、同じ能力を公開標的へ向けられる。
このトレードオフは、帰属の重要性を特に高める。中国語のソフトウェアが存在しても、中国政府の関与や、中国を拠点とする攻撃者であることは証明されない。捜査担当者は複数国にまたがるネットワークアドレスを特定した一方、攻撃者は第三者インフラを経由してトラフィックをルーティングできると認めている。
技術調査も、銀行への攻撃で類似したアドレスが使われていたことを示した。類似のインフラは事案間の関連を裏付け得るが、その背後にいる人間の運用者を特定するものではない。
AIは状況をさらに複雑にし得る。攻撃者は公開エージェントと商用モデル、盗まれた認証情報、スクリプト、レンタルサーバーを組み合わせられる。キャンペーン全体をAI攻撃と表現すると、アクセスを可能にした通常の統制不備を覆い隠すおそれがある。
防御上の教訓は明確だ。攻撃者は偵察を拡張できるため、銀行には自動化が必要である。同時に、AIは脆弱な基盤を補えないため、従来型の認証、アクセス制御、パッチ適用、アプリケーション設計も必要となる。
侵害が露呈させた周辺システムのセキュリティ格差
このキャンペーンは、銀行技術が最も強固な場所ではなく、信頼された業務ワークフローと弱い認証が交わる場所で成功したように見える。
捜査当局とセキュリティ専門家は、基幹取引プラットフォームではなく、外部または内部の支援サービスに注目している。これらのアプリケーションは実務を支えるものだが、最も厳重な保護を受けるシステムの外側に置かれがちだ。
報告された手法の一つでは、攻撃者がローン関連サービスに多数の値を送信し、有効な顧客識別子を探り出した。サービスから有用な応答が返れば、その手掛かりを使って追加情報を要求できる。自動化により、このプロセスは高速化され、繰り返しやすくなる。
Credential stuffingも関与していた可能性がある。Credential stuffingは、別の場所で盗まれたユーザー名とパスワードを使い、他のサービスへのアクセスを試みる手法だ。この手法はパスワードの使い回しと脆弱な管理に依存しており、まったく新しい種類のAI能力を必要とするものではない。
多要素認証は、追加の証明を求めることでこのリスクを軽減できる。レート制限は繰り返しのリクエストを抑え、異常検知は不審なアクセスパターンを検出できる。適切な認可チェックにより、ある利用者が別の顧客の記録を取得することを防げる。
これらの対策が基本的に聞こえるのは、実際に基本的なものだからだ。攻撃者がAIを加えたからといって、その重要性が下がるわけではない。自動化は、数十のアプリケーションにわたって対策の一貫性を欠くことの代償を増大させる。
銀行のこれまでのセキュリティ投資は、総額が誤解を招き得る理由を示している。報道によれば、Shinhan、KB Kookmin、Hanaは2025年中に情報セキュリティへ合計約1240億ウォンを投じた。それでも最近の金融セクターでの侵害は、保護の手薄なサービスにまで及んだ。
予算は監視プラットフォーム、コンサルタント、防御担当者に充てられていても、委託業者向けポータルに穴が残ることがある。セキュリティは、資金の配分先、システム資産の把握方法、発見事項を迅速に修正できるかどうかに左右される。
漏えいしたデータには、口座への直接アクセスを超える価値もある。犯罪者が顧客の氏名、収入、融資限度額、直近の銀行取引関係を把握していれば、説得力のあるメッセージを作成できる。その文脈により、詐欺的なローン勧誘電話が正当なものに見えてしまう可能性がある。
金融委員会のLee Eog-weon委員長は、直接利用可能な決済情報が漏えいした兆候はないと述べた。一方で、ボイスフィッシングや詐欺的なテキストメッセージは二次被害として依然起こり得ると警告した。
ここで、信頼の問題は個人にとって切実なものとなる。銀行は基幹プラットフォームが安全に保たれたと正しく説明できる一方で、顧客は依然として説得力のある詐欺に直面し得る。被害者は、侵害された取引データベースとローン支援システムから持ち出されたデータを区別しないかもしれない。
個人の財務情報を含む電話を受けた人にとって、組織内部の境界が持つ意味は小さい。どのアプリケーションに情報が保存されていたかにかかわらず、顧客がその情報を銀行と結び付けるのは当然だ。
したがって、韓国の銀行におけるAI防御は、マルウェアの識別だけに焦点を当てることはできない。顧客情報がどこを通るかを可視化し、不必要な項目を最小化し、それらの項目を公開するすべてのインターフェースを監視する必要がある。
AIテストはこれらの経路の特定に役立つが、修正は依然として管理上の課題だ。各アプリケーションの責任者を明確にし、各発見事項を評価し、次の自動スキャンが実行される前に脆弱性を解消しなければならない。
予算拡大だけでは検証上の隔たりを埋められない
捜査当局がすべての侵害におけるAIの正確な役割について決定的な証拠を得ていない間も、銀行は防御を強化しなければならない。
当局者と報道は、これらの事件を繰り返しAI支援型と表現してきた。ARTEXに関連する痕跡は、その仮説を裏付けている。攻撃の速度、範囲、見かけ上の自動化も、エージェント主導のキャンペーンと整合する。
ただし、公開されている証拠だけでは、攻撃チェーン全体を再構築できていない。AIモデルが独自に選択した行為、スクリプト化された行為、直接的な人間の制御を必要とした行為が、それぞれどれだったのかは依然として不明だ。対策を設計する際には、こうした区別が重要になる。
AIが主に偵察を加速したのであれば、銀行にはより広範な攻撃対象領域の監視が必要になる。侵入中にエージェントが悪用手順を適応させたのであれば、防御側には異常な連続行動を検出する振る舞いベースの対策が必要だ。盗まれた認証情報が作業の大半を担ったなら、アイデンティティセキュリティをより重視すべきである。
答えは、この三つすべてを組み合わせるものかもしれない。現代の攻撃者は、単一の手法に依存することはめったにない。成果を生む弱点を中心に、各種ツールを組み合わせる。
当局は、拙速な地理的帰属も避けなければならない。金融監督院は12カ国に関連するアドレスを特定したが、一部の所在地は未解明のままだった。別の報道では、少なくとも12カ国にまたがる28のアドレスが記述されている。
公開ツールの言語や発祥地は、その運用者を特定するものではない。攻撃者は日常的に、物理的な所在地から遠く離れた場所にある仮想サーバー、侵害されたマシン、リレーを利用する。独立した国際的な評価も、帰属判断に関する当局の慎重姿勢に言及している。
預金減少をめぐっても、未解決の疑問がある。その時期は銀行が迅速に対応する理由となるが、捜査当局は侵害への懸念がすべての資金移動を引き起こしたとは示していない。より詳細な資金フローデータを公表すれば、通常の資金移動とサイバーセキュリティに起因する信頼低下の反応を分ける助けになる。
進行中の捜査において、透明性にはリスクも伴う。正確な技術的弱点を開示すれば、模倣攻撃者を助ける可能性がある。しかし、顧客が組織が事態を矮小化していると考えれば、曖昧な保証は疑念を深めかねない。
したがって銀行には、規律ある情報開示モデルが必要だ。どの情報が公開されたのか、どのシステムが影響を受けたのか、顧客が何を監視すべきかを説明すべきである。確認済みの発見事項と、ツールや攻撃者に関する仮説を区別しなければならない。
また、約束した改善が測定可能な成果を生んでいるかも報告しなければならない。予算増額は投入量であり、成果ではない。人員数やソフトウェアの購入だけでは、重大な欠陥がより迅速に修正されているかは分からない。
有用な指標には、公開されたサービスを発見するまでの時間、高リスク脆弱性を解消するまでの時間、侵害された認証情報を無効化するまでの時間が含まれる。銀行は、レッドチームの発見事項が後のテストでも再発するかどうかも測定できる。
規制当局には、比較可能な報告基準を確立する役割がある。共通の指標がなければ、各金融機関は自らのプログラムを先進的だと説明できる一方、顧客は相対的なリスクを評価できない。
AI防御はガバナンス上の問題ももたらす。銀行は、モデルが検査できるデータ、テスト結果の保存場所、模擬攻撃を承認できる人物を決めなければならない。これらのルールには、モデルの精度と同程度の注意が必要だ。
世界的な金融リスクは、個別のプライバシー侵害にとどまらない。国際通貨基金が公表した研究は、金融分野全体でサイバー事案とデジタル詐欺が増加していることを記録している。接続されたサービスは、企業間で業務上のショックと信頼上のショックを伝播させ得る。
韓国の銀行には、より信頼できるモデルを示す機会がある。そのモデルには、検証済みの発見事項、統制された自動化、そして修正が改善していることを示す証拠が求められる。すべてのセキュリティプロジェクトをAIと冠するだけでは、この基準を満たせない。
信頼が戻っているかを示す三つの兆候
次の段階は、検証済みの修正、預金の安定性、攻撃チェーンに関する証拠によって評価されるべきだ。
第一の兆候は、規制当局が技術調査の後に何を開示するかだ。捜査当局は、攻撃者が各組織にどのように侵入したのか、同じ運用者が各事件を結び付けているのかを明らかにする必要がある。また、AI自動化が果たした具体的な役割も明確にすべきだ。
詳細な再構築によって、ソフトウェアが標的ごとに適応していたことが示されれば、エージェントベース防御の必要性をより強く裏付けることになる。使い回された認証情報と脆弱な検証を中心とする結論であれば、アイデンティティとアプリケーションの管理に注目が移る。いずれの結果でも、銀行はより明確な投資優先順位を得られる。
第二の兆候は、情報開示と顧客通知の後に預金残高が安定するかどうかだ。短期間の動きだけでは、持続的な信頼危機を裏付けることにはならない。特に影響を受けた金融機関で減少が続けば、サイバーセキュリティと資金調達圧力のつながりがより強まる。
反転が起きたとしても、侵害が無害だったことにはならない。それは、顧客が銀行の説明を受け入れたか、資金移動を一時的なものと見なしたことを示唆するだろう。透明性のある報告は、その解釈の信頼性を高める。
第三の兆候は、発表された投資が2027年中に業務上の変化を生むかどうかだ。KB Kookminの計画された予算増額、Wooriの提案された支出と人員増強、NH NongHyupのレッドチーミングシステムは、具体的な約束を生み出している。顧客と規制当局は、これらのプロジェクトが予定どおり実現するかを追跡できる。
最も強い証拠は、対象範囲と対応時間から得られる。銀行は、周辺アプリケーションが中央システムと同じ継続的な精査を受けていることを示すべきだ。また、自動化による発見事項が迅速に修正作業へ移されていることも実証しなければならない。
この事件が韓国以外でも重要なのは、ほとんどの大規模組織が同じ構造的な弱点を抱えているためだ。機密情報は、顧客ポータル、営業システム、モバイルツール、委託業者向けサービスへと広がっている。攻撃者に必要なのは、最も保護の弱い経路だけである。
インシデント後、ナレッジワーカーも関連する課題に直面する。意思決定、証拠、修正タスク、顧客向けコミュニケーションは、文書や会議に分散し得る。統制されたAI knowledge baseは、こうした文脈をチームが維持する助けとなり得るが、セキュリティ対策の代わりにはならない。
韓国の銀行におけるAI防御が成功するのは、モデルを取り巻くシステム全体を改善できた場合に限られる。これには、資産インベントリ、認証、データ最小化、テスト、対応、そして公的説明責任が含まれる。
あらゆる組織にとっての実務的な問いは単純だ。自動化された攻撃者より先に、防御側は忘れられたサービスを特定できるだろうか。セキュリティ責任者は、外部から到達可能なシステムを可視化し、その責任者を確認し、重大な発見事項がどれほど迅速に修正へ結び付くかを検証すべきである。銀行の次の開示は、AI投資がこの方程式を変えているのか、それとも単にソフトウェアをもう一層追加しているだけなのかを明らかにするだろう。
