韓国の銀行サイバー攻撃、新たなAIセキュリティの死角を露呈
韓国の銀行を狙ったサイバー攻撃により、強固なセキュリティ評価を長年受けてきたにもかかわらず、Shinhan Bankの顧客およそ2万5,000人分のデータが流出した。攻撃者はShinhanの主要なバンキングプラットフォームへ侵入する必要はなかった。報道によると、ブローカーが利用するローン照会サービスの認証を回避したという。
その後、KB Kookmin Bank、Hana Bank、BNK Busan Bank、Woori Bank、NH Nonghyup Bankでも侵入、または侵入の試みが確認された。一連の事案を受け、韓国当局は緊急会合を開き、全国規模の調査に着手した。
不都合な教訓は、犯罪者が人工知能を利用できるという点だけではない。これらの事案は、AI支援型の自動化によって、放置されてきたWebサービスが効率的な攻撃面へと変わり得ることを示している。銀行は取引システムの周囲に堅固な防御を築いてきた一方、周辺アプリケーションはアクセス可能なまま残されていた。
CrowdStrikeは後に、このキャンペーンの一部を、オープンソースのエージェント型ペネトレーションテストツールであるARTEXに結び付ける証拠を発見した。ただし、入手可能な証拠は、ARTEXが影響を受けたすべての機関を侵害したことを証明するものではない。また、AIモデルが独力で攻撃を計画・完遂したことも示していない。
この区別は重要だ。最も強い証拠が支持するのは、より限定的ではあるものの重大な結論である。AIは人間の操作者が複数の標的をより迅速に扱うことを支援し、一方で通常の認証およびアクセス制御の不備が侵入口を生み出した。
韓国の金融セクターで何が起きたのか
これらの事案は、コアバンキングネットワークへの侵害が確認されたものではなく、外部からアクセス可能な業務システムを狙った集中的なキャンペーンだった。
Shinhan Bankは2026年9月29日、M-Shinhanサービスへの照会が急増していることを検知した。このモバイルWebサービスは、ローンブローカーが顧客の申請進捗を確認するために利用していた。
現地報道によると、権限のない第三者がこのサービスの認証プロセスを回避した。攻撃者は受付番号などの値を繰り返し送信し、顧客識別子を収集したうえで、他の簡易サービスを照会した。
流出した情報は顧客ごとに異なっていた。氏名、電話番号、年収、ローン申請額、算出された限度額、その他の申請詳細が含まれていたと報じられている。
一部の顧客については、侵害された記録に住民登録番号や連携された本人確認情報も含まれていた。Shinhanは約2万5,000人が影響を受けたと判断し、9月30日に事案を報告した。
KB Kookmin Bankは、119人の顧客に影響した別の侵害を公表した。攻撃者は、従業員が利用するモバイル業務支援システムに異常な外部アクセスを得た。
流出した情報には、氏名、電話番号、住所、暗号化された住民登録番号が含まれていた。KBは、影響を受けたシステムはインターネットバンキング、モバイルバンキング、顧客取引インフラとは別のものだと説明した。
Hana Bankは89人の顧客に関する情報流出を報告した。BNK Busan Bankは、外部委託の開発作業者11人に関する個人情報がWebページ経由でアクセス可能だったことを確認した。
Woori BankとNH Nonghyup Bankでも同様の攻撃の試みが検知された。公式インシデント報告によると、これらの機関は顧客データの流出が確認される前に、不正アクセスを阻止した。
これらの数字は、KB Kookmin Bankで11万9,000人分のクレジットカード詳細が流出したとする初期報道と矛盾する。より詳しい韓国の報道と同行の開示はいずれも、影響を受けた顧客は11万9,000人ではなく119人だと一貫して示している。
この訂正は合計値を大きく変える。確認済みの公開情報は、14万人を超える確定総数ではなく、名前が挙がった各機関で合計2万5,000人超が影響を受けたことを裏付けている。
より低い数字であっても、重大な侵害である。盗まれたローン情報と本人確認情報は、パスワードや決済認証情報を取得しなくても、犯罪者が説得力のある詐欺を仕掛ける助けになり得る。
事案は一つの銀行や一つの脆弱なページにとどまらなかった。韓国の金融委員会は10月2日、規制当局、業界団体、銀行、カード会社を集めて緊急対応会議を開催した。
この緊急会議は、金融機関に対し、外部公開されているシステムとサービスを点検するよう指示した。参加者には、認証管理を見直し、不必要な情報露出を遮断し、攻撃インフラの指標を共有するよう求められた。
その後、Lee Jae Myung大統領は徹底的な調査を指示した。国家捜査本部は、潜在的な法令違反と個別事案間の関係を調べ始めた。
中心的な問いは、ある銀行が脆弱なWebページを運用していたかどうかではなくなった。当局は、一人の操作者が金融セクター全体で類似の弱点の発見と悪用を産業化していたのかを判断する必要があった。
韓国の銀行サイバー攻撃が突いた、見過ごされた周縁部
攻撃者が成功したのは、堅牢な金融システムと、その周囲に構築された小規模サービスとの境界だった。
銀行は、決済システム、顧客向けアプリケーション、内部取引ネットワークの保護に多大な資源を投じている。これらのプラットフォームは通常、多層的な認証、継続的な監視、厳格な運用管理を採用している。
一方、周辺システムは監査の対象になりにくい。ローン照会ページ、従業員ポータル、営業ツール、委託先向けインターフェース、旧式のWebサービスも依然として機微情報を扱う。しかし、より弱い認証を用いていたり、インターネットへ直接公開されたままだったりする可能性がある。
Shinhanで侵害されたサービスは、この隔たりを示している。同サービスは、ブローカーが日常的にローン状況を確認しやすくするために存在した。その利便性は、あるサービスから取得した識別子が他の簡易照会機能でも利用できたとされることで、危険なものとなった。
この侵害では、攻撃者がShinhanの主要モバイルアプリケーションを突破する必要はなかった。報道によれば、異常な照会、脆弱な認証境界、繰り返し行われる自動リクエストへの不十分な対策に依存していた。
KB Kookminの事案も同じアーキテクチャ上のパターンに沿っていた。侵害されたモバイル支援システムは一般顧客ではなく従業員向けだったが、それでも個人の信用情報を含んでいた。
これが、この事案における主な逆説だ。韓国の銀行は、最も強固な地点で無防備だったようには見えない。価値ある記録に接続されたままの二次的システムを通じて露出していた。
Shinhanは、個人信用情報保護の評価で5年連続の最高等級を取得していた。また、認知された情報セキュリティ認証も保持していた。
こうした資格は、ローン照会サービスの侵害を防げなかった。セキュリティプログラムは広範な評価要件を満たしていても、アクセス制御の弱いインターネット公開ワークフローを一つ見落とす可能性がある。
問題は銀行業界にとどまらない。大規模組織では、アウトソーシング、合併、一時的なプロジェクト、部門単位の調達を通じて小規模アプリケーションが蓄積される。
各アプリケーションは、機微データへの文書化されていない経路になり得る。決済を処理しないシステムであっても、重大な金融リスクを生み出し得る。
AIは、そうした経路を見つける経済性を変える。これまで人間の攻撃者は、サービスを列挙し、応答を解釈し、スキャンロジックを調整し、その作業を標的ごとに繰り返さなければならなかった。
エージェントは、それらの工程のいくつかを継続的に支援できる。エージェント型ソフトウェアは、限られた人間の入力のもとで、ツールの反復利用、観察、適応を通じて目標を追求するよう設計されている。
これは、モデルを自律的な犯罪者にするものではない。操作者に、多数の公開システムを検査し、結果を整理するためのより速い手段を与えるものだ。
したがって、韓国の銀行サイバー攻撃は、セキュリティ責任者に重要インフラの定義を見直すよう迫っている。関連する境界には、資金を移動させるシステムだけでなく、機微情報を取得できるすべてのサービスが含まれる。
組織は、識別子がアプリケーション間をどのように移動するかも把握する必要がある。低リスクのページから取得した顧客番号であっても、別のサービスがそれを十分な認可の証明として扱う場合、危険になり得る。
レート制限、強力な認証、厳格なデータ最小化、行動監視は、データに追従しなければならない。顧客向け取引プラットフォームだけに適用していては、悪用可能な隙間が残る。
ARTEXによるAIハッキングが攻撃者の速度を高めた仕組み
ARTEXは既知の攻撃タスクを連携させ、言語モデルは操作者が複数の金融標的に対する活動を維持するのを支援したとみられる。
CrowdStrikeは、キャンペーンに関連するインフラを調査した後、10月7日に調査結果を公表した。研究者らは、ARTEX設定ファイル、Claude Codeの履歴、Claudeのメモリファイルを含む公開ディレクトリを発見した。
ARTEXは、中国で開発されたオープンソースのエージェント型ペネトレーションテストフレームワークである。情報収集、脆弱性の発見、攻撃計画の立案、その他のセキュリティタスクを自動化できる。
これらの機能には正当な用途がある。セキュリティチームは、犯罪者に先んじて弱点を特定するために自動テストを利用している。
ただし、同じフレームワークが操作者の選定した標的および攻撃インフラに接続されると、リスクは変わる。自動化は、発見、試行、データ抽出までの時間を短縮できる。
CrowdStrikeは、あるサーバーを、韓国での活動に関与していた可能性が高いARTEXインスタンスに結び付けた。香港にある2台目のサーバーは、操作者の主要インフラとして機能していたように見える。
ARTEXインフラの分析では、モデルがペネトレーションテストを行う方法を説明する中国語の指示が見つかった。また、複数のAIサービスからなるスタックも明らかになった。
CrowdStrikeによると、ARTEXインスタンスは主要な言語モデルバックエンドとしてDeepSeek v4.1-flashを使用していた。操作者は、追加のClaude CodeセッションでGLM-5.3とGrok 4.6も使用していた。
重要なのは、どのモデルが各ログに現れたかではない。統合された環境により、一人の操作者はコードの生成、技術的な出力の解釈、調査の継続を行う複数の手段を得た。
CrowdStrikeは、9月下旬から10月上旬にかけて広範な活動を観測した。標的となった組織は、韓国の侵害に関する公開報道で特定された機関と重なっていた。
公開されたセッションは、金銭的な動機の可能性も示した。操作者はClaudeに対し、犯罪者が韓国の侵害データを通常どこで売るのかを尋ね、関連するTelegramグループを探す支援を求めた。
別のセッションでは、ユーザーはClaudeに対し、ARTEXの活動に言及したセキュリティ研究者向けの履歴書を作成するよう依頼した。プロンプトには、氏名、電話番号、所在地、学歴の詳細、Telegramアカウントが含まれていた。
CrowdStrikeは、個人情報がおそらく活動を行っていた人物のものだと評価した。ただし、その身元を攻撃者と決定的に関連付けることはできなかった。
この異例の運用上のミスは、AI支援型犯罪のもう一つの側面を浮き彫りにしている。侵入を加速させる同じツールが、会話、プロンプト、メモリファイル、設定記録も保持し得る。
コーディングエージェント内に作業を集約する攻撃者は、詳細な活動の痕跡を残す。安全性の低いAIインフラは、攻撃手法だけでなく、操作者のミスも露出させる可能性がある。
犯罪者がディレクトリを開放したままにしてくれることに、防御側が依存できるという意味ではない。経験豊富な攻撃者は、セッションを分離し、履歴を削除し、特定につながる情報の入力を避けるようになるだろう。
ARTEX AI hackingが持つ長期的な意義は、作戦テンポへの影響にある。金銭的利益を目的とする個人であっても、自動化を使えば、従来はより大きなチームや長い準備期間を必要とした作業を実行できる可能性がある。
CrowdStrikeが調査結果を公表する前から、セキュリティ研究者は同様の結論に達していた。このインシデントを調べた専門家は、AIが攻撃準備やツール運用のかなりの部分を自動化し得ると警告していた。
攻撃者には依然として意図、インフラ、標的選定、そして失敗を解釈するための十分な技術的判断力が必要だ。AIは摩擦を減らすが、こうした要件をなくすわけではない。
この区別を防御投資の指針とすべきだ。銀行に必要なのは、すべての敵対的トラフィックをAI生成と分類するだけの製品ではなく、高速な自動プロービングを阻止する統制である。
有効な対策には、サービス台帳、攻撃対象領域の監視、リクエストレート分析、より強固な認証、異常なアクセス経路の自動隔離が含まれる。
技術ラベルよりも重要なのは、行動の速度と広がりだ。防御側は、機械規模の執拗さで活動する単独の攻撃者を検知しなければならない。
AIに関する証拠が証明していないこと
このキャンペーンはAI支援型の侵入活動を示しているが、完全自律型ハッキングや、すべての侵害に共通する単一の原因を立証するものではない。
初期報道では、これらのインシデントはしばしばAI搭載の銀行攻撃と表現された。この表現は疑われるツールを捉えているものの、捜査当局が確認した内容を過大に示す可能性がある。
CrowdStrikeは、1人の攻撃者がARTEXと複数の言語モデルを使用した直接的な証拠を見つけた。また、そのインフラが被害を受けた金融機関と重なる標的に関連していたことも確認した。
同社は、侵害された機関の総数を確認していない。報告書では、分析公開時点でその数は未確認のままだったとされている。
当局も同様に、すべてのインシデントをARTEXに帰属させることは避けた。韓国の金融規制当局はAI利用の可能性を認めつつ、攻撃の原因と手法の調査を継続した。
各機関で露出したシステムも異なっていた。Shinhanのインシデントはブローカー照会サービスに関係し、KB Kookminの侵害は従業員支援プラットフォームに関係していた。
HanaとBNK Busanは、別の影響を受けた環境を報告した。WooriとNH Nonghyupは試行を確認したが、同程度のデータ損失は確認していない。
時期とインフラの重なりは、キャンペーン仮説を支持し得る。しかし、同じエクスプロイト、エージェント、または人物がすべての標的を侵害したことを自動的に証明するものではない。
ARTEX AI hackingという表現は、モデルが独立して銀行を選び、その防御を突破したかのような誤った印象も生み得る。利用可能な証拠が示しているのは、むしろ人間が指揮する環境だ。
攻撃者はプロンプトを与え、サーバーを維持し、ツールを選び、韓国の金融情報を狙っていた。AIはそのワークフロー内で、実行と分析を支援したとみられる。
従来型の脆弱性は依然として不可欠だった。弱い認証、過剰なデータ露出、インターネット公開サービス、再利用可能な識別子が、ツールによる悪用の対象を与えた。
こうした条件がなければ、より高速なスキャナーはデータ侵害ではなく、失敗したリクエストをより多く生むだけだろう。したがって、これらのインシデントをAIの失敗と呼ぶことは、基本的な統制上の欠陥から注意をそらしかねない。
帰属も依然として不確実だ。CrowdStrikeは、攻撃者が中国語話者であり、金銭的動機を持つ可能性が高いと中程度の確信度で評価した。
この判断は、中国語のプロンプト、中国で開発されたツール、盗取情報の市場を探る活動に基づいていた。政府の支援や特定の犯罪組織を立証したわけではない。
責任ある分析は、言語的な手掛かりを国家帰属へと転化すべきではない。犯罪者は外国語のツール、コピーしたプロンプト、プロキシサーバー、意図的に誤解を招く痕跡を利用できる。
このインシデントでは、被害者数についても相反する数字が出た。ある記事はKB Kookminの顧客119,000人と報じた一方、同行と複数の地元メディアは119人と報じた。
この食い違いは、侵害件数には慎重な出典確認が必要であることを示している。繰り返された数値の誤りは、重大なインシデントを実質的に異なる出来事へと変えてしまう可能性がある。
したがって、最も擁護可能な説明はより限定的だ。少なくとも複数の金融機関が時期の近い攻撃に直面し、確認された侵害では機微な個人情報が露出し、AI対応のインフラが活動の一部を支えていた。
この認定は、事案を自律型サイバー戦と表現しなくても重要である。正確さは、防御側が未検証の物語ではなく、観測可能な手法に焦点を当てる助けとなる。
規制当局は境界防御から共同防衛へ移行している
韓国の対応は、1つの露出したサービスが相互接続された金融セクター全体にリスクを生み得ることを認識している。
金融委員会は各機関に対し、外部に公開されたシステムとサービスの即時点検を開始するよう指示した。この命令は、認証の弱点、アクセス制御、不正侵入、不必要な情報露出を特に重視していた。
規制当局はまた、悪意あるIPアドレスやその他の脅威インテリジェンスを共有するよう企業に指示した。共有された指標は、他行に対してすでに観測されたインフラを遮断する助けとなる。
ただし、ブロックリストの持続性には限界がある。攻撃者は、組織が緊急会議を終えるより速くサーバーやプロキシアドレスを切り替えられる。
より持続可能な対応は、攻撃行動を比較することだ。繰り返される識別子照会、自動化されたエンドポイント探索、異常なリクエストシーケンス、関連サービス間の急速な移動は、キャンペーンを露呈させ得る。
規制当局は、既存の評価が適切な成果を評価しているかも検証する必要がある。Shinhanの最高水準の保護評価は、侵害を可能にしたと報じられた弱点を明らかにしなかった。
コンプライアンス審査では、しばしばガバナンス、方針、広範な統制カバレッジが評価される。攻撃者は、データを取得できる見落とされた1つの経路に集中する。
今後の評価には、より深い技術的検証が必要になる。実際の外部サービスをテストし、すべてのエンドポイントで認証を確認し、1つの識別子が別の場所の情報を解放しないか確認することが含まれる。
韓国当局は二次詐欺についても警告した。露出したデータにパスワードやワンタイムパスコードは含まれていないと報じられたが、それで記録が無害になるわけではない。
氏名、電話番号、所得額、融資限度額は、なりすましの信ぴょう性を高め得る。詐欺師は、不正な借り換えや補償プログラムを持ちかける際に、実際の金融状況に言及できる。
10月6日、規制当局は延長の選択肢を伴う1カ月間の特別対応期間を開始した。金融会社には、影響を受けた顧客向けの専用サポート窓口を運営するよう指示された。
消費者向け詐欺警告は、犯罪者が銀行員になりすまし、有利な融資、借り換え、または侵害補償を持ちかける可能性があると警告した。また、前払い金やアプリケーションのインストールを求める要求にも注意を促した。
当局は各機関に対し、流出データを利用した不正検知システムを強化するよう求めた。また、ボイスフィッシング情報を共有・分析するAIベースのプラットフォームの活用も計画していた。
これは示唆的な対決を生む。攻撃者はAIで偵察と悪用を拡大できる一方、銀行はAIで詐欺シグナルを結び付け、不審な行動を特定できる。
決定的な差は、展開速度とデータ品質から生まれる。誰も監視プログラムに組み込んでいない忘れられたWebサービスを、防御モデルが守ることはできない。
金融機関には、公開エンドポイントと各エンドポイントがアクセスできる情報の最新の台帳が必要だ。また、各サービスを誰が保守しているかを示す所有責任の記録も必要となる。
インシデント対応は、同様にアクセスしやすい社内ナレッジに依存する。エンジニアリングチームとセキュリティチームは、サービス文書、所有責任、過去のインシデント判断を結び付ける検索可能なナレッジベースの恩恵を受ける。
この記録は、急速に展開するキャンペーンの最中に価値を持つ。対応担当者は、散在する文書からシステムを再構成せずに、影響を受けたチームと依存関係を特定できる。
韓国の銀行サイバー攻撃は、第三者および委託先のシステムも主要アプリケーションと同じ厳格さで精査すべきことを示している。開発の外部委託は、顧客情報に対する責任を移転するものではない。
銀行は、ベンダーが到達できるデータ、システムがリクエストを認証する方法、プロジェクト終了後も一時的なサービスがオンラインのまま残っていないかを確認しなければならない。
これらの点検が持続的な変化を生み出した場合にのみ、規制対応は成功する。緊急スキャンは明白な露出を見つけられるが、継続的な所有責任がなければ、アプリケーションの乱立が問題を再現する。
対応の有効性を示す3つのシグナル
次の段階は、技術的な調査結果、二次詐欺、金融セクター監督における恒久的な変化によって測られる。
第1のシグナルは、共通インフラと攻撃手法に関する公式調査の説明だ。捜査当局は、どのインシデントがサーバー、識別子、エクスプロイト経路、または攻撃者の行動を共有しているかを判断する必要がある。
複数の銀行にまたがる関連性が確認されれば、AI支援の自動化によって1人の攻撃者が複数の機関を迅速に攻撃できたという結論を強めることになる。
侵害が無関係だったという認定であれば、ARTEXの物語はより限定される。また、独立して脆弱な金融サービスに関わる、より広範な問題も明らかになるだろう。
第2のシグナルは、二次被害の規模だ。規制当局は、露出した所得、融資、身元に関する詳細が、個別化されたボイスフィッシングや不正融資の勧誘を支え得ると警告している。
不正行為が確認されれば、侵害の影響が機密性を超えて広がったことが示される。また、銀行が露出した記録と不審取引、顧客からの報告をどれほど迅速に結び付けられるかも試される。
不正行為が確認されなければ歓迎すべきことだが、長期的なリスクがなくなるわけではない。個人情報は、元のインシデントが見出しから消えた後も有用であり続ける可能性がある。
第3のシグナルは、規制当局が金融セキュリティのテスト方法を変えるかどうかだ。外部公開システムの一回限りの点検は、即時の封じ込め措置であり、恒久的な改革ではない。
より強力な対応には、公開サービスの継続的な発見、繰り返しの認証テスト、個人情報にアクセスするすべてのアプリケーションに対する明確な所有責任が必要となる。
規制当局は、セキュリティ評価が実際の攻撃耐性を反映しているかも検証すべきだ。Shinhanの強い評価履歴は、この問いを避けがたいものにしている。
このキャンペーンは、韓国以外の組織にもさらなる警告を与える。AIを活用した銀行攻撃は、韓国特有の技術スタックに依存していない。
あらゆる大企業は、二次的なポータル、委託先サービス、古いAPI、利便性のためのツールを運用している。そのいずれも、最も厳重に保護されたシステムに触れずに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は実務的な問いから始めるべきだ。主要アプリケーションに適用されている統制なしに、顧客または従業員データを取得できるインターネット公開サービスはどれか。
次に、そのサービスに対して、持続的な自動探索、列挙、アクセス試行を実施すべきだ。この演習では、記録がシステム外へ出る前に異常行動が遮断されるかを測定すべきである。
韓国の銀行サイバー攻撃は、自律型エージェントが現代の金融ネットワークを容易に打ち破れることの証明ではない。より差し迫った、行動可能な事実を示している。
ある攻撃者は、エージェント型ツール、言語モデル、従来型のインフラを組み合わせ、公開されたサービス間を迅速に移動したと報じられている。脆弱な認証が、残りの部分を容易にした。
銀行に必要なのは、攻撃者が使用するあらゆるモデルを予測することではない。高速な自動化を採算の取れるものにしている見落とされた経路を排除し、その経路が閉じつつあることを規制当局や捜査機関が確認するかを注視することだ。
