食品工場の冷凍設備もサイバー攻撃の標的に――AIで異常を早期検知する実務的な方法

冷凍設備が標的になった――2026年10月のフランス事案が示す現実

2026年10月11日夜から12日にかけて（フランス現地時間）、フランス国内の複数の大手スーパーマーケットチェーンで冷蔵・冷凍設備の制御システムへの不正アクセスが確認された。攻撃者は霜取り（除霜）モードを強制起動し、庫内温度を最高50度まで上昇させた。CNN.co.jpの報道によれば被害店舗は約700店に上り、一部店舗では冷凍・冷蔵食品の全廃棄と火災の発生が確認されている。熊本日日新聞社の報道によればチェーンによっては被害額が推定数千万ユーロ規模に達するとされ、13日時点でも攻撃は継続中と報告されていた（ギズモード・ジャパン）。食品の安全と生活インフラに直接かかわる事案であり、被害を受けた事業者・消費者の損失は甚大だった。

日本の食品工場や冷凍倉庫も、同種の制御システムをネットワークに接続して運用する環境を持つ。本記事では、この攻撃が成立した構造的な背景を整理したうえで、IoT設備の通信パターンや温度ログをAIがリアルタイム監視して不審な操作指令を検出・隔離する仕組みを現場の実務担当者向けに解説する。

ほかの業界でも同じような被害が出ているかは、日本・世界のAIハッキング被害一覧で説明しています。

関連記事AIによる情報漏洩の経路は？

なぜ食品工場の制御システムがサイバー攻撃に狙われるのか

ANSSI（仏国家サイバーセキュリティ庁）が確認したのは、デンマークDanfoss製を含む3社の制御装置への不正侵入だった。被害機器の多くはセキュリティ更新が終了した旧型機であり、事件前からDanfoss製ソフトウェアがフランス国内でインターネット上に1700回以上露出していたとCNN.co.jpは報じている。CVE-2025-41450（認証回避）・CVE-2025-41451（コマンドインジェクション）という脆弱性が公開済みだったことも、www.digitaltoday.co.krが確認している（今回の攻撃でのこれら脆弱性の悪用は未確認）。

食品・小売施設の制御システムが標的になりやすい理由は、構造的に3点に集約される。

第一に、OT（運用技術）とITネットワークの境界が曖昧になっていること。遠隔監視・省人化のために設備制御システムをクラウドやVPNと接続する工場が増えており、インターネット側からの経路が意図せず開放されているケースが現場では珍しくない。「接続されていないはず」という担当者の認識と、実際のネットワーク構成がずれていることが、初動対応の遅れにつながる。

第二に、制御機器のライフサイクルが長く、セキュリティ更新が追いつかないこと。冷凍コンプレッサーのコントローラーは10年・20年単位で使い続けるのが通常であり、メーカーのサポートが終了した後も現役で稼働する機器が多い。パッチを当てようとしても適用できないバージョンや、更新作業のために設備を停止できないという運用上の制約も重なる。

第三に、攻撃の影響が即時かつ物理的であること。データ盗取を主目的とする攻撃とは異なり、冷凍設備への攻撃は食品廃棄・火災・食中毒リスクという形で直接的な被害が生じる。英サイバーセキュリティ専門家ケン・マンローは「いたずらか騒ぎを起こすことが目的だった可能性がある」と述べ（CNN.co.jp）、仏セコイア研究者フェリックス・エメは「経済活動・インフラ混乱目的の可能性も排除できない」と指摘した（CNN.co.jp）。動機がどちらであれ、検知の速さが被害規模を決定的に左右する。

食品工場のサイバー攻撃をAIで「未然に防ぐ・早く見つける・被害を小さくする」

未然に防ぐ――制御系ネットワークの挙動監視

制御システムへの不正アクセスは、通常業務では発生しないタイミングや送信元からの通信として現れることが多い。ネットワーク挙動分析（NBA: Network Behavior Analysis）に機械学習を組み合わせたアプローチは、制御系ネットワークの通常通信パターンをベースラインとして学習し、そこからの逸脱を自動検出する。たとえば深夜帯に国外IPから制御コントローラーへの接続試行が発生した場合、通常は生じない通信として即座にフラグが立つ。

Claroty・Nozomi Networks・Dragosといった産業用制御システム（ICS）向けセキュリティ製品は、OTネットワークをパッシブ監視（トラフィックを傍受するだけで制御システムに直接触れない方式）することで、設備停止が許されない食品工場でも導入しやすい設計になっている。既存の設備に手を加えずセキュリティの可視化を実現できる点は、現場の実務担当者にとって導入ハードルを下げる要因になる。

早く見つける――温度・センサーログのリアルタイム異常検知

攻撃が制御システムの内部まで到達した後でも、被害の最小化には「どれだけ早く気づくか」が決定的になる。フランスの事案では庫内温度が50度まで上昇したが、この変化は通常の霜取りサイクルとは速度・上昇幅ともに大きく異なる。

時系列データに特化した異常検知アルゴリズム（Isolation ForestやLSTM系のシーケンスモデル等）は、冷凍庫の温度・圧力・コンプレッサー電流値といったセンサーログを継続的に解析し、通常の変動範囲を超えた動きをリアルタイムで検出できる。単純な閾値アラート（「−10度を超えたら警報」）と比較したとき、AIベースの手法は「正常な除霜サイクルによる一時的な上昇」と「不正操作による急激な上昇」を文脈から区別しやすい点で優れている。ただしこれは誤検知を完全になくすという意味ではなく、感度と誤検知率のトレードオフは残る。最終判断は人が行う体制が前提になる。

異常検知の結果はSIEM（セキュリティ情報・イベント管理）やBMS（ビル管理システム）と連携させ、設備担当者と情報セキュリティ担当者の双方に同時通知する体制が実務では有効だ。食品工場では設備保全と情報セキュリティの担当が別部門であることが多く、両者が同じアラートを受け取れる仕組みを事前に設計しておかないと、通知を受けた一方が「自分の管轄ではない」と判断して対応が遅延する事態が起きやすい。

被害を小さくする――自動隔離と段階的対応フロー

異常を検知した後の対応速度も被害規模に直結する。AIによる異常スコアリングと自動隔離ルールを組み合わせれば、疑わしい制御コマンドが実行される前にネットワークセグメントを切断するまでの時間を短縮できる。

ただし食品工場では、設備を止めること自体がリスクになる場面がある。全自動の遮断ではなく「担当者に通知→一定時間内に確認なければ自動隔離」という段階的なフローを設計し、誤検知による生産停止を防ぐ設計が現場では現実的だ。このフローの設計は技術的な実装よりも先に、設備保全・情報セキュリティ・食品安全の三者が参加したインシデント対応計画の文書化として着手することが順序として正しい。

日本の食品業界・小売事業者が今すぐ点検すべき場面

フランスの事案で被害を受けた事業者と同種の環境は、日本国内にも広く存在する。以下の場面では制御系セキュリティの点検が実務上の優先度を持つ。

• 食品製造工場（冷凍・チルド工程）：冷凍トンネルや冷蔵庫の温度管理システムをSCADA経由でリモート監視している場合、接続経路の棚卸しが必要になる。
• 大型冷凍・冷蔵倉庫（物流センター）：複数の温度帯を管理するWMS（倉庫管理システム）と設備制御が同一ネットワーク上にある構成は、感染拡大のリスクが高い。
• スーパーマーケット・コンビニのバックヤード：チェーン本部からの遠隔管理機能を持つショーケース制御装置が、インターネットに直接露出していないかを確認する必要がある。
• 自治体・学校・病院の給食センター：公共施設の食品保管設備も同様の制御システムを使用していることがあり、公共インフラとしての点検対応が求められる。

産業用制御システムのセキュリティについては、独立行政法人情報処理推進機構（IPA）が「制御システムのセキュリティリスク分析ガイド」を公開しており、自社のリスク評価を始める際の参照資料として活用できる。

AI異常検知では解決できないこと――現場が理解すべき限界

誤検知と見逃しのトレードオフは残る。異常検知モデルの感度を上げると誤検知が増え、担当者が慣れによってアラートを無視するようになるリスクがある。現場の運用に合わせた閾値調整と定期的な再学習が継続的に必要であり、導入後の運用コストを過小評価しないことが重要だ。

最終判断は必ず人が行う。AIが異常を検知しても、実際にネットワークを遮断したり設備を停止したりする判断は人間が行う体制を維持する必要がある。食品の衛生管理と直結する設備の判断をアルゴリズムに完全委任することは、現時点では推奨されない。

既知のパターンにしか対応できない。機械学習ベースの異常検知は、学習データにない攻撃手法（ゼロデイ攻撃や学習期間後に初めて現れるパターン）を見逃す可能性がある。AI単体で全ての脅威を防げるわけではなく、ネットワーク分離・パッチ管理・アクセス制御といった基本的なセキュリティ対策との組み合わせが前提となる。

センサーデータの収集は個人情報・プライバシーの問題と表裏一体になる場合がある。従業員の作業ログや入退室記録を組み合わせて異常を検知しようとする場合、個人情報保護法や労働関係法規との整合性を事前に確認する必要がある。

導入・運用コストは中小規模事業者には相応の負担になりうる。産業用ICSセキュリティ製品の導入には初期費用と専門人材が必要であり、中小規模の食品工場や個人経営の小売店が単独で対応することは現実的に難しい場合がある。業界団体や自治体による共同対策スキームの整備が、実務上の課題として残る。

主要なICS向けセキュリティアプローチの比較

アプローチ	主な検知・防御対象	食品工場での適合性	主な限界
ネットワーク挙動分析（NBA）＋機械学習	不審な通信パターン・未知の接続元	高（パッシブ監視で設備ノータッチ）	暗号化通信の内部解析は困難
時系列センサー異常検知（LSTM・Isolation Forest等）	温度・圧力・電流の異常変動	高（既存センサーデータをそのまま活用可）	学習データにないパターンは見逃しうる
ルールベースの閾値アラート（従来型）	設定値超過の単純逸脱	中（導入容易だが誤検知・見逃しが多い）	正常な除霜サイクルとの区別が困難
ネットワーク分離（エアギャップ・VLAN分離）	外部からの侵入経路の遮断	高（最も根本的な対策）	リモート監視機能の制限が生じる
ファームウェア・パッチ管理	既知の脆弱性への悪用防止	中（旧型機はベンダーサポート終了が多い）	設備停止を伴うため計画的な実施が必要

明日から試せる実務的な一歩

まず着手すべきは技術的な導入より前の「現状把握」だ。以下の3点を現場担当者と情報システム担当者が共同で確認することが、最初の実務的な一歩になる。

1. 制御システムのインターネット接続有無の棚卸し：冷凍・冷蔵設備の制御装置（コントローラー・HMI・SCADA）がどのネットワークに接続されているかを図示し、外部からのアクセス経路が存在するかを確認する。「接続されていないはず」という前提を、実際のネットワーク構成図で裏取りする。
2. 機器のファームウェア・ソフトウェアのサポート状態確認：使用中の制御機器のメーカーと型番を一覧化し、セキュリティ更新のサポートが継続中かを確認する。サポートが終了している機器については、ネットワーク分離（エアギャップ化）やリプレース計画の検討に入る。
3. インシデント対応手順の有無確認：「冷凍設備が不審な動作をした場合、誰が・何分以内に・何をするか」という手順が文書化されているかを確認する。手順がなければ、設備保全・情報システム・食品安全の三者が参加する簡易フローを1枚で作成するところから始める。

AIによるリアルタイム監視はその次のステップだ。まず自社環境の構成を把握し、守るべき資産と経路を明確にしてから、適切な製品・システムの選定に入ることが、失敗しない導入の順序となる。

---

参考文献

• ギズモード・ジャパン　https://www.gizmodo.jp/article/2610-france-supermarket-cyber-attack/
• CNN.co.jp　https://www.cnn.co.jp/world/35253575.html
• 熊本日日新聞社　https://kumanichi.com/articles/2045960
• www.digitaltoday.co.kr　https://www.digitaltoday.co.kr/jp/view/113923/france-supermarket-hack-forces-fridges-to-50c-at-hundreds-of-stores
• Forbes JAPAN 公式サイト（フォーブス ジャパン）　https://forbesjapan.com/articles/detail/106588
• KSB瀬戸内海放送　https://news.ksb.co.jp/ann/article/16961639