行政情報漏洩をAIで防ぐ：問い合わせフォームの脆弱性対策と3層の実務アプローチ

デジタル庁HP、最大1万3000件超の問い合わせ内容が漏洩した可能性

2026年10月22日夜、デジタル庁は同庁ウェブサイトの問い合わせフォームに入力された情報が外部に漏洩した可能性があると公表した（Yahoo!ニュース、ｄメニューニュース）。対象は「一般的なご意見・ご要望」最大8833件および「接種証明書アプリに関する問い合わせ」最大3661件で、合計最大1万3000件超が対象期間（2021年5月〜2023年3月）にわたる。漏洩の可能性がある情報は氏名・メールアドレス・問い合わせ内容だ。原因はデジタル庁HPの運営に利用していたStudio社のサービスが2026年10月16日に不正アクセスを受けたことにある。現時点では流出の「可能性」段階であり確定していないが、デジタル庁は不審なメールへの注意を呼びかけている。

問い合わせフォームを通じて個人情報を提供した方が影響を受けうる事案であることを念頭に置きながら、以降では同種の漏洩を行政機関が防ぐためのAI活用策を整理する。

行政サイト以外でも同様の情報漏洩は起きているのかは、AIハッキングによる情報漏洩の被害一覧で説明しています。

関連記事AIによる情報漏洩とは？漏れる原因と経路は？

行政の問い合わせフォームに情報漏洩リスクが集中する構造的背景

今回の件は特異な事故ではなく、行政機関のウェブ運用が持つ構造的な脆弱性を改めて示した。三つの要因が重なりやすい。

第一に、外部SaaSへの依存だ。調達コストと運用負荷を抑えるため、省庁・自治体は問い合わせ管理・フォームビルダー・CMSを外部ベンダーに委託することが多い。自前の監視体制を持ちにくく、委託先がインシデントに遭えばその影響を直接受ける。

第二に、発覚までの時差だ。今回の対象期間は2021年から2023年にまたがっており、インシデントが数年後に表面化することは珍しくない。アクセスログの保全期間が短く、異常を検知する仕組みが整っていない場合、被害の全容把握が大幅に遅れる。

第三に、フォームデータの性質だ。氏名・メールアドレス・問い合わせ内容は個人を特定しやすく、フィッシング詐欺の下準備に直結する。「決済情報よりセンシティブ度が低い」と見なされがちだが、悪用リスクはむしろ高い場面もある。

AIによる行政情報漏洩対策の3層：未然防止・早期検知・被害局限化

未然に防ぐ：フォーム設計の自動審査と委託先リスクのモニタリング

問い合わせフォームが収集する項目は、業務目的に対して必要最小限であることが原則だ。しかし「念のため」で追加した項目が何年も見直されないまま運用され続けることは行政・民間を問わず頻繁に起きる。機械学習を用いたデータ最小化支援ツールは、フォーム定義ファイル（HTMLやJSON）を静的解析し、収集項目と利用目的の乖離を検出する。個人識別子（氏名・メールアドレス・住所等）を含みながら利用目的の記述が抽象的な項目を自動的にフラグ立てし、担当者の見直しを促す設計が可能だ。

外部SaaSベンダーの継続的なリスク評価にもAIは有効だ。セキュリティレーティングサービス（SecurityScorecard、BitSightなど）は、委託先ドメインのインフラ設定・証明書管理・公開ポートの状態・インシデント履歴をリアルタイムで数値化する。調達担当者が毎月手作業でチェックするのは現実的でないが、スコアの閾値を設定してアラートを受け取る運用は小規模な自治体でも実装できる。

早く見つける：異常アクセスの自動検知とログ解析

SIEM（セキュリティ情報・イベント管理）に機械学習を組み込んだ「AI-SIEM」は、通常のアクセスパターンをベースラインとして学習し、逸脱を自動検知する。問い合わせフォームの場合、短時間に特定IPからの大量送信・通常とは異なる時間帯の集中アクセス・通常外のユーザーエージェント文字列といった特徴を組み合わせて異常スコアを算出する。閾値超過時にアラートを発報し、IPブロックやフォームの一時停止を自動実行するルールと組み合わせることで、インシデント発生から対応開始までのタイムラグを短縮できる可能性がある。

膨大なアクセスログを人間がそのまま読むことは実質不可能だ。自然言語処理（NLP）を用いたログ要約機能を持つツールは、異常イベントを抽出して平易な文章で提示する。

被害を小さくする：影響範囲の高速特定と対応支援

漏洩が疑われた段階で急務となるのは、影響範囲の特定と関係者への通知だ。数万件規模のログから「どのユーザーの、どのデータが、いつ、どの経路で参照されたか」を手作業で追うには数日を要するが、ベクトル検索や構造化クエリを組み合わせたツールを活用すると、同等の作業時間を大幅に短縮できる可能性がある。通知文書の草案生成にも生成AIが活用されつつある。ただし、最終的な通知内容と送信判断は必ず人間が確認・承認する体制を維持しなければならない。

現場が認識すべきAIの有効範囲と限界

AI活用による行政情報漏洩対策は実効的だが、万能ではない。現場の担当者が過信しないよう、有効範囲と限界を明確に整理する。

行政情報漏洩対策におけるAIの有効範囲と限界

対策領域	AIが対応できる範囲	AIでは対応が難しい領域
異常アクセスの検知	既知パターンからの逸脱を自動検出・アラート	未知の攻撃手法（ゼロデイ）は検知が困難
フォーム設計の審査	過剰収集項目の自動フラグ立て	業務上の必要性の判断は人間が行う
委託先のリスク評価	スコアの継続モニタリングと閾値アラート	契約・調達の判断・交渉は人間が行う
インシデント後の影響特定	ログの高速検索と影響範囲の自動推定	最終的な影響確定と通知判断は人間が行う
誤検知・過検知のリスク	ルールチューニングで低減可能	正常アクセスのブロックにより業務が停止するリスク
内部不正	行動ログの異常検知で補助	権限者による意図的な持ち出しの完全防止は困難

監視体制の強化はプライバシーとのトレードオフも生む。アクセスログの詳細な収集は、利用者の行動を過度に追跡することにつながりうる。個人情報保護法および各府省の情報セキュリティポリシーに照らし、収集するログの種類・保存期間・アクセス権限を明確に定めた上で運用しなければならない。「監視のためのAI」が新たな個人情報問題を生まないよう、設計段階から法的確認を並行して進めることが不可欠だ。

AIの判断は最終決定ではない。誤検知で正常な問い合わせをブロックすれば、行政サービスへのアクセス自体を妨げる。自動化の範囲と人間による確認フローをあらかじめ設計しておく必要がある。

明日から着手できる行政担当者の具体的な次の一手

大規模なシステム刷新でなくとも、今日から動ける手順がある。

ステップ1：現行フォームの棚卸し。現在運用中の問い合わせフォームについて、収集項目・保存先・委託先・ログ保存期間を一覧化する。委託先の利用規約・セキュリティポリシー・インシデント発生時の連絡体制を確認し、不明点があればベンダーに書面で確認する。これはツールなしに着手できる。

ステップ2：委託先のセキュリティレーティング確認。SecurityScorecardなど複数のサービスが一定範囲の無料評価を提供している。現在の委託先のスコアを確認し、重大な問題がないかを把握するだけでも有用な判断材料が得られる。

ステップ3：WAFログとAI-SIEMの連携確認。WAF（ウェブアプリケーションファイアウォール）を導入済みであれば、ログのエクスポート先を確認し、AI-SIEMとの連携が可能かを確かめる。クラウド型のWAF・CDNサービスはボット検知・レート制限の機能を標準で持ち、問い合わせフォームへの大量送信を抑止する設定が比較的容易に行える。

ステップ4：インシデント対応手順書の机上演習。「深夜に委託先からインシデント通知が届いた場合、誰が何を決定し、いつ公表するか」をシナリオとして確認するだけで、意思決定の空白を事前に埋めることができる。AIを活用した高度な監視体制の前提として、人間の対応フローが整っていることが不可欠だ。

---

〈参考文献〉

• Yahoo!ニュース　https://news.yahoo.co.jp/pickup/6599763?source=rss
• Yahoo!ニュース　https://news.yahoo.co.jp/articles/549835d090d979f0742f441cac8f18b3053084b9
• ｄメニューニュース（NTTドコモ）　https://topics.smt.docomo.ne.jp/article/tvasahinews/business/tvasahinews-000542237