韓国820万件流出事件が示すリスク：AI不正アクセスから企業を守る対策

公開日：2026年10月27日更新日：2026年11月3日文：クリスタルメソッド編集部監修：河合継（代表取締役）

2026年10月、ソウル警察庁は生成AIを活用した自律侵入システムで約90社のネットワークに侵入し、820万件の個人情報を窃取したとして7人のグループを検挙した（SBS NEWS）。被害対象は学習塾・病院・大企業系列会社・ゴルフ場・葬儀会社と業種を問わず、38社に対して暗号通貨3億6000万ウォン相当の支払いを要求する恐喝まで行われた。韓国当局は「AIを活用したハッキング事件での大規模検挙として初の事例」と位置づけている（Chaincatcher）。

この事件が日本企業の経営・情報セキュリティ担当者にとって切実なのは、攻撃の「民主化」が現実となった点だ。かつて大規模なサイバー攻撃は高度な技術を持つ集団を要したが、AIの登場により単独の攻撃者でも短期間・広範囲の侵害が可能になったことを警察自身が指摘している。この構造変化は日本に無縁ではない。

AIで800万件の個人情報が盗まれた韓国事件から日本企業が学ぶべきサイバーリスク

AI不正アクセスが「従来型攻撃」と根本的に異なる理由

今回の事件で使われた手口は、AIが自律的にシステムの脆弱性を探索し侵入するというものだった。2025年9月から2026年10月の約13か月にわたり攻撃が継続されたが、その間AIが継続的に標的を変えながらスキャンを繰り返したとみられる（Chaincatcher）。

従来の不正アクセスとの違いは三点に集約される。第一に速度——人手を介さないため24時間365日、複数のターゲットを並列スキャンできる。第二に適応性——特定の脆弱性パターンに依存せず、環境に応じて侵入経路を変えられる可能性がある。第三に低参入障壁——高度な専門知識がなくても、公開されているAIツールや大規模言語モデルを組み合わせることで攻撃キットが構築できる段階に近づいている。

これら三点は、「自社は規模が小さいから狙われない」「セキュリティ予算を毎年据え置いても問題ない」という従来の判断前提を崩す。AIによる自律侵入は標的を選ぶコストを大幅に下げるため、大企業よりセキュリティ投資が手薄な中堅・中小企業こそ優先的なターゲットになり得る。

図：AI自律侵入攻撃は「スキャン→侵入→恐喝」を並列・継続で繰り返す。企業はこのサイクルを複数の防衛レイヤで各段階において遮断する必要がある。

AIによる攻撃で実際にどんな被害が出ているかは、AIハッキングの主な被害一覧で解説しています。

関連記事AIによる情報漏洩とは？生成AIで漏れる原因

日本企業が直視すべきAI不正アクセスの4つの侵入経路

日本において同種の攻撃が起きないという根拠はない。次の四点から脅威は現実のものとして受け止めるべきだ。

①公開されたウェブアプリケーションの既知脆弱性
CMSやECプラットフォームのCVE（共通脆弱性識別子）はAIによる自動スキャンの主要ターゲットだ。パッチ適用の遅延が攻撃の入口になる。特に外部公開しているAPIエンドポイントは定期的なスキャンと修正サイクルが不可欠となる。

②認証情報の使い回しによるクレデンシャルスタッフィング
AIツールは漏洩済みID・パスワードの組み合わせ試行を大量・高速で行える。社内システムへの多要素認証（MFA）が未整備の場合、突破リスクが格段に高くなる。管理者権限アカウントに抜け漏れがないかの確認が起点になる。

③サードパーティ・サプライチェーン経由の侵入
今回の韓国事件でも「大企業系列会社」が被害に遭っている点は示唆的だ。セキュリティ投資が手薄な関連会社や業務委託先を経由して本体に波及するリスクがある。自社のセキュリティレベルを引き上げても、接続先の認証が脆弱であれば入口になる。

④個人情報保護法上の報告・通知義務に伴う対応コスト
日本では2022年の個人情報保護法改正により、個人情報漏洩が発生した場合の報告・通知義務が厳格化されている。820万件規模の流出が生じた場合、弁護士費用・通知コスト・個人情報保護委員会対応などの法的対応コストは、事案そのものの損害額を超える可能性がある。

次に読む：AIセキュリティ対策とは？企業が知るべきリスク

AIセキュリティ対策とは？企業が知るべきリスクと今すぐできる対策【2026年】

AI不正アクセス対策の投資優先度：費用対効果の比較

経営判断として重要なのは「どこに優先して投資するか」だ。網羅的なセキュリティ対策は中堅・中小企業にとって現実的でない。下表は対策カテゴリ別の相対的な費用・効果・即効性の目安を整理したものだ。各数値は概算の相対評価であり、自社規模・システム構成により異なる点に留意されたい。

対策カテゴリ	相対コスト	AI自律侵入への効果	即効性	注意点・限界
多要素認証（MFA）の全社導入	低〜中	高	高	社員の利便性低下・運用負荷あり。フィッシングには別途対策が必要
脆弱性管理・パッチ運用の体系化	中	高	中	業務システム停止リスクとのトレードオフ。優先度付けが難しい
WAF（Webアプリケーションファイアウォール）	中	中〜高	高	ゼロデイ攻撃・暗号化通信内の攻撃には限界。継続的なチューニングが必要
EDR（エンドポイント検知・対応）	中〜高	中	中	運用・アラート対応にリソースが必要。過検知問題が生じやすい
SIEM／ログ集約・異常検知	高	高	低	構築・運用コスト大。専門人材不足の中小企業には重荷になりやすい
インシデント対応計画（IRP）の策定・訓練	低	間接的に高	低〜中	侵入後の被害最小化が目的。予防効果はなく、有事になって初めて価値が出る

リソースが限られる場合、MFAの全社導入と脆弱性管理の体系化が最もコストパフォーマンスに優れた出発点になると考えられる。ただし、これらは「完全な防御」ではなく「攻撃者の侵入コストを引き上げる」手段だという認識が必要だ。AIを使った自律侵入は攻撃者側のコストを下げているため、防御側は常にその差を縮める努力を継続することになる。

経営層が稟議前に押さえるべき5つの判断軸

技術的対策の詳細は現場・専門チームに委ねるとして、経営・事業責任者が予算承認の前に確認すべき判断軸を五点整理する。

① 「守るべき情報資産」の棚卸しと格付け
個人情報・財務データ・営業機密のうち、漏洩したときに最も深刻な損害（法的・風評・取引停止）をもたらすものを明確にする。全情報を等しく守ろうとすると予算が分散し、いずれも手薄になる。今回の韓国事件で被害の核心となったのは「個人情報データベース」だった。

② サプライチェーンリスクの可視化と契約への組み込み
今回の事件が示したように、攻撃は本体より脆弱な系列会社・業務委託先を経由する。委託先のセキュリティ要件を調達・契約条件に明示することが、経営判断として不可欠になってきている。

③ AIを使った攻撃検知——攻守のAI化という非対称性
AIが攻撃を自律化するなら、防御側もAIを用いた異常検知・脅威ハンティングを検討する必要が生じつつある。ただし、AIベースの防御ツールも過検知・誤検知のリスクを持ち、運用負荷が低いわけではない。導入前に運用体制の確認が必要だ。

④ インシデント後の対応コストを先に試算する
今回の事件では被害企業が通報してから検挙まで約4か月かかっている（SBS NEWS）。その間に企業が負う可能性のある費用——弁護士費用・通知コスト・システム復旧費・業務停止損失・個人情報保護委員会への対応——を事前に試算しておくことで、予防投資の稟議が通過しやすくなる。

⑤ 「防げない前提」のレジリエンス設計
AIを使った自律侵入は、完全に防ぐことが困難な可能性がある。「侵入されたとき、どれだけ早く検知・隔離・復旧できるか」というレジリエンス指標をセキュリティKPIに加えることが、リスク管理の現実解に近い。MTTR（平均復旧時間）を経営指標に据える企業が増えているのはこの文脈からだ。

AIが生成する攻撃パターンの多様性を理解するうえでは、生成AIの基礎的な仕組みを知ることが助けになる。機械学習入門：基礎概念をわかりやすく解説では機械学習の原理が整理されており、攻撃AIがなぜ「適応的」であるかを理解する出発点となる。

今週中に取れる実務アクション

今回の韓国事件が示す最大の教訓は「AI不正アクセスは特定の業種・規模の問題ではない」という点だ。学習塾から病院・葬儀会社まで業種・規模を問わず狙われた。共通点は「個人情報データベースを保有していた」ことだけだ。

日本企業が今週中に着手できる具体的なアクションとして、以下を検討してほしい。

外部公開しているウェブアプリ・APIの脆弱性スキャン実施：攻撃者が最初に行うことを、自社でも先に実施する。無償の脆弱性スキャナーでも既知CVEの有無は確認できる。
全社員アカウントのMFA適用率の把握：適用済みでも管理者権限アカウントに抜け漏れがないか確認する。
個人情報データベースへのアクセスログ保存期間の確認：法定要件と実際の運用にギャップがある場合、侵入の早期発見が困難になる。
インシデント対応の「初動72時間」手順書の有無確認：存在しない場合、作成コストは低く、被害拡大防止への寄与は大きい。

AI技術は攻撃側にも防御側にも等しく開かれている。攻撃の自律化が進む環境では、経営層が「セキュリティは技術部門の話」と切り離す判断が最大のリスクになりつつある。