Webサイト経由の情報漏えいが2026年に216件：サイバー攻撃をAIで検知・対策する防御の転換点

Webサイト経由のサイバー攻撃が急増——何が起きているか

2026年、企業へのサイバー攻撃でWebサイト・アプリ経由の手口が急増している。セキュリティ企業マクニカの集計によれば、情報流出または流出の恐れが公表された事案は2026年に入り既に216件に達しており、2025年1年間の2.6倍に相当する（www.jiji.com、セキュリティ研究センターブログ）。10月だけでも26日までに101件が公表された（www.jiji.com）。

被害を受けた方々の個人情報と権利が脅かされた事実を重く受け止めたうえで、本記事では同種の被害が繰り返されないよう、AIを活用した検知・対策の実務に焦点を当てる。

標的は従来のECサイトにとどまらず、会員向けサービス・旅行予約サイト・図書館蔵書検索・大学施設予約など多岐にわたる。正規の会員アカウントとしてログインし他人の情報を表示させようとする手口が確認されており、外形上は「正規アクセス」に見えるため発見が遅れやすい（www.jiji.com）。政府関係者はAIが攻撃者側のサイト固有の弱点探索を容易にしている可能性を指摘しており（www.jiji.com）、EGセキュアソリューションズの徳丸浩取締役は「AIの進化で攻撃と防御のパワーバランスが崩れた」と述べている（www.jiji.com）。

どんな情報が狙われ、どこまで被害が広がったかは、日本・世界の主な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？原因・経路と企業の対策

なぜサイバー攻撃の検知が難しいのか——従来の防御が抱える構造的課題

Webサイト経由型の攻撃が「盲点」になりやすい理由は、防御の設計思想にある。

多くの企業・自治体はネットワーク境界のファイアウォールやIPブロックを主軸にセキュリティを組んでいる。しかし正規ログインを経由した情報窃取は、境界を通過した後の「正常に見えるリクエスト」として処理される。アクセスログは膨大に積み重なるが、1件ずつ人手で精査することは現実的でない。

マクニカ・瀬治山豊氏は「企業ごとの欠陥の洗い出しと修正が必要」と指摘する（www.jiji.com、セキュリティ研究センターブログ）。この言葉が示すのは、汎用的なルールセットだけでは不十分で、自社アプリケーションの構造・利用パターン・データアクセス設計を踏まえた個別対策が求められるという現実だ。そこにAIを組み込む意義が生まれる。

AIによるサイバー攻撃の検知・対策——未然防止・早期発見・被害の局限

未然に防ぐ：脆弱性の自動スキャンとWAF強化

攻撃者がAIでサイト固有の弱点を探索しているとみられる以上、防御側も同様のアプローチで先手を打てる。機械学習ベースのDASTツール（動的アプリケーションセキュリティテスト）は、従来ルールベースのスキャナより広範なパラメータ組み合わせを試行し、SQLインジェクション・認証バイパス・横断アクセスにつながり得るエンドポイントを洗い出す。

WebアプリケーションファイアウォールにML分類を組み合わせたソリューションも実用段階にある。正常なリクエストパターンを学習し、統計的に外れた操作シーケンスを動的にブロックする仕組みだ。ただしチューニングなしで導入すると誤検知率が高くなりやすく、初期の学習期間に正常業務を妨げるリスクがある点は織り込んでおく必要がある。

早く見つける：ログ解析と行動異常検知

正規アカウントを使った情報窃取の検出に有効なのが、UEBA（User and Entity Behavior Analytics）と呼ばれる手法だ。ユーザーの通常のアクセス時刻・参照ページ数・データ取得量・操作シーケンスをベースラインとして学習し、そこから逸脱したセッションを異常候補としてスコアリングする。

具体的なシグナルとしては「短時間に大量の個人情報ページを参照」「通常利用時間外のAPIコール集中」「一度のセッションで異なる会員IDの情報へのアクセス試行」などが挙げられる。これらのシグナルを人手で追跡するには数万件規模のログが障壁になるが、機械学習モデルはリアルタイムに優先度付けして担当者に提示できる。

SIEMプラットフォーム（Splunk、Microsoft Sentinel等）はこうした行動異常検知モジュールを標準的に提供しており、アプリケーションログをパイプラインで取り込む設定を行えば比較的短期間で稼働できる。

被害を小さくする：インシデントの自動トリアージ

検知後のアラート疲れ（Alert Fatigue）はセキュリティ担当者が抱える現実的な課題だ。SOARプラットフォーム（Security Orchestration, Automation and Response）はNLP・分類モデルを使い、アラートを重大度・影響範囲・対応優先度ごとに自動分類する。過去インシデントとの照合を自動で行い、担当者が最初に対処すべきケースを絞り込む。

封じ込め処置——特定セッションの強制終了・該当エンドポイントのアクセス制限・CDNでのIP遮断——の一部を自動実行するプレイブックを設定しておくことで、深夜・休日の初動対応を機械に委ねられる。ただし広範な遮断は正常ユーザーへの影響も生じるため、自動実行の範囲設定には慎重な判断が求められる。

誰の役に立つか——企業・自治体・公共サービスの場面別整理

同種の攻撃が狙いやすい組織の特徴は「会員情報・個人情報・予約情報を保持するWebサービスを公開している」点に尽きる。以下の表に、組織類型ごとの主要リスクと適用できるAIを活用したサイバー攻撃対策を整理する。

組織類型	主なリスクポイント	有効なAI対策	現場での注意点
ECサイト・旅行予約	決済情報・顧客情報の横断参照	UEBA（セッション異常検知）、ML型WAF	誤検知による購買体験悪化に注意
会員制サービス	正規ログイン後の他者情報アクセス	認証後行動分析、レート制限AI制御	アクセス制御の設計ミスはAIで検知できても修正は別作業
自治体・図書館・大学	予約・貸出情報の無断閲覧	ログ異常検知、アクセスパターン監視	専任担当者不足。MSSP外部委託が現実的
医療・病院	患者情報・診療記録の流出	SIEM連携、異常アクセスのリアルタイム通知	個人情報保護・医療情報ガイドラインとの整合が必要
中小企業のWebシステム	専任担当者不足による監視空白	マネージドSOC（AI解析込み）の外部委託	コスト試算と委託範囲の明確化が先決

自治体・大学などの公共組織は専任のセキュリティエンジニアを持たないケースが多い。マネージドセキュリティサービス（MSSP）がAIを組み込んだログ監視・アラート対応を提供しており、内製化が難しい組織の現実的な選択肢になっている。

AIによるサイバー攻撃対策の限界と注意点

AIによる検知・対策に過度な期待を持つと、別の盲点が生まれる。現場で認識しておくべき限界を以下に挙げる。

誤検知と見逃しは必ず発生する。機械学習モデルは確率的な判断をするため、正常なアクセスを攻撃と誤判定することも、攻撃を見逃すこともあり得る。最終的な遮断・通報・開示の判断は必ず人が行う体制を維持しなければならない。

行動監視はプライバシーリスクを伴う。UEBAは会員・利用者の行動ログを詳細に収集・分析する。この仕組みは個人情報保護法の観点から利用目的の明示・データ保持期間の設定・第三者提供への対処を求める。監視の範囲が広がりすぎると、正当な利用者の権利を侵害するリスクがある。

AIは設計上の欠陥を補わない。認証後に他者の情報へアクセスできる根本的な設計ミス（アクセス制御の不備）はAIで検知できるが、修正はエンジニアリング作業だ。検知で「見えるようにする」だけでは不十分で、修正まで完了して初めて脅威が低減される。マクニカ・瀬治山豊氏が指摘する「欠陥の洗い出しと修正」はAIだけでは完結しない（セキュリティ研究センターブログ）。

費用対効果の試算が必要。SIEM・SOAR・UEBA製品の導入コストは組織の規模によって大きく異なる。ライセンス費用に加え、チューニング・運用・インシデント対応訓練の工数も必要だ。外部委託（MSSP）と内製化のコスト比較を事前に行うことが現実的な第一歩になる。

攻撃者もAIを使っている。政府関係者が指摘するとおり、攻撃者もAIで弱点探索を自動化しているとみられる（www.jiji.com）。防御側がAIを導入しても、攻撃手法の進化に応じて継続的にモデルと対策を更新し続ける必要がある。

明日から試せる実務的な一歩

大規模システムの刷新を待たなくても、今すぐ着手できる行動がある。

まず自社のWebアプリケーションのアクセスログが実際に保存され、参照できる状態にあるかを確認する。ログが取れていなければ、どんなAI検知ツールも機能しない。認証後のAPIリクエスト・データ参照ログを含めて適切に収集できているかを棚卸しするだけで、現状の「見えていない領域」が浮かび上がる。

次に、既に導入しているSIEM・CDN・クラウドサービス（AWS CloudTrail、Azure Monitor、Google Cloud Logging等）に組み込まれている異常検知機能が有効になっているかを確認する。多くの場合、機能自体は存在するがデフォルトでオフになっているか、アラートの送信先が設定されていない。

検知→判断→修正→検証のサイクルを組織として回す体制を作ることが、Webサイト経由型サイバー攻撃が増え続ける現状への最も実効的な対応となる。AIの検知能力は、人が修正を実行する意思決定を支える道具として機能する。

参考文献

• Yahoo!ニュース https://news.yahoo.co.jp/articles/670394ece5aad3f9bc8d68afdbe80fd46a6b7db7
• www.jiji.com https://www.jiji.com/jc/article?k=2026102700773&g=eco
• セキュリティ研究センターブログ https://security.macnica.co.jp/blog/2026/10/web-incidents2026.html