ARTEXとは？ AIが侵入テストを進める仕組みと、攻撃報告の数字の読み方

ARTEXは「次に何をするか」もAIに任せる

従来の侵入テストでも、調査や確認を道具で自動化することはできます。ARTEXで注目されるのは、結果を受け取って次の作業を選ぶ判断まで、AIエージェントに担わせる構成です。[s1][s3]

目標の整理、計画、実行を分担する

AhnLabの分析では、Goalsが目標と範囲を整理し、Plannerが次の作業を決め、Workerが道具を動かして確認結果を記録します。実行結果が再び計画に戻るため、事前に固定した手順を順番に動かすだけではありません。[s3]

ただし、役割が分かれていることや承認の手続きがあることは、安全性の保証にはなりません。許可された対象と範囲を定め、何を実行させるかを管理する責任は、利用する側に残ります。

グラフ型メモリで、対象と判断の根拠を結び付ける

長い作業では、同じ対象を何度も調べたり、結論だけを覚えて根拠を失ったりすることが問題になります。AhnLabによると、ARTEXは対象の情報を残すAsset Graphと、探索の経過を残すExploration Graphを使います。[s3]

資産の地図と、経過を残すノート

Asset Graphにはドメイン、IPアドレス、サービスなどの情報が入り、複数のタスクで共有されます。Exploration Graphには、目標から確認した事実、発見、次の判断へ進むつながりが記録され、後から判断の理由をたどれます。[s3]

記録のつながりを考える架空の例

図は、許可されたAPIの認証設定を点検するという説明用の例です。「認証が必要か」という問いに対して、確認した設定、社内基準との差、次に見直す場所を結び付けることで、結論だけでなく根拠も共有する考え方を示しています。

この説明はAhnLabの分析に基づきます。元のリポジトリを確認できていないため、内部のテーブル名や細かな実装まで検証できたという意味ではありません。

実験で動いた範囲と、未知の環境での能力は分ける

AhnLabは、異なる試験環境で実験を行い、目標・対象・許可範囲を入力して動作を確認しました。Webサーバー上でのプログラム実行に加え、別の実験では入口から内部の4台でコマンドを実行したと報告しています。[s3]

内部4台は、試験環境で確認した到達範囲

実験には、既知の脆弱性があるソフトウェアを含む環境が使われています。これは条件付きの動作確認であり、どの組織にも侵入できることや、他の診断ツールより優れることを示す比較試験ではありません。[s3]

今回確認した資料には、他のツールと条件をそろえた優劣の検証はありません。AIの性能だけで結果を説明せず、公開サービスの設定や、修正されていない既知の弱点も合わせて読む必要があります。

Microsoftの数字は、成功した侵害の件数ではない

Microsoftは、ConnectWiseに関する不正アクセスの後、攻撃者がARTEXを使って2,250を超えるテナントへのサインインを試みたと報告しました。これは同社の観測による試行対象の数であり、その数の組織が侵害されたという意味ではありません。[s1]

試行対象の数と、成功した数を区別する

同社が別に説明するパスワードスプレーでは、8組織の327アカウントを対象に、15万1,000件を超える失敗ログインが観測されました。この活動では、認証の成功やトークン発行は観測されていないとしています。[s1]

多数の試行が、成功や流出を意味するわけではない

一方でMicrosoftは、複数の事例で、最初の標的化から特権アクセスまでの時間が3時間未満だったとも報告しています。これは同社の評価であり、すべての攻撃がその時間で成功するという説明ではありません。[s1]

「アクセスがあったこと」と「データが盗まれたこと」も別です。速さや規模だけを切り出さず、何を数えた数字か、どこまで確認された結果かを読むことが大切です。[s1]

国内の注意喚起は、攻撃試行の確認を示している

JPCERT/CCは2026年10月23日の更新で、ARTEXなどのAIを用いた侵入テスト基盤を悪用する攻撃試行を注意喚起に追加しました。主な標的として、インターネットに公開されたWebアプリケーションや管理上の不備を挙げています。[s5]

ツールの名前より、対象と行動を確認する

注意喚起に名前が載ったことを、そのまま個々の企業の侵害成立と結び付けることはできません。JPCERT/CCも、すべての事案で同じ攻撃手法が使われていることを示すものではないと説明しています。[s5]

AhnLabは、元のリポジトリが見つからなくなった後にも、名前を変えた派生版が見つかったと報告しています。特定の製品名だけを禁止・監視する方法では十分とは限らず、設定不備の探索や権限の変化といった行動を見る必要があります。[s4][s3]

公開範囲、権限、ログから見直す

AhnLabとJPCERT/CCが示す対策の中心は、公開サービスや管理機能を絞り、既知の弱点を修正し、権限と内部へのアクセスを必要最小限にすることです。AIによる自動化が進んでも、対策の出発点は変わりません。[s3][s5]

対象を減らし、検知と封じ込めを速くする

外部連携を使う組織では、人のログインだけでなく、アプリ自身のサインイン、資格情報の追加、権限割り当ての変更も確認対象です。Microsoftは、疑わしいアプリをいきなり削除する前に、証拠とログを保全するよう勧めています。[s1]

まず管理画面・API・外部連携の一覧を作り、公開する理由と付与した権限を確認しましょう。異常が疑われる場合は、ログを確保したうえで担当者や専門家につなぎ、各機関の最新の案内に沿って調査と対処を進めてください。[s1][s5]