メインコンテンツへスキップ
見出し画像

Claude Codeで作った便利なPythonが、個人情報流出の原因に?実際に起きた3つの恐ろしいセキュリティ事故

    誰でもプログラムを作れる時代。でも、その安全性は誰が守るのか?

    Claude Codeが登場してから、業務効率化の世界は大きく変わった。

    それまでプログラミングに触れたことのなかった人でも、AIに日本語で指示するだけで、実用的なプログラムを作れるようになった。

    例えば、毎朝Excelからデータを集計する。複数のCSVファイルを結合する。PDFから情報を抽出する。Webサイトから情報を収集する。顧客データを整理してレポートを作る。

    これまで専門のエンジニアに依頼していた作業を、現場の担当者自身が自動化できる。

    特にPythonというプログラミング言語は、こうした業務効率化と相性がよい。

    Claude Codeに依頼すれば、Pythonの文法を知らなくても、必要なプログラムを作り、動かし、エラーまで修正してくれる。

    素晴らしい時代になったと思う。

    しかし、その便利さの裏側に、見過ごせない問題がある。

    作ったプログラムのセキュリティを、誰が管理しているのか?

    「AIが作ったから大丈夫」

    「昨日まで問題なく動いていたから安全」

    「自分はエンジニアではないから、セキュリティはよくわからない」

    そんな認識で業務ツールを使い続けているなら、少し考え直した方がよいかもしれない。

    実際、2026年には、既知の脆弱性を修正しなかったことで個人情報が盗まれた企業や、Python製のAI開発基盤から侵入され、データベースの破壊にまで発展した事例が報告されている。

    さらに、AIコーディングアシスタントを悪用され、約100の社内コード管理領域に不正プログラムが広がり、機密情報が盗まれる事件まで起きた。

    今回は、これらの実例を詳しく取り上げながら、Pythonを初めて使う非エンジニアが最低限知っておくべきセキュリティリスクと、その対策を考えてみたい。

    なお、紹介する事件がすべてClaude Codeそのものを原因として発生したわけではない。Python本体、Pythonの周辺システム、外部ライブラリという異なる領域の問題を扱っている。

    共通するのは、便利な開発環境であっても、ソフトウェアの安全性を管理しなければ重大な被害につながり得るということだ。

    そもそもPythonの「脆弱性」とは何なのか?

    まずはPython初心者に向けて、基本的な仕組みを説明しておきたい。

    Pythonはプログラムを動かすための言語だ。

    そしてPythonには「ライブラリ」と呼ばれる、便利な機能をまとめた部品が数多く存在する。

    例えばExcelを操作したければopenpyxl、データを集計するならpandas、ブラウザを操作するならSeleniumといったライブラリを利用できる。

    Claude Codeも、必要に応じてこうした部品を利用するコードを書いたり、インストールを提案したりする。

    つまり、AIが作ってくれたプログラムは、必ずしもAIがすべてをゼロから作っているわけではない。

    世界中の開発者が公開しているソフトウェアを組み合わせて動いていることも多い。

    身近なものに例えるなら、Pythonが自動車のエンジンで、ライブラリはその周辺に取り付ける部品のようなものだ。

    問題は、この部品に欠陥が見つかることがあるという点だ。

    セキュリティ上の欠陥を「脆弱性」と呼ぶ。

    悪用されると、プログラムが勝手に操作されたり、本来見ることのできない情報を読み取られたりする場合がある。

    重大な脆弱性については、攻撃者がシステムに侵入し、ファイルを盗んだり削除したりすることさえ可能になる。

    ソフトウェアの開発者は、問題が見つかれば修正版を公開する。

    しかし、修正版が公開されたからといって、古いソフトウェアが自動的に安全になるとは限らない。

    利用者が更新しなければ、欠陥は残ったままだ。

    昨日まで安全だったプログラムが、今日も安全とは限らない。

    これはPythonに限らない、ソフトウェア全般に共通する問題である。

    そして、この当たり前のことを軽視すると、何が起きるのだろうか。

    実際の事件を見てみよう。

    【実例①】JetBrains:修正できたはずの脆弱性を放置し、利用者の個人情報が流出

    2026年8月、ソフトウェア開発ツールで知られるJetBrainsで、実際に個人情報が流出するセキュリティ事故が発生した。

    対象となったのは、Python向けの開発ツールPyCharmと連携する「Cadence」というクラウドサービスだ。

    Cadenceは、開発者が作成したプログラムをクラウド上で実行できる仕組みを提供していた。

    その内部では、プログラムの実行などを管理するために「TeamCity」という別のソフトウェアが利用されていた。

    問題となったのは、このTeamCityの脆弱性だった。

    2026年7月27日、JetBrainsは「CVE-2026-63077」という重大な脆弱性を公表している。

    この脆弱性は、外部からTeamCityのサーバーに接続できる場合、正規のログイン手続きを経ずに認証を突破し、サーバー上で任意のコマンドを実行できる可能性があるというものだった。

    簡単に言えば、本来は鍵がなければ入れない部屋に、鍵なしで入れる抜け道が見つかったようなものだ。

    当然、JetBrainsは修正版を公開し、利用者に更新を呼びかけた。

    ところが、問題のCadenceサーバーには、この修正が適用されていなかった。

    そして、実際に攻撃が始まった。

    2026年8月8日から24日にかけて、攻撃者は未修正の脆弱性を利用し、Cadenceのサーバーに不正アクセスした。

    JetBrainsが確認した被害は、決して小さなものではない。

    • 利用者の氏名、ユーザー名、メールアドレスが持ち出された。

    • 最終ログイン日時やアクセス元IPアドレスも流出した。

    • 2024年時点のサーバーバックアップが侵害された。

    • AWSのIAMユーザーや関連する認証情報が侵害された。

    • JetBrainsのAWS環境にあるS3ストレージ内のファイルにもアクセスされた。

    さらに、9月3日の最終報告では、現在のCadence環境に保存されていたプロジェクトのソースコードや認証情報についても、アクセスされた可能性があるとして扱われている。

    ただし、現行環境のソースコードなどが実際に外部へ持ち出されたかどうかは、確定した事実としては報告されていない。

    注目したいのは、個人情報を盗まれただけでは終わらなかったことだ。

    JetBrainsは、利用者に対してクラウドサービスやGitHubなどの認証情報を無効化・変更し、不正な操作が行われていないか確認するよう勧告した。

    つまり、盗まれた認証情報を使い、別のシステムまで侵害される可能性を考慮しなければならなくなったのである。

    JetBrainsは8月23日に攻撃を発見し、翌24日に対象サーバーを停止した。

    公式報告では、本来パッチを適用すべきサーバーに修正が適用されていなかったことを認め、利用者に謝罪している。

    ここで重要なのは、脆弱性そのものは攻撃が始まる前に公表され、修正手段も提供されていたという点だ。

    修正できたはずの問題が放置され、その結果、実際に個人情報が盗まれてしまった。

    これが今回の事件の核心である。

    もちろん、これはPython本体の脆弱性ではない。

    しかし、Pythonの開発環境を支えるソフトウェアで発生した問題であり、周辺システムまで含めて安全性を管理しなければならないことを示している。

    【実例②】Langflow:1年以上前の脆弱性を入口に、1,342件の設定情報が暗号化される

    次は、Python製ソフトウェアの脆弱性が実際に悪用された事件だ。

    2026年7月1日、セキュリティ企業Sysdigは、「JADEPUFFER」と名付けた攻撃に関する調査結果を公表した。

    攻撃者が侵入口として利用したのは、Pythonで構築されたAI開発基盤「Langflow」だった。

    Langflowは、AIを組み合わせたアプリケーションや業務フローを構築するためのオープンソースソフトウェアだ。

    このLangflowには「CVE-2025-3248」という重大な脆弱性が存在していた。

    問題は、特定の機能に適切な認証処理がなく、攻撃者がログインせずにサーバー上でPythonコードを実行できることだった。

    脆弱性の修正版は2025年に提供されており、バージョン1.3.0で修正されている。

    米国のCISAも、2025年5月には、この脆弱性を実際に悪用されている問題として登録していた。

    ところが、2026年になっても、この問題を抱えたままインターネットに公開されている環境が残っていた。

    そこに攻撃者が侵入した。

    Sysdigが観測した攻撃は、さらに恐ろしいものだった。

    まず、攻撃者はLangflowの脆弱性を使ってサーバー内部でコードを実行した。

    そして、システム内に保存されているAIサービスのAPIキー、クラウドの認証情報、データベースの接続情報などを探索した。

    AI関連のシステムには、OpenAIやAnthropicなどのAPIを利用するための認証情報が保存されていることもある。

    こうした情報が盗まれると、別のサービスへの不正アクセスや、APIの不正利用につながる可能性がある。

    実際の攻撃では、Langflowの環境を調査した後、別の本番データベースサーバーにも攻撃が及んだ。

    攻撃対象となったのは、MySQLというデータベースと、Nacosという設定管理システムだ。

    この段階では、Nacos側の既知の認証関連の弱点なども攻撃に利用されていた。

    なお、別サーバーへの接続に使われたデータベース管理者の認証情報が、どこから入手されたかまでは確認されていない。

    そして攻撃者は、Nacosに保存されていた1,342件のサービス設定情報を暗号化し、元のデータを管理するテーブルを削除する処理を実行した。

    設定情報は、システムが正常に動くために必要な情報だ。

    これを破壊されれば、サービスの稼働や復旧に深刻な影響が出る可能性がある。

    さらに恐ろしいのは、暗号化に使った鍵が保存されていなかったことだ。

    身代金を要求しておきながら、攻撃コード上は復号に必要な鍵を保持していない。

    つまり、身代金を支払っても、その鍵を使った復元はできない仕組みだった。

    Sysdigは、その後も同じLangflow環境への攻撃を観測し、7月20日にはAIモデルや学習データなどを暗号化対象とするランサムウェアが投入されたと報告している。

    さらに、この事件にはもう一つ特徴があった。

    攻撃手順の多くをAIエージェントが自律的に実行していたとSysdigが分析しているのだ。

    攻撃が失敗すると、その原因を分析してコードを修正し、再び攻撃を試みる。

    ある認証操作では、失敗から修正まで、わずか31秒だったという。

    これは、従来なら人間が手動で行っていた複数の攻撃手順を、AIが高速に実行できることを示唆している。

    ここで注意したいのは、報告で確認されたのが侵入とデータ破壊の攻撃活動であり、個人情報の外部流出まで独立して立証されたものではないという点だ。

    それでも、教訓は明確だ。

    2025年に修正方法が公開された脆弱性が、2026年にも攻撃の入口となり、別のシステムへの侵害とデータ破壊にまでつながった。

    もはや、古い脆弱性を放置することは、攻撃者に都合のよい侵入口を残し続けることと変わらない。

    しかも、攻撃者側もAIを利用できる。

    防御側だけがAIで効率化できるわけではないのだ。

    【実例③】Mandiant:AIが勧めたライブラリから、約100の社内リポジトリへ不正プログラムが拡散

    2026年9月、Google傘下のセキュリティ企業Mandiantが、さらに興味深い事例を公表した。

    あるSaaS企業の開発環境で、AIコーディングアシスタントの利用セッションが攻撃者に乗っ取られたという事件だ。

    攻撃者は、AIが外部のソフトウェアパッケージをインストールするよう推奨する状況を作り出した。

    そのパッケージには、悪意あるプログラムが仕込まれていた。

    問題のパッケージは、Pythonのライブラリなどを公開・配布する「PyPI」という仕組みを経由していた。

    PyPIはPythonで開発する際に欠かせない重要なサービスだが、そこに公開されたすべてのパッケージが安全とは限らない。

    開発者がAIの推奨を受け入れた結果、攻撃者が仕込んだプログラムが実行された。

    そこから被害が広がった。

    まず、GitHubのOAuthトークンが盗まれた。

    OAuthトークンとは、簡単に言えば、サービスにアクセスするための電子的な通行証のようなものだ。

    これが盗まれると、そのトークンに与えられた権限の範囲で、第三者がサービスを操作できる可能性がある。

    攻撃者はこの認証情報を利用し、「Shai-Hulud」と呼ばれる自己増殖型の不正プログラムを、約100の社内コードリポジトリに拡散させた。

    リポジトリとは、プログラムのソースコードや変更履歴などを保管する場所のことだ。

    そして、不正プログラムはリポジトリに保存されていた機密情報を収集し、企業独自の製品ソースコードを外部へ持ち出した。

    さらに攻撃者は、企業が社内で正式に利用していたパッケージにも悪意あるコードを混入させた。

    その結果、別の従業員がそのパッケージを取得した際にも感染が広がった。

    つまり、最初の開発者だけの問題では終わらなかったのである。

    AIの推奨から始まった一つの不正なパッケージの導入が、約100のリポジトリへの感染、社内機密情報の窃取、そして別の従業員への二次感染につながった。

    今回の事件は、既知の脆弱性を放置したものではない。

    ソフトウェアの供給経路を悪用する「サプライチェーン攻撃」と呼ばれるものだ。

    また、Mandiantの報告では利用されたAIアシスタントの製品名は公表されておらず、Claude Codeそのものが原因だったと断定することはできない。

    しかし、Claude Codeを利用して業務効率化を進める人にも、十分に関係のある話だ。

    AIが提案したライブラリだからといって、安全性が保証されているわけではない。

    そして、2026年9月23日には、AIエージェント向けのPythonパッケージ「MemoryOS」のバージョン2.0.34にも、認証情報を盗み出す不正なコードが混入していたことが報告されている。

    この不正プログラムは、特定のPythonモジュールを読み込むと起動し、GitHubやクラウドサービスなどの認証情報を探索する仕組みだった。

    こちらについては、悪意あるコードの存在が確認されている一方、実際の企業被害件数や損害額は公表されていない。

    これらの事件が示すのは、ライブラリの安全性確認も業務効率化の一部として考える必要があるということだ。

    古いライブラリに脆弱性が残っていることもあれば、新しく公開されたライブラリに悪意あるコードが仕込まれていることもある。

    最新版に更新するだけでは、セキュリティ対策として十分ではない。

    セキュリティ事故の損害額はどれほどになるのか?実際の企業決算から考える

    では、こうしたセキュリティ事故が発生すると、企業はどの程度の損害を受けるのだろうか。

    今回取り上げたJetBrainsやLangflow関連の侵害事例では、具体的な金銭的損害額は公表されていない。

    そこで、別の事例として、サイバー攻撃の経済的影響を公式決算から確認できる英国の大手小売企業Marks & Spencer(M&S)を見てみたい。

    M&Sは2025年4月にサイバー攻撃を受け、オンライン販売の停止や商品供給への影響など、事業運営に大きな混乱が生じた。

    なお、これはPythonの脆弱性が原因と確認された事件ではない。サイバー攻撃が企業経営に与える損害規模を考えるための事例である。

    2026年5月に発表されたM&Sの通期決算によると、2025/26年度のサイバー事故関連費用は1億3,130万ポンドに達した。

    同年度のグループ売上高は約173億7,150万ポンド、調整後税引前利益は6億7,140万ポンドだった。

    つまり、事故関連費用は年間売上高の約0.76%、調整後税引前利益の約19.6%に相当する規模だったことになる。

    年間利益の約5分の1に相当する金額が、一つのサイバー事故に関連して費用計上されたのである。

    ただし、これは費用と利益を比較した数字であり、利益がそのまま19.6%減少したという意味ではない。

    また、M&Sは事故に関連する保険収入1億ポンドも計上しているため、最終的な純損失額とは区別する必要がある。

    それでも、数字の大きさは十分に衝撃的だ。

    サイバー事故によって失われるものは、盗まれたデータだけではない。

    システム停止による売上機会の損失、原因調査、外部専門家への依頼、復旧作業、顧客対応、法的対応、追加のセキュリティ投資など、多方面で費用が発生する。

    さらに、顧客や取引先からの信用を失えば、その影響は長期化する可能性がある。

    大企業であれば財務体力によって吸収できる損害でも、中小企業にとっては事業継続に影響する規模になるかもしれない。

    「たかが業務効率化ツール」と軽く考えてよいものではない。

    Pythonを使い始めた非エンジニアは、何をすればよいのか?

    ここまで読むと、Pythonを使うこと自体が怖くなってしまうかもしれない。

    しかし、私は業務効率化をやめるべきだとは考えていない。

    むしろ、Claude CodeなどのAIコーディングツールは、もっと活用されるべきだと思っている。

    必要なのは、利用を禁止することではなく、安全に利用するための最低限の仕組みを整えることだ。

    ① Pythonとライブラリのバージョンを把握する

    まず必要なのは、自分が何を使っているのかを知ることだ。

    Python本体のバージョンだけでなく、導入しているライブラリと、そのバージョンも把握する必要がある。

    ライブラリの中には、別のライブラリを内部で利用するものもある。

    こうした間接的な依存関係も、脆弱性管理の対象になる。

    何を使っているかわからない状態では、問題が発見されても、自分のプログラムに影響があるのか判断できない。

    ② 既知の脆弱性を調べる

    Pythonには「pip-audit」という、ライブラリに報告済みの脆弱性が存在するか調べるツールがある。

    例えば、Claude Codeに次のように依頼するだけでも、調査の第一歩になる。

    このPythonプロジェクトで利用しているPython本体とすべてのライブラリのバージョンを調査してください。既知の脆弱性についてはpip-auditなどの適切なツールで確認し、CVE番号、深刻度、影響を受ける条件、修正版の有無を初心者向けに整理してください。Python本体やOS、周辺ソフトウェアについても確認すべき項目を挙げてください。検査のための新規インストール、プログラムの更新、設定変更は勝手に実行せず、事前に確認してください。

    ここで大切なのは、検査してもらうだけでなく、結果を理解することだ。

    ただし、pip-auditで確認できるのは、主に報告済みのPythonパッケージの脆弱性だ。

    Python本体やOS、外部サービスの問題をすべて検出できるわけではない。また、悪意ある新規パッケージを完全に検出するツールでもない。

    だからこそ、複数の視点で安全性を確認する必要がある。

    ③ 発見した脆弱性は、優先順位を付けて対応する

    脆弱性が見つかったら、修正版への更新を検討する。

    ただし、すべてのライブラリを無条件に最新版へ変更すればよいわけではない。

    更新によってプログラムが正常に動かなくなることもあるからだ。

    重要なのは、危険性を評価し、優先順位を決めることだ。

    すでに攻撃に利用されている重大な脆弱性や、インターネットから直接攻撃できる問題は、特に優先して対応する必要がある。

    すぐに更新できない場合は、対象ツールを一時停止したり、外部から接続できないようにしたりすることも検討すべきだ。

    少なくとも、「問題があるとわかっているのに、誰も対応しない」という状態は避けたい。

    ④ AIが勧めたライブラリを無条件に導入しない

    Mandiantの事例が示すように、AIが推奨したライブラリにも危険が存在する。

    利用するライブラリについては、公式の配布元なのか、開発元は信頼できるのか、不審な更新が行われていないかを確認したい。

    企業であれば、利用を認めたライブラリを管理し、承認されていないものを無条件に導入しない仕組みが望ましい。

    また、プログラムには必要最低限の権限だけを与える。

    Excelを集計するだけのツールに、本番データベースの管理者権限を与える必要はない。

    認証情報やAPIキーをプログラムに直接書き込むことも避けるべきだ。

    仮に攻撃されても、被害が広がりにくい設計にすることが重要になる。

    ⑤ 個人情報を扱うツールには、さらに厳格な管理を適用する

    例えば、公開されている統計データを集計するツールと、数万人の顧客情報を処理するツールでは、求められる安全性が違う。

    顧客情報、従業員情報、給与情報、取引先の機密情報などを扱う場合は、特に注意が必要だ。

    個人情報をAIサービスに送信する場合も、会社の利用規程や契約上の条件を確認する必要がある。

    また、個人情報を処理するツールは、現場担当者が作ったものであっても、情報システム部門などによる適切な審査や管理の対象とすべきだろう。

    作成した人が非エンジニアだからといって、情報漏えいの責任や影響が軽くなるわけではない。

    ⑥ 一度の検査で終わらせない

    ここが最も重要かもしれない。

    セキュリティ検査は、一度実施したら終わりというものではない。

    昨日の検査で問題が見つからなかったとしても、明日新しい脆弱性が発表されるかもしれない。

    また、作成したプログラムを何か月も使い続けるうちに、ライブラリの更新や実行環境の変化が必要になることもある。

    少なくとも定期的に脆弱性を確認し、重大な問題が公表された場合には、次の定期検査を待たずに対応する仕組みが必要だ。

    「作ったときには安全だった」

    それは、今も安全であることを意味しない。

    企業は、AIで作った業務ツールを野放しにしてはいけない

    ここからは、企業の管理者に向けた話だ。

    Claude Codeなどの普及によって、プログラムを作れる人の数は大きく増えた。

    営業担当者が作った顧客分析ツール。

    人事担当者が作った従業員データ集計ツール。

    経理担当者が作った請求データ処理ツール。

    これまで情報システム部門が開発・管理していたようなツールが、各部門で次々と生まれる可能性がある。

    これは企業の生産性を大きく向上させる。

    しかし、こうしたツールが管理されないまま増え続ければ、企業は自分たちが利用しているソフトウェアの全体像を把握できなくなる。

    担当者が異動や退職をすれば、使っているライブラリの存在すらわからなくなるかもしれない。

    こうした管理されていないIT資産は、一般にシャドーITと呼ばれる問題にもつながる。

    だからこそ、企業でAIによる業務効率化を推進するのであれば、次のような管理体制を整えるべきだと考えている。

    • 新規作成時:Python本体、利用ライブラリ、実行環境、取り扱うデータの種類、管理責任者を記録する。

    • 本番利用前:既知の脆弱性検査、アクセス権限の確認、動作検証を実施する。

    • 運用中:脆弱性情報を継続的に確認し、重要度に応じて修正期限を設定する。

    • 定期監査時:更新状況、不要な権限、放置されたツール、管理者不在のシステムを確認する。

    • インシデント発生時:ツールの停止、認証情報の無効化、影響範囲の調査、バックアップからの復旧ができるよう準備する。

    特に新規プロジェクトでは、セキュリティや保守性などの非機能要件に、脆弱性管理を最初から組み込むことが重要になる。

    また、既存ツールについても定期監査の対象としなければならない。

    個人情報を扱うツールなら、なおさらだ。

    AIで作ったから、開発費がかかっていないから、小規模なツールだから。

    こうした理由は、セキュリティ対策を省略する正当な根拠にはならない。

    業務効率化で年間数千時間の工数を削減できたとしても、重大なセキュリティ事故が起きれば、その経済効果など簡単に吹き飛ぶ可能性がある。

    企業が評価すべきなのは、単に何時間の作業を削減したかではない。

    安全に、継続して使える仕組みを構築できているかどうかだ。

    既知の脆弱性対応は、最低限の義務でしかない

    最後に、もう一つ理解しておきたいことがある。

    脆弱性には「すでに知られているもの」と「まだ知られていないもの」があるということだ。

    まだ発見・公表されていない脆弱性を、すべて事前に防ぐことは難しい。

    いわゆるゼロデイ脆弱性と呼ばれる問題もある。

    どれほど優秀なエンジニアが作ったプログラムでも、どれほど有名な企業が提供するソフトウェアでも、将来にわたって脆弱性が存在しないとは保証できない。

    しかし、だからこそ、少なくとも既知の脆弱性への対応は必須になる。

    問題が明らかになり、修正方法まで提供されているのに、何もしない。

    それは未知の危険に遭遇することとは違う。

    すでに知られている危険を、管理せずに放置しているということだ。

    そして今回紹介したように、こうした放置が実際のセキュリティ事故につながることがある。

    もちろん、パッチをすべて適用すれば絶対に安全になるわけでもない。

    攻撃者は新しい脆弱性を探し続けるし、正規のライブラリを装った悪意あるソフトウェアも登場する。

    認証情報を盗まれることもあれば、利用者自身の操作が攻撃のきっかけになることもある。

    そのため、脆弱性検査に加え、アクセス権限の制限、バックアップ、ログ監視などを組み合わせる必要がある。

    つまり、セキュリティに終わりはない。

    一度安全になったからといって、その状態が永遠に続くわけではないのだ。

    結論:AIでプログラムを作れるようになったなら、その安全性も管理しなければならない

    Claude Codeによって、プログラミングは一部の専門家だけのものではなくなった。

    これは本当に大きな進歩だと思う。

    しかし、今回紹介した3つの事件を、もう一度振り返ってほしい。

    JetBrainsでは、2026年7月27日に重大な脆弱性の修正版が公開されていたにもかかわらず、Cadenceサーバーへの適用が漏れていた。

    その後、8月8日から攻撃が発生し、利用者の氏名、メールアドレス、ログイン履歴、IPアドレスが実際に盗まれた。

    さらに2024年のサーバーバックアップが侵害され、AWSの認証情報にも被害が及んだ。

    問題は事前に知られていた。修正手段も用意されていた。それでも適用されなかったため、攻撃者に侵入を許してしまった。

    Langflowでは、2025年に修正されたはずの脆弱性が、2026年7月になっても攻撃の入口として使われていた。

    攻撃者はインターネットに公開されたLangflow環境でPythonコードを実行し、認証情報を探索した。

    その後、別の本番データベースサーバーにも攻撃が及び、1,342件のサービス設定情報を暗号化し、元のデータを削除する処理が実行された。

    復号に必要な鍵さえ保存されておらず、身代金を支払ってもその鍵では復旧できない仕組みだった。

    しかも攻撃にはAIエージェントが利用され、失敗した操作をわずか31秒で修正して再試行する様子まで観測されている。

    Mandiantが報告したSaaS企業への攻撃では、AIコーディングアシスタントの利用セッションが乗っ取られ、悪意あるPythonパッケージのインストールにつながった。

    その結果、GitHubの認証情報が盗まれ、不正プログラムが約100の社内コードリポジトリへ拡散した。

    さらに、企業独自の製品ソースコードや機密情報が外部に持ち出され、社内の正式なパッケージも汚染された。

    一つの不正なパッケージが、別の従業員の環境にまで被害を広げる原因となったのである。

    これらは、架空のシナリオではない。

    2026年に実際に公表されたセキュリティ事故だ。

    そして、3つの事例は異なる問題を示している。

    JetBrainsの事件は、修正方法がわかっていても適用しなければ、個人情報を守れないことを示した。

    Langflowへの攻撃は、古い脆弱性を放置することで侵入を許し、周辺システムまで含めた大規模な被害に発展し得ることを示した。

    Mandiantが報告した事件は、AIが提案した外部ライブラリを安易に導入することが、企業の機密情報を危険にさらす可能性を示した。

    つまり、単にPythonを最新版にするだけでも、ウイルス対策ソフトを入れるだけでも、十分とは言えない。

    ソフトウェアを適切に管理し、既知の脆弱性に対応し、外部ライブラリの安全性を確認し、万が一侵入されても被害を最小限に抑える必要がある。

    しかも、攻撃する側もAIを利用できるようになっている。

    防御側がAIで業務効率化を進める一方で、攻撃側もAIによって攻撃の速度と規模を拡大できる。

    この変化を考えれば、従来以上に継続的なセキュリティ管理が重要になることは明らかだろう。

    だからこそ、Pythonを始めたばかりの非エンジニアにも、知っておいてほしい。

    プログラムを自分で書けなくても、AIに脆弱性検査を依頼することはできる。

    専門的な判断が難しければ、エンジニアや情報システム部門に相談すればよい。

    企業側も、担当者個人にすべての責任を押し付けるのではなく、安全に使えるルールと管理体制を整えるべきだ。

    便利なツールを使うこと自体が問題なのではない。

    危険があるとわかっているのに、何も管理しないことが問題なのだ。

    AIはプログラムを作ってくれる。

    しかし、そのプログラムが明日も安全であることまで保証してくれるわけではない。

    既知の脆弱性への対応は、もはや高度なセキュリティ対策ではない。

    業務でソフトウェアを利用するうえでの最低限の管理事項だ。

    そして、新しい脆弱性はこれからも発見され続ける。

    セキュリティに完成形はない。あるのは、問題を発見し、対処し、確認し続けるプロセスだけだ。

    AIのおかげで、誰でもプログラムを作れるようになった。

    次に必要なのは、誰でも安全にプログラムを利用できる環境を作ることなのだ。

     
     
    生成AI大好きエンジニア&デジタルorアナログクリエイター&ディレクター&マネージャー。1000名越え企業でBPR/DX/AI推進を行なってます。元グラフィックデザイナー&バイヤー。 趣味は音楽・動画・画像生成AIでの制作活動。JDLA G検定所持の初心者。

    あなたへのおすすめ