« April 2026 | Main | June 2026 »

May 2026

2026.05.31

シンガポール エージェンティックAIのためのAIガバナンスフレームワークVer. 1.5 (2026.05.20)

こんにちは、丸山満彦です。

シンガポールの情報通信メディア開発庁が、2026年1月に公表したエージェンティックAIのためのAIガバナンスフレームワークをVer. 1.5に改定していますね...

かなり力作ではありますよね...

 

Sigapore - Infocomm Media Development Authority

・2026.05.20 [PDF] MODEL AI GOVERNANCE FRAMEWORK FOR AGENTIC AI Version 1.5 

20260531-21642

・[DOCX][PDF] 仮訳

 

目次...

Executive Summary エグゼクティブサマリー
What’s new in this version 本バージョンの新機能
1 Introduction to Agentic AI 1 エージェンティックAIの序論
1.1 What is Agentic AI? 1.1 エージェンティックAIとは何か
1.1.1 Core components of an agent 1.1.1 エージェントの主要構成要素
1.1.2 Multi-agent setups 1.1.2 マルチエージェント構成
1.1.3 How agent design affects the limits and capabilities of each agent 1.1.3 エージェントの設計が各エージェントの限界と能力に与える影響
1.2 Risks of Agentic AI 1.2 エージェンティックAIのリスク
1.2.1 Sources of risk 1.2.1 リスクの要因
1.2.2 Types of risk 1.2.2 リスクの種類
1.2.3 Systemic and multi-agent risks 1.2.3 システミックリスクおよびマルチエージェントリスク
2 Model AI Governance Framework for Agentic AI 2 エージェンティックAIのためのモデルAIガバナンスフレームワーク
2.1 Assess and bound the risks upfront 2.1 リスクを事前にアセスメントし、範囲を限定する
2.1.1 Determine suitable use cases for agent deployment 2.1.1 エージェント展開に適したユースケースを決定する
2.1.2 Bound risks through design by defining agents limits and permissions 2.1.2 エージェントの制限と権限を定義することで、設計を通じてリスクを抑制する
2.2 Make humans meaningfully accountable 2.2 人間に有意義な説明責任を負わせる
2.2.1 Clear allocation of responsibilities within and outside the organisation 2.2.1 組織内外における責任の明確な割り当て
2.2.2  Design for meaningful human oversight 2.2.2  有意義な人的監督を可能にする設計を行う
2.3 Implement technical controls and processes 2.3 技術的統制とプロセスを実装する
2.3.1 During design and development, use technical controls 2.3.1 設計および開発段階において、技術的制御を活用する
2.3.2 Before deploying, test agents 2.3.2 展開前にエージェントをテストする
2.3.3 When deploying, continuously monitor and test 2.3.3 展開時には、継続的に監視およびテストを行う
2.4 Enable end-user responsibility 2.4 エンドユーザーの責任を明確にする
2.4.1 Different users, different needs 2.4.1 ユーザーによってニーズは異なる
2.4.2 Users who interact with agents 2.4.2 エージェントとやり取りするユーザー
2.4.3 Users who integrate agents into their work processes 2.4.3 業務プロセスにエージェントを組み込むユーザー
Annex A: Further resources 附属書A:関連リソース
Annex B: Call for feedback and case studies 附属書B:フィードバックおよび事例研究の募集
Acknowledgements 謝辞

 

 

エグゼクティブサマリー...

Executive Summary エグゼクティブサマリー
Agentic AI is the next evolution of AI, holding transformative potential for users and businesses. Compared to generative AI, AI agents can take actions, adapt to new information, and interact with other agents and systems to complete tasks on behalf of humans. While use cases are rapidly evolving, agents are already transforming the workplace through coding assistants, customer service agents, and automating enterprise productivity workflows. エージェンティックAIはAIの次の進化形であり、ユーザーや企業に変革をもたらす可能性を秘めている。生成的AIと比較して、AIエージェントは行動を起こし、新しい情報に適応し、他のエージェントやシステムと連携して、人間の代わりにタスクを完了することができる。ユースケースは急速に進化しているが、エージェントはすでに、コーディングアシスタント、カスタマーサービスエージェント、エンタープライズの生産性ワークフローの自動化を通じて、職場を変革しつつある。
These greater capabilities also bring forth new risks. Agents’ access to sensitive data and ability to make changes to their environment, such as updating a customer database or making a payment, are double-edged swords. As we move towards deploying multiple agents with complex interactions, outcomes also become more unpredictable. こうした高度な機能は、新たなリスクももたらす。エージェントが機密データにアクセスしたり、顧客データベースの更新や支払いの実行など、環境を変更する能力を持つことは、諸刃の剣である。複雑な相互作用を持つ複数のエージェントを展開する方向へ進むにつれ、結果もより予測困難になる。
Humans must remain accountable and properly manage these risks. While existing governance principles for trusted AI such as transparency, accountability and fairness continue to apply, they need to be translated in practice for agents. Additionally, meaningful human control and oversight need to be integrated into the agentic AI lifecycle. Nevertheless, a balance needs to be struck as continuous human oversight over all agent workflows becomes impractical at scale. 人間は責任を負い続け、これらのリスクを適切に管理しなければならない。透明性、説明責任、公平性といった信頼できるAIのための既存のガバナンス原則は引き続き適用されるが、エージェントに対して実践的に適用する必要がある。さらに、有意義な人間の制御と監視をエージェンティックAIのライフサイクルに組み込む必要がある。とはいえ、すべてのエージェントのワークフローに対する継続的な人間の監視は、規模が大きくなると現実的ではなくなるため、バランスを取る必要がある。
The Model AI Governance Framework (MGF) for Agentic AI gives organisations a structured overview of the risks of agentic AI and emerging best practices in managing these risks. If risks are properly managed, organisations can adopt agentic AI with greater confidence. The MGF is targeted at organisations looking to deploy agentic AI, whether by developing AI agents in-house or using third-party agentic solutions. エージェンティックAIのためのモデルAIガバナンスフレームワーク(MGF)は、組織に対し、エージェンティックAIのリスクと、これらのリスクを管理するための新たなベストプラクティスについて、体系的な概要を提供する。リスクが適切に管理されれば、組織はより確信を持ってエージェンティックAIを導入できる。MGFは、社内でAIエージェントを開発する場合でも、サードパーティのエージェンティックソリューションを利用する場合でも、エージェンティックAIの展開を検討している組織を対象としている。
Building on our previous model governance frameworks, we have outlined key considerations for organisations in four areas for agentic AI: これまでのモデルガバナンスフレームワークを基に、エージェンティックAIに関して組織が考慮すべき4つの主要な事項をまとめた。
1. Assess and bound the risks upfront 1. リスクを事前にアセスメントし、範囲を限定する
Organisations should adapt their internal structures and processes to account for new risks from agents. Key to this is first understanding the risks posed by the agent’s actions, which depend on factors such as the scope of actions the agent can take, the reversibility of those actions, and the agent’s level of autonomy. 組織は、エージェントによる新たなリスクに対応できるよう、内部の構造やプロセスを適応させるべきである。その鍵となるのは、まずエージェントの行動がもたらすリスクを理解することであり、これにはエージェントが実行可能な行動の範囲、それらの行動の可逆性、およびエージェントの自律性のレベルといった要因が影響する。
To manage these risks early, organisations could limit their agents' scope of impact by designing appropriate boundaries at the planning stage, such as limiting access to tools and external systems. They could also ensure that the agent’s actions are traceable and controllable through measures such as identity management and access controls for agents. これらのリスクを早期に管理するため、組織は計画段階で適切な境界を設定し、ツールや外部システムへのアクセスを制限するなどして、エージェントの影響範囲を限定することができる。また、エージェントのID管理やアクセス管理などの措置を通じて、エージェントの行動が追跡可能かつ制御可能であることを確保することもできる。
2. Make humans meaningfully accountable 2. 人間に実質的な説明責任を負わせる
Once the “green light” is given for agentic AI deployment, an organisation should take steps to ensure human accountability. エージェンティックAIの展開に「ゴーサイン」が出されたら、組織は人間の説明責任を確保するための措置を講じるべきである。
However, the autonomy of agents may complicate traditional responsibility assignments which are tied to static workflows. Multiple actors may also be involved in different parts of the agent lifecycle, diffusing accountability. It is therefore important to clearly define the responsibilities of different stakeholders, both within the organisation and with external vendors, while emphasising adaptive governance, so that the organisation is set up to quickly understand new developments and update its approach as the technology evolves. しかし、エージェントの自律性は、静的なワークフローに紐づく従来の責任の割り当てを複雑にする可能性がある。また、エージェントのライフサイクルの異なる段階に複数の関係者が関与することで、説明責任が分散してしまう恐れもある。したがって、組織内および外部ベンダーを含む各ステークホルダーの責任を明確に定義するとともに、適応型ガバナンスを重視することが重要である。そうすることで、組織は新たな動向を迅速に把握し、技術の進化に合わせてアプローチを更新できる体制を整えることができる。
Specifically, “human-in-the-loop” has to be adapted to address automation bias, which has become a bigger concern with increasingly capable agents. This includes defining significant checkpoints in the agentic workflow that require human approval, such as high-stakes or irreversible actions, and regularly auditing human oversight to check that it remains effective over time. 具体的には、エージェントの能力向上に伴い懸念が高まっている「自動化バイアス」に対処するため、「ヒューマン・イン・ザ・ループ」のアプローチを適応させる必要がある。これには、重大なリスクを伴う行動や取り返しのつかない行動など、人間の承認を必要とする重要なチェックポイントをエージェントのワークフローに定義すること、および人間の監督が長期にわたり有効に機能し続けているかを確認するために定期的に監査を行うことが含まれる。
3. Implement technical controls and processes 3. 技術的統制とプロセスの導入
Organisations should ensure the safe and reliable operationalisation of AI agents by implementing technical measures across the agent lifecycle. 組織は、AIエージェントのライフサイクル全体にわたって技術的措置を実施することで、AIエージェントの安全かつ信頼性の高い運用を確保すべきである。
During development, organisations should incorporate technical controls for new agentic components such as planning, tools and still-maturing protocols, to address increased risks from these new attack surfaces. 開発段階では、計画、ツール、およびまだ成熟途上のプロトコルといった新しいエージェントコンポーネントに対して技術的制御を組み込み、これらの新たな攻撃対象領域から生じる増大したリスクに対処すべきである。
Before deployment, organisations should test agents for baseline safety and reliability, including new dimensions such as overall execution accuracy, policy adherence, and tool use. New testing approaches will be needed to evaluate agents. 展開前には、全体的な実行精度、ポリシーの順守、ツールの使用といった新たな側面を含め、エージェントの基本的な安全性と信頼性をテストすべきである。エージェントを評価するためには、新たなテスト手法が必要となる。
During and after deployment, as agents interact dynamically with their environment and not all risks can be anticipated upfront, it is recommended to gradually roll out agents alongside continuous monitoring after deployment. 展開中および展開後は、エージェントが環境と動的にやり取りするため、すべてのリスクを事前に予測することはできない。そのため、展開後は継続的な監視を行いながら、エージェントを段階的に展開することが推奨される。
4. Enable end-user responsibility 4. エンドユーザーの責任を明確にする
Trustworthy deployment of agents does not rely solely on developers, but also on endusers using them responsibly. To enable responsible use, as a baseline, users should be informed of the agent’s range of actions, access to data, and the user’s own responsibilities. Organisations should consider layering on training to equip employees with the knowledge required to manage human-agent interactions and exercise effective oversight, while maintaining their tradecraft and foundational skills. エージェントの信頼性の高い展開は、開発者だけに依存するものではなく、責任を持って使用するエンドユーザーにも依存する。責任ある利用を可能にするため、最低限、ユーザーにはエージェントの動作範囲、データへのアクセス権限、およびユーザー自身の責任について周知すべきである。組織は、従業員が人間とエージェントの相互作用を管理し、効果的な監督を行うために必要な知識を身につけられるよう、トレーニングを段階的に実施することを検討すべきである。その際、従業員の専門技術や基礎的なスキルを維持することも重要である。
This is a living document. We have worked with government agencies and leading companies to collate current best practices and contribute realworld case studies, but this is a fast-developing space. This framework will need to be continuously updated to keep pace with new developments. We invite feedback to refine the framework, and more case studies demonstrating how the framework can be applied for responsible agentic deployment. これは継続的に更新される文書である。我々は政府機関や主要企業と協力し、現在のベストプラクティスをまとめ、実世界の事例研究を提供してきたが、この「 」は急速に発展している分野である。このフレームワークは、新たな動向に対応するために継続的に更新される必要がある。フレームワークを洗練させるためのフィードバック、および責任あるエージェント展開にフレームワークを適用する方法を示すさらなる事例研究を歓迎する。

 

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.05.19 シンガポール 情報通信メディア開発庁 事例研究:OPENCLAWの責任ある展開 (2026.05.14) とエージェンティックAIのためのAIガバナンスのモデルフレームワーク (2026.01.22)

・2026.05.17 WEF 政府におけるエージェンティックAIの活用:導入準備フレームワーク (2026.04.24)

・2026.05.08 Five Eyes エージェンティックAIの慎重な導入 (2026.05.01)

・2026.05.05 英国 CyberUK2026 (2026.04.21-23) における安全保障大臣のスピーチ

・2026.04.17 英国 デジタル規制協力フォーラム テーマ別イノベーション・ハブ第1弾「エージェンティックAI」の主なポイント (2026.04.10)

・2026.04.13 CSA NIST AIエージェントのセキュリティ:レッドチーム活動に関するガイダンスとエンタープライズコンプライアンス (2026.03.31)

・2026.04.10 経済産業省 AI利活用における民事責任の解釈適用に関する手引き (2026.04.09)

・2026.04.01 総務省 「AI事業者ガイドライン第1.2版」と「AI事業者ガイドライン活用の手引き(案)」(2026.03.31)

・2026.03.27 OWASP 2026年版 エージェント型アプリケーション向けOWASP Top 10 (2025.12.09)

・2026.03.11 オランダ データ保護庁 AIとアルゴリズム (2026.03.05)

・2026.03.08 OECD エージェンティックAIの展望とその概念的基盤

・2026.03.07 米国 トランプ大統領のアメリカのためのサイバー戦略 (2026.03.06)

・2026.03.02 論文 インテリジェントAI委任 (2026.02.12)

2026.02.04 シンガポール 韓国 現実的なタスクにおけるデータ漏洩リスクに対するAIエージェントのテスト (2026.01.19)

・2026.01.15 英国 ICO技術展望: エージェント型AI(Agentic AI)

・2025.11.18 Code Blue 2025@Tokyoは今日と明日

・2025.10.28 オーストラリア AI導入ガイダンス (2025.10.21) と AIポリシーガイドとテンプレート (2025.10.02) など

・2025.10.09 英国 ICOの内部AI利用規定が公表され、多くの人が参考にできるようになっていますね...

・2025.09.24 金融庁 G7サイバー・エキスパート・グループによるAI及びサイバーセキュリティに関するステートメントの公表 (2025.09.22)

・2025.04.07 米国 上院軍事委員会 AIのサイバー能力の活用に関する証言 (2025.03.25)

 

 

| | Comments (0)

2026.05.30

経済産業省 サプライチェーン強化に向けたセキュリティ対策評価制度(SCS評価制度)特設サイト (2026.05.29)

こんにちは、丸山満彦です。

経済産業省が、サプライチェーン強化に向けたセキュリティ対策評価制度(SCS評価制度)特設サイトを開設しましたね...

FAQもあります。

まずは、制度理解が重要となりますので、ぜひ覗いてみてくださいませ...

 

経済産業省

サプライチェーン強化に向けたセキュリティ対策評価制度(SCS評価制度)

1_20260530071301

 

FAQの目次...

註:本FAQは、SCS評価制度における制度構築方針に対してよく寄せられる質問に対し、最終更新日時点での回答を記載したものであり、今後の制度詳細化に当たって内容が変更される可能性があることを、あらかじめ御承知おき下さい。


Q1 SCS評価制度の具体的な開始時期はいつですか?

Q2 ★3や★4の取得は必ですか?それとも任意ですか?

Q3 各★の取得情報(取得企業)は公開されるのでしょうか?

Q4 ★3の取得に必要となる、「専門家」とはどのような人材ですか?

Q5 評価機関はどこに公開されていますか?

Q6 SCS評価制度は、どのような業種や企業規模に適用されるのですか?

Q7 サイバーセキュリティお助け隊サービス(新類型)は、どのような支援を提供するのですか?

Q8 ★取得しないと委託契約を打ち切られると聞きました。本当ですか?

Q9 ISMSとSCS評価制度は何が違うのですか?

Q10 EDRや資産管理システムなど、特定のセキュリティ対策製品を導入しなければならないのですか?

Q11 ★3の取得に必要なチェックリストはどこで入手できますか?判定方法や合格基準も教えてください

Q12 ★3取得の際、社内の情報システム担当者が確認すれば良いのでしょうか?

Q13 ★3や★4の取得後、どのように「基準を達成しています」と宣言すれば良いですか?

Q14 ★4の評価機関とは具体的にどのような機関ですか?

Q15 制度の詳細や提出様式、受付開始時期などはいつ公表されますか?

Q16 サプライチェーンのどの範囲まで評価対象となりますか?(例:在宅勤務者や出向者の業務環境も含まれますか?)

Q17 ★の取得は公共事業の入札要件になりますか?

Q18 中小企業だけが対象ですか?大企業も評価対象になりますか?

Q19 ★3の有効期間は1年とありますが、取引期間が1年を超える場合はどうなりますか?

Q20 ★によって想定される脅威が異なると聞きましたが、どのような違いがありますか?

Q21 全ての要求事項・評価基準を満たさないと、制度開始後直ちに取引停止等になるのでしょうか?


 

 

回答も合わせると...回答は現時点ですから、制度が固まっていくと変わっていきます...

Q1 SCS評価制度の具体的な開始時期はいつですか? A1 現時点では、SCS評価制度の開始時期(申請の受付開始時期)は令和8年度末頃(1月~3月頃)を予定しています。詳細なスケジュールや提出様式等については、令和8年度に具体化される予定ですので、SCS評価制度のスキームオーナーである独立行政法人情報処理推進機構(IPA)の公表をお待ちください。
Q2 ★3や★4の取得は必ですか?それとも任意ですか? A2 本制度は、事業者間で委託元から委託先に対して求めるセキュリティ水準を分かりやすく提示し、サプライチェーン全体のセキュリティ水準を高めることを目的とした任意の制度です。
★の取得は委託元(または委託先)との取引契約において決められるものであり、本制度として何らかの規制を課すものではありません。
関連ワード:強制, 義務, 取引停止
Q3 各★の取得情報(取得企業)は公開されるのでしょうか? A3 ★3や★4を取得した企業については、制度オーナーである独立行政法人情報処理推進機構(IPA)のWEBサイトで公開することを予定しています。詳細は令和8年度の制度具体化後にIPAから公表する予定です。
Q4 ★3の取得に必要となる、「専門家」とはどのような人材ですか? A4 ★3の「専門家確認付き自己評価」における「専門家」とは、制度構築方針p.20に記載の要件を満たす「セキュリティ専門家」を指します。具体的には、情報処理安全確保支援士、公認情報セキュリティ監査人、CISSP、CISM、CISA又はISO27001主任審査員等の資格保持者のうち、本制度における所定の研修を受講した者を想定しています。詳細な要件については、制度の具体化に伴い改めてIPAから公表する予定です。
関連ワード:登録セキスペ
Q5 評価機関はどこに公開されていますか? A5 ★4の第三者評価における評価機関は、制度構築方針p.39に記載の通り、令和8年12月頃を目途にIPAから公表される予定です。現時点では、指定・公表は行われていません。
Q6 SCS評価制度は、どのような業種や企業規模に適用されるのですか? A6 業種や事業規模を問わず、幅広い事業者が対象となり得ます。サプライチェーンを構成する企業等を対象としていますが、取引先からの要請が無くても、各企業が自らのサイバーセキュリティ対策状況を可視化するために、マーク(★)を自主的に取得することも考えられます。
Q7 サイバーセキュリティお助け隊サービス(新類型)は、どのような支援を提供するのですか? A7 サイバーセキュリティお助け隊サービス(新類型)は、★3や★4の取得支援を目的としたサービスです。具体的には、セキュリティポリシー策定などの組織的対策の支援をサービス内容とする予定です。
詳細は下記URLをご参照ください。
[web]
Q8 ★取得しないと委託契約を打ち切られると聞きました。本当ですか? A8 本制度は、2社間の取引契約等において、発注企業が、受注側に適切な段階(★)を提示し、示された対策の実施を促すとともに、実施状況を確認することを想定しています。
したがって、★取得をどのような要件として契約上扱うかは、契約当事者同士で円満に合意されるべきものであり、独占禁止法上及び取適法上適切に本制度を活用することが求められます。
詳細は、下記URLを御参照ください。
[web]
Q9 ISMSとSCS評価制度は何が違うのですか? A9 SCS評価制度の★3及び★4は、代表的な脅威を参考に、効果の高い管理策を抽出するベースラインアプローチを採用しています。ISMS(情報セキュリティマネジメントシステム)とは相互補完的な制度と位置づけていますが、詳細な比較については制度構築方針p.28をご参照ください。
Q10  EDRや資産管理システムなど、特定のセキュリティ対策製品を導入しなければならないのですか? A10 ★の取得を希望する組織の規模やシステム構成によって求められる対応が必ずしも同一では無いことから、本制度の評価基準を達成するにあたっては、特定のセキュリティ対策製品の導入を求めるものではありません。
Q11 ★3の取得に必要なチェックリストはどこで入手できますか?判定方法や合格基準も教えてください A11 ★3・★4要求事項及び評価基準は制度構築方針と共に公開しています。詳細な評価方法は、来年度の制度具体化の過程でIPAから公表予定です(ガイダンス資料として、令和8年秋頃目途で公開予定です。)。
Q12 ★3取得の際、社内の情報システム担当者が確認すれば良いのでしょうか? A12 ★3の取得にあたっては、「セキュリティ専門家」による確認が必要です。単に社内の情報システム担当者であれば良いというものではありません。セキュリティ専門家の要件については、制度構築方針p.20をご参照ください。
Q13 ★3や★4の取得後、どのように「基準を達成しています」と宣言すれば良いですか? A13 ★3や★4の取得後の、取得企業における社外周知・広報活動に係る活用方法については、令和8年度の制度具体化の中でIPAから公表します。
関連ワード:ラベル, マーク
Q14 ★4の評価機関とは具体的にどのような機関ですか? A14 ★4の評価機関については、制度構築方針p.21にて要件が示されています。現時点では、評価機関の指定・公表は行われておりません。制度構築方針p.39のスケジュール上で公表していないものについては、令和8年度の制度具体化の過程において、制度開始までにIPAから公表します。
Q15 制度の詳細や提出様式、受付開始時期などはいつ公表されますか? A15 制度の詳細や提出様式、受付開始時期等については、令和8年度の制度具体化の過程において、制度開始までにIPAから公表します。公表までお待ちください。
Q16 サプライチェーンのどの範囲まで評価対象となりますか?(例:在宅勤務者や出向者の業務環境も含まれますか?) A16 現時点では、制度構築方針にて制度の方針が示されている段階です。詳細な評価対象の範囲については、令和8年度の制度具体化の過程において、制度開始までにIPAから公表します。公表までお待ちください。
関連ワード:テレワーク, 社外常駐者
Q17 ★の取得は公共事業の入札要件になりますか? A17 政府機関等や重要インフラ事業者等における調達等での活用は、今後検討してまいります。
関連ワード:調達要件
Q18 中小企業だけが対象ですか?大企業も評価対象になりますか? A18 制度構築方針に記載の通り、業種や事業規模を問わず、幅広い事業者が対象となり得ます。中小企業だけでなく、大企業も評価対象とすることが可能なように制度を設計しています。
Q19 ★3の有効期間は1年とありますが、取引期間が1年を超える場合はどうなりますか? A19 本制度は、2社間の取引契約等において、発注企業が、受注側に適切な段階(★)を提示し、示された対策を促すとともに実施状況を確認することを想定しています。
したがって、契約上で★の取得状況をどのような要件として取り扱うかは、契約当事者同士で合意されるべきものでありますが、制度の趣旨に鑑みると、例えば当該契約の満了までは、必要な★の評価を維持し続けることを求める等の運用が考えられます。
Q20 ★によって想定される脅威が異なると聞きましたが、どのような違いがありますか? A20 ★によって想定される脅威については、制度構築方針にて「一般的なサイバー攻撃」と「未知の攻撃も含めた高度なサイバー攻撃」等の違いが示されています。詳細は制度構築方針をご参照ください。
関連ワード:脆弱性
Q21 全ての要求事項・評価基準を満たさないと、制度開始後直ちに取引停止等になるのでしょうか? A21 本制度は、事業者間で委託元から委託先に対して求めるセキュリティ水準を分かりやすく提示し、サプライチェーン全体のセキュリティ水準を高めることを目的とした任意の制度です。
したがって、契約上で★の取得状況をどのような要件として取り扱うかは、契約当事者同士で合意されるべきものではありますが、例えば、★取得の有無のほかに、本制度の要求事項・評価基準を共通のチェックリストとして必要なセキュリティ基準を満たしているか確認するといった活用方法も想定されます。
なお、本制度の開始は申請受付の開始を意味しており、制度開始時点において★を取得している企業は存在しません。
関連ワード:強制, 義務, ★取得できない, 一部不適合

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.04.29 経済産業省 サプライチェーン強化に向けたセキュリティ対策評価制度(SCS評価制度)に係る不適切な勧誘に御注意ください (2026.04.27)

・2026.04.22 IPA サプライチェーン強化に向けたセキュリティ対策評価制度(SCS評価制度)のWebページを公開 (2026.04.21)

・2026.04.14 金融庁 金融機関のサードパーティ・サイバーセキュリティリスク管理強化に関する調査 (2026.04.03)

・2026.03.28 経済産業省 「サプライチェーン強化に向けたセキュリティ対策評価制度に関する制度構築方針」(SCS評価制度の構築方針) (2026.03.27)

・2026.03.17 経済産業省 サプライチェーン・サイバーセキュリティ評価(SCS)制度のパブコメへの回答の一覧...

・2025.12.28 経済産業省 パブコメ サプライチェーン強化に向けたセキュリティ対策評価制度(SCS評価制度)に関する制度構築方針(案)とその評価基準案 (2025.12.26)

・2025.04.15 経済産業省 サプライチェーン強化に向けたセキュリティ対策評価制度構築に向けた中間取りまとめ (2024.04.14)

 

| | Comments (0)

欧州 ENISA NIS360 NIS2 -重要度の高いNISセクターにおけるサイバーセキュリティの成熟度と重大度に関する最新の知見-

こんにちは、丸山満彦です。

ENISAが、NIS360報告書を公表しています。NIS360報告書は、NIS2指令の附属書Iで特定された重要度の高い全セクターについて、サイバーセキュリティの成熟度と重要度を評価した報告書で、今年の報告書で3回目のとなりますね。

ポイント...

  • AIの急速な進展:攻撃側・防御側の双方に影響。攻撃側の技術普及が先行し、検知・対応の時間枠短縮が求められる。

  • サプライチェーン・第三者リスク:組織の信頼関係が連鎖し、単一の侵害がセクター全体に波及するシステムリスクが増大。

  • 地政学的変動の激化:制裁、輸出規制、地域不安定化がサイバーセキュリティに直接影響。国家主体の攻撃やデジタル主権への関心が高まっている。

どこも同じような話になりますね...

 

● ENISA

・2026.05.28 ENISA NIS360

・[PDF] ENISA NIS360 

20260529-232317

 

目次...

Executive Summary エグゼクティブサマリー
1.  Cybersecurity maturity overview of NIS2 sectors of high criticality 1.  重要度の高いNIS2セクターにおけるサイバーセキュリティ成熟度の概要
1.1  Assessing progress in maturity and criticality of sectors 1.1  セクターの成熟度および重要度に関する進捗状況の評価
1.2  Cross-sector progress overview 1.2  セクター横断的な進捗状況の概要
1.3  Emerging context 1.3  新たな動向
2.  Sector-by-sector cybersecurity maturity overview
2.  セクター別のサイバーセキュリティ成熟度概要
2.1  Energy 2.1  エネルギー
2.2  Digital infrastructure 2.2  デジタルインフラ
2.3  Transport 2.3  運輸
2.4  Finance 2.4  金融
2.5  Health 2.5  医療
2.6 ICT service management 2.6 ICTサービス管理
2.7 Public administrations 2.7 行政
2.8  Space 2.8  宇宙
2.9  Drinking and Waste water 2.9  飲料水・廃水
A  Annex: Overview of maturity dimensions per sector A  附属書:セクターごとの成熟度次元の概要
A.1  Energy A.1  エネルギー
A.2  Digital Infrastructure A.2  デジタルインフラ
A.3  Transport A.3  運輸
A.4  Finance A.4  金融
A.5  Health A.5  医療
A.6  ICT service management A.6  ICTサービス管理
A.7  Public administrations A.7  行政
A.8  Space A.8  宇宙
A.9  Drinking water and Waste water A.9  飲料水・廃水
B  Annex: NIS360 methodology B  附属書:NIS360の方法論
C  Annex: Abbreviations and key legislation C  附属書:略語および主要な法規制

 

エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー
This edition of the ENISA NIS360 report is the third to assess the cybersecurity maturity and criticality of all sectors of high criticality as identified under Annex I of the NIS2 directive. The assessment covers the entire ecosystem of a sector, where each sector is understood to comprise relevant actors (i.e., national authorities, entities, EU bodies) and applicable rules (EU legislation). The assessment relies on a structured methodology developed and continuously refined by ENISA. This methodology, takes into account the structural and gradually evolving nature of sectoral cybersecurity maturity and criticality, and builds on evidence gathered over time from: organisations operating in sectors that are within the scope of NIS2 and national authorities supervising those organisations, but also EU-level data, to reflect our latest evidence-informed understanding of where each sector stands.   本版ENISA NIS360報告書は、NIS2指令の附属書Iに基づき特定された、重要度の高い全セクターのサイバーセキュリティ成熟度および重要度を評価する3回目の報告書である。本評価はセクター全体のエコシステムを対象としており、各セクターは関連する主体(すなわち、国家当局、組織、EU機関)および適用される規則(EU法)から構成されると理解される。本評価は、ENISAが開発し継続的に改良を重ねてきた体系的な方法論に基づいている。この方法論は、セクターごとのサイバーセキュリティの成熟度および重要性の構造的かつ漸進的に変化する性質を考慮に入れ、NIS2の適用範囲内にあるセクターで事業を行う組織や、それらを監督する国家当局から長期間にわたり収集された証拠に加え、EUレベルのデータも活用することで、各セクターの現状に関する最新の証拠に基づく理解を反映している。
Since the previous edition of this report, cybersecurity maturity across sectors of high criticality in the EU, has been steadily improving as organisations respond to evolving policy requirements and cyber threats they face. Banking, electricity and telecommunications remain the most mature and critical sectors, while three sectors, trust services, aviation, and financial market infrastructures (FMIs) moved into the high maturity band. Four sectors strengthened their maturity within the moderate band: gas, road, maritime, and health. Several compounding factors contribute to these improvements, including developments in cybersecurity legislation, increased political attention, but also progress across specific maturity dimensions assessed. Overall, maturity is steadily improving across critical sectors, but progress still remains uneven both across and within sectors. A number of factors contribute to these variations including skill shortages, sector-specific characteristics and even organisational size.  本報告書の前回版以降、EU内の重要度の高いセクターにおけるサイバーセキュリティの成熟度は、組織が進化する政策要件や直面するサイバー脅威に対応するにつれ、着実に向上している。銀行、電力、通信は依然として最も成熟度が高く重要なセクターである一方、信頼サービス、航空、金融市場インフラ(FMI)の3つのセクターは、高い成熟度帯へと移行した。ガス、道路、海運、医療の4セクターは、中程度の成熟度帯において成熟度を強化した。こうした改善には、サイバーセキュリティ関連法規の整備や政治的関心の高まりに加え、評価対象となった特定の成熟度指標における進展など、複数の複合的な要因が寄与している。全体として、重要セクター全体で成熟度は着実に向上しているが、セクター間およびセクター内においても進捗には依然としてばらつきが見られる。こうした差異には、スキル不足、セクター固有の特性、さらには組織規模など、多くの要因が影響している。
Sector criticality, under the ENISA NIS360, is assessed based on factors such as its level of digitalisation, the socioeconomic impact of incidents affecting it, and its time-criticality i.e. how quickly the impact of incidents affecting it can be felt on the ground considering interconnections with other sectors. As these factors typically change gradually, criticality scores tend to remain relatively stable from year to year. For instance, sectors such as banking, electricity, aviation, space, and digital infrastructure (including telecommunications, cloud, and data centres) remain the most critical. Nevertheless, in this NIS360 edition, limited adjustments were introduced to the criticality dimension of certain sectors to better reflect the evolving socio-economic conditions and threat landscape. In particular, the criticality score for the space and railway sectors has been revised to reflect changes in how society or other sectors depend on them, and the extent to which they are being targeted.   ENISAのNIS360におけるセクターの重要度は、デジタル化のレベル、当該セクターに影響を及ぼすインシデントの社会経済的影響、および時間的緊急性(すなわち、他セクターとの相互接続性を考慮した際、当該セクターに影響を及ぼすインシデントの影響が現場でどの程度迅速に感じられるか)といった要因に基づいて評価される。これらの要因は通常、徐々に変化するため、重要度スコアは年ごとに比較的安定している傾向にある。例えば、銀行、電力、航空、宇宙、およびデジタルインフラ(通信、クラウド、データセンターを含む)といったセクターは、依然として最も重要度が高い。しかしながら、今回のNIS360版では、変化する社会経済状況や脅威の状況をより適切に反映させるため、特定のセクターの重要度評価に限定的な調整が加えられた。特に、宇宙および鉄道セクターの重要度スコアは、社会や他のセクターがこれらに依存する状況の変化、および標的とされる度合いを反映するよう改訂された。
Combining and jointly interpreting the criticality and maturity dimensions helps identify mismatches between the two and helps define the risk zone. The risk zone includes sectors with lower-thanaverage maturity and criticality that exceeds their maturity. Its composition changes over time as overall maturity improves across sectors. This is one of the reasons why three sectors previously at the risk zone boundary - rail, drinking water, and waste water are now within the risk zone. The positive development is that the gas sector has started moving out of the risk zone. This shift is driven by improved information sharing, stronger collaboration, and better implementation of risk management measures that are to higher maturity.  重大度と成熟度の両次元を組み合わせて解釈することで、両者の不一致を特定し、リスクゾーンを定義するのに役立つ。リスクゾーンには、平均以下の成熟度を持ち、かつその成熟度を上回る重要度を有するセクターが含まれる。その構成は、セクター全体で成熟度が向上するにつれて時間とともに変化する。これが、以前はリスクゾーンの境界線上にあった鉄道、飲料水・廃水の3つのセクターが、現在ではリスクゾーン内に位置している理由の一つである。前向きな進展として、ガスセクターがリスクゾーンから脱却し始めていることが挙げられる。この変化は、情報共有の改善、連携の強化、そしてより高い成熟度に向けたリスク管理措置の適切な実施によって推進されている。
It is expected that, as factors such as cybersecurity legislation, perceived cyber risk and threat exposure, past experience, interdependencies, and ecosystem expectations continue to act as key drivers for both cybersecurity investment and preparedness efforts, more sectors will be moving out of the risk zone.  サイバーセキュリティ関連法規、認識されるサイバーリスクや脅威への曝露、過去の経験、相互依存関係、エコシステムの期待といった要因が、サイバーセキュリティへの投資と準備態勢の両方における主要な推進力として引き続き作用するにつれ、より多くのセクターがリスクゾーンから脱却していくものと予想される。

 

成熟度と重大度のマトリックス...

Fig01_20260529232601

Fig02_20260529232601

矢印で前回からの変化を示しています...

どの分野がやばいという図...

Fig03_20260529233301

 

 

 

 


 

● まるちゃんの情報セキュリティ気まぐれ日記

昨年の...

・2025.03.09 欧州 ENISA NIS360 2024 (2025.03.05) 重要インフラのセキュリティの状況...

 

脅威...

・2025.11.09 欧州 ENISA セクター別脅威状況 - 公共行政 (2025.11.06)

・2025.10.05 ENISA 脅威状況 2025 (2025.10.01)

・2025.08.07 ENISA サイバーセキュリティ脅威状況の評価方法 (2025.08.01)

・2025.03.30 欧州ENISA 宇宙脅威状況 2025 (2025.03.26)

・2025.02.23 欧州 ENISA 脅威状況 (2023.01-2024.06):金融セクター

・2024.09.26 ENISA 脅威状況2024

・2023.12.09 ENISA 戦争と地政学がDoS攻撃に拍車をかけている - DoS攻撃に関する脅威状況

・2023.10.26 ENISA 脅威状況2023 - AIによる情報操作の台頭でEUの選挙がリスクにさらされる

・2023.09.20 ENISA 2030の脅威の展望 (2023.09.13)

・2023.03.22 ENISA 輸送セクターのサイバー脅威状況

・2022.12.14 ENISA 外国人による情報操作と干渉(FIMI)とサイバーセキュリティ - 脅威状況

・2022.11.08 ENISA 脅威状況 2022:不安定な地政学がサイバーセキュリティ脅威状況の傾向を揺るがす

・2022.08.01 ENISA ランサムウェアについての脅威状況

・2022.07.29 ENISA サイバーセキュリティ脅威ランドスケープの方法論 (2022.07.06) ENISA流サイバーインテリジェンスの方法論?

・2020.12.18 ENISA AI サイバーセキュリティのチャレンジ - AI脅威状況報告を公表していますね。

・2020.12.15 ENISA 5Gネットワークの脅威状況報告書のアップデート

・2020.10.21 ENISA Threat Landscape 2020 : サイバー脅威トップ15 サイバー攻撃はより高度化し、標的化が進み、対象も広範囲になり、検知もされにくくなる。。。

 

投資...

・2025.12.21 欧州 ENISA NIS投資報告書 2025 (2025.12.08)

・2024.11.25 欧州 ENISA NIS投資報告書 2024

・2023.11.18 ENISA EUにおけるサイバーセキュリティ投資 2023

・2022.11.25 ENISA EUにおけるサイバーセキュリティ投資 2022

・2021.11.26 ENISA NIS投資動向報告書2021 at 2021.11.17

 


| | Comments (0)

2026.05.29

米国 FBI SECへの報告要件 - サイバーインシデントの被害者に対するFBIの指針

こんにちは、丸山満彦です。

備忘録です...

米国のSECが [PDF] サイバーセキュリティ・リスクマネジメント、戦略、ガバナンス、およびインシデント開示に関する規則」(88 Fed. Reg. 51896)を公布し、原則2023年12月からForm 10-K/20-Fによるサイバーセキュリティ関連の年次開示、Form 8-K/6-Kによる適時開示が義務化されました。

投資家に対して企業のサイバーリスクへのエクスポージャーと管理能力を評価可能な情報を提供することを目的としていると言えます。

しかし、Form 8-K等による適時開示で国家安全保障又は公共の安全上の理由から開示をしないほうが良い状況も考えられるため、サイバー被害企業が、開示の延期を要請することが認められています。この取り扱いに対するFBIの指針の紹介。おそらく制度開始時から公表されていたと思いますが(^^;;

 

FBI - SEC Reporting Requirements FBI Guidance to Victims of Cyber Incidents

SEC Reporting Requirements SECの報告要件
FBI Guidance to Victims of Cyber Incidents サイバーインシデントの被害者に対するFBIのガイダンス
In 2023, the Securities and Exchange Commission (SEC) published rules for Cybersecurity Risk Management, Strategy, Governance, and Incident Disclosure (88 Fed. Reg. 51896) requiring certain companies ("registrants") to disclose material cybersecurity incidents. The FBI, in coordination with the Department of Justice, is providing guidance on how victims can request related disclosure delays for national security or public safety reasons. The FBI recommends all publicly traded companies establish a relationship with the cyber squad at their local FBI field office.  2023年、米国証券取引委員会(SEC)は、サイバーセキュリティリスク管理、戦略、ガバナンス、およびインシデント開示に関する規則(88 Fed. Reg. 51896)を公布し、特定の企業(「登録企業」)に対し、重要なサイバーセキュリティインシデントの開示を義務付けた。FBIは司法省と連携し、被害者が国家安全保障または公共の安全上の理由から、関連する開示の延期をどのように申請できるかについてガイダンスを提供している。FBIは、すべての上場企業に対し、管轄のFBI現地事務所のサイバー対策チームと連携体制を構築することを推奨している。
Click on the buttons at the bottom of this page to read the guidance on requesting a delay and providing necessary information to the FBI, to view the SEC rules, to view the Justice Department's guidelines on material cybersecurity incident delay determinations, and to read the FBI’s Policy Directive about how victim requests are processed.     このページの下部にあるボタンをクリックすると、開示の延期を要請しFBIに必要な情報を提供するためのガイダンス、SECの規則、重大なサイバーセキュリティインシデントの開示延期判断に関する司法省のガイドライン、および被害者からの要請がどのように処理されるかに関するFBIの政策指令を読むことができる。
The FBI strongly encourages companies to contact the FBI directly or through the U.S. Secret Service (USSS), another federal law enforcement agency, the Cybersecurity and Infrastructure Security Agency (CISA), or another sector risk management agency soon after a registrant believes disclosure of a newly-discovered cybersecurity incident may pose a substantial risk to national security or public safety. This early outreach allows the FBI to familiarize itself with the facts and circumstances of an incident before the company makes a materiality determination. If the victim of a cyber intrusion engages with the FBI or another U.S. government agency, this engagement doesn't trigger a determination of materiality. However, it could assist with the FBI’s review if the company determines that a cybersecurity incident is material and seeks a disclosure delay.    FBIは、登録企業が新たに発見されたサイバーセキュリティインシデントの開示が国家安全保障または公共の安全に重大なリスクをもたらす可能性があると判断した場合、直ちにFBIに直接、あるいは別の連邦法執行機関である米国シークレットサービス(USSS)、サイバーセキュリティ・インフラセキュリティ庁(CISA)、またはその他のセクター別リスク管理機関を通じて連絡することを強く推奨する。こうした早期の連絡により、企業が重要性の判断を行う前に、FBIはインシデントの事実関係や状況を把握することができる。サイバー侵入の被害者がFBIやその他の米国政府機関と接触した場合でも、その接触自体が重要性の判断を引き起こすことはない。ただし、企業がサイバーセキュリティインシデントを重要と判断し、開示の遅延を求めた場合、この接触はFBIの審査に役立つ可能性がある。
Please note that delay requests won't be processed unless they are received by the FBI immediately upon a company’s determination to disclose a cyber incident via 8k. なお、開示遅延の要請は、企業が8-Kを通じてサイバーインシデントを開示すると決定した直後にFBIに受理されない限り、処理されないことに留意されたい。

 

SEC - Request Delay Icon

Request a Delay*

FBI Guidance to Victims of Cyber Incidents on SEC Reporting Requirements: Request a Delay サイバーインシデントの被害企業に対するSEC報告要件に関するFBIのガイダンス:報告の延期申請
To request a reporting delay, victim companies must contact the FBI directly by filling out the form located at sec8k.ic3.gov or through the U.S. Secret Service, the Cybersecurity and Infrastructure Security Agency, the Department of Defense, or another sector risk management agency.  告の延期を申請するには、被害企業はsec8k.ic3.govにあるフォームに記入してFBIに直接連絡するか、米国シークレットサービス、サイバーセキュリティ・インフラセキュリティ庁(CISA)、国防総省、またはその他のセクター別リスク管理機関を通じて連絡しなければならない。
*Each request must contain all of the following information:  *各申請には、以下の情報をすべて記載しなければならない:
1. What is the name of your company?  1. 貴社の名称は何か?
2. When did the cyber incident occur?  2. サイバーインシデントはいつ発生したか?
3. When did you make a determination to disclose a cyber incident via 8k? Include the date, time, and time zone. (Note: Failure to report this information immediately upon determination will cause your delay-referral request to be denied.)  3. 8-Kを通じてサイバーインシデントを開示すると決定したのはいつか?日付、時刻、およびタイムゾーンを含めること。(注:決定後直ちにこの情報を報告しない場合、延期申請は却下される。)
4. Are you already in contact with the FBI or another U.S. government agency regarding this incident? If so, provide the names and field offices of the FBI points of contact or information regarding the U.S. government agency with whom you're in contact.  4. 本インシデントに関して、すでにFBIまたはその他の米国政府機関と連絡を取っているか。その場合、FBIの連絡担当者の氏名および管轄事務所、または連絡を取っている米国政府機関に関する情報を提供すること。
5. Describe the incident in detail. Include the following details, at minimum:  5. インシデントの詳細を記述すること。少なくとも以下の詳細を含めること:
 a. What type of incident occurred?   a. どのような種類のインシデントが発生したか?
 b. What are the known or suspected intrusion vectors, including any identified vulnerabilities if known?   b. 既知または疑われる侵入経路は何か。特定されている脆弱性があれば、それも含めてほしい。
 c. What infrastructure or data were affected (if any) and how were they affected?   c. どのようなインフラやデータが影響を受けたか(該当する場合)、またどのように影響を受けたか。
 d. What is the operational impact on the company, if known?   d. 企業への業務上の影響は何か(分かっている場合)。
6. Is there confirmed or suspected attribution of the cyber actors responsible?  6. 責任のあるサイバー攻撃者の帰属が確認されているか、または疑われているか。
7. What is the current status of any remediation or mitigation efforts?  7. 是正または軽減措置の現在の状況はどうか? 
8. Where did the incident occur? Provide the street address, city, and state where the incident occurred.  8. インシデントはどこで発生したか? インシデントが発生した住所、都市、州を記載すること。
9. Who are your company’s points of contact for this matter? Provide the name, phone number, and email address of personnel you want the FBI to contact to discuss this request.  9. この件に関する貴社の連絡担当者は誰か? この要請について協議するため、FBIに連絡してほしい担当者の氏名、電話番号、メールアドレスを記載すること。 
10. Has your company previously submitted a delay referral request or is this the first time? If you have previously submitted a delay request, please include details about when DOJ made its last delay determination(s), on what grounds, and for how long it granted the delay (if applicable).  10. 貴社は過去に延期要請を提出したことがあるか、それとも今回が初めてか?過去に延期要請を提出したことがある場合は、司法省が前回いつ延期決定を行ったか、その根拠、および延期が認められた期間(該当する場合)の詳細を記載すること。
*Other U.S. government agencies that are in receipt of a requested delay and that are seeking FBI submission to the Department of Justice for Attorney General approval must immediately send the request to the FBI by filling out the form located at sec8k.ic3.gov. *延期要請を受領し、司法長官の承認を得るためにFBIによる司法省への提出を求めている他の米国政府機関は、sec8k.ic3.govにあるフォームに記入し、直ちにFBIへ要請を送付しなければならない。

 

 

SEC - SEC Rule Icon

SEC Rule

20230728-70058

・[DOCX] [PDF] 仮訳

 

SEC - FBI Policy Icon

FBI Policy Directive

FBI Guidance to Victims of Cyber Incidents サイバーインシデントの被害者に対するFBIのガイダンス
on SEC Reporting Requirements: FBI Policy Directive Summary SEC報告要件について:FBI方針指令の概要
A summary of the FBI’s Policy Directive regarding cyber victim requests to delay disclosure pursuant to the Securities and Exchange Commission's rules and Department of Justice (DOJ) guidance is, as follows: 証券取引委員会(SEC)の規則および司法省(DOJ)のガイダンスに基づき、開示の延期を求めるサイバー被害者からの要請に関するFBIの方針指令の概要は、以下の通りである。
・As per the Securities and Exchange Commission (SEC) requirement, if a registrant experiences a cybersecurity incident that the registrant determines to be material, the registrant must disclose certain facts about that incident. ・証券取引委員会(SEC)の要件によれば、登録企業が重要であると判断したサイバーセキュリティインシデントを経験した場合、当該企業はそのインシデントに関する特定の事実を開示しなければならない。
・・The SEC defines “cybersecurity incident” to mean “an unauthorized occurrence, or a series of related unauthorized occurrences, on or conducted through a registrant’s information systems that jeopardizes the confidentiality, integrity, or availability of a registrant’s information systems or any information residing therein.”  ・・SECは、「サイバーセキュリティインシデント」を、「登録企業の情報システム上、または同システムを通じて行われた、登録企業の情報システムもしくはそこに保存されている情報の機密性、完全性、または可用性を脅かす不正な事象、または一連の関連する不正な事象」と定義している。
・Once a company makes a materiality determination, the company has four business days to disclose the incident by filing a SEC Form 8-K Item 1.05 in the SEC’s publicly accessible Electronic Data Gathering, Analysis, and Retrieval (EDGAR) system. ・企業が重要性の判断を下した場合、企業は4営業日以内に、SECの一般公開されている電子データ収集・分析・検索(EDGAR)システムにSECフォーム8-Kの項目1.05を提出し、当該インシデントを開示しなければならない。
・The SEC rules included a provision—Item 1.05(c)—that allows the DOJ Attorney General to grant a disclosure delay based on substantial risk to national security or public safety.  ・SEC規則には、国家安全保障または公共の安全に対する重大なリスクを理由に、司法長官が開示の延期を認めることを可能とする規定(項目1.05(c))が含まれている。
・A delay may be granted for up to 30 days. If the Attorney General determines that disclosure continues to pose a substantial risk to national security, the disclosure delay may be extended for an additional period of up to 30 days. In extraordinary circumstances, the Attorney General may extend the disclosure delay an additional 60 days due to substantial national security risks. ・開示の延期は最大30日間認められる。司法長官が開示が引き続き国家安全保障に重大なリスクをもたらすと判断した場合、開示の延期はさらに最大30日間延長されることがある。極めて例外的な状況下において、司法長官は、重大な国家安全保障上のリスクを理由として、開示の延期をさらに60日間延長することができる。
・Delays cannot exceed a total of 120 days (or 60 days in instances that solely relate to public safety) without an exemptive order from the SEC.  ・SECからの免除命令がない限り、延期の総期間は120日(公共の安全のみに関連する事例の場合は60日)を超えてはならない。
・The FBI is responsible for:  ・FBIは以下の責任を負う:
・・Intaking delay requests on behalf of DOJ   ・・司法省(DOJ)に代わって開示遅延の要請を受け付ける
・・Documenting those requests  ・・それらの要請を記録する
・・Coordinating checks of U.S. government national security and public safety equities, including consulting with the U.S. Secret Service (USSS), Cybersecurity and Infrastructure Security Agency (CISA), and sector risk management agencies (SRMAs) as appropriate ・・米国政府の国家安全保障および公共の安全に関する利害関係の確認を調整する。これには、必要に応じて米国シークレットサービス(USSS)、サイバーセキュリティ・インフラセキュリティ庁(CISA)、およびセクターリスク管理機関(SRMA)との協議が含まれる
・・Referring information to the DOJ  ・・情報を司法省(DOJ)に照会する
・The FBI encourages victims to engage with the FBI directly or through the USSS, CISA, or SRMAs prior to the company’s determination to disclose details of a cyber incident via an SEC Form 8-K Item 1.05.  ・FBIは、企業がSECフォーム8-Kの項目1.05を通じてサイバーインシデントの詳細を開示することを決定する前に、被害者がFBIに直接、あるいはUSSS、CISA、またはSRMAを通じて連絡を取るよう推奨している。
・・If the FBI doesn't receive the delay request from the victim directly or through the USSS, another law enforcement agency, CISA, or another SRMA immediately upon this determination, the FBI won't process the request. ・・この決定直後に、被害者から直接、あるいはUSSS、他の法執行機関、CISA、または他のSRMAを通じて遅延要請がFBIに届かない場合、FBIはその要請を処理しない。
・・In other words, failure to report the cyber incident immediately upon this determination will cause a delay-referral request to be denied.    ・・言い換えれば、この決定直後にサイバーインシデントを報告しなかった場合、開示遅延の照会要請は却下されることになる。   
・After the FBI makes a referral based on equities checks and fact-finding procedures, the Justice Department will issue a delay determination. This determination will be communicated in writing to the victim and the SEC.  ・FBIが利益衡量および事実確認手続きに基づき照会を行った後、司法省が開示遅延の決定を下す。この決定は、被害者およびSECに対して書面で通知される。
・If DOJ approves the delay request, the FBI should invite the victim to submit any requests for delay extensions to the FBI by filling out the form located at sec8k.ic3.gov. Requests for delay extensions should be submitted no later than five business days before the expiration of a granted delay. ・司法省が遅延要請を承認した場合、FBIは被害者に対し、sec8k.ic3.govにあるフォームに記入してFBIへ遅延延長の要請を提出するよう促すべきである。遅延延長の要請は、承認された遅延期間の満了日の5営業日前までに提出しなければならない。
・Please note this summary is written for convenience only and isn't intended to replace or supersede the FBI’s Policy Directive.   ・なお、この要約は便宜上作成されたものであり、FBIの政策指令に代わるものではないことに留意されたい。

 

 

SEC - DOJ Memo Icon

DOJ Memo

 

DEPARTMENT OF JUSTICE MATERIAL CYBERSECURITY INCIDENT DELAY DETERMINATIONS  司法省 重大なサイバーセキュリティインシデントに関する報告期限の延長決定
12-Dec-23 2023年12月12日
These departmental guidelines outline the process that companies subject to the reporting requirements in Section 13 or 15(d) of the Securities Exchange Act of 1934 (“registrants”), or U.S. Government agencies in coordination with registrants, may use to request that the Attorney General[1] authorize delays of cyber incident disclosures required by the U.S. Securities and Exchange Commission (“Commission”) pursuant to Form 8-K Item 1.05.  本省ガイドラインは、1934年証券取引法第13条または第15条(d)項の報告義務の対象となる企業(「登録企業」)、あるいは登録企業と連携する米国政府機関が、米国 証券取引委員会(「委員会」)がForm 8-Kの項目1.05に基づき要求するサイバーインシデントの開示の延期を、司法長官[1]に承認するよう要請するために利用できる手順を概説するものである。
When a registrant “experiences a cybersecurity incident that is determined by the registrant to be material,” SEC Form 8-K Item 1.05(a) requires the registrant to disclose “the material aspects of the nature, scope, and timing of the incident, and the material impact or reasonably likely material impact on the registrant, including its financial condition and results of operations.” Instruction 4 to Item 1.05 provides that: “A registrant need not disclose specific or technical information about its planned response to the incident or its cybersecurity systems, related networks and devices, or potential system vulnerabilities in such detail as would impede the registrant’s response or remediation of the incident.” Item 1.05(c) contains an exception to the general disclosure requirement:  登録者が「登録者自身によって重要であると判断されるサイバーセキュリティインシデントを経験した場合」、SECフォーム8-Kの項目1.05(a)は、登録者に対し、「インシデントの性質、範囲、および発生時期に関する重要な側面、ならびに登録者(その財務状況および経営成績を含む)に対する重要な影響または合理的に予想される重要な影響」を開示することを求めている。項目1.05の指示4では、次のように規定されている。「登録者は、当該インシデントへの対応計画、サイバーセキュリティシステム、関連するネットワークおよびデバイス、あるいは潜在的なシステムの脆弱性について、登録者のインシデントへの対応や是正を妨げるほどの詳細な具体的または技術的な情報を開示する必要はない。」 項目1.05(c)には、一般的な開示要件に対する例外が定められている:
…if the United States Attorney General determines that disclosure required by paragraph (a) of this Item 1.05 poses a substantial risk to national security or public safety, and notifies the Commission of such determination in writing, the registrant may delay providing the disclosure required by this Item 1.05 for a time period specified by the Attorney General, up to 30 days following the date when the disclosure required by this Item 1.05 was otherwise required to be provided. Disclosure may be delayed for an additional period of up to 30 days if the Attorney General determines that disclosure continues to pose a substantial risk to national security or public safety and notifies the Commission of such determination in writing. In extraordinary circumstances, disclosure may be delayed for a final additional period of up to 60 days if the Attorney General determines that disclosure continues to pose a substantial risk to national security and notifies the Commission of such determination in writing. Beyond the final 60-day delay under this paragraph, if the Attorney General indicates that further delay is necessary, the Commission will consider additional requests for delay and may grant such relief through Commission exemptive order.  …米国司法長官が、本項目1.05の(a)項で要求される開示が国家安全保障または公共の安全に重大なリスクをもたらすと判断し、その判断を委員会に書面で通知した場合、 登録者は、司法長官が指定する期間(本項1.05に基づく開示が本来行われるべきであった日から起算して最大30日間)に限り、本項1.05に基づく開示の提供を遅延させることができる。司法長官が、開示が引き続き国家安全保障または公共の安全に重大なリスクをもたらすと判断し、その判断を委員会に書面で通知した場合、開示はさらに最大30日間遅延させることができる。極めて例外的な状況において、司法長官が開示が引き続き国家安全保障に重大なリスクをもたらすと判断し、その判断を委員会に書面で通知した場合、開示は最終的に最大60日間までさらに延期することができる。本項に基づく最終的な60日間の延期を超えて、司法長官がさらなる延期が必要であると示した場合、委員会は追加の延期要請を検討し、委員会の免除命令を通じてそのような救済を認めることができる。
This document outlines the approach the Department of Justice (“Department”) will take in making the determinations described in Item 1.05(c).  本文書は、司法省(「省」)が項目1.05(c)に記載された決定を行う際に採用するアプローチを概説するものである。
1. Limited circumstances for finding a substantial risk to national security or public safety  1. 国家安全保障または公共の安全に対する重大なリスクが認められる限定的な状況 
The primary inquiry for the Department is whether the public disclosure of a cybersecurity incident threatens public safety or national security, not whether the incident itself poses a substantial risk to public safety and national security. While cybersecurity incidents themselves frequently threaten public safety and national security, the disclosure to the public that those incidents have occurred poses threats less often. In many circumstances, the prompt public disclosure of relevant information about a cybersecurity incident provides an overall benefit for investors, public safety, and national security.  本省が主に検討するのは、サイバーセキュリティインシデントの公開が公共の安全または国家安全保障を脅かすかどうかであり、インシデント自体が公共の安全および国家安全保障に重大なリスクをもたらすかどうかではない。サイバーセキュリティインシデント自体は頻繁に公共の安全および国家安全保障を脅かすが、それらのインシデントが発生したことを公に開示することが脅威となることは、それほど頻繁ではない。多くの場合、サイバーセキュリティインシデントに関する関連情報を速やかに一般に開示することは、投資家、公共の安全、および国家安全保障にとって全体的な利益をもたらす。
Form 8-K Item 1.05 requires registrants to “describe the material aspects of the nature, scope, and timing of the incident, and the material impact or reasonably likely material impact on the registrant, including its financial condition and results of operations.” Typically, registrants will be able to publicly disclose this material information at a level of generality that does not pose a substantial risk to national security or public safety. In certain circumstances, however, the disclosure of some or all of the information required by Item 1.05 could pose such a risk. Those circumstances of which a registrant would be aware are expected to be limited to the following categories:  フC198ォーム8-Kの項目1.05は、登録者に対し、「インシデントの性質、範囲、および発生時期に関する重要な側面、ならびに登録者(その財務状況および経営成績を含む)に対する重要な影響または合理的に予想される重要な影響」を記述することを求めている。通常、登録者は、国家安全保障や公共の安全に重大なリスクをもたらさない程度の概略的なレベルで、この重要な情報を公表することができる。しかし、特定の状況下では、項目1.05で要求される情報の一部または全部を開示することが、そのようなリスクをもたらす可能性がある。登録者が認識しうるそのような状況は、以下のカテゴリーに限定されると予想される:
a) The cybersecurity incident occurred because the illicit cyber activities were reasonably suspected to have involved a technique for which there is not yet well-known mitigation— for example, exploiting a software vulnerability for which there is no patch or other reasonably available mitigation—and the disclosure required by Item 1.05 could lead to more incidents, thereby posing a substantial risk to national security or public safety.  a) サイバーセキュリティインシデントが、まだ広く知られた対策が存在しない手法(例えば、パッチやその他の合理的に利用可能な対策が存在しないソフトウェアの脆弱性の悪用など)を用いた不正なサイバー活動によるものと合理的に疑われる場合に発生し、かつ項目1.05で要求される開示がさらなるインシデントを招き、それによって国家安全保障または公共の安全に重大なリスクをもたらす恐れがある場合。
b) The cybersecurity incident primarily impacts a system operated or maintained by a registrant that contains sensitive U.S. Government information, or information the U.S. Government would consider sensitive, and public disclosure required by Item 1.05 would make that information and/or system vulnerable to further exploitation by illicit cyber activity, thereby posing a substantial risk to national security or public safety. This category includes systems operated or maintained for the government as well as systems not specifically operated or maintained for the government that contain information the government would view as sensitive, such as that regarding national defense or research and development performed pursuant to government contracts.  b) サイバーセキュリティインシデントが、登録者が運用または保守するシステムに主に影響を及ぼし、そのシステムには機密性の高い米国政府情報、または米国政府が機密とみなす情報が含まれており、項目1.05で要求される公開開示を行うと、当該情報および/またはシステムが不正なサイバー活動によるさらなる悪用に対して脆弱となり、それによって国家安全保障または公共の安全に重大なリスクをもたらす場合。このカテゴリーには、政府のために運用または保守されているシステムに加え、政府のために特に運用または保守されているわけではないが、国防や政府契約に基づき実施される研究開発に関する情報など、政府が機密とみなす情報を含むシステムも含まれる。
c) The registrant is conducting remediation efforts for any critical infrastructure or critical system, and any disclosure required by Item 1.05(a) revealing that the registrant is aware of the incident would undermine those remediation efforts and thus pose a substantial risk to national security or public safety.  c) 登録者が重要インフラまたは重要システムに対する是正措置を実施している場合、項目1.05(a)で要求される開示により、登録者が当該インシデントを認識していることが明らかになることで、その是正措置が損なわれ、ひいては国家安全保障または公共の安全に重大なリスクをもたらす場合。
d) The circumstances described below in Section 3, after a government agency has made the registrant aware of them.  d) 政府機関から登録者に対し通知がなされた後、第3節に記載される状況。
2. Procedure for registrants to follow when Item 1.05(c)’s exception might apply  2. 項目1.05(c)の例外が適用される可能性がある場合における登録者の手順
When a registrant discovers a cybersecurity incident and believes that disclosure may pose a substantial risk to national security or public safety, the registrant should, directly or through another U.S. Government agency (e.g., the U.S. Secret Service, another federal law enforcement agency, the Cybersecurity & Infrastructure Security Agency (CISA), or another sector risk management agency (SRMA)), immediately contact the FBI consistent with reporting instructions the FBI has issued. The registrant should convey in its report a concise description of the facts forming the basis of the registrant’s belief that disclosure required under Item 1.05 may pose a substantial risk to national security or public safety, citing one or more of the categories described above. The most relevant facts will pertain to the potential consequences to national security or public safety that would result from a disclosure within the timeframe required by Item 1.05. The Attorney General must invoke the provision permitting a delay in disclosing an incident under the Commission rule within four business days of a determination by the registrant that the registrant has experienced a material cybersecurity incident. As such, it is important that the registrant provide to the FBI, directly or indirectly through another U.S. Government agency, information about a cybersecurity incident likely to meet the requirements for delayed disclosure as soon as possible, even beginning well before the registrant has completed its materiality analysis or its investigation into the incident. The FBI will document the facts of the incident provided by the registrant and findings from related FBI national security and public safety records, equity checks, and appropriate consultations with other U.S. Government agencies including USSS, CISA, or SRMAs. The FBI’s referral of a delay request to the Department will include an evaluation of whether the public disclosure required by Form 8-K Item 1.05 within its prescribed timeframe would pose a substantial risk to national security or public safety.  登録者がサイバーセキュリティインシデントを発見し、その開示が国家安全保障または公共の安全に重大なリスクをもたらす可能性があると判断した場合、登録者は、直接、または他の米国政府機関(例:米国シークレットサービス、他の連邦法執行機関、サイバーセキュリティ・インフラセキュリティ庁(CISA)、または他のセクターリスク管理機関(SRMA))を通じて、FBIが発行した報告指示に従い、直ちにFBIに連絡しなければならない。登録者は、項目1.05に基づく開示が国家安全保障または公共の安全に重大なリスクをもたらす可能性があるという自身の判断の根拠となる事実について、上記のカテゴリーのいずれか一つ以上を引用しつつ、報告書に簡潔に記述しなければならない。最も関連性の高い事実は、項目1.05で要求される期間内での開示によって生じうる、国家安全保障または公共の安全への潜在的な影響に関するものである。司法長官は、登録者が重大なサイバーセキュリティインシデントを経験したと判断してから4営業日以内に、委員会規則に基づきインシデントの開示を遅延させることを認める規定を発動しなければならない。したがって、登録者は、重大性分析やインシデントの調査を完了するかなり前からであっても、開示遅延の要件を満たす可能性のあるサイバーセキュリティインシデントに関する情報を、直接、あるいは他の米国政府機関を通じて間接的に、できるだけ速やかにFBIに提供することが重要である。FBIは、登録者から提供されたインシデントの事実関係、およびFBIの国家安全保障・公共安全に関する記録、身元調査、ならびにUSSS、CISA、SRMAを含む他の米国政府機関との適切な協議から得られた知見を文書化する。FBIによる開示遅延要請の省への付託には、所定の期間内に行われるForm 8-K項目1.05に基づく公開開示が、国家安全保障または公共の安全に重大なリスクをもたらすかどうかの評価が含まれる。
3. Procedure for a U.S. Government agency to follow when Item 1.05(c)’s exception might apply  3. 項目1.05(c)の例外が適用される可能性がある場合における米国政府機関の手順
Whenever any U.S. Government agency becomes aware of a cybersecurity incident pertaining to a registrant’s information system and believes the available facts show that a disclosure potentially required by paragraph (a) of Item 1.05 poses a substantial risk to national security or public safety, that U.S. Government agency should, in consultation with the FBI and other U.S. Government agencies as appropriate, determine whether the U.S. Government should notify and coordinate with the registrant to determine the timing and content of information the registrant plans to disclose, absent an Item 1.05(c) exemption; and whether the registrant would agree to a delayed disclosure should the Attorney General make the necessary determination. If a delay in public disclosure is believed to be warranted by the relevant U.S. Government agency and is agreed to by the registrant, then the U.S. Government agency should immediately contact the Department through the FBI, communicate the relevant facts, explain why a delay is appropriate, and recommend a period for delay. The Department anticipates that the following are the types of scenarios in which, at least initially, a recommending U.S. Government agency, rather than a registrant, is likely to be aware of a substantial risk to national security or public safety:  米国政府機関が、登録者の情報システムに関連するサイバーセキュリティインシデントを把握し、入手可能な事実から、項目1.05(a)項に基づき開示が求められる可能性のある情報が、国家安全保障または公共の安全に重大なリスクをもたらすと判断した場合、当該米国政府機関は、FBIおよびその他の米国政府機関と適切に協議の上、以下の事項を決定すべきである。政府が、項目1.05(c)の免除がない場合、登録者に対し通知を行い、登録者が開示を予定している情報の時期および内容を決定するために調整を行うべきか、また、司法長官が必要な決定を行った場合、登録者が開示の延期に同意するか否かを判断すべきである。関連する米国政府機関が公表の遅延が正当であると判断し、かつ登録者がこれに同意する場合、当該米国政府機関は直ちにFBIを通じて司法省に連絡し、関連する事実を伝え、遅延が適切である理由を説明し、遅延期間を推奨すべきである。司法省は、少なくとも当初においては、国家安全保障または公共の安全に対する重大なリスクを認識しているのは、登録者ではなく勧告を行う米国政府機関である可能性が高いと想定している。
a) Disclosure to the public of the cybersecurity incident as required by Item 1.05 would risk revealing a confidential source, information relating to U.S. national security, or law enforcement sensitive information and thereby pose a substantial threat to national security or public safety. The risk that disclosure will pose a substantial threat to national security or public safety is higher where the registrant learned of the cybersecurity incident only because a U.S. Government agency alerted the registrant to the cybersecurity incident or its possibility of occurrence.  a) 項目1.05で要求されるサイバーセキュリティインシデントの一般への開示は、機密情報源、米国の国家安全保障に関する情報、または法執行上の機密情報の暴露を招き、それによって国家安全保障または公共の安全に重大な脅威をもたらすリスクがある。登録者が当該サイバーセキュリティインシデント、またはその発生の可能性について、米国政府機関から通報を受けたために初めてその事実を知った場合、開示が国家安全保障または公共の安全に重大な脅威をもたらすリスクはより高くなる。
b) The U.S. Government is prepared to execute, or is aware of, an operation to disrupt ongoing illicit cyber activity that poses a substantial risk to national security or public safety, such as through freezing or seizing information, assets, or infrastructure involved in illicit cyber activity, or by effecting the arrest of an individual or individuals for illicit cyber activity, and public disclosure of the cybersecurity incident as required by Item 1.05 would pose a demonstrable threat or impediment to the success of such an operation.  b) 米国政府が、国家安全保障または公共の安全に重大なリスクをもたらす進行中の違法なサイバー活動を阻止するための作戦(情報の凍結や差し押さえ、 資産、またはインフラの凍結・差し押さえ、あるいはサイバー違法活動に関与した個人の逮捕などを通じて、進行中のサイバー違法活動を阻止する作戦を実行する準備があるか、またはその存在を把握している場合、かつ項目1.05で要求されるサイバーセキュリティインシデントの公開が、当該作戦の成功に対して明白な脅威または障害となる場合。
c) The U.S. Government is aware of or conducting remediation efforts for any critical infrastructure or critical system, and any disclosure required by Item 1.05(a) revealing that the registrant is aware of the incident would undermine those remediation efforts and thus pose a substantial risk to national security or public safety.  c) 米国政府が重要インフラまたは重要システムに対する修復措置を把握しているか、または実施している場合、かつ、項目1.05(a)で要求される開示により登録者が当該インシデントを把握していることが明らかになることが、それらの修復措置を損ない、ひいては国家安全保障または公共の安全に重大なリスクをもたらす場合。
4. Procedures following the Department’s determination of whether an Item 1.05(c) exception might apply  4. 項目1.05(c)の例外が適用されるか否かの省による判断後の手続き 
The Department has sole discretionary authority to determine whether and how long a substantial risk to national security or public safety exists such that a delay in disclosure is necessary consistent with Item 1.05. In making this determination and as referenced in section 2, the Department, through the FBI, will consult with other relevant U.S. Government agencies, such as USSS, CISA, and SRMAs, as appropriate. When the Attorney General determines that disclosure of all or part of the information required by Item 1.05 poses a substantial risk to national security or public safety, the Department will notify the Commission of such determination in writing. That notice will specify a period for the delay, up to 30 days. The Attorney General’s determination might pertain to only part of the information that Item 1.05 requires; for example, that disclosure of the timing of the incident would not pose a substantial risk to national security or public safety, but disclosure of the nature or scope of the incident would pose such a risk. The Department will, at or near the same time, also notify the recommending agency and the registrant of the determination, including the scope of information described in Item 1.05 covered by the determination, and the period for the delay.  省は、項目1.05に準拠して開示の遅延が必要となるほど、国家安全保障または公共の安全に対する重大なリスクが存在するか否か、またその期間について、単独の裁量権を有する。この判断を行うにあたり、第2項で言及されている通り、同省はFBIを通じて、必要に応じてUSSS、CISA、SRMAなどの他の関連する米国政府機関と協議する。司法長官が、項目1.05で要求される情報の全部または一部の開示が国家安全保障または公共の安全に重大なリスクをもたらすと判断した場合、同省はその判断を委員会に書面で通知する。当該通知には、最大30日間の開示遅延期間が明記される。司法長官の判断は、項目1.05で要求される情報の一部のみを対象とする場合がある。例えば、事件の発生時期の開示は国家安全保障または公共の安全に重大なリスクをもたらさないが、事件の性質または範囲の開示はそうしたリスクをもたらす、といった場合である。同省は、これと同時またはほぼ同時に、勧告機関および登録者に対しても、当該決定について通知する。その際、決定の対象となる項目1.05に記載された情報の範囲および遅延期間を含めるものとする。
When the Department determines, in its discretion, that the standard is not met for a disclosure delay, it will inform the recommending agency and the registrant, where applicable. If the recommending agency disagrees with the Department’s determination, it should inform the Department immediately and, time permitting, provide additional information or supporting material.  省が、その裁量により、開示遅延の基準が満たされていないと判断した場合は、推奨機関および登録者(該当する場合)にその旨を通知する。推奨機関が省の決定に同意しない場合は、直ちに省にその旨を通知し、時間が許せば、追加情報または裏付け資料を提出すべきである。
5. Changes in circumstances during a delay period  5. 遅延期間中の状況の変化
The recommending agency should inform the registrant of the ongoing need to apprise the recommending agency of any new or changed information relevant or potentially relevant to the national security or public safety risks of public disclosure that arises during the delay period. If, during the period of delay, the recommending agency assesses that public disclosure as required by Item 1.05 would no longer pose a substantial risk to national security or public safety, it will immediately notify the Department through the FBI. If the Department determines that the circumstances no longer meet Item 1.05(c)’s requirements for delaying disclosure, it will notify the recommending U.S. Government agency, the Commission, and the registrant of that determination in writing.  推薦機関は、開示遅延期間中に生じた、公開による国家安全保障または公共の安全へのリスクに関連する、あるいは関連する可能性のある新たな情報または変更された情報について、引き続き推薦機関に報告する必要がある旨を登録者に通知しなければならない。開示遅延期間中、推薦機関が、項目1.05で要求される公開がもはや国家安全保障または公共の安全に対する重大なリスクをもたらさないと判断した場合、FBIを通じて直ちに当省に通知する。同省が、当該状況がもはや項目1.05(c)の開示遅延要件を満たさないと判断した場合、その判断を推薦した米国政府機関、委員会、および登録者に書面で通知する。
6. Subsequent periods of delay  6. その後の遅延期間 
Item 1.05(c) refers to an initial delay of up to 30 days, a possible “additional” period of up to 30 days, a possible “final additional” period of delay of up to 60 days, and a possible further delay “beyond the final 60-day delay.”  項目1.05(c)は、最大30日間の初期遅延、最大30日間の「追加」遅延期間、最大60日間の「最終追加」遅延期間、および「最終60日間の遅延を超えて」さらに遅延する可能性について言及している。
“Additional” periods of delay after initial delay  初期の遅延後の「追加」遅延期間
Item 1.05(c) provides that “[d]isclosure may be delayed for an additional period of up to 30 days if the Attorney General determines that disclosure continues to pose a substantial risk to national security or public safety and notifies the Commission of such determination in writing.”  項目1.05(c)は、「司法長官が、開示が引き続き国家安全保障または公共の安全に重大なリスクをもたらすと判断し、その判断を委員会に書面で通知した場合、開示は最大30日間の追加期間遅延されることがある」と規定している。
If, during an initial delay period, the recommending agency, the registrant, or another U.S. Government agency assesses that the substantial risk to national security or public safety from public disclosure will continue to exist beyond the initial delay period, then a request to the FBI for an “additional period” of delay is appropriate. A request for an “additional period” should be made at least five business days before the end of the initial period of delay and include a description of the continued substantial risk that disclosure poses to national security or public safety and an estimate of the duration that such risk may last.  初期の遅延期間中、勧告機関、登録者、または他の米国政府機関が、公開による国家安全保障または公共の安全に対する重大なリスクが初期の遅延期間を超えて存続すると判断した場合、FBIに対し「追加期間」の遅延を要請することが適切である。「追加期間」の要請は、最初の延期期間の終了の少なくとも5営業日前に行われ、開示が国家安全保障または公共の安全に及ぼす継続的な重大なリスクの説明、および当該リスクが継続すると見込まれる期間の見積もりを含める必要がある。
When the Attorney General determines that public disclosure continues to pose a substantial risk to national security or public safety and that a specific additional period of delay is justified, the Department will notify the Commission, the recommending agency, and the registrant of the nature and scope of such determination and the duration of the additional delay period in writing.  司法長官が、公開が引き続き国家安全保障または公共の安全に対する重大なリスクをもたらし、かつ特定の追加の開示遅延期間が正当化されると判断した場合、同省は、当該判断の性質と範囲、および追加の遅延期間について、委員会、勧告機関、および登録者に書面で通知する。
When the Department determines that the standard is not met for an additional delay in disclosure, it will inform the recommending agency and the registrant, where applicable. If the recommending agency disagrees with the Department’s determination, it may inform the Department immediately and, time permitting, provide additional information or supporting material.  司法省が、開示の追加遅延に関する基準が満たされていないと判断した場合は、勧告機関および登録者(該当する場合)にその旨を通知する。勧告機関が司法省の判断に同意しない場合は、直ちに司法省にその旨を通知し、時間が許せば、追加情報または裏付け資料を提出することができる。
“Final additional” periods of delay  「最終的な追加」遅延期間 
Item 1.05(c) provides that “[i]n extraordinary circumstances, disclosure may be delayed for a final additional period of up to 60 days if the Attorney General determines that disclosure continues to pose a substantial risk to national security and notifies the Commission of such determination in writing.”  第1.05(c)項は、「極めて例外的な状況において、司法長官が開示が引き続き国家安全保障に重大なリスクをもたらすと判断し、その判断を委員会に書面で通知した場合、開示を最大60日間の最終的な追加期間遅延させることができる」と規定している。
If, during an “additional period” of delay, the recommending agency, the registrant, or another U.S. Government agency assesses that there is an extraordinary circumstance in which public disclosure continues to pose a substantial risk to national security beyond the additional delay period, the recommending agency, registrant, or other relevant U.S. Government agency will inform the FBI and the  「追加の延期期間」中に、勧告機関、登録者、または他の米国政府機関が、追加の延期期間を超えてもなお、公開が国家安全保障に重大なリスクをもたらし続けるような特段の事情があると判断した場合、勧告機関、登録者、またはその他の関連する米国政府機関は、FBIおよび
Department as soon as possible. A request for a “final additional period” should include a description of the extraordinary circumstances and continued substantial risk that public disclosure poses to national security. As with the earlier periods of delay, the Department’s determination might pertain to only part of the information that Item 1.05(a) requires and might be narrower in scope than the determination for the additional period of delay. If the Attorney General determines that public disclosure continues to pose a substantial risk to national security or public safety (as described in Section 2 above), the Department will notify the Commission, the recommending agency, and the registrant of the nature and scope of such determination and the duration of the final additional delay period in writing.  同省にできるだけ速やかに通知する。「最終追加期間」の要請には、特段の事情および公開が国家安全保障に及ぼし続ける重大なリスクに関する説明を含める必要がある。以前の延期期間と同様、司法省の判断は、項目1.05(a)で要求される情報の一部のみを対象とする場合があり、追加延期期間の判断よりも範囲が狭くなる可能性がある。司法長官が、公開が引き続き国家安全保障または公共の安全に重大なリスクをもたらすと判断した場合(上記第2項に記載の通り)、同省は、当該判断の性質と範囲、および最終的な追加遅延期間の期間について、委員会、勧告機関、および登録者に書面で通知する。
When the Department determines that the standard is not met for an additional disclosure delay, it will inform the recommending agency and the registrant, where applicable. If the recommending agency disagrees with the Department’s determination, it may inform the Department immediately and, time permitting, provide additional information or supporting material.  司法省が、開示の追加遅延に関する基準が満たされていないと判断した場合、当該省は、勧告機関および登録者(該当する場合)にその旨を通知する。勧告機関が司法省の判断に同意しない場合、直ちに司法省にその旨を通知し、時間が許せば、追加情報または裏付け資料を提出することができる。
Periods “beyond the final 60-day delay”  「最終60日間の延期期間」を超える期間
Item 1.05(c) provides that “[b]eyond the final 60-day delay under this paragraph, if the Attorney General indicates that further delay is necessary, the Commission will consider additional requests for delay and may grant such relief through Commission exemptive order.”  項目1.05(c)は、「本項に基づく最終60日間の延期期間を超えて、司法長官がさらなる延期が必要であると示した場合、委員会は追加の延期要請を検討し、委員会の免除命令を通じてそのような救済を認めることができる」と規定している。
If, during a “final additional” period of delay, the recommending agency, the registrant, or another U.S. Government agency assesses that public disclosure continues to pose a substantial risk to national security beyond the final additional period of delay, the recommending agency, registrant, or other relevant U.S. Government agency will so inform the FBI and the Department. If the Attorney General determines that public disclosure continues to pose a substantial risk to national security, the Department will so indicate in writing to the Commission, which will consider the merits of issuing an exemptive order allowing additional delay. If any additional delay is allowed, the Department will notify the recommending agency and the registrant of the nature and scope of such determination and the duration of the additional delay period in writing.  「最終的な追加」延期期間中、勧告機関、登録者、または他の米国政府機関が、公開が最終的な追加延期期間を超えてもなお国家安全保障に重大なリスクをもたらし続けると判断した場合、勧告機関、登録者、またはその他の関連する米国政府機関は、その旨をFBIおよび司法省に通知する。司法長官が、公開が引き続き国家安全保障に重大なリスクをもたらすと判断した場合、司法省は委員会に対し書面でその旨を通知し、委員会は追加の延期を認める免除命令の発令の是非を検討する。追加の延期が認められる場合、司法省は、その決定の内容と範囲、および追加の延期期間について、勧告機関および登録者に書面で通知する。
When the Department determines that the standard is not met for an additional disclosure delay, it will inform the recommending agency and the registrant, where applicable. If the recommending agency disagrees with the Department’s determination, it may inform the Department immediately and, time permitting, provide additional information or supporting material.  司法省が、開示の追加延期に関する基準が満たされていないと判断した場合は、勧告を行った機関および登録者(該当する場合)にその旨を通知する。勧告を行った機関が司法省の判断に同意しない場合は、直ちに司法省にその旨を通知し、時間が許せば、追加情報または裏付け資料を提出することができる。
7. This document’s limited scope  7. 本文書の限定的な範囲
These guidelines do not address processes or procedures for interagency sharing of registrantrelated information. While the Department anticipates considerable coordination and consultation with other agencies, this document does not purport to describe that work.  本ガイドラインは、登録者関連情報の省庁間共有に関するプロセスや手続きについては扱わない。当省は他省庁との相当な調整や協議を見込んでいるが、本文書はそのような業務について記述するものではない。
These guidelines do not attempt to describe every situation in which the law might require a cybersecurity disclosure, or when cybersecurity disclosures are advisable even if not required. Aside from the Commission’s public disclosure requirements contained in Item 1.05, additional or concurrent reporting to the Commission pursuant to other statutory or regulator provisions or other government agencies (such as to CISA, SRMAs, or regulators) may be legally required or advisable.  本ガイドラインは、法律によりサイバーセキュリティ開示が義務付けられるあらゆる状況、あるいは義務付けられていない場合でも開示が望ましい状況について、すべてを網羅するものではない。項目1.05に含まれる委員会の公開開示要件とは別に、他の法令や規制当局の規定、あるいは他の政府機関(CISA、SRMA、規制当局など)への追加的または並行的な報告が、法的に義務付けられているか、あるいは推奨される場合がある。
This document provides no legal advice about the meaning of Item 1.05, or about the nature or extent of the Commission’s reporting requirements.  本文書は、項目1.05の意味、あるいは委員会の報告要件の性質や範囲について、法的助言を提供するものではない。
Future rulemaking pursuant to the Cyber Incident Reporting Act for Critical Infrastructure  重要インフラ向けサイバーインシデント報告法(CIRCIA)
(CIRCIA) and the Cyber Incident Reporting Council’s directive to harmonize mandatory cyber incident reporting under CIRCIA (see 6 U.S.C. §§ 681f and 681g) may affect the contents of these guidelines. The Department will reassess these guidelines after CIRCIA rulemaking is complete, with consideration of any relevant recommendations from the Council on harmonization and streamlined reporting processes.  に基づく今後の規則制定、およびCIRCIAに基づく義務的なサイバーインシデント報告の調和を図るためのサイバーインシデント報告評議会の指示(6 U.S.C. §§ 681f および 681g 参照)は、本ガイドラインの内容に影響を与える可能性がある。当省は、CIRCIAに基づく規則制定が完了した後、調和および報告プロセスの合理化に関する評議会からの関連する提言を考慮し、本ガイドラインを再評価する。
These guidelines have no regulatory effect, confer no rights or remedies, and do not have the force of law. See United States v. Caceres, 440 U.S. 741 (1979).  本ガイドラインは規制上の効力を有さず、いかなる権利や救済手段も付与せず、法的拘束力を持たない。United States v. Caceres, 440 U.S. 741 (1979) を参照のこと。
[1] References to “the Attorney General” throughout this document refer to the Attorney General and authorized designees at the Department of Justice.  [1] 本文書における「司法長官」への言及は、司法長官および司法省内の権限を付与された指名者を指す。

 

 

 


 

 

・2025.02.28 [PDF] FEDERAL BUREAU OF INVESTIGATION POLICY DIRECTIVE Cyber Victim Requests to Delay Securities and Exchange Commission Public Disclosure Policy Directive 1355D

20260529-61355

 

FEDERAL BUREAU OF INVESTIGATION POLICY DIRECTIVE  連邦捜査局(FBI)方針指令
Cyber Victim Requests to Delay Securities and Exchange Commission Public Disclosure Policy Directive 1355D  証券取引委員会(SEC)への情報開示延期を求めるサイバー被害者からの要請に関する方針指令 1355D
General Information  概要
Proponent Cyber Division (CyD)  提案者:サイバー部門(CyD)
Publication Date 2025-02-28  公表日 2025-02-28
Last Updated N/A  最終更新日 該当なし
Supersession Cyber Victim Requests to Delay Securities and Exchange Commission Public Disclosure Policy Notice (1297N)  廃止 サイバー被害者による証券取引委員会(SEC)への公開開示延期要請に関する方針通知(1297N)
1. Authorities  1. 根拠
• Volume 88 Federal Register (Fed. Reg.), No. 51896, Cybersecurity Risk Management, Strategy, Governance, and Incident Disclosure, Securities and Exchange Commission (SEC) (2023)  • 連邦官報(Fed. Reg.)第88巻、第51896号、「サイバーセキュリティリスク管理、戦略、ガバナンス、およびインシデント開示」、証券取引委員会(SEC)(2023年)
Department of Justice (DOJ) Material Cybersecurity Incident Delay Determinations  (2023)  司法省(DOJ)重要サイバーセキュリティインシデントの開示延期決定 (2023) 
• Securities Exchange Act of 1934  • 1934年証券取引法 
2. Purpose  2. 目的 
2.1. This policy directive (PD) implements the DOJ Material Cybersecurity Incident Delay Determinations guidelines and establishes procedures by which Federal Bureau of Investigation (FBI) personnel will document cybersecurity incident public disclosure delay requests, related incident details, and United States government (USG) national security or public safety checks in an FD-1219, “Federal Bureau of Investigation 8-K Cyber Delay Referral Form.” This PD also establishes the roles, responsibilities, and procedures by which FBI personnel will send these forms to DOJ to facilitate delay determinations.  2.1. 本方針指令(PD)は、司法省(DOJ)の「重大なサイバーセキュリティインシデントに関する公表延期決定」ガイドラインを実施するものであり、連邦捜査局(FBI)職員が、サイバーセキュリティインシデントの公表延期要請、関連するインシデントの詳細、および米国政府(USG)による国家安全保障または公共の安全に関する審査を、FD-1219「連邦捜査局 8-K サイバーセキュリティインシデント公表延期照会書」に記録するための手順を定めるものである。また、本PDは、遅延決定を円滑に進めるため、FBI職員がこれらの様式を司法省(DOJ)に送付する際の役割、責任、および手順を定めるものである。
2.2. Per the SEC’s Cybersecurity Risk Management, Strategy, Governance, and Incident Disclosure rule (88 Fed. Reg. 51896), publicly traded companies are required to determine whether each cybersecurity incident that they experience is a material cybersecurity incident pursuant to the rule. This determination is the responsibility of publicly traded companies subject to the rule and the Securities Exchange Act. Once a company makes a materiality determination, the company has four business days to publicly disclose the incident by filing an SEC Form 8-K in the SEC’s EDGAR database.  2.2. SECの「サイバーセキュリティ・リスク管理、戦略、ガバナンス、およびインシデント開示に関する規則」(88 Fed. Reg. 51896)に基づき、上場企業は、自社で発生した各サイバーセキュリティインシデントが、同規則に従い重要なサイバーセキュリティインシデントに該当するかどうかを判断することが義務付けられている。この判断は、同規則および証券取引法の適用を受ける上場企業の責任である。企業が重要性の判断を下した後、同社は4営業日以内にSECのEDGARデータベースへSECフォーム8-Kを提出し、当該インシデントを公表しなければならない。
2.3. The SEC rule permits DOJ to notify these companies that they may delay public filing if the Attorney General (AG) (or designee) determines that disclosure through a public filing poses a substantial risk to national security or public safety and notifies the SEC of such determination in writing. Initially, disclosure may be delayed for a timeframe specified by the AG but must only last up to 30 calendar days following the date when the SEC disclosure was otherwise required to be provided (i.e., four business days from determining materiality). If the AG determines that disclosure continues to pose a substantial risk to national security or public safety, the disclosure delay may be extended for an additional period of up to 30 calendar days, and DOJ will notify the SEC of such determination in writing. In extraordinary circumstances, if the AG determines that disclosure continues to pose a substantial risk to national security and notifies the SEC of such determination in writing, disclosure may be delayed for a final additional period of up to 60 calendar days. The DOJ Material Cybersecurity Incident Delay Determinations memo explains how DOJ and the AG will make these determinations and notify the requesting victim, the SEC, and the referring agency (including the FBI) of determinations. Through this memo, the FBI is responsible for intaking all such requests (either from a victim directly, the Cybersecurity and Infrastructure Security Agency [CISA], or other government agencies [OGA]) on behalf of DOJ; coordinating checks of USG national security and public safety equities; and reporting the outcome of these checks to DOJ.  2.3. SEC規則は、司法長官(AG)(またはその指名者)が、公的届出による開示が国家安全保障または公共の安全に重大なリスクをもたらすと判断し、その判断をSECに書面で通知した場合、DOJが当該企業に対し、公的届出を遅延させることができる旨を通知することを認めている。当初、開示は司法長官が指定した期間だけ遅延させることができるが、その期間は、本来SECへの開示が義務付けられていた日(すなわち、重要性の判断から4営業日後)から起算して30暦日以内にとどめなければならない。司法長官が開示が引き続き国家安全保障または公共の安全に重大なリスクをもたらすと判断した場合、開示の延期は最大30暦日延長され、司法省は当該判断をSECに書面で通知する。極めて例外的な状況において、司法長官が開示が引き続き国家安全保障に重大なリスクをもたらすと判断し、その判断をSECに書面で通知した場合、開示は最終的に最大60暦日延長されることがある。司法省の「重大なサイバーセキュリティインシデントに関する開示遅延の決定」に関する覚書は、司法省および司法長官がこれらの決定をどのように行い、要請を行った被害者、SEC、および照会機関(FBIを含む)に決定を通知するかを説明している。この覚書を通じて、 FBIは、司法省に代わって、被害者本人、サイバーセキュリティ・インフラセキュリティ庁(CISA)、またはその他の政府機関(OGA)からのすべての当該要請を受け付けること、米国政府の国家安全保障および公共の安全に関する利益の照合を調整すること、およびこれらの照合結果を司法省に報告することを担当する。
3. Scope  3. 適用範囲
This PD applies to all FBI personnel.  本PDは、すべてのFBI職員に適用される。
4. Exemptions  4. 適用除外 
There are no exemptions to this PD.  本PDには適用除外はない。
5. Policy Statement  5. 方針声明 
5.1. This PD applies to all requests from cyber incident victims for a referral of their incident to DOJ for a delay of SEC public filing requirements, regardless of whether:  5.1. 本PDは、サイバーインシデントの被害者から、SECの公開提出要件の延期を目的として、当該インシデントをDOJに照会するよう求めるすべての要請に適用される。以下のいずれの場合であっても適用される:
5.1.1. The request is the FBI’s first notice of the incident or the request is made after the FBI is already aware of the incident.  5.1.1. 当該要請がFBIにとってのインシデントに関する最初の通知であるか、またはFBIが既に当該インシデントを把握している後に要請がなされたか。
5.1.2. The victim is requesting a delay determination for the first time or an extension of an existing delay determination.  5.1.2. 被害者が遅延決定を初めて請求しているか、既存の遅延決定の延長を請求しているか。
5.2. This PD establishes roles, responsibilities, and procedures of FBI personnel for:  5.2. 本PDは、以下の事項に関するFBI職員の役割、責任、および手順を定める:
5.2.1. The intake of delay referral requests from cyber incident victims directly or via CISA or OGAs.  5.2.1. サイバーインシデントの被害者から直接、またはCISAやOGAを通じて行われる遅延照会請求の受付。
5.2.2. Coordinating checks of USG national security and public safety equities for each delay referral request.  5.2.2. 各遅延照会要請について、米国政府の国家安全保障および公共の安全上の利益に関する確認を調整すること。
5.2.3. Documenting these requests and checks in an FD-1219.  5.2.3. これらの要請および確認内容をFD-1219に記録すること。
5.2.4. Submitting approved and completed FD-1219 forms to DOJ.  5.2.4. 承認済みかつ記入済みのFD-1219フォームを司法省(DOJ)に提出すること。
5.2.5. Conducting follow-up victim engagement, as appropriate.  5.2.5. 必要に応じて、被害者とのフォローアップ対応を行うこと。
5.2.6. Coordinating and documenting requests for additional delay referrals.  5.2.6. 追加の遅延付託要請について調整し、記録する。
5.3. This PD complements and does not supersede other cyber incident response, victim notification, or coordination requirements found in the Cyber Division Policy Guide (1181PG) [Redacted].  5.3. 本PDは、『サイバー部門ポリシーガイド(1181PG)』[削除済み]に記載されている他のサイバーインシデント対応、被害者通知、または調整要件を補完するものであり、それらに優先するものではない。
6. Roles and Responsibilities  6. 役割と責任 
6.1. All FBI personnel who are in receipt of a request from a cyber incident victim, either directly or via CISA or OGAs, for a referral of their incident to DOJ for a delay of SEC public filing requirements must as soon as possible direct victims to make these delay requests by filling out the online “SEC Reporting Requirements Delay Request Form” <https://sec8k.ic3.gov>.  6.1. サイバーインシデントの被害者から、直接、あるいはCISAやOGAを通じて、SECの公開提出要件の延期を目的としたDOJへのインシデント照会要請を受けたすべてのFBI職員は、被害者に対し、オンラインの「SEC報告要件延期要請フォーム」<https://sec8k.ic3.gov>に記入して、これらの延期要請を行うよう、できるだけ速やかに指示しなければならない。
6.2. The time requirements of the following subsections of this policy must be actioned for all initial requests for a disclosure delay. If a victim is granted a disclosure delay by DOJ and submits a request for an extension at least five business days prior to the expiration of the granted delay, then CyWatch may adjust the timeliness requirements of the following subsections as appropriate per its judgement.  6.2. 本方針の以下の各節に定める時間要件は、開示遅延に関するすべての初回要請に対して適用されなければならない。被害者が司法省(DOJ)から開示遅延の許可を受け、かつ許可された遅延期間の満了日の少なくとも5営業日前までに延長要請を提出した場合、CyWatchはその判断に基づき、以下の各節の適時性要件を適切に調整することができる。
6.3. CyWatch must:  6.3. CyWatchは以下を行わなければならない:
6.3.1. Within two hours of receipt of a request submitted through the online form, conduct the following actions (although, if the online form is submitted during a non-business day, these designated time requirements commence at the next opening of business hours):  6.3.1. オンラインフォームを通じて提出された要請を受領してから2時間以内に、以下の措置を講じなければならない(ただし、オンラインフォームが非営業日に提出された場合、これらの指定された時間要件は次の営業時間の開始時に適用される):
6.3.1.1. Verify the request has been made by a publicly traded company.  6.3.1.1. 要請が上場企業によって行われたことを確認する。
6.3.1.2. Verify the request has been made immediately upon the company’s determination to disclose details of a cyber incident via an SEC Form 8-K.  6.3.1.2. 当該企業がSECフォーム8-Kを通じてサイバーインシデントの詳細を開示することを決定した直後に、リクエストが行われたことを確認する。
6.3.1.3. Upon verification of the criteria asked in the above subsections 6.3.1.1. and 6.3.1.2. of this PD, conduct initial record checks of FBI databases for information specifically related to the incident, including but not limited to a past or present investigation or [Redacted] on the request's referenced cyber incident and the attributed threat activity or actors responsible for the incident, if known. If the victim is not a publicly traded company, or if the victim does not make this request to CyWatch immediately upon the company’s determination to disclose details of a cyber incident via an SEC Form 8-K, CyWatch should not process the request. If CyWatch determines not to process a request based on these criteria, it must document this determination in an administrative case file maintained [Redacted] by CyWatch.  6.3.1.3. 本PDの上記6.3.1.1.および6.3.1.2.項で求められた基準の確認後、当該インシデントに特に関連する情報について、FBIデータベースの初期記録照会を行う。これには、リクエストで言及されたサイバーインシデントおよび、判明している場合は当該インシデントの原因となった脅威活動または責任あるアクターに関する、過去または現在の調査、あるいは[削除済み]などが含まれるが、これらに限定されない。被害者が上場企業でない場合、または被害者がSECフォーム8-Kを通じてサイバーインシデントの詳細を開示することを決定した直後にCyWatchに本要請を行わない場合、CyWatchは当該要請を処理してはならない。CyWatchがこれらの基準に基づき要請を処理しないと判断した場合、CyWatchが[削除]で管理する行政案件ファイルに、その判断を記録しなければならない。
6.3.1.4. Populate questions one through six of a new draft FD-1219 based on the information provided in the victim’s request and initial record checks, per the above subsection 6.3.1.3. of this PD. If responses to the online delay request form satisfy any or all of questions one through six of the FD-1219, CyWatch should not alter the provided information but may add to it, as appropriate (e.g., using information found during record checks). CyWatch must designate in the FD-1219 which text was provided by the victim and which was new text added by CyWatch.  6.3.1.4. 本PDの上記6.3.1.3項に従い、被害者の要請および初期記録照会により提供された情報に基づき、新規FD-1219草案の質問1から6までを記入する。オンライン遅延要請フォームへの回答が、FD-1219の質問1から6のいずれかまたはすべてを満たす場合、CyWatchは提供された情報を変更してはならないが、必要に応じて(例:記録照会中に発見された情報を使用するなど)追加することはできる。CyWatchは、FD-1219において、どのテキストが被害者によって提供されたものであり、どのテキストがCyWatchによって新たに追加されたものであるかを明記しなければならない。
6.3.1.5. If a field office (FO) has an open investigation on the request’s referenced cyber incident, send a [Redacted] email to the corresponding appropriate FO cyber squad(s) for the investigation. If no FO has an open investigation on the request’s referenced cyber incident, send a [Redacted] email to the corresponding appropriate FO cyber squad(s) of the victim’s local FO. These emails should include, at minimum:  6.3.1.5. 現地事務所(FO)が、当該要請で言及されたサイバーインシデントについて未解決の調査を行っている場合、当該調査を担当する適切なFOサイバーチームに対し、[Redacted]メールを送信する。どのFOも当該要請で言及されたサイバーインシデントについて未解決の調査を行っていない場合、被害者の管轄FOの適切なFOサイバーチームに対し、[Redacted]メールを送信する。これらのメールには、少なくとも以下を含めること:
6.3.1.5.1. A subject line stating, “SEC Disclosure Delay Referral: Request by [Insert Victim Identity].”  6.3.1.5.1. 「SEC開示遅延の照会:[被害者の身元を挿入]による要請」と記載した件名。
6.3.1.5.2. The draft FD-1219, initiated per the above subsection 6.3.1.4. of this PD [Redacted].  6.3.1.5.2. 本PD [Redacted]の上記6.3.1.4項に基づき作成されたFD-1219の草案。
6.3.1.5.3. A summary of the incoming request from the cyber incident victim, including where the incident occurred.  6.3.1.5.3. サイバーインシデント被害者からの要請の概要(インシデントの発生場所を含む)。
6.3.1.5.4. The following statement: "The FO in receipt of this email must complete the roles and responsibilities assigned in subsection 6.4. of the Cyber Victim Requests to Delay Securities and Exchange Commission Public Disclosure Policy Directive (1355D) within 24 hours of receipt.”  6.3.1.5.4. 以下の文言:「本メールを受領した現地事務所(FO)は、受領後24時間以内に、『サイバー被害者による証券取引委員会(SEC)への公開開示遅延要請に関する方針指令(1355D)』の第6.4項で割り当てられた役割と責任を履行しなければならない。」
6.3.1.5.5. A copy to the appropriate CyD operational desk program managers (PMs) and Cyber Threat Team (CTT), if applicable; the section chief (SC) of the Cyber Operations Support Section (COSS).  6.3.1.5.5. 該当する場合、適切なCyD運用デスクのプログラムマネージャー(PM)およびサイバー脅威チーム(CTT)への写し;サイバー運用支援課(COSS)の課長(SC)。
6.3.1.6. Following the FO’s return of the draft FD-1219 to CyWatch, CyWatch must share this returned copy of the FD-1219 with the appropriate CyD operational desk PMs. This notification must task these PMs to commence completing the roles and responsibilities assigned in subsection 6.8. of this PD within 28 hours of the receipt of the draft FD-1219.  6.3.1.6. FOがFD-1219草案をCyWatchに返送した後、CyWatchは、この返送されたFD-1219の写しを、適切なCyD運用デスクのPMと共有しなければならない。この通知において、当該PMに対し、FD-1219草案の受領から28時間以内に、本PDの第6.8項で割り当てられた役割と責任の履行を開始するよう指示しなければならない。
6.3.1.7. Concurrent with the notifications made per subsection 6.3.1.5. and the above 6.3.1.6. of this PD, notify the appropriate OGAs (as determined by CyWatch’s list) with national security and public safety equities of the incoming request from a cyber incident victim.  6.3.1.7. 本PDの6.3.1.5.項および上記の6.3.1.6.項に基づく通知と並行して、国家安全保障および公共の安全に関わる利害関係を有する適切なOGA(CyWatchのリストに基づき決定される)に対し、サイバーインシデント被害者からの要請が寄せられたことを通知しなければならない。
6.3.1.7.1. This notification must include the incident information provided through the victim’s request and information documented per subsection 6.3.1.4. of this PD. The notification must task these OGAs to conduct equity checks to help determine if public filing of the incident would pose a substantial risk to national security or public safety; return results of these equity checks to CyWatch within 24 hours; and handle enclosed victim information in accordance with the Framework for Improved Cyber Information Sharing and Interagency Coordination for Critical Infrastructure Engagements Regarding Cyber Threats and Incidents, also known as the Federal Senior Leadership Council (FSLC) Framework, approved by the National Security Council Cyber Policy Coordination Committee on April 22, 2020.  6.3.1.7.1. 本通知には、被害者の要請を通じて提供されたインシデント情報および本PDの6.3.1.4項に基づき記録された情報を含めなければならない。また、本通知においては、当該インシデントの公開が国家安全保障または公共の安全に重大なリスクをもたらすかどうかを判断するため、これらのOGAに対し、公平性チェックの実施を指示しなければならない; これらの公平性チェックの結果を24時間以内にCyWatchに報告すること;および、2020年4月22日に国家安全保障会議サイバー政策調整委員会により承認された、「サイバー脅威およびインシデントに関する重要インフラへの関与のためのサイバー情報共有および省庁間調整の改善に関する枠組み」(通称:連邦上級指導者評議会(FSLC)枠組み)に従って、添付された被害者情報を扱うこと。
6.3.1.8. Notify DOJ of the request with a confirmation that CyD intends to process the request.  6.3.1.8. CyDが当該要請を処理する意向であることを確認した上で、その要請を司法省(DOJ)に通知する。
6.3.2. Maintain a list of OGAs eligible to submit online delay request forms on behalf of cyber incident victims.  6.3.2. サイバーインシデントの被害者に代わってオンライン遅延要請フォームを提出する資格を有するOGAのリストを維持する。
6.3.3. Within two hours of receipt of responses from the relevant FO, CyD operational desk PMs, and OGAs, per the concurrent tasks assigned in subsection 6.3.1.5. through the above subsection 6.3.1.7. of this PD, must:  6.3.3. 本PDの6.3.1.5.項から上記の6.3.1.7.項までに割り当てられた並行タスクに従い、関連するFO、CyD運用デスクPM、およびOGAからの回答を受領してから2時間以内に、以下を行わなければならない:
6.3.3.1. Complete the remainder of FD-1219, Section Two. This action must include ensuring that documentation of record checks was performed by CyD operational desk PMs for question six of the FD-1219, per the above subsection 6.3.1.6. and subsection 6.8. of this PD; completing question seven of the FD-1219, based on responses provided by appropriate OGAs, per the above subsection 6.3.1.7. of this PD; and providing a summary of the findings of risk for public disclosure to national security or public safety in response to questions eight and nine of the FD-1219.  6.3.3.1. FD-1219の第2セクションの残りの部分を記入する。この措置には、本PDの上記6.3.1.6項および6.8項に基づき、FD-1219の質問6についてCyD運用デスクPMによる記録照会が実施されたことを確認することが含まれなければならない; 本PDの上記6.3.1.7項に基づき、適切なOGAsから提供された回答に基づいて、FD-1219の質問7を記入すること;およびFD-1219の質問8および9に対する回答として、国家安全保障または公共の安全に対するリスクの調査結果の概要を提示すること。
6.3.3.2. Request and gain, if applicable, verbal or written approval of the final FD-1219 from the COSS SC (delegable to the DAD or AD) per subsection 6.5. to subsection 6.7.2. of this PD. An acting official may not approve the FD-1219.  6.3.3.2. 本PDの第6.5項から第6.7.2項に基づき、COSS SC(DADまたはADに委任可能)に対し、最終的なFD-1219について、該当する場合、口頭または書面による承認を要請し、取得すること。代理の役職者はFD-1219を承認してはならない。
6.3.3.3. Send a copy of the approved form to the designated DOJ email inboxes. This email must include confirmation that CyD is making the referral following internal records checks and OGA equity checks; a copy of the FD-1219, approved per subsection 6.5. through subsection 6.7. of this PD; and a request for confirmation from DOJ of its delay determination.  6.3.3.3. 承認された書式の写しを、指定された司法省(DOJ)の電子メール受信箱に送付する。この電子メールには、CyDが内部記録確認およびOGA公平性確認を経て照会を行っていることの確認、本PDの第6.5項から第6.7項に従って承認されたFD-1219の写し、および司法省(DOJ)による遅延決定の確認を求める要請を含めなければならない。
6.3.4. Within 10 business days of receipt of approval of the final FD-1219, per subsection 6.3.3.2. of this PD, upload the email chain containing SC approval of the completed FD1219 to the appropriate [Redacted] file maintained by CyWatch.  6.3.4. 本PDの6.3.3.2項に従い、最終的なFD-1219の承認を受領してから10営業日以内に、完成したFD-1219に対するSCの承認を含むメールのやり取りを、CyWatchが管理する適切な[削除済み]ファイルにアップロードする。
6.3.5. Upon receipt of DOJ’s delay determination (which DOJ will make concurrently to the victim and the SEC):  6.3.5. DOJの遅延決定(DOJは被害者およびSECに対して同時に通知する)を受領した時点で:
6.3.5.1. Contact the victim via formal written communication, as appropriate, to confirm that the FBI is aware of DOJ’s determination. If DOJ approves the delay request, CyWatch’s contact with the victim should include an invitation for the victim to submit any requests for delay extensions no later than five business days before the expiration of the granted delay. CyWatch should advise the victim to submit this renewal request through the online form referred to in subsection 6.1. of this PD. CyWatch must make the relevant FO(s), relevant CyD operational desk PMs, and the COSS SC aware of this contact, as appropriate. This will enable additional relevant FO engagement with the victim.  6.3.5.1. 必要に応じて、正式な書面による連絡を通じて被害者に連絡し、FBIが司法省の決定を把握していることを確認する。司法省が遅延要請を承認した場合、CyWatchによる被害者への連絡には、承認された遅延期間の満了の5営業日前までに、遅延延長の要請を提出するよう被害者に促す内容を含めるべきである。CyWatchは、本PDの第6.1項で言及されているオンラインフォームを通じて、この更新要請を提出するよう被害者に助言すべきである。CyWatchは、必要に応じて、関連するFO、関連するCyD運用デスクのPM、およびCOSS SCに対し、この連絡を行ったことを通知しなければならない。これにより、被害者に対する関連FOによる追加的な関与が可能となる。
6.3.5.2. Document DOJ’s delay determination [Redacted].  6.3.5.2. DOJの延期決定を文書化する [削除済み]。
6.3.6. Manage related communications with DOJ following the referral of an FD-1219 to DOJ. These communications may include, but not be limited to, follow-up questions related to the contents of the FD-1219 and the process by which FBI arrived at the facts and findings documented therein.  6.3.6. FD-1219がDOJに照会された後の、DOJとの関連する連絡を管理する。これらの連絡には、FD-1219の内容、およびFBIがそこに記載された事実と結論に到達したプロセスに関する追跡質問が含まれるが、これらに限定されない。
6.3.7. Manage communication mechanisms (e.g., email inboxes or telephone lines) for the victim request intake and referral process and monitor them on a 24/7 basis.  6.3.7. 被害者からの要請受付および照会手続きのための連絡手段(例:電子メール受信箱や電話回線)を管理し、24時間365日体制で監視する。
6.3.8. Develop, update, and provide appropriate training materials and communications to stakeholders of the processes outlined in this PD, in coordination with CyD’s Cyber Education and Training Unit (CETU), Executive Staff Unit (ESU), the Cyber Policy Team, and the Office of the General Counsel (OGC), as appropriate.  6.3.8. 本PDに概説されたプロセスの関係者に対し、必要に応じてCyDのサイバー教育・訓練ユニット(CETU)、執行スタッフユニット(ESU)、サイバー政策チーム、および法務総局(OGC)と連携し、適切な研修資料および連絡事項を作成、更新、提供すること。
6.4. FO heads (delegable to assistant special agents in charge [ASAC]):  6.4. 現地事務所(FO)長(副特別捜査官(ASAC)に委任可能):
6.4.1. Must establish and execute a process by which their subordinate personnel respond to CyWatch emails sent to FOs, per subsection 6.3.1.5. of this PD. The established process must, at minimum, execute the following actions within 24 hours:  6.4.1. 本PDの6.3.1.5項に従い、FO宛てに送信されるCyWatchメールに対し、配下の職員が対応するプロセスを確立し、実行しなければならない。確立されたプロセスでは、少なくとも24時間以内に以下の措置を講じなければならない:
6.4.1.1. Intake the request and engage with the victim, as appropriate.  6.4.1.1. 要請を受け付け、必要に応じて被害者と接触する。
6.4.1.2. Review and edit the drafted FD-1219, Section One based on information learned during victim engagement, when applicable.  6.4.1.2. 該当する場合、被害者との接触中に得た情報に基づき、作成済みのFD-1219第1セクションを精査・修正する。
6.4.1.3. Respond to CyWatch’s email per subsection 6.3.1.5. of this PD with an attached, completed FD-1219, Section One; [Redacted]; and as appropriate, a recommendation of other FOs with whom CyD should consult as it determines potential related national security or public safety equities.  6.4.1.3. 本PDの6.3.1.5項に従い、記入済みのFD-1219第1セクションを添付してCyWatchの電子メールに返信する; [削除済み];および必要に応じて、CyDが潜在的な関連する国家安全保障または公共の安全上の利害関係を判断する際に協議すべき他のFOに関する推奨事項を添付する。
6.4.2. Should ensure that their FOs provide timely input, as appropriate, if CyD operational desk PMs notify the FO of a pending request and related equities in the FO’s investigative records, per subsection 6.8.2. of this PD.  6.4.2. 本PDの6.8.2項に基づき、CyDの運用デスクPMがFOに対し、未処理の要請および当該FOの捜査記録に関連する利害関係について通知した場合、当該FOが適切かつ適時に意見を提供するよう確保しなければならない。
6.5. The COSS SC must approve or deny FD-1219s, per subsection 6.3.3.2. of this PD, within CyWatch’s two-hour deadline. The COSS SC must not delegate this task or reassign it to another SC.  6.5. COSS SCは、本PDの6.3.3.2項に従い、CyWatchの2時間という期限内にFD-1219を承認または却下しなければならない。COSS SCは、この任務を委任したり、他のSCに再割り当てしたりしてはならない。
6.6. The deputy assistant director (DAD) of CyD’s Cyber Operations Branch (COB), in the absence of the COSS SC, must approve or deny FD-1219s within CyWatch’s two-hour deadline, per subsection 6.3.3.2. of this PD.  6.6. COSS SCが不在の場合、CyDサイバー運用部(COB)の副次長(DAD)は、本PDの6.3.3.2項に従い、CyWatchの2時間という期限内にFD-1219を承認または却下しなければならない。
6.7. The assistant director (AD) of CyD must:  6.7. CyDの次長(AD)は、以下を行わなければならない:
6.7.1. In the absence of both the COSS SC and the COB DAD, approve or deny FD-1219s within CyWatch’s 2-hour deadline, per subsection 6.3.3.2. of this PD.  6.7.1. COSS SCおよびCOB DADの両方が不在の場合、本PDの6.3.3.2項に従い、CyWatchの2時間という期限内にFD-1219を承認または却下しなければならない。
6.7.2. Designate an approver of FD-1219s in the joint absence of the COSS SC; DAD, COB; and AD, CyD.  6.7.2. COSS SC、COB DAD、およびCyD ADが同時に不在の場合、FD-1219の承認者を指定しなければならない。
6.8. CyD operational desk PM(s) must, within 28 hours of receipt of the draft FD-1219 from CyWatch, per subsection 6.3.1.6. of this PD:  6.8. CyD運用デスクのPMは、本PDの6.3.1.6項に従い、CyWatchからFD-1219草案を受領してから28時間以内に、以下の措置を講じなければならない:
6.8.1. Review the incident information provided.  6.8.1. 提供されたインシデント情報を確認する。
6.8.2. Conduct additional record checks in FBI systems and information holdings of their operational desk, as appropriate, and amend question six of the draft FD-1219 to reflect additional findings of specific and credible national security or public safety concerns with the victim’s public filing of the cyber incident in the SEC’s Electronic Data Gathering, Analysis, and Retrieval (EDGAR) database.  6.8.2. 必要に応じて、FBIのシステムおよび当該運用デスクが保有する情報について追加の記録照会を行い、被害者がSECの電子データ収集・分析・検索(EDGAR)データベースにサイバーインシデントを公開したことに伴う、具体的かつ信憑性のある国家安全保障または公共の安全上の懸念に関する追加の所見を反映させるため、FD-1219草案の質問6を修正すること。
6.8.2.1. If a related national security or public safety equity in the investigative records of an FO is identified, the operational desk PM(s) must notify the appropriate FO points of contact (POC). The operational desk PM(s) must incorporate related FO feedback into the amendments of question six, as appropriate.  6.8.2.1. 担当事務所(FO)の捜査記録において、関連する国家安全保障または公共の安全上の懸念事項が特定された場合、運用デスクのPMは、適切なFOの連絡担当者(POC)に通知しなければならない。運用デスクのPMは、必要に応じて、関連するFOからのフィードバックを質問6の修正に反映させなければならない。
6.8.2.2. If the incident has been attributed to a specific threat actor, the operational desk PM(s) also must notify the appropriate Cyber Threat Team FO POCs. The operational desk PM(s) must incorporate related FO feedback resulting from this notification into the amendments of question six, as appropriate.  6.8.2.2. 当該インシデントが特定の脅威アクターによるものと特定された場合、オペレーショナルデスクのPMは、適切なサイバー脅威チームFOのPOCにも通知しなければならない。オペレーショナルデスクのPMは、この通知に基づくFOからのフィードバックを、必要に応じて質問6の修正に反映させなければならない。
7. References  7. 参考文献
• Cyber Division Policy Guide (1181PG) [Redacted]  • サイバー部門ポリシーガイド (1181PG) [一部非公開]
DOJ Material Cybersecurity Incident Delay Determinations (2023)  司法省(DOJ)重大サイバーセキュリティインシデント遅延決定(2023年) 
• FD-1219, “Federal Bureau of Investigation 8-K Cyber Delay Referral Form”  • FD-1219、「連邦捜査局(FBI)8-Kサイバー遅延照会フォーム」
• National Security Council Cyber Policy Coordination Committee, Framework for Improved Cyber Information Sharing and Interagency Coordination for Critical Infrastructure Engagements Regarding Cyber Threats and Incidents (2020)  • 国家安全保障会議サイバー政策調整委員会、『サイバー脅威およびインシデントに関する重要インフラへの関与における、サイバー情報共有および省庁間調整の改善のための枠組み』(2020年)
SEC’s Cybersecurity Risk Management, Strategy, Governance, and Incident Disclosure (88 Fed. Reg. 51896)  SECのサイバーセキュリティ・リスク管理、戦略、ガバナンス、およびインシデント開示(88 Fed. Reg. 51896)
8. Definitions and Acronyms  8. 定義および略語 
8.1. Definitions  8.1. 定義
8.1.1. Federal Bureau of Investigation personnel: FBI employees, task force officers (TFO), task force members (TFM), task force participants (TFP), detailees, and contractors  8.1.1. 連邦捜査局(FBI)職員:FBI職員、タスクフォース担当官(TFO)、タスクフォースメンバー(TFM)、タスクフォース参加者(TFP)、出向者、および契約業者 
8.2. Acronyms  8.2. 略語

以下、略...

 

 


 

 

まるちゃんの情報セキュリティ気まぐれ日記

適用後...

・2025.07.30 SEC Cybersecurity の開示昨年からの比較...

・2024.10.25 米国 SEC Unisys、Checkpointほか、年次報告書における誤解を与えるセキュリティ開示で罰金を支払う...

・2024.07.19 SECのルールの改正によるサイバーセキュリティ開示 (20-F) 阿里巴巴 (Alibaba)、捜狐 (SOHU)、網易 (NETEASE) の場合

・2024.07.15 SECのルールの改正によるサイバーセキュリティ開示 (20-F) 三井住友ファイナンシャル、ORIX、みずほファイナンシャル、野村、タケダ、ソニー、トヨタ、ホンダの場合 (MUFGも追加)

・2024.07.14 SECのルールの改正によるサイバーセキュリティ開示 (10-K) IBM, Intel, Boeing, AMEX, Jonson & Johnson, Pfizer, Coca-Cola. McDonaldsの場合

 

採択後...
・2023.11.08 米国 SEC ソーラーウィンズ社と最高情報セキュリティ責任者を詐欺と内部統制の不備で告発 (2023.10.30)

・2023.09.24 米国 AICPA SECの新しいサイバーセキュリティ開示規則について経営者が知っておくべきこと

・2023.09.16 米国 カジノホテルグループのシーザーズがサイバー攻撃を受けて8-Kを公表していますね。。。

 

これが採択された段階...

・2023.07.28 米国 SEC 上場企業によるサイバーセキュリティリスクマネジメント、戦略、ガバナンス、インシデント開示に関する規則を採択



案をだしている段階...

・2022.03.11 米国 SEC 公開企業によるサイバーセキュリティのリスク管理、戦略、ガバナンス、インシデントの開示に関する規則案

その他...

・2020.11.07 民間刑務所施設、更生施設を経営している米国 GEO Groupがランサムウェアの攻撃を受けてForm 8-Kを提出していますね

・2020.07.11 US-GAOの報告書 サイバーセキュリティに関する10-Kの開示は一般的な内容が多くあまり参考にならないので追加の開示を希望している by 年金基金代表者

 

| | Comments (0)

米国 一般調達局 FPKI統合テスト環境(CITE)参加ガイド (2026.04.21)

こんにちは、丸山満彦です。

米国連邦政府の一般調達局が運営する連邦政府の「アイデンティティ、認証情報、およびアクセス管理(FICAM)」プログラムに関するウェブサイトであるIDManagement.govにFPKI統合テスト環境(CITE)参加ガイドが公表されています...

CITEは、
FPKI のテスト環境(CITE / BRAWL)を利用するための実務的な手引きで、本番環境に影響を与えずにPKI の変更(相互運用性の担保等の目的のため)を検証できるようになっており、PQC など新技術の実験ができるようになっています。

ということで、日本でもこういう環境をデジタル庁が準備すると素敵なんですよね(^^)

 

GSA - IDManagement


・2026.04.21 
CITE Participation Guide

Overview 概要
Testing Use Cases テストユースケース
Technical Specifications 技術仕様
Scheduled and Unscheduled Testing 定期および不定期のテスト
Repository Availability リポジトリの利用可能性
Technical Support Availability テクニカルサポートの利用可能性
Test Certificate Profiles テスト証明書プロファイル
Test Websites テスト用ウェブサイト
Test Policy Object Identifiers テストポリシーオブジェクト識別子

 

 

IDManagementにはいろいろな情報があるので、参考になりますね...  松本泰さん、ありがとうございます!!!

1_20260528231301

 

| | Comments (0)

2026.05.28

G7 AIのためのソフトウェア部品表(SBOM for AI) 必須要素 (2026.05.12)

こんにちは、丸山満彦です。

G7が、AIのためのソフトウェア部品表(SBOM for AI) 最少要素を公表しています...

2025年6月にG7サイバーセキュリティ作業部会が公表したAI向けSBOMに関する共通ビジョンに基づき、AI向けSBOMに含めるべき最低限の要素について、有用かつ実践的な提言を行うために、イタリア(ACN)とドイツ(BSIが共同で主導する「人工知能:AI向けSBOM」という作業部会のもと、G7議長国であるカナダ(2025年)およびフランス(2026年)からの支援を受けてこの文書はできているということです。

この文書は、

  • AIのためのソフトウェア部品表(SBOM)に何が合理的に期待されるかについて、
  • AIサプライチェーンにおける透明性サイバーセキュリティを向上させるために、

官民のステークホルダーに向けた実践的な指針を提供するものということのようです...

クラスターとして7つを挙げていますね...

1  Metadata 1 メタデータ
2  System Level Properties (SLP) 2 システムレベルプロパティ(SLP
3  Models 3 モデル
4  Datasets Properties (DP) 4 データセットプロパティ(DP)
5  Infrastructure 5 インフラストラクチャ
6  Security Properties (SP) 6 セキュリティプロパティ(SP)
7  Key Performance Indicators (KPI) 7 主要業績評価指標(KPI)

 

 

● BSI

・2026.05.12 BSI veröffentlicht G7-Richtlinie zu Software Bill of Materials for AI

BSI veröffentlicht G7-Richtlinie zu Software Bill of Materials for AI BSI、AI向けソフトウェア部品表(SBOM for AI)に関するG7ガイドラインを公表
Nachdem im Juni 2025 bereits eine gemeinsame Vision zum Nutzen und der Notwendigkeit einer Stückliste für KI (SBOM for AI) veröffentlicht wurde, erreichen die Cybersicherheitsbehörden der G7-Staaten und die EU-Kommission einen Meilenstein. Unter der Federführung des BSI und der italienischen Cybersicherheitsbehörde ACN fand ein regelmäßiger Austausch zwischen allen Behörden statt. 2025年6月にAI向けソフトウェア部品表(SBOM for AI)の有用性と必要性に関する共同ビジョンがすでに公表されていたが、G7諸国のサイバーセキュリティ当局とEU委員会は新たな節目を迎えた。BSIとイタリアのサイバーセキュリティ機関ACNの主導の下、すべての当局間で定期的な意見交換が行われた。
Das Ergebnis: Eine G7-Richtlinie zu Software Bill of Materials (SBOM) for AI. Diese bietet Empfehlungen für Minimalanforderungen an eine SBOM for AI und wurde gemeinsam von den KI-Expertinnen und Experten der G7 Cybersicherheitsbehörden und der EU-Kommission erarbeitet. Die sieben übergeordneten Informationskategorien (Cluster) enthalten jeweils mehrere Elemente, die durch anschauliche Beispiele für einen praxistauglichen Einsatz hinterlegt werden. その結果、AI向けソフトウェア部品表(SBOM)に関するG7ガイドラインが策定された。これはAI向けSBOMの最低要件に関する推奨事項を提示するものであり、G7サイバーセキュリティ当局およびEU委員会のAI専門家によって共同で作成された。7つの上位情報カテゴリ(クラスター)にはそれぞれ複数の要素が含まれており、実用的な活用例が具体的に示されている。
BSI-Präsidentin Claudia Plattner: "Transparenz über die KI-Lieferkette, die eingesetzten Komponenten und Abhängigkeiten bildet die Grundlage für robuste KI-Cybersicherheit. Sie ermöglicht Nachvollziehbarkeit der Systeme, unterstützt das effiziente Management identifizierter Schwachstellen und stärkt das Cyberrisikomanagement der Organisation."   BSIのクラウディア・プラットナー会長は次のように述べている。「AIのサプライチェーン、使用されるコンポーネント、および依存関係に関する透明性は、強固なAIサイバーセキュリティの基盤となる。これによりシステムの追跡可能性が確保され、特定された脆弱性の効率的な管理が支援され、組織のサイバーリスク管理が強化される。」 
Das kann eine SBOM for AI leisten: Sie schafft Transparenz, um mit den richtigen Tools die Cybersicherheit eines KI Systems effektiv umzusetzen. Eine SBOM soll, erweitert auf KI-Systeme, künftig z.B. Informationen über das verwendete KI-Modell sowie Art, Quelle und mögliche Biases in den Trainingsdaten enthalten. Ziel ist, den gesamten Lebenszyklus der KI-Anwendung zu betrachten und transparent zu machen. SBOM for AIが果たす役割は、適切なツールを用いてAIシステムのサイバーセキュリティを効果的に実現するための透明性を生み出すことだ。AIシステムに拡張されたSBOMは、将来的には、使用されているAIモデルに関する情報や、トレーニングデータの種類、ソース、および潜在的なバイアスなどを含むことになる。その目的は、AIアプリケーションのライフサイクル全体を俯瞰し、透明性を確保することにある。
Künstliche Intelligenz, wie etwa agentische oder generative KI, entwickelt sich schnell, umfangreich und permanent, weshalb das Dokument Anpassungen und Änderungen in der Zukunft offen lässt. エージェント型や生成型AIなどの人工知能は、急速かつ広範に、そして絶えず進化しているため、この文書は将来的な調整や変更の可能性を残している。

 

 

・[PDF] Software Bill of Materials (SBOM) for Artificial Intelligence - Minimum Elements

20260528-64020

・[DOCX][PDF] 仮訳

 

目次...

Exective Summary エグゼクティブサマリー
1.  Introduction 1. 序論
2.  Clusters and Cluster Elements 2. クラスターとクラスター要素
2.1  Metadata Cluster Elements 2.1 メタデータ・クラスター要素
2.2  System Level Properties (SLP) Cluster Elements 2.2 システムレベルプロパティ(SLP)クラスター要素
2.3  Models Cluster Elements 2.3 モデル・クラスター要素
2.4  Datasets Properties (DP) Cluster Elements 2.4 データセットプロパティ(DP)クラスター要素
2.5  Infrastructure Cluster Elements 2.5 インフラストラクチャ・クラスタ要素
2.6  Security Properties (SP) Cluster Elements 2.6 セキュリティプロパティ(SP)クラスター要素
2.7  Key Performance Indicators (KPI) Cluster Elements 2.7 主要業績評価指標(KPI)クラスター要素
3.  Discussion 3. 考察
4.  Conclusion 4. 結論
References 参考文献

 

エグゼクティブサマリー...

EXECUTIVE SUMMARY   エグゼクティブサマリー  
Accessing information on the supply chain of an artificial intelligence (AI) system, as well as its individual components and dependencies, is critical to strengthen cybersecurity of AI. Transparency and knowledge about AI system composition fosters vulnerability management and supports cybersecurity risk management.   人工知能(AI)システムのサプライチェーン、およびその個々の構成要素や依存関係に関する情報にアクセスすることは、AIのサイバーセキュリティを強化するために極めて重要である。AIシステムの構成に関する透明性と知識は、脆弱性管理を促進し、サイバーセキュリティリスクマネジメントを支援する。  
This document provides actionable guidelines for public and private sector stakeholders on what is reasonable to expect in a Software Bill of Materials (SBOM) for AI, and to improve transparency and cybersecurity along the AI supply chain. It builds on the shared vision of SBOM for AI published by the G7 Cybersecurity Working Group in June 2025 and provides useful practical recommendations on which minimum elements SBOMs for AI should include. As such, this document is meant to cover a minimum set of elements identified and agreed on by experts within the G7 Cybersecurity Working Group. These minimum elements are not mandatory; do not create requirements, standards, or legislation; and are open to further refinements to keep pace with technological development and evolution of legal or policy frameworks within G7 members. Additionally, in some jurisdictions, certain elements proposed in this document may already be, or may be expected to be, addressed through legal requirements and obligations, or through existing or forthcoming standards.  本文書は、AI向けソフトウェア部品表(SBOM)に何が合理的に期待されるかについて、またAIサプライチェーンにおける透明性とサイバーセキュリティを向上させるために、官民のステークホルダーに向けた実践的な指針を提供するものである。これは、2025年6月にG7サイバーセキュリティ作業部会が公表したAI向けSBOMに関する共通ビジョンに基づき、AI向けSBOMに含めるべき最低限の要素について、有用かつ実践的な提言を行うものである。 したがって、本ドキュメントは、G7サイバーセキュリティ作業部会内の専門家によって識別され合意された、最低限の要素セットを網羅することを意図している。これらの最低限の要素は義務的なものではなく、要件、標準、または法規制を創設するものではない。また、技術の発展やG7加盟国における法的・政策的フレームワークの進化に対応するため、さらなる改良の余地を残している。 さらに、一部の法域においては、本文書で提案されている特定の要素が、法的要件や義務、あるいは既存または今後策定される標準を通じて、すでに扱われているか、あるいは扱われることが予想される場合がある。 
This document is jointly published by Germany’s Federal Office for Information Security (BSI), Italy’s National Cybersecurity Agency (ACN), France’s National Cybersecurity Agency (ANSSI), Canada’s Communications Security Establishment (CSE), the US Cybersecurity and Infrastructure Security Agency (CISA), UK’s National Cyber Security Centre (NCSC) and Japan’s National Cybersecurity Office (NCO), in collaboration with the EU Commission.  本文書は、ドイツ連邦情報セキュリティ局(BSI)、イタリア国家サイバーセキュリティ庁(ACN)、フランス国家サイバーセキュリティ庁(ANSSI)、カナダ通信セキュリティ局(CSE)、米国サイバーセキュリティ・インフラセキュリティ庁(CISA)、 英国の国家サイバーセキュリティセンター(NCSC)、および日本の国家サイバーセキュリティ事務局(NCO)が、EU委員会と協力して共同で発行するものである。 
This document has been written thanks to the support provided by the G7 Presidencies of Canada (2025) and France (2026), under the work stream “Artificial Intelligence: SBOM for AI” co-led by Italy (ACN) and Germany (BSI).    本文書は、イタリア(ACN)とドイツ(BSI)が共同で主導する「人工知能:AI向けSBOM」という作業部会のもと、G7議長国であるカナダ(2025年)およびフランス(2026年)からの支援を受けて作成された。   

 

 


 

US. CISA

・2026.05.12 Software Bill of Materials for AI - Minimum Elements

Software Bill of Materials for AI - Minimum Elements AI向けソフトウェア部品表(SBOM)-必須要素
CISA and the Group of Seven (G7) international partners—Germany, Canada, France, Italy, Japan, the United Kingdom, and the European Union—have released joint guidance, Software Bill of Materials for AI – Minimum Elements, to help public and private sector stakeholders improve transparency in their artificial intelligence (AI) systems and supply chains. CISAおよびG7(ドイツ、カナダ、フランス、イタリア、日本、英国、欧州連合)の国際パートナーは、官民のステークホルダーが人工知能(AI)システムおよびサプライチェーンの透明性を向上させることを支援するため、共同ガイダンス『AI向けソフトウェア部品表(SBOM)-必須要素』を発表した。
software bill of materials (SBOM) acts as an “ingredients list” for software that better positions organizations to understand their supply chains and make risk-informed decisions about how to protect their critical systems. The guidance builds on CISA’s previous work with federal and international partners to establish a shared vision for a software bill of materials and provides recommendations on minimum elements that should be included in an SBOM for AI. Because AI systems are software systems, these recommendations should be considered in addition to the general minimum elements for an SBOM ソフトウェア部品表(SBOM)は、ソフトウェアの「成分表」としての役割を果たし、組織が自社のサプライチェーンを理解し、重要なシステムを保護する方法についてリスクに基づいた意思決定を行うための基盤となる。本ガイダンスは、ソフトウェア部品表に関する共通のビジョンを確立するためにCISAが連邦政府および国際的なパートナーとこれまで行ってきた取り組みを基に作成されたものであり、AI向けSBOMに含めるべき最低限の要素に関する推奨事項を提示している。AIシステムはソフトウェアシステムであるため、これらの推奨事項は、SBOMの一般的な必須要素に加えて考慮されるべきである。
While not exhaustive or mandatory, the supplemental minimal elements outlined in this guidance reflect the consensus of G7 experts and will expand over time to keep pace with the rapid advancement of AI technology.  本ガイダンスで概説された補足的な必須要素は、網羅的でも強制的でもないが、G7の専門家による合意を反映したものであり、AI技術の急速な進歩に対応するため、今後順次拡充されていく予定である。

 

 

 

 


 

・[PDF] A shared G7 Vision on Software Bill of Materials for Artificial Intelligence

20260528-63943

Jointly drafted by BSI and CAN BSIとCANによる共同作成
A Shared G7 Vision on Software Bill of Materials for AI AI向けソフトウェア部品表(SBOM)に関するG7の共通ビジョン
Transparency and Cybersecurity along the AI Supply Chain AIサプライチェーンにおける透明性とサイバーセキュリティ
This paper has been written under the work stream “Smarter Together: Artificial Intelligence” of the G7 Cybersecurity Working Group. It serves as food for thought and does not intend to contradict work conducted in  existing G7 groups such as the Hiroshima AI Process. In some jurisdictions a number of elements of SBOMs for AI proposed in this paper may be expected to be covered, for example, through legal requirements and obligations or existing or forthcoming standards. Due to the ongoing evolution of legal and policy frameworks within the G7 members, this paper is open for further evolution.  本報告書は、G7サイバーセキュリティ作業部会の「Smarter Together: Artificial Intelligence」という作業ストリームの下で作成されたものである。本報告書は考察の材料となるものであり、広島AIプロセスなどの既存のG7グループで行われている取り組みと矛盾する意図はない。一部の法域においては、本報告書で提案されているAI向けSBOMの要素の一部が、例えば法的要件や義務、あるいは既存または今後策定される規格などを通じて、すでに網羅されていると予想される。G7加盟国における法的・政策的枠組みは現在も進化し続けているため、本報告書の内容は今後も変更される可能性がある。
1. Introduction  1. はじめに 
Organizations, institutions and the general public all around the world are using AI systems for multiple purposes. Developing such systems is highly complex: it requires a vast amount of resources (e.g., energy, data), infrastructure (esp. GPUs), and human expertise. Many AI systems often rely on existing base models - either commercial or open source - and are adapted according to their application purpose.   世界中の組織、機関、そして一般市民が、様々な目的でAIシステムを利用しています。こうしたシステムの開発は極めて複雑であり、膨大なリソース(エネルギー、データなど)、インフラ(特にGPU)、そして人的専門知識を必要とします。多くのAIシステムは、商用またはオープンソースの既存のベースモデルに依存し、その用途に応じて適応されています。
Like most modern software systems, AI systems are complex. Complexity often leads to a lack of insights into how exactly an AI system works and which components and elements an AI system is based on.  現代のほとんどのソフトウェアシステムと同様に、AIシステムは複雑です。この複雑さゆえに、AIシステムが具体的にどのように機能しているのか、またどのようなコンポーネントや要素に基づいているのかについての理解が不足しがちです。
As a result, key cybersecurity issues, such as potential weak points, vulnerabilities, manipulations or compromises, are difficult to detect. Indeed, aspects such as how an AI system has been trained, including the data used and the underlying base model, are key to ensure trustworthiness, security and safety of AI systems, whereas we note that safety and security of AI systems are related as described for example in G7 Leaders’ Statement on the Hiroshima AI Process.  その結果、潜在的な弱点、脆弱性、改ざん、または侵害といった重要なサイバーセキュリティ上の問題を検出することが困難になる。実際、使用されたデータや基盤となるベースモデルを含め、AIシステムがどのように学習されたかといった側面は、AIシステムの信頼性、セキュリティ、および安全性を確保する上で鍵となる。一方で、例えば「広島AIプロセスに関するG7首脳声明」で述べられているように、AIシステムの安全性とセキュリティは相互に関連していることに留意する必要がある。
The G7 Cybersecurity Working Group suggests introducing a common concept for Software Bill of Materials for AI (SBOM for AI).[1] An SBOM for AI consists of a structured record of details and supply chain relationships for the various components used in building an AI system. The goal of an SBOM for AI is to contribute to fostering security of AI systems through AI supply chain transparency and traceability of its components and dependencies.   G7サイバーセキュリティ作業部会は、AI向けソフトウェア部品表(SBOM for AI)に関する共通概念の導入を提案している[1]。AI向けSBOMは、AIシステムの構築に使用される様々なコンポーネントの詳細およびサプライチェーン上の関係性を構造化して記録したものである。AI向けSBOMの目的は、AIサプライチェーンの透明性およびコンポーネントと依存関係のトレーサビリティを通じて、AIシステムのセキュリティ向上に寄与することにある。
This paper presents a shared vision and a first high-level summary of the SBOM for AI concept, including its benefits for cybersecurity, its properties, and an initial proposal for its example minimum elements. While SBOMs for AI are not explicitly a cybersecurity tool, if designed and used correctly in conjunction with appropriate tools (e.g., vulnerability management software), they could foster the transparent inventory needed to help secure the supply chain. The paper concludes with an outlook on necessary next steps to further proceed with the technical implementation of an SBOM for AI framework.  本稿では、AI用SBOMの概念に関する共通のビジョンと、その概要を初めて高レベルで提示する。これには、サイバーセキュリティへの利点、その特性、および最小構成要素の初期提案が含まれる。AI用SBOMは、厳密にはサイバーセキュリティツールではないが、適切なツール(例:脆弱性管理ソフトウェア)と組み合わせて正しく設計・使用されれば、サプライチェーンのセキュリティ確保に役立つ透明性のあるインベントリの構築を促進し得る。本論文は、AI向けSBOMフレームワークの技術的実装をさらに進めるために必要な今後のステップに関する展望をもって締めくくられる。
2. Improving cybersecurity through transparency along the AI supply chain  2. AIサプライチェーンにおける透明性を通じたサイバーセキュリティの向上
One of the key challenges of securing an AI system is the vulnerability of its supply chain to both traditional and novel attack vectors. The depth and complexity of AI supply chains, coupled with the evolving and dynamic AI lifecycle, represents a considerable attack surface. Successful cyber attacks often aim at compromising a product before it reaches the consumer/end-user, including also AI components. The goal of so-called supply chain attacks is often to gather/steal sensitive information, pre-positioning and more generally to cause damage, either in the relationships between the stakeholders and/or financially, e.g., by tampering or poisoning data, causing unproductivity, misinformation or pursuing own interests.  AIシステムのセキュリティ確保における主要な課題の一つは、そのサプライチェーンが従来型および新規の攻撃ベクトルに対して脆弱である点である。AIサプライチェーンの深さと複雑さは、進化し続ける動的なAIライフサイクルと相まって、相当な攻撃対象領域を形成している。成功するサイバー攻撃は、AIコンポーネントを含め、製品が消費者やエンドユーザーに届く前に侵害することを狙うことが多い。いわゆるサプライチェーン攻撃の目的は、機密情報の収集・窃取、事前配置、そしてより一般的には、データの改ざんや汚染、生産性の低下、誤情報の拡散、あるいは自己利益の追求などを通じて、ステークホルダー間の関係や財務面に損害を与えることにある。
Against this backdrop, improved cybersecurity along the AI supply chain can be achieved by increasing transparency, specifically with regard to accessing information on the creation process of the final AI system, as well as its individual components and dependencies. While for traditional software products the Software Bill of Materials (SBOM) concept may support mitigation to the above mentioned cybersecurity attacks, there is no internationally established and practically applicable common practice for systems using AI yet. In conjunction with other security tools, an SBOM for AI can increase transparency along the supply chain and thus contribute to cybersecurity.  こうした背景において、AIサプライチェーン全体でのサイバーセキュリティの向上は、透明性を高めることで実現可能です。具体的には、最終的なAIシステム、およびその個々のコンポーネントや依存関係に関する作成プロセスへの情報アクセスに関して透明性を高めることが重要です。従来のソフトウェア製品においては、ソフトウェア部品表(SBOM)の概念が前述のサイバーセキュリティ攻撃への対策として有効ですが、AIを利用するシステムについては、国際的に確立され、実用的な共通の慣行はまだ存在しません。他のセキュリティツールと組み合わせて活用することで、AI向けSBOMはサプライチェーン全体の透明性を高め、サイバーセキュリティの向上に寄与する。
An SBOM for AI may bring transparency and knowledge about AI system composition. It fosters vulnerability management and patching by minimizing the response time required to check if known vulnerabilities are deployed within the AI system components, supporting risk management.   AI向けSBOMは、AIシステムの構成に関する透明性と知見をもたらす可能性があります。これにより、既知の脆弱性がAIシステムのコンポーネント内に実装されているかどうかを確認するために必要な対応時間を最小限に抑え、脆弱性管理とパッチ適用を促進し、リスク管理を支援します。
Moreover, an SBOM for AI allows both AI model tracking, addressing issues related to performance while speeding up the entire security compliance verification process, simplifying auditing and keeping track of already existing compliance attestations. Furthermore, the usage of already proven components can reduce costs during the development phase of an AI system. As part of existing Secure by Design paradigms, a persistent use of an SBOM for AI can have positive effects on expensive and time consuming reworkings, such as model retraining, or damage repair. An SBOM for AI also facilitates license management. Most importantly, an SBOM for AI strengthens the autonomy and awareness of AI systems stakeholders by enabling them to make a carefully considered decision whether an AI system, an individual component or indeed a supplier is suitable for a particular purpose or not.  さらに、AI向けSBOMはAIモデルの追跡を可能にし、パフォーマンスに関連する問題に対処すると同時に、セキュリティコンプライアンス検証プロセス全体を迅速化し、監査を簡素化し、既存のコンプライアンス証明を追跡します。さらに、実績のあるコンポーネントを使用することで、AIシステムの開発段階におけるコストを削減できます。既存の「Secure by Design(設計段階からのセキュリティ確保)」パラダイムの一環として、AI向けSBOMを継続的に活用することは、モデルの再学習や障害修復といった、費用と時間を要する手直し作業に対してプラスの効果をもたらします。また、AI向けSBOMはライセンス管理も容易にします。最も重要な点として、AI向けSBOMは、AIシステム、個々のコンポーネント、あるいはサプライヤーが特定の目的に適しているかどうかを、ステークホルダーが慎重に検討した上で判断できるようにすることで、ステークホルダーの自律性と認識を強化します。
3. Software Bill of Materials for AI  3. AI向けソフトウェア部品表(SBOM)
Properties   特性
To allow an SBOM for AI to be effective, it needs to ensure that the three following properties are satisfied:  AI向けSBOMが効果を発揮するためには、以下の3つの特性が満たされている必要があります:
• being able to capture the static and dynamic aspects of AI systems (e.g., datasets used for training, testing and validation during the lifecycle of the system or learning outcomes) that distinguish them from traditional software systems;   • 従来のソフトウェアシステムとは異なる、AIシステムの静的および動的な側面(例:システムのライフサイクルにおけるトレーニング、テスト、検証に使用されるデータセット、あるいは学習成果)を捕捉できること;
• being able to be easily processed automatically and tool generated in a machine-readable format;  • 機械可読形式で、容易に自動処理およびツール生成が可能であること;
• being able to leverage structured data formats as much as possible, to ensure that the relevant information is available transparently upon demand to all the stakeholders.  • 構造化データ形式を可能な限り活用し、関連情報がすべてのステークホルダーの要求に応じて透明性を持って利用可能であることを確保できること。
Furthermore, it is equally important to clearly define the information set that an SBOM for AI should include, defined as its “minimum elements”.  さらに、AI用SBOMが含めるべき情報セットを「最小構成要素」として明確に定義することも同様に重要です。
Example minimum elements   最小要素の例
An SBOM for AI should be composed of a set of minimum elements to capture the distinctive features of an AI system, ensuring compatibility and providing an adequate level of transparency for all the stakeholders. It should automatically build upon information captured by each of the AI components, providing an understanding of the flow between the AI elements of the system. While some transparency mechanisms exist, this effort aims to highlight a core set of data fields that are machine-generatable and machineprocessable. It is important to highlight that these minimum elements represent recommendations to a reasonable extent and should be decided accordingly to the specific context of use. Here below is an exemplary set of high-level minimum elements for a G7 SBOM for AI framework, which may extend the information used for traditional software bill of materials (e.g., supplier name, component version)[2], listed as clusters that can embed more detailed information on:   AI用SBOMは、AIシステムの特徴を捉え、互換性を確保し、すべてのステークホルダーに対して適切なレベルの透明性を提供するために、一連の最小要素で構成されるべきである。それは、各AIコンポーネントによって捕捉された情報を自動的に統合し、システム内のAI要素間の流れを理解できるようにするものである。いくつかの透明性確保の仕組みは存在するものの、本取り組みは、機械生成および機械処理が可能なデータフィールドの中核となるセットを明確にすることを目的としている。これらの最小構成要素は、あくまで合理的な範囲での推奨事項であり、具体的な使用状況に応じて決定されるべきである点を強調しておくことが重要である。以下に、G7 AI用SBOMフレームワークにおける高レベルの最小構成要素の例を示す。これらは、従来のソフトウェア部品表(SBOM)で使用される情報(例:サプライヤー名、コンポーネントのバージョン)[2]を拡張するものであり、より詳細な情報を埋め込むことができるクラスターとして列挙されている:
• Models used by the AI system, including basic information to identify the model, describe how the model was created, and spell out how the model is intended to be used.  • AIシステムで使用されるモデル。これには、モデルを特定するための基本情報、モデルの作成方法の説明、およびモデルの使用目的の明示が含まれます。
• Learning, including the description of the training techniques and pipelines and information about training datasets in, e.g., datasheets for datasets.  • 学習。これには、トレーニング手法やパイプラインの説明、およびデータセットのデータシートなどに記載されたトレーニングデータセットに関する情報が含まれます。
• Datasets used during the whole lifecycle of the model, including basic information that documents the identity, creation, use, and provenance of data.  • モデルのライフサイクル全体で使用されるデータセット。これには、データの識別情報、作成、使用、および来歴を記録した基本情報が含まれます。
• Safety and security characteristics, such as a link or reference to the safeguards or guardrail implementations, safety alignment, compliance attestations and cybersecurity best practices adopted during the AI lifecycle.  • 安全性およびセキュリティ特性。これには、AIライフサイクル中に採用されたセーフガードやガードレールの実装、安全性の整合性、コンプライアンスの証明、およびサイバーセキュリティのベストプラクティスへのリンクや参照が含まれます。
• System level characteristics, such as a link or reference to a description of the flow between the AI elements and how the model consumes input data.  • システムレベルの特性。これには、AI要素間のフローや、モデルが入力データをどのように処理するかについての説明へのリンクや参照が含まれる。
• Key Performance Indicators of an AI system, including model benchmark evaluation results.   •  AIシステムの主要業績評価指標(KPI)。これには、モデルのベンチマーク評価結果が含まれる。
• Licensing information about the components of an AI system.  • AIシステムの構成要素に関するライセンス情報。
• Infrastructure used by the AI system, including the software components specifically required to deliver an AI system.   • Iシステムが使用するインフラ。これには、AIシステムを提供するために特に必要なソフトウェアコンポーネントが含まれる。  
The list is open for further expansion of the clusters in the future to keep pace with the rapid development of technology.  このリストは、技術の急速な発展に対応するため、将来的にクラスターをさらに拡張できるよう設計されている。 
To increase trustworthiness and to avoid giving a false sense of security, an SBOM for AI should be verifiable as a whole. This implies not only the verification of its individual components - e.g., via cryptographic hashes or digital signatures from the corresponding manufacturers - but also of the entire SBOM for AI. In order to achieve this goal, a viable SBOM for AI should at least be digitally signed by its manufacturer. While individual components are signed within the SBOM for AI, the signature of the entire SBOM for AI has to be verifiable from the outside.   信頼性を高め、誤った安心感を与えないようにするため、AI向けのSBOMは全体として検証可能でなければならない。これは、個々のコンポーネント(例:対応するメーカーによる暗号ハッシュやデジタル署名を通じて)の検証だけでなく、AI用SBOM全体の検証も意味する。この目標を達成するためには、実用的なAI用SBOMは少なくともそのメーカーによってデジタル署名されている必要がある。AI用SBOM内の個々のコンポーネントには署名があるものの、AI用SBOM全体の署名は外部から検証可能でなければならない。  
4. The way forward  4. 今後の展望 
Challenges  課題 
An SBOM for AI should include the unique features that distinguish an AI system, in addition to traditional software components. Before introducing an SBOM for AI, tools like system cards and model cards have been proposed both by private companies and by AI regulation as tools to offer increased transparency into AI models. Despite their effectiveness in some contexts, today these tools suffer from lack of harmonized and machine-readable formats, automation and interoperability with other tools. Data management is also an important consideration. SBOMs are not assumed to be publicly available today by regulation or market expectation, and intellectual property protection assumptions should hold for an SBOM for AI. Capturing the dynamic features of the AI model through adequate file formats and fields represents a challenge for building an SBOM for AI. At the same time, an SBOM for AI needs to be able to provide traceability of training pipelines and datasets, especially in the case of proprietary closed models, synthetic data and pre-training information, where a very large number of diverse data corpuses and sophisticated data processing pipelines are used for creating base models. Furthermore, it is critical to keep an SBOM for AI current with the speed at which AI technology develops, adding new information and relevant fields when needed, such as the case of model distillation, an emerging and meaningful technique that should be captured within an SBOM for AI. Indeed, this could easily lead to longer bills and redundant information, hence automation and harmonization of the format is essential for creating a meaningful and effective SBOM for AI. Moreover, it is essential to develop a framework to effectively track AI vulnerabilities and weaknesses, given the still largely experimental results in the field of AI model red teaming.  AI用SBOMには、従来のソフトウェアコンポーネントに加え、AIシステムを特徴づける独自の要素を含めるべきである。AI用SBOMが導入される以前、AIモデルに対する透明性を高めるツールとして、民間企業やAI規制の双方から、システムカードやモデルカードのようなツールが提案されてきた。一部の状況では有効であるものの、現在のこれらのツールは、統一された機械可読形式の欠如、自動化の不足、および他のツールとの相互運用性の問題を抱えている。データ管理も重要な考慮事項である。現在の規制や市場の期待において、SBOMが一般に公開されることは想定されておらず、AI向けSBOMにおいても知的財産保護の前提が維持されるべきである。適切なファイル形式やフィールドを通じてAIモデルの動的な特徴を捕捉することは、AI向けSBOMを構築する上での課題となっている。同時に、AI用SBOMは、トレーニングパイプラインやデータセットのトレーサビリティを提供できる必要があります。特に、独自のクローズドモデル、合成データ、および事前学習情報の場合、ベースモデルの作成には非常に多くの多様なデータコーパスと高度なデータ処理パイプラインが使用されるため、その重要性は高まります。さらに、AI技術の発展速度に合わせてAI用SBOMを最新の状態に保ち、必要に応じて新しい情報や関連フィールドを追加することが極めて重要である。例えば、AI用SBOM内に捕捉すべき新興かつ有意義な技術であるモデル蒸留(モデルディスティレーション)の場合がこれに該当する。実際、これによりSBOMが冗長化したり不要な情報が含まれたりする恐れがあるため、有意義かつ効果的なAI用SBOMを作成するには、フォーマットの自動化と標準化が不可欠である。さらに、AIモデルに対するレッドチーム攻撃の分野では依然として実験的な結果が大半を占めていることを踏まえ、AIの脆弱性や弱点を効果的に追跡するためのフレームワークを構築することが不可欠である。
Future G7 work   今後のG7の取り組み  
This paper presented a shared G7 vision on SBOM for AI to increase transparency and cybersecurity along the full supply chain of AI systems and models. A trustworthy SBOM for AI:   本稿では、AIシステムおよびモデルのサプライチェーン全体における透明性とサイバーセキュリティを向上させるための、AI向けSBOMに関するG7の共通ビジョンを提示した。信頼性の高いAI向けSBOMは:
• allows all the stakeholders involved in the AI supply chain to benefit from the improved transparency and knowledge of the system components;  • AIサプライチェーンに関わるすべてのステークホルダーが、システムコンポーネントに関する透明性と知識の向上から恩恵を受けられるようにする; 
• reduces risks, improves insight and traceability of the core components of an AI system, including security guardrails, vulnerability management and compliance attestations;   • リスクを低減し、セキュリティガードレール、脆弱性管理、コンプライアンス証明を含むAIシステムのコアコンポーネントに関する洞察とトレーサビリティを向上させる;  
• can foster interoperability with or be integrated in already established safety, transparency and cybersecurity frameworks for traditional software, such as SBOM or security advisories and bulletins.  • 従来のソフトウェア向けの既存の安全性、透明性、サイバーセキュリティフレームワーク(SBOMやセキュリティアドバイザリ、セキュリティ情報など)との相互運用性を促進したり、それらに統合されたりすることが可能である。
To fully harness the benefits and address the challenges of SBOM for AI, the next steps for the G7 Cybersecurity Working Group – Smarter Together: Artificial Intelligence will be to focus on providing a shared technical vision tackling these challenges, starting with a status quo analysis of existing frameworks to be carried out in the second half of 2025. This will be followed by further work on technical recommendations and guidelines, paving the way for the definition of a common G7 framework fostering adoption of SBOM for AI by public and private sector operators.  AI向けSBOMのメリットを最大限に活用し、その課題に対処するため、「G7サイバーセキュリティ作業部会 – Smarter Together: Artificial Intelligence」の次のステップは、これらの課題に取り組む共通の技術的ビジョンの提供に焦点を当てることとなります。その第一歩として、2025年後半に既存のフレームワークに関する現状分析を実施する予定です。これに続き、技術的な提言やガイドラインに関するさらなる作業が行われ、官民の事業者がAI向けSBOMを採用することを促進する共通のG7フレームワークの定義に向けた道筋が整えられることになる。
References  参考文献
Allen D. Householder, Vijay S. Sarvepalli, Jeff Havrilla, Matt Churilla, Lena Pons, Shing-hon Lau, Nathan M. VanHoudnos, Andrew Kompanek, and Lauren McIlvenny: Lessons Learned in Coordinated Disclosure for Artificial Intelligence and Machine Learning Systems. 2024.  Allen D. Householder、Vijay S. Sarvepalli、Jeff Havrilla、Matt Churilla、Lena Pons、Shing-hon Lau、Nathan M. VanHoudnos、Andrew Kompanek、Lauren McIlvenny:人工知能および機械学習システムにおける協調的開示から得られた教訓。2024年。
Federal Office for Information Security (BSI): Transparency of AI Systems, White Paper. 2024.  連邦情報セキュリティ局(BSI):AIシステムの透明性、ホワイトペーパー。2024年。
Federal Office for Information Security (BSI): Technical Guideline TR-03183: Cyber Resilience Requirements for Manufacturers and Products - Part 2: Software Bill of Materials (SBOM). 2024.  連邦情報セキュリティ局(BSI):技術ガイドライン TR-03183:製造業者および製品に対するサイバーレジリエンス要件 - 第2部:ソフトウェア部品表(SBOM)。2024年。
French National Cybersecurity Authority (ANSSI): Building trust in AI through a cyber risk-based approach. Joint high-level risk analysis on AI. Version 1.0, 2025.  フランス国家サイバーセキュリティ庁(ANSSI):サイバーリスクベースのアプローチを通じたAIへの信頼構築。AIに関する共同ハイレベルリスク分析。バージョン 1.0、2025年。
Ministry of Economy, Trade and Industries (METI) of Japan: Revised Guide Formulated on Specific Methods for Managing Software Vulnerability Utilizing “Software Bill of Materials (SBOM),” a List of Software Components, as a Preparatory Guide for Cyberattacks.  日本経済産業省(METI):サイバー攻撃への備えとして、ソフトウェア構成要素の一覧である「ソフトウェア部品表(SBOM)」を活用したソフトウェア脆弱性管理の具体的な方法に関する改訂ガイド。
National Cyber Security Center (NCSC): Guidelines for secure AI system development. 2023.  国立サイバーセキュリティセンター(NCSC):安全なAIシステム開発のためのガイドライン。2023年。
The United States Department of Commerce: The Minimum Elements For a Software Bill of Materials (SBOM), 2021.  米国商務省:ソフトウェア部品表(SBOM)の必須要素、2021年。
[1] The term SBOM for AI follows the already established concept of Software Bill of Material (SBOM) in the field of traditional software management.  [1] AIにおけるSBOMという用語は、従来のソフトウェア管理分野で既に確立されているソフトウェア部品表(SBOM)の概念に従っている。
[2] As an example we can consider the information included in the US Department of Commerce NTIA document found in reference.    [2] 例として、参考文献にある米国商務省NTIAの文書に含まれる情報を挙げることができる。

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.05.08 Five Eyes エージェンティックAIの慎重な導入 (2026.05.01)

・2025.08.13 G7 人工知能のためのソフトウェア部品表に関する G7 の共通ビジョン (2025.06.12)

 

SBOM...

・2026.04.29 米国 NIST DevSecOps Practice (2026.03.24)

・2026.02.02 IPA AIインシデントレスポンス・アプローチ (2025.01.09)

・2026.01.08 欧州 ENISA パブコメ SBOMの現状分析 - 実装ガイドに向けて案 (2025.12.17)

・2025.11.27 欧州委員会 SBOMの最新状況に関する調査 (2025.12.19まで)

・2025.09.18 ドイツ 情報セキュリティ庁 BSI TR-03183: 製造事業者および製品に対するサイバーレジリエンス要件 第2部:ソフトウェア部品表 (SBOM), 第3部:脆弱性報告および通知 (2025.09)

・2025.09.08 米国他主要国 サイバーセキュリティのためのソフトウェア部品表(SBOM)に関する共通ビジョン

・2025.08.25 米国 CISA パブコメ 2025 年ソフトウェア部品表(SBOM)の最小要素

・2025.08.13 G7 人工知能のためのソフトウェア部品表に関する G7 の共通ビジョン (2025.06.12)

・2025.03.14 シンガポール オープンソースソフトウェアとサードパーティ依存のSBOMとリアルタイム脆弱性監視に関するアドバイザリー (2025.02.20)

・2024.11.25 欧州 サイバーレジリエンス法、官報に掲載 (2024.11.20)

・2024.11.12 インド政府 CERT-In SBOM技術ガイド 第1版 (2024.10.03)

・2024.11.09 ドイツ 連邦セキュリティ室 (BSI) 意見募集 TR-03183: 製造者及び製品に対するサイバーレジリエンス要件(一般要求事項、SBOM、脆弱性報告)

・2024.09.01 経済産業省 ソフトウェア管理に向けたSBOM(Software Bill of Materials)の導入に関する手引ver2.0 (2024.08.29)

・2024.01.08 米国 NSA SBOM管理のための推奨事項 (Ver. 1.1)

・2023.11.12 米国 NSA CISA ソフトウェアサプライチェーンの確保: ソフトウェア部品表の開示に関する推奨事項

・2023.10.13 米国 CISA FBI NSA DOT 運用技術 (OT) および産業制御システム (ICS) におけるオープンソースソフトウェアのセキュリティ向上

・2023.09.18 米国 CISA オープンソース・ソフトウェア・セキュリティ・ロードマップ

・2023.09.01 NIST SP 800-204D(初期公開ドラフト)DevSecOps CI/CDパイプラインにソフトウェアサプライチェーンセキュリティを統合するための戦略

・2023.08.30 日本ネットワークセキュリティ協会 (JNSA) 「日本におけるソフトウェアサプライチェーンとSBOMのこれから」「ゼロトラストと標準化」

・2023.08.15 ドイツ SBOMの要件...技術ガイドライン TR-03183:製造業者および製品に対するサイバーレジリエンス要件 (2023.08.04)

・2023.08.01 経済産業省 ソフトウェア管理に向けたSBOM(Software Bill of Materials)の導入に関する手引

・2023.07.09 米国 NSA CISA 継続的インテグレーション/継続的デリバリー(CI/CD)環境の防御に関する共同ガイダンス (2023.06.28)

・2023.07.03 OWASP SBOMガイダンス CycloneDX v1.5 (2023.06.23)

・2023.04.25 米国 CISA SBOM関連の二文書

・2022.11.17 CISA ステークホルダー別脆弱性分類 (SSVC) ガイド

・2021.05.13 米国 国家のサイバーセキュリティ向上に関する大統領令

 

 

 

| | Comments (0)

金融庁 「コーポレートガバナンス・コードの改訂に関する有識者会議」(令和7年度第3回)議事録 (2026.05.22)

こんにちは、丸山満彦です。

コーポレートガバナンス・コードの改訂に関する有識者会議の議事録が公表されていますね...

形式から実質へ、成長志向への転換、人的ガバナンスの深化というのがポイントかと思いますが、「成長志向への転換」というのはどうなんですかね。。。成長志向というか、利益を出すというのは株式会社の本質ですからね...わざわざ言わないといけないのか???という話のような気もしますね...肉食動物が獲物を捕まえるようなものですよね...

 

金融庁

・2026.05.22「コーポレートガバナンス・コードの改訂に関する有識者会議」(令和7年度第3回)議事録

 


 

金融庁 - コーポレートガバナンス・コードの改訂に関する有識者会議

2026.04.03 第3回  
開催通知    
資料 資料1 コーポレートガバナンス・コード改訂案(改訂前及び第2回会合資料3-1からの変更点)
  資料2 コーポレートガバナンス・コード改訂案(クリーン版)
  参考資料1 成長投資の促進に向けたコーポレートガバナンス・コードの改訂について(案)
  参考資料2 コーポレートガバナンス・コード
議事録    
2026.02.26 第2回  
開催通知    
資料 資料1 事務局説明資料
  資料2 事務局参考資料
  資料3-1 コーポレートガバナンス・コード改訂案(改訂前からの変更点)
  資料3-2 コーポレートガバナンス・コード改訂案(クリーン版)
  資料4  意見書(円谷メンバー)
  参考資料 コーポレートガバナンス・コード
    (参考)開催実績
議事録    
2025.10.21 第1回  
開催通知    
資料 資料1 「コーポレートガバナンス・コードの改訂に関する有識者会議」(令和7年度)の開催について
  資料2 「コーポレートガバナンス・コードの改訂に関する有識者会議」(令和7年度)メンバー名簿
  資料3 「コーポレートガバナンス・コードの改訂に関する有識者会議」(令和7年度)運営要領(案)
  資料4 事務局説明資料(金融庁)
  資料5 事務局説明資料(東京証券取引所)
  資料6 意見書(小林 メンバー)(和文)
  資料7 意見書(シッソン メンバー)(英文)
  参考資料 コーポレートガバナンス・コード
議事録    

 

1_20260528052201

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.04.20 金融庁 パブコメ コーポレートガバナンス・コード改訂案 (2026.04.10)

・2026.04.14 COSO 取締役会監督指針 (2026.03.31)

・2026.02.27 金融庁 コーポレートガバナンスコードの改定案(事務局案) (2026.02.26)

 

 

 

 

 

| | Comments (0)

2026.05.27

金融庁 「金融分野における個人情報保護に関するガイドライン」の一部改正(案)に対する意見募集について (2026.05.13)

こんにちは、丸山満彦です。

金融庁が「金融分野における個人情報保護に関するガイドライン」の一部改正(案)に対する意見募集をしていました...

変更点は以下の項目(太字の部分)を追加するということです。

利用目的による制限の例外の金融分野版の追加...

「詐欺その他の処罪若しくは処罪による収益の移転に利用され、又はそのおそれがあると認めた預金又は貯金口座に関する情報であって取引時確認等の措置を行うに際して必要なものを他の預貯金取扱事業者に提供する場合」というのが追加されるということです...

 


第4条 利用目的による制限(法第18条関係)

以下の事項の他は通則ガイドラインの例による。法第18条第3項の場合の例としては、通則ガイドライン3ー1ー5(利用目的による制限の例外)に掲げている場合以外に、次に掲げる場合が考えられる。

① 法令(条例を含む。以下この条及び次条第1項において同じ。 )に基づく場合

(例)

・ 罪による収益の移転防止に関する法律(平成19年法律第22号)第8条第1項に基づき疑わしい取引を届け出る場合

・犯罪による収益の移転防止に関する法律第11条第4号及び犯罪による収益の移転防止に関する法律施行規則(平成20年内閣府・総務省・法務省・財務省・厚生労働省・農林水産省・経済産業省・国土交通省令第1号)第32条第2項第1号に基づき、詐欺その他の処罪若しくは処罪による収益の移転に利用され、又はそのおそれがあると認めた預金又は貯金口座に関する情報であって取引時確認等の措置を行うに際して必要なものを他の預貯金取扱事業者に提供する場合

  • 金融商品取引法(昭和23年法律第25号)第210条、第211条等に基づく証券取引等監視委員会の職員による則事件の調査に応じる場合

なお、法令に、第三者が個人情報の提供を求めることができる旨の規定はあるが、正当な事由に基づきそれに応じないことができる場合には、金融分野における個人情報取扱事業者は、該法令の趣旨に照らして目的外利用の必要性と合理性が認められる範囲内で対応するよう留意する。

②〔略]


 

● 金融庁

・22026.05.13 「金融分野における個人情報保護に関するガイドライン」の一部改正(案)に対する意見募集について

・・[PDF

20260527-45040

 

 

現在のガイドライン...

金融分野における個人情報保護について

・・2024.06.13 [PDF] 金融分野における個人情報保護に関するガイドライン 

 

| | Comments (0)

2026.05.26

自民党 デジタル・ニッポン2026 (2026.05.20)

こんにちは、丸山満彦です。

自民党がデジタル・ニッポン2026を公表しています。

なんとなく重要そうところには触れている感じがしますが、骨太感をあまり感じない、総花感が漂う、過去の延長文書になっているように感じました。(悪いとかいいとかというわけではなく...)

テーマ出しが、おそらく論理的に分析され、構造的に導き出されたものではなく、過去の延長、個別議員の思い入れ(ロビイストに感化されたものも含む)を出発点にしているかもですね...

ただ、「責任あるアジャイル・ガバナンス」の原則の「実証を通じて課題を把握し、リスクを可視化し、得られた知見を制度に反映させ、ルールを継続的に更新していく」というコンセプトには賛成です。

変化が激しい社会環境においては、社会問題が顕著になってから法令文をつくり、調整し、国会審議に諮る頃には、陳腐化している可能性が高いからです。なので。ハードとソフトの2つの使い分けで変化が激しい部分はソフトローで、変化が落ち着いてきている部分は法律でビジネス等が大きく社会の期待から外れないようにすべきですね...

また、人間が最終判断しないといけないので、国民知が問われることになりそうですね(落ちこぼれないように頑張ります...)。

ただ、最近AIの影響かもですが、人間が深く考えられなくなってきているのではないかと思い始めています。AIが大量に吐き出す結果を処理するのに、深く考える時間がないからです...(これも頑張ります...)

ちょっと目を通すだけでも参考になること、考えさせれらることがあると思います...

 

● 自民党

・2026.05.20 デジタル・ニッポン2026

・[PDF](1)デジタル・ニッポン2026

20260525-235908

目次...

「責任あるアジャイル・ガバナンス-デジタル時代における日本型統治モデル-」

1.DX by AI -デジタル化のために AI を使い倒す-

2.「デジタル」を前提にした社会へ
2.1
マイナンバー・マイナンバーカードの更なる利活用の推進を通じた「新たな景色」の創出
(1)
マイナンバーカードの罰則なしの取得義務化へ
(2) マイナンバーカードにより認証された情報の横断的連携による申込手続の抜本的効率化
(3) 多様な給付手段の提供と住民起点での選択肢の確保
(4) マイナンバーカード利活用の推進
(5) 「「公正」「公平」「迅速」な給付を実行するための給付システムの構築に向けた緊急提言」への対応

2.2
事業者関係のデジタル化
(1)
国が主体的に整備するサービス
Gビズ ID
②Jグランツ
③Gビズポータ

(2)
事業者自身の DX 推進
(3)
事業者が DX を推進するための環境整備
あらゆるチャネルを活用した、事業者の DX 支援
②事業者の DX を阻害する要因の排除
③事業者の DX を推進するための責任分界の設定

2.3
行政関係のデジタル化
(1)
国の DX の推進
ガバメントクラウド、ガバメントソリューションサービス(GSS)の徹底活用
ガバメント AI の推進
外国人政策
(2)
地方公共団体の DX の推進
地方公共団体情報システムの統一・標準化
国と地方の役割分担
地方公共団体の DX を推進するための体制
各府省庁の役割分担
地方公共団体に対する DX 支援措置
地方発サービス・モジュールの展開
(3)
地方公共団体の DX 推進のためのアナログ規制見直しの推進強化
2.4
個別分野関係(準公共分野と民間への波及効果が大きい重要分野)
(1)
子育て
(2)
建設
(3)
物流
(4)
金融全般(銀行、証券、生保、損保)
(5)
その他
2.5
データ戦略
(1)
個人情報保護法の改正
(2) ベース・レジストリの整備推進
(3) 官民連携による産業データ連携の環境整備
(4) DFFT
の推進

3.「デジタル」を前提にした社会を支える取組
3.1
「誰一人取り残されない、人に優しいデジタル化」実現に向けた取組
3.2
成長戦略・危機管理投資

4.「デジタル」を前提にした社会を実現する体制・予算の更なる強化=「デジタル庁 2.5」
4.1
デジタル庁の司令塔機能
(1)
デジタル庁の司令塔体制
(2)
司令塔機能の発揮へ
4.2
デジタル関係予算と調達の抜本改革

5.重点分野(各小委員会、PT の取りまとめ)
5.1 AI
web3 小委員会
5.2
デジタル基盤小委員会(デジタル人材育成、法案)
5.3
防災 DXPT
5.4
次世代 AI・オンチェーン金融構想 PT

デジタル社会推進本部 役員

各小委員会・PT 役員と提言一覧

 

・[PDF](2)【AI・web3小委員会】AIホワイトペーパー2.0

・[PDF](3)【デジタル基盤小委員会】デジタル人材に関する提言2026

・[PDF](4)【防災DXPT】防災DXPT提言

・[PDF](5)【次世代AI・オンチェーン金融構想PT】次世代AI・オンチェーン金融構想PT提言


 

 

| | Comments (0)

2026.05.25

欧州委員会 AI法 高リスクAIシステムの分類に関する欧州委員会ガイドライン案 (2026.05.19)

こんにちは、丸山満彦です。

欧州委員会が、AIシステムの提供者・導入者、所管の市場監視当局が、AIシステムを
AI法第6条に基づく高リスクに分類すべきかどうかを評価する際の支援を目的としたガイドライン案を公表し、意見募集をしていますね...

今回は3つの文書が提示されています。

高リスク分類は2つの経路

によって判断されるわけですが、いずれの場合も「意図された目的」が分類の核心となる点は同じです...

オムニバス法により、どちらも適用が延期されますね(AnnexIは1年延期で2028年8月2日、AnnexIIIは2027年12月2日)。

 

ちなみにAI法については、AI Act Explorerがわかりやすいかもです。

European Commission

・2026.05.19 Draft Commission guidelines on the classification of high-risk AI systems

Draft Commission guidelines on the classification of high-risk AI systems 高リスクAIシステムの分類に関する欧州委員会ガイドライン案
These Guidelines aim to support providers and deployers of AI systems, as well as competent market surveillance authorities, in assessing whether an AI system should be classified as high-risk, thereby facilitating the uniform application and effective enforcement of Article 6 AI Act. 本ガイドラインは、AIシステムの提供者および導入者、ならびに所管の市場監視当局が、AIシステムを高リスクに分類すべきかどうかを評価する際の支援を目的としており、それによってAI法第6条の統一的な適用と効果的な執行を促進するものである。
The Guidelines set out the Commission’s interpretation of certain concepts that are relevant for classification purposes and, in accordance with Article 6(5) AI Act, contain practical examples of AI systems that should or should not be classified as high-risk. The examples listed in these Guidelines strive to cover all areas and use cases, but they are not to be considered as exhaustive and may be updated over time. 本ガイドラインは、分類の目的上関連する特定の概念に対する欧州委員会の解釈を明示するとともに、AI法第6条(5)に基づき、高リスクに分類すべきAIシステムおよび分類すべきでないAIシステムの実例を記載している。本ガイドラインに列挙された例は、あらゆる分野およびユースケースを網羅するよう努めているが、これらを網羅的なものとみなすべきではなく、将来的に更新される可能性がある。
The guidelines are divided into sections, following the structure of Article 6 of I Act, which states that an AI system shall be considered high-risk in 2 scenarios: 本ガイドラインは、AI法第6条の構成に従って各セクションに分かれており、同条では、AIシステムが以下の2つのシナリオにおいて高リスクとみなされる旨が規定されている:
1. If the system is intended to be used as a safety component of a product, or the AI system itself is a product, covered by the EU harmonisation legislation listed in Annex I, and the product whose safety component is the AI system or the AI system itself is required to undergo a third-party conformity assessment, the system will be classified as high-risk pursuant to Article 6(1) AI Act. 1. 当該システムが製品の安全部品として使用されることを意図している場合、またはAIシステム自体が製品であり、かつ附属書Iに列挙されたEU調和法規の対象であり、かつその安全部品がAIシステムである製品、またはAIシステム自体が第三者による適合性評価を受けることが義務付けられている場合、当該システムはAI法第6条第1項に基づき高リスクとして分類される。
2. If the system falls into one of the use cases listed under the areas in Annex III AI Act, it will be classified as high-risk pursuant to Article 6(2) AI Act. 2. 当該システムがAI法附属書IIIの分野に列挙されたユースケースのいずれかに該当する場合、AI法第6条(2)に基づき、高リスクとして分類されます。
Section III of the guidelines addresses the first category of high-risk AI systems, while section IV addresses the second category. Below, you can download each section separately, so you do not need to consult the full document if they are only interested in a specific area or use case. This is intended to make the draft guidelines easier to access, share and use for feedback. 本ガイドラインの第III節では、高リスクAIシステムの第1のカテゴリーについて、第IV節では第2のカテゴリーについて扱っています。以下から各節を個別にダウンロードできるため、特定の分野やユースケースのみに関心がある場合は、文書全体を参照する必要はありません。これは、ガイドライン案へのアクセス、共有、およびフィードバックのための利用を容易にすることを目的としています。
Find more information about the targeted stakeholder consultation on these guidelines. 本ガイドラインに関する対象ステークホルダーへの意見募集の詳細はこちら。
1- Draft Guidelines on the classification on high-risk AI: General principles 1 - 高リスクAIの分類に関するガイドライン案:一般原則
2 - Draft Guidelines on the classification of high risk AI systems: Annex I of AI Act 2 - 高リスクAIシステムの分類に関するガイドライン案:AI法附属書I
3 - Draft Guidelines on the classification of high risk AI systems: Annex III of AI Act 3 - 高リスクAIシステムの分類に関するガイドライン案:AI法附属書III
Related topics 関連トピック
Artificial intelligence 人工知能

 

・[PDF] 1- Draft Guidelines on the classification on high-risk AI: General principles

20260525-80805

・[DOCX][PDF 仮訳

 

・[PDF] 2 - Draft Guidelines on the classification of high risk AI systems: Annex I of AI Act

20260525-80855

・[DOCX][PDF] 仮訳

 

・[PDF] 3 - Draft Guidelines on the classification of high risk AI systems: Annex III of AI Act

20260525-80948

・[DOCX][PDF] 仮訳

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.05.11 欧州委員会 AI法第50条に基づく特定のAIシステムに対する透明性義務の実施に関するドラフトガイドライン案 (2026.05.08)

・2026.04.04 欧州議会 人工知能法:適用延期、ヌード化アプリの禁止 (2026.03.26)

・2026.01.27 欧州 EDPB EDPS 欧州委員会の「AIに関するデジタルオムニバス」提案に関する共同意見書

・2025.11.25 欧州委員会 デジタル司法パッケージ2030 (2025.11.20)

・2025.11.22 欧州委員会 EU企業の成長を支援する簡素化されたデジタル規則 (オムニバス法)

・2025.11.11 欧州 欧州委員会 AI生成コンテンツの表示・ラベル付けに関する行動規範の策定作業を開始 (2025.11.05)

・2025.11.03 欧州議会 AI法とEUデジタル立法フレームワークの相互作用 (2025.10.30)

・2025.10.13 欧州委員会 汎用AIのシステミックリスクなどAIモデル等に関する研究報告書6つ...(2025.10.10)

・2025.10.11 欧州委員会 欧州のデジタルの未来を形作るのFAQページにAI法に関するFAQをまとめてありますね...

・2025.10.11 欧州委員会 AI法エクスプローラー

・2025.08.01 オランダ データ保護庁 アルゴリズムに基づく意思決定における意味のある人間の介入 (2025.07.23)

・2025.06.16 欧州 EDPB GDPR第48条(EU法によって認められない移転又は開示)についてのガイドライン バージョン2.0 (2025.06.04)

・2025.03.20 欧州委員会 人間とAIの相互作用が差別に与える影響 (2025.01.10)

・2025.03.03 EU議会 シンクタンク AI法とGDPRにおけるアルゴリズム差別 (2025.02.26)

・2025.02.08 欧州委員会 規則(EU)2024/1689(AI法)が定める人工知能の禁止行為に関する欧州委員会ガイドライン

・2025.01.30 オランダ 重要インフラ・水管理省 AI 影響アセスメント第2.0版 (2024.12.31)

・2024.12.19 オランダ データ保護局 意見募集 社会的スコアリングのためのAIシステム + 操作および搾取的AIシステムに関する意見募集の概要と次のステップ

・2024.11.25 欧州 サイバーレジリエンス法、官報に掲載 (2024.11.20)

・2024.11.19 欧州議会 標準が欧州のデジタル競争力を支える仕組み

・2024.10.30 欧州 AI法の調和標準の策定について...

・2024.10.12 欧州理事会 サイバーレジリエンス法を採択 (2024.10.10)

・2024.09.26 欧州委員会 信頼できる安全なAI開発の推進を誓約するEUのAI協定に100社以上が署名

・2024.09.25 ベルギー データ保護機関 AIシステムとGDPR (2024.09.19)

・2024.09.24 欧州 EUROPOL AIと警察業務 - 法執行機関における人工知能の利点と課題

・2024.08.05 欧州AI法が施行された... (2024.08.01)

・2024.07.20 米国のハイテク企業の団体である情報技術産業協会 (ITI) がEUのAI政策についてご意見しています

・2024.07.20 EU EDPB GDPRとEU-AI法関連

 

 

 

| | Comments (0)

厚生労働省 意見募集 医療機器におけるSBOM導入・運用ガイドライン(第1版)(案) (2025.05.19)

こんにちは、丸山満彦です。

厚労省が医療機器におけるSBOM導入・運用ガイドライン(第1版)(案)について、意見募集をしていますね...

米国等が医療機器はSBOMの導入を義務化しているので、日本も医療は他を待たずにSBOMの導入をはかるということのようですね...

AIの性能が上がり、攻撃者が脆弱性を発見し、攻撃ツールをつくり、攻撃するまでの時間が劇的に短くなることが想定されるので、開発者も運用者も脆弱性対応を迅速にすることが必要で、SBOMは必須ですよね...

で、SBOM導入・運用にあたっていは、

  • 小さく初めて段階的に拡充していく
  • 継続的に取り組む
  • 自動処理できるようにする
  • 関係部署が連携できる体制を構築する

といったところがポイントでしょうか?

このSBOM導入・運用ガイドラインも徐々に精度をあげていくのでしょうね...

 

e-Gov

・2026.05.19 医療機器におけるSBOM導入・運用ガイドライン(第1版)(案)に関する御意見の募集について

・・[DOCX] 医療機器におけるSBOM導入・運用ガイドライン(第1版) 案

20260524-170314

 

目次...


1. 背景と目的
1.1. 背景
1.2. 目的
1.3. 主な対象読者

2. SBOMの概要
2.1. SBOMとは
2.2. SBOMの導入による創出価値
2.3. SBOMの最小要素
2.4. SBOMのフォーマット
2.5. SBOMに関する誤解

3. SBOM導入・運用に関する基本方針
3.1. SBOM導入・運用の基本方針
3.2. SBOM導入・運用体制およびプロセス

4. 計画段階(環境構築・体制構築)における実施事項
4.1. SBOM適用範囲の明確化
 4.1.1. A.設計から実装までを自社開発コードで構築する組込みスタンドアロン型
 4.1.2. B.自社開発コードと商用OS上で動作する機器搭載ソフトウェア
 4.1.3. C.SaMD(Software as a Medical Device)として提供されるソフトウェア
 4.1.4. D.A~Cを組み合わせて構成されるソフトウェア
4.2. SBOMツールの選定
 4.2.1. SBOMツール選定の観点
 4.2.2. SBOMツール選定にあたっての留意事項
 4.2.3. 評価・選定の進め方
4.3. SBOMツールの導入・設定
 4.3.1. 導入前の環境要件の確認と整備
 4.3.2. SBOMツールの導入及び初期設定
 4.3.3. 脆弱性管理用途を想定した運用上の配慮
 4.3.4. コンポーネントを識別するための情報と特性

5. SBOM作成・開示段階における実施事項
5.1. コンポーネント解析の考え方と実施手順
 5.1.1. 【手順】コンポーネント解析の実施フロー
 5.1.2. 【確認】解析結果の確認方法
 5.1.3. 【補正】手動補正および未特定コンポーネントの扱い
 5.1.4. 【運用】確認工数と正確性の考え方
 5.1.5. 【運用】解析環境・設定による影響
 5.1.6. 【運用】SBOMツールを前提とした運用
5.2. SBOMの作成
 5.2.1. SBOM作成の基本的な考え方
 5.2.2. SBOM内の名称及び付加情報の留意点
 5.2.3. SBOM作成における実施事項
 5.2.4. 第三者から提供されたSBOMをインポートする際の注意点
5.3. SBOMの開示
 5.3.1. 開示におけるベースライン
 5.3.2. 開示レベル
 5.3.3. 提供方法

6. SBOM運用・管理段階における実施事項
6.1. SBOMの管理
 6.1.1. SBOMの管理上の位置づけ
 6.1.2. SBOMの更新・変更管理
 6.1.3. SBOMの保管および情報提供
6.2. SBOMに基づく脆弱性管理
 6.2.1. 脆弱性情報の収集とSBOMとの照合
 6.2.2. 脆弱性の影響評価と優先度付け(トリアージ)
 6.2.3. 対応方針の決定・実施及び情報提供
 6.2.4. 結果の記録とSBOMへの反映
 6.2.5. SBOMに基づくライセンスおよびライフサイクル管理
6.3. 調達・契約におけるSBOM要求事項

文献

用語(五十音順)


 

まるちゃんの情報セキュリティ気まぐれ日記

SBOM関連...

・2026.04.29 米国 NIST DevSecOps Practice (2026.03.24)

・2026.02.02 IPA AIインシデントレスポンス・アプローチ (2025.01.09)

・2026.01.08 欧州 ENISA パブコメ SBOMの現状分析 - 実装ガイドに向けて案 (2025.12.17)

・2025.11.27 欧州委員会 SBOMの最新状況に関する調査 (2025.12.19まで)

・2025.09.18 ドイツ 情報セキュリティ庁 BSI TR-03183: 製造事業者および製品に対するサイバーレジリエンス要件 第2部:ソフトウェア部品表 (SBOM), 第3部:脆弱性報告および通知 (2025.09)

・2025.09.08 米国他主要国 サイバーセキュリティのためのソフトウェア部品表(SBOM)に関する共通ビジョン

・2025.08.25 米国 CISA パブコメ 2025 年ソフトウェア部品表(SBOM)の最小要素

・2025.08.13 G7 人工知能のためのソフトウェア部品表に関する G7 の共通ビジョン (2025.06.12)

・2025.03.14 シンガポール オープンソースソフトウェアとサードパーティ依存のSBOMとリアルタイム脆弱性監視に関するアドバイザリー (2025.02.20)

・2024.11.25 欧州 サイバーレジリエンス法、官報に掲載 (2024.11.20)

・2024.11.12 インド政府 CERT-In SBOM技術ガイド 第1版 (2024.10.03)

・2024.11.09 ドイツ 連邦セキュリティ室 (BSI) 意見募集 TR-03183: 製造者及び製品に対するサイバーレジリエンス要件(一般要求事項、SBOM、脆弱性報告)

・2024.09.01 経済産業省 ソフトウェア管理に向けたSBOM(Software Bill of Materials)の導入に関する手引ver2.0 (2024.08.29)

・2024.01.08 米国 NSA SBOM管理のための推奨事項 (Ver. 1.1)

・2023.11.12 米国 NSA CISA ソフトウェアサプライチェーンの確保: ソフトウェア部品表の開示に関する推奨事項

・2023.10.13 米国 CISA FBI NSA DOT 運用技術 (OT) および産業制御システム (ICS) におけるオープンソースソフトウェアのセキュリティ向上

・2023.09.18 米国 CISA オープンソース・ソフトウェア・セキュリティ・ロードマップ

・2023.09.01 NIST SP 800-204D(初期公開ドラフト)DevSecOps CI/CDパイプラインにソフトウェアサプライチェーンセキュリティを統合するための戦略

・2023.08.30 日本ネットワークセキュリティ協会 (JNSA) 「日本におけるソフトウェアサプライチェーンとSBOMのこれから」「ゼロトラストと標準化」

・2023.08.15 ドイツ SBOMの要件...技術ガイドライン TR-03183:製造業者および製品に対するサイバーレジリエンス要件 (2023.08.04)

・2023.08.01 経済産業省 ソフトウェア管理に向けたSBOM(Software Bill of Materials)の導入に関する手引

・2023.07.09 米国 NSA CISA 継続的インテグレーション/継続的デリバリー(CI/CD)環境の防御に関する共同ガイダンス (2023.06.28)

・2023.07.03 OWASP SBOMガイダンス CycloneDX v1.5 (2023.06.23)

・2023.04.25 米国 CISA SBOM関連の二文書

・2022.11.17 CISA ステークホルダー別脆弱性分類 (SSVC) ガイド

・2021.05.13 米国 国家のサイバーセキュリティ向上に関する大統領令

 

| | Comments (0)

欧州委員会 研究における生成的AIの責任ある利用に関する実践ガイドライン 第3版 (2026.05.08)

こんにちは、丸山満彦です。

欧州委員会が、 研究における生成的AIの責任ある利用に関する実践ガイドライン 第3版が公表されています...

生成AIは研究に大きな可能性をもたらすが、責任ある利用をしないといけませんよね...研究の誠実性と透明性は、AI利用時でも維持されなければならないと思います。

保護という意味では、プライバシー・機密情報・知的財産の保護は最優先事項となりますよね...

ガイドラインは「一つの正解」ではなく、文脈に応じて適応・活用されるべきものですね...

 

European Commission

・2026.05.08 Updated ERA living guidelines on the responsible use of generative AI in research

 

Updated ERA living guidelines on the responsible use of generative AI in research 研究における生成AIの責任ある利用に関するERAリビング・ガイドラインの更新
The Commission has published an update of the ERA Living Guidelines on the  responsible use of Generative AI in research -  a set of recommendations offering simple and operational guidance to the research community to foster the adoption and responsible use of generative artificial intelligence (AI).
欧州委員会は、研究における生成AIの責任ある利用に関する「ERAリビング・ガイドライン」の更新版を公表しました。これは、生成AIの導入と責任ある利用を促進するため、研究コミュニティに向けて簡潔かつ実践的な指針を提供する一連の提言です。
The updated Living Guidelines have been refined to address the rapid advancements in generative AI, ensuring that they reflect the latest technological developments and their impact on the scientific community. Their simple and practical approach is maintained, while research integrity principles, such as accountability, transparency and responsibility, are adapted to the current use of generative AI. 今回の改訂版「リビング・ガイドライン」は、生成AIの急速な進歩に対応するよう精緻化され、最新の技術的進展およびそれらが科学コミュニティに与える影響を確実に反映しています。説明責任、透明性、責任といった研究の誠実性の原則は、現在の生成AIの利用状況に合わせて適応させつつ、シンプルで実践的なアプローチは維持されています。
This revision has been limited and technical, adding to the Living Guidelines’ clarity and education value. It includes new recommendations, for example on interactions with third parties using AI during meetings or as part of the information management, and the associated risks. It also highlights the need for organisations to be aware about “hidden prompts” - instructions for AI systems hidden from human oversight.  今回の改訂は限定的かつ技術的なものであり、「リビング・ガイドライン」の明瞭さと教育的価値を高めています。これには、会議中や情報管理の一環としてAIを利用する第三者とのやり取りや、それに関連するリスクなどに関する新たな推奨事項が含まれています。また、組織が「隠れたプロンプト」(人間の監視から隠されたAIシステムへの指示)について認識する必要性を強調しています。
This work was developed with the input and collaboration of countries and stakeholders across the European Research Area (ERA). Its inclusive approach remains central to the process, supported by an open feedback process for ongoing contributions and suggestions. 本作業は、欧州研究領域(ERA)全域の各国およびステークホルダーからの意見と協力を得て進められました。継続的な貢献や提案を受け入れるためのオープンなフィードバックプロセスに支えられ、包括的なアプローチが依然としてこのプロセスの中心となっています。
More information  詳細情報 
Guidelines ガイドライン
Factsheet ファクトシート
AI in science website 科学におけるAIウェブサイト

 

・[PDF] Guidelines

20260524-152436

・[DOCX][PDF] 仮訳

 

・[PDF] Factsheet

20260524-152546

 

 

 

 

| | Comments (0)

2026.05.24

ちょっと最近気になっている点...Agentic AIを活用する際のセキュリティ課題(MCPを利用する場合)

こんにちは、丸山満彦です。

Agentic AIのリスク問題が最近気になります。これから利用が拡大していくのが必然だからです。。。今のうちに課題を自分なりに理解しておきたいと思い、MCPを意識してまとめてみたけれども大きなずれはないだろうか???

 

ーーーーー

Agentic AIを活用する際のセキュリティ課題(MCP利用を中心に)

CIO向けエグゼクティブサマリー~

前提

MCP(Model Context Protocol)は、生成AIエージェントが社内ツールや外部サービスと連携するために提案されている接続プロトコルである。
Agentic AI
の普及に伴い、AIが自律的に複数システムへアクセス・操作する構成が増えつつあり、従来のAPI連携とは異なる新たなセキュリティ課題が生じている。

課題とその概要

1. 認証・アクセス制御の課題 「誰が・何を・どこまで」の管理が複雑化
2. データ保護の課題 「Need to Know」が担保できない
3. AIエージェント特有の操作リスク 「悪意ある指示」が正当な操作として実行される
4. 動的接続・サービス発見のリスク 「自動接続」が「自動攻撃」に転じる
5. リソース管理・コスト制御の課題 「1回の指示」が「想定外の負荷・費用」を生む
6. 監査・説明責任の課題 「何が・なぜ・誰によって」実行されたか追跡できない
7. 標準準拠・相互運用性の課題 「つながる便利さ」が「制御不能な複雑性」を生む

 

経営者による対応

1. ガバナンス(戦略・方針)

  • Security by Design」をAIMCP導入方針へ明文化
  • 高リスク操作には「Human-in-the-Loop」を必須化
  • 責任分界・インシデント対応手順を契約・規程へ明記

2. 組織(人材・文化)

  • AIセキュリティ教育を開発・運用部門へ義務化
  • AI関連インシデントやヒヤリハットを迅速共有できる体制を整備
  • ベンダ・業界団体との脅威インテリジェンス共有を強化

3. 技術(アーキテクチャ・実装)

  • API通信へ統一認証・監査・レート制限を適用
  • データ送信前の自動マスキング・フィルタリングを標準化
  • エージェント操作ログを構造化・一元管理し監査可能化

 

-----

1. 認証・アクセス制御の課題

「誰が・何を・どこまで」の管理が複雑化

課題 ビジネスインパクト(リスク) 対応の方向性
動的な権限管理の難しさ エージェントが複数ツールを横断操作することで、「最小権限」の維持が困難となり、意図しないデータアクセスや操作が発生 権限委任ポリシーをコード化・自動監査する「Policy as Code」の導入を検討
サービス間認証の標準化不足 OAuth/JWTベース認証やmTLS等の認証方式が混在し、設定不備から「なりすまし」や権限逸脱が発生 社内標準の認証フレームワークを策定し、MCP実装前に適合性を検証
トークン伝播の追跡困難 認証情報が複数システムをまたぐ際、適切な失効管理ができず、侵害されたトークンが悪用される トークンライフサイクルを一元管理し、短命化・自動失効を原則化
クライアント侵害時の影響拡大 MCPクライアント(例:社内AIチャット)が侵害されると、接続された複数ツールへ攻撃が波及し、被害範囲が拡大 ゾーニングとネットワーク分離により、侵害時の影響範囲を限定

 

2. データ保護の課題

「Need to Know」が担保できない

課題 ビジネスインパクト(リスク) 対応の方向性
コンテキストデータの過剰共有 AIが文脈理解のために送信したデータに、個人情報や機密情報が含まれ、外部サービスへ流出 データ分類タグ、自動マスキング、送信前フィルタリングを標準化
入力検証不備によるインジェクション エージェント生成の入力が不正なAPI呼び出し、コマンド実行、Prompt Injection等に悪用される 全入力ポイントでホワイトリスト型バリデーションを適用
出力改ざんの検知困難 ツール応答が途中で改ざんされても検知できず、誤った意思決定を誘発 レスポンス完全性を検証可能な仕組み(署名・ハッシュ・TLS等)を導入
長時間セッションによる状態不整合 複数ツールの連鎖実行中に一部処理が失敗し、データ矛盾や業務不整合が発生 トランザクション管理や補償処理を設計段階から組み込む

 

3. AIエージェント特有の操作リスク

「悪意ある指示」が正当な操作として実行される

課題 ビジネスインパクト(リスク) 対応の方向性
間接プロンプトインジェクション Web、メール、文書等に埋め込まれた悪意ある指示を、エージェントが信頼できる入力として誤認識し実行 外部入力を「非信頼」として扱い、サンドボックス検証を実施
Confused Deputy(混淆した代理人)問題 エージェントが利用者権限と自身の高権限を適切に区別できず、本来許可されない操作を実行 タスク単位で権限を細分化し、重要操作には人間承認を必須化
ビジネスロジックの探索的悪用 エージェントがAPIを自動探索・連鎖実行し、想定外の業務フローや制御不備を発見・悪用 API公開範囲を最小化し、異常な連鎖呼び出しをリアルタイム検知
人間承認フローのバイパス 実装不備やプロンプト操作により、人間承認が迂回され不正操作が実行される 承認シグナルを独立チャネルで管理し、二重検証を実施

 

4. 動的接続・サービス発見のリスク

「自動接続」が「自動攻撃」に転じる

課題 ビジネスインパクト(リスク) 対応の方向性
サービス発見機構の改ざん 接続情報が改ざんされ、エージェントが悪意あるエンドポイントへ誘導 接続情報管理を多要素認証・監査ログで厳格化
エンドポイント列挙による情報漏えい サービス探索機能が悪用され、内部システム構成や利用中リソースが攻撃者に把握される 探索機能へのアクセスをロールベースで制限
ヘルスチェックの悪用 死活監視用エンドポイントがDoS攻撃の踏み台となる レート制限と異常トラフィック検知を実装

 

5. リソース管理・コスト制御の課題

1回の指示」が「想定外の負荷・費用」を生む

課題 ビジネスインパクト(リスク) 対応の方向性
リクエスト増幅によるリソース枯渇 単一操作が複数バックエンドへ連鎖し、システム全体が過負荷となる エージェントごとの利用上限・バジェット制御を導入
外部APIの過剰利用 有料APIやLLM呼び出しが急増し、想定外のコストが発生 予算アラートと事前承認フローを整備
内部サービス間のレート制限不足 内部通信に制限がなく、一部サービスへ負荷が集中 内外統一のレート制限ポリシーを適用

 

6. 監査・説明責任の課題

「何が・なぜ・誰によって」実行されたか追跡できない

課題 ビジネスインパクト(リスク) 対応の方向性
エージェント判断の再現性不足 なぜその操作が実行されたか、後から説明・再現できない プロンプト、コンテキスト、応答を含む意思決定ログを構造化保存
分散ログの相関分析困難 エージェント・MCP・バックエンド間でログが分散し、原因究明が長期化 OpenTelemetry等の共通形式でログ統合
責任所在の曖昧化 開発者、運用者、ツール提供者、利用者間で責任分界が不明確 契約・運用規程で責任範囲を事前明確化

 

7. 標準準拠・相互運用性の課題

「つながる便利さ」が「制御不能な複雑性」を生む

課題 ビジネスインパクト(リスク) 対応の方向性
実装差異によるセキュリティギャップ ベンダごとの仕様解釈差異から、予期せぬ脆弱性が発生 相互運用性テストを実施し、許可ベンダを管理
セキュリティ制御の断片化 認証・暗号化・監査が各層で分断され、統合的統制が困難 ゼロトラスト前提で統合アーキテクチャを設計
バージョン管理リスク 古いエージェントやツールが更新されず、既知脆弱性の温床となる 非サポート版の接続を技術的に遮断

 

----

参考

1. 政府機関・標準化団体の文書

2. 最新の学術論文(arXiv

3. コミュニティ・業界標準のセキュリティベストプラクティス

 

 

ーーーーー

ベースの整理...

↓↓↓

Continue reading "ちょっと最近気になっている点...Agentic AIを活用する際のセキュリティ課題(MCPを利用する場合)"

| | Comments (0)

2026.05.23

第30回 サイバー犯罪に関する白浜シンポジウム

こんにちは、丸山満彦です。

本日が最終日になりますが、第30回 サイバー犯罪に関する白浜シンポジウムが開催されました...

今年で30周年。で、今年のテーマは、「これからの”連携”を考える」これは、私の強い希望があり、取り上げてもらえてとても嬉しかったです。

連携は、縦横で考えていました。縦は時間を超えて繋ぐ話。これは「これからの」という言葉に表れています。

そして、横の連携は「産官学・国際」です。。。これは世界のどこのサイバー戦略でも言われているので、

気持ちとしては、1997年に始まった当時や、FBI、DHS、英国などの海外から講師の招聘が招いた2000年代前半、リーマンにより存続が危ぶまれた時期、その後の復活とCOVIDによるオンライン、そして人数を増やした今回。こういう歴史の中で、過去の話を覚えている人はほぼいなくなっている今(第1回から関わっている人が一人は参加していました)、過去からの流れを踏まえた将来を考える最後の年になるかなぁと思ったのが1つ。

「産官学・国際」は日本、米国、英国、EUのサイバー(セキュリティ)戦略で取り上げられています。そして、実際にその連携でサイバー犯罪逮捕といった成果にも繋がっていますね。これからさらに重要となる。特にサイバー犯罪の分野については重要となりますよね...

これが30年の年表...

20260523-141901

 

サイバー犯罪に関する白浜シンポジウム

・2026 第30回サイバー犯罪に関する白浜シンポジウム テーマ - これからの”連携”を考える

最後の須藤さん、若江さん、福田さん、上原先生のパネルディスカッションまで、楽しめました。。。

 


 

様々な分野からの参加を待っていますということです!

過去のテーマは...

2026 第30回 これからの”連携”を考える
2025 第29回 アイデンティティを問い直す:匿名、なりすまし、ペルソナ、そして人ならざるもの
2024 第28回 激変する環境、複雑化するサイバー犯罪にどう立ち向かうのか?
2023 第27回 足りない人材、 追いつかない育成、次の一手は?
2022 第26回 顕在化する国境なきサイバー犯罪に立ち向かうために
~ ランサムウェアの脅威を考える ~
2021 第25回 今こそ考えるサイバー空間の「信頼」
~クラウドセキュリティとゼロトラストネットワーク~
2020 第24回 AIはサイバーセキュリティの夢を見るか?
2019 第23回 メガイベントのセキュリティ対策
~デジタル時代のイベントに対して、我々は何をすべきか~
2018 第22回 『若者とサイバー犯罪:被害者・加害者・傍観者』
2017 第21回 先見の明 IoT&AI犯罪の被害者をどう救うのか?
2016 第20回 サイバー犯罪 温故知新
2015 第19回 IT内部犯行をどう防ぐか
2014 第18回 サイバー犯罪の抑止とダメージコントロール
2013 第17回 追跡困難な新しいネット犯罪にどう立ち向かうか
2012 第16回 サイバー攻撃にどう備えるか
2011 第15回 クラウド時代のセキュリティ対策
2010 第14回 有害サイトから、子ども(我が身)を守ろう
2009 第13回 ウイルスとマルウェアの脅威 ~あなたの生活が狙われている~
2008 第12回 国民総ネット化時代の情報安全教育
2007 第11回 多様化するサイバー犯罪とその対策
2006 第10回 これまでの10年、これからの10年
2005 第09回 顔の見えないネット社会 ~匿名性を考える~
2004 第08回 ユビキタス時代の個人情報保護
2003 第07回 e-japanを考える
2002 第06回 電子政府への期待と懸念
2001 第05回 サイバー社会の防衛のための国際協力
2000 第04回 サイバー社会の防衛
1999 第03回 ネットワーク時代のコンピュータ 犯罪
1998 第02回  
1997 第01回  

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2025.12.05 第30回サイバー犯罪に関する白浜シンポジウムのウェブサイトがオープン 「これからの”連携”を考える」

・2025.05.23 第29回サイバー犯罪に関する白浜シンポジウム 「アイデンティティを問い直す:匿名、なりすまし、ペルソナ、そして人ならざるもの」

・2023.05.27 サイバー犯罪に関する白浜シンポジウム 第27回 - 足りない人材、 追いつかない育成、次の一手は?

・2022.05.27 第26回サイバー犯罪に関する白浜シンポジウム 顕在化する国境なきサイバー犯罪に立ち向かうために~ ランサムウェアの脅威を考える ~

・2021.05.22 第25回サイバー犯罪に関する白浜シンポジウムが終了しました。。。

・2020.10.25 『スマートサイバー AI活用時代のサイバーリスク管理』第24回 サイバー犯罪に関する白浜シンポジウムの発表資料

 

・2012.05.27 白浜シンポおわりました! 今年で16回目

・2011.05.14 まもなく白浜シンポ! 今年で15回目

・2011.04.16 第15回サイバー犯罪に関する白浜シンポジウム

・2010.06.04 第14回 サイバー犯罪に関する白浜シンポジウム はじまってます。。。

・2010.04.11 第14回サイバー犯罪に関する白浜シンポジウム

・2009.06.05 第13回 サイバー犯罪に関する白浜シンポジウム はじまってます。。。

・2008.10.01 白浜シンポ 経済産業大臣表彰「情報セキュリティ促進部門」

・2008.07.14 日本のインターネットはどうなんのよ。。。

・2008.06.07 白浜シンポ無事終了。来年もできるように。

・2008.06.06 「どこまで情報セキュリティ対策をすればよいのかわからない」という不満について

・2008.06.06 学校の先生は教育できるだけの知識があるのだろうか?@白浜

・2008.06.05 今日から「第12回サイバー犯罪に関する白浜シンポジウム」です。。。

・2008.04.15 第12回サイバー犯罪に関する白浜シンポジウム

・2007.06.09 白浜シンポ 無事終了・・・

・2007.06.09 白浜シンポ 無事、二日目終了・・・

・2007.06.08 白浜シンポ 無事、初日終了・・・

・2007.06.07 本日より・・・第11回サイバー犯罪に関する白浜シンポジウム

・2007.03.29 第11回サイバー犯罪に関する白浜シンポジウム

・2006.05.25 本日より・・・第10回コンピュータ犯罪に関する白浜シンポジウム

・2006.04.03 受付開始! 第10回コンピュータ犯罪に関する白浜シンポジウム

・2005.04.03 コンピュータ犯罪に関する白浜シンポジウム 2005

・2004.12.17 MSのセキュリティレスポンスチームが高校の授業

 

 

| | Comments (0)

警察庁 警察におけるサイバー戦略について (2026.04.02)

こんにちは、丸山満彦です。

警察は「検挙による抑止」と「未然防止・拡大防止」の両輪で、特殊詐欺や重要インフラ攻撃等に総合的に対処しているわけですが、捜査力強化のため、

  • 国際連携の推進、
  • 専門人材の確保・育成、
  • AIや解析ツール等の技術基盤整備

を徹底するころにしたようです...

警察庁サイバー警察局とサイバー特別捜査部を中核に、都道府県警察と連携した全国一律の指揮・運用体制を構築するとのことです。

官民連携や情報発信を強化することになるようです...

 

● 警察庁

・2026.04.02 警察庁の施策を示す通達(サイバー警察局)

・[PDF] 警察におけるサイバー戦略について(依命通達)

20260522-161637

 

 

 

 

| | Comments (0)

英国 NCSC AIモデルを使って脆弱性を発見する際に確認すべき10の質問 (2026.05.11)

こんにちは、丸山満彦です。

英国のNCSCのブログ...AIの脅威に関する冷静で端的な指摘...

とても良い内容だと思います。

 

UK NCSC

・2026.05.11 10 questions to ask when using AI models to find vulnerabilities

 

10 questions to ask when using AI models to find vulnerabilities AIモデルを使って脆弱性を発見する際に確認すべき10の質問
Using artificial intelligence to find vulnerabilities can bring added security considerations. 人工知能を用いて脆弱性を発見する場合、セキュリティ面での考慮事項が増える可能性があります。
By now, most people will have heard the news. There is a new AI model in town, and you are feeling under pressure to use AI to to find vulnerabilities. Everyone is saying it will improve your security, and the board want to hear how many vulnerabilities you have found. 今や、ほとんどの人がこのニュースを耳にしていることでしょう。新しいAIモデルが登場し、AIを使って脆弱性を発見しなければならないというプレッシャーを感じているはずです。誰もが「セキュリティが向上する」と言い、経営陣はあなたがどれだけの脆弱性を発見したかを知りたがっています。
So you set up an account with a popular AI model, hand over access to all your code, historic bugs and documentation, and give it access to your production environment.... そこで、あなたは人気のあるAIモデルにアカウントを作成し、すべてのコード、過去のバグ、ドキュメントへのアクセス権を渡し、本番環境へのアクセスも許可してしまいます……。
HOLD ON! Let’s stop and think for a minute. Before you start using an AI model to find vulnerabilities, there are some important questions you should consider. ちょっと待ってください! ここで一旦立ち止まって考えてみましょう。AIモデルを使って脆弱性を発見し始める前に、検討すべき重要な質問がいくつかあります。
1. What are you trying to achieve by using AI? 1. AIを使って何を達成しようとしているのか?
Hopefully your answer is ‘to improve security within my organisation’. However it’s important to remember that just finding vulnerabilities does nothing to improve your security. You could even make your security worse. 答えは「組織内のセキュリティを向上させるため」であることを願います。しかし、単に脆弱性を見つけるだけではセキュリティの向上にはつながらないことを忘れてはなりません。むしろ、セキュリティを悪化させてしまう可能性さえあります。
2. Is using AI the best way to improve security? 2. AIの利用は、セキュリティを向上させる最善の方法でしょうか?
The most important tool to improve your organisation’s security is the application of fundamental cyber security hygiene. A vulnerability on a system where a patch for it exists (but has not yet been deployed) or unauthorised access are much more likely to affect security than the exploitation of zero-days. So ask yourself, is your organisation carrying out best practice? Do you understand what software you rely on. What IT is in your estate? 組織のセキュリティを向上させるための最も重要なツールは、基本的なサイバーセキュリティの衛生管理を実践することです。パッチが存在する(しかしまだ適用されていない)システム上の脆弱性や、不正アクセスは、ゼロデイ攻撃の悪用よりもはるかにセキュリティに影響を与える可能性が高いのです。ですから、自問してみてください。あなたの組織はベストプラクティスを実践していますか? どのソフトウェアに依存しているか理解していますか? 組織内のIT資産には何が含まれていますか?
3. Do I have a process to manage any vulnerabilities that AI finds? 3. AIが発見した脆弱性を管理するプロセスはありますか?
You need to be able to manage vulnerabilities well, whether found using AI or not, especially as the number of reported vulnerabilities increases. You want to know how to receive, prioritise and fix issues, without teams being overwhelmed. Make sure you consider fixing the cause of the vulnerability too. The NCSC’s Vulnerability management guidance is a useful resource for those looking to set up and improve their process . 報告される脆弱性の数が増加している今、AIによる発見か否かにかかわらず、脆弱性を適切に管理できる体制が必要です。チームが対応に追われることなく、問題をどのように受け付け、優先順位をつけ、修正するかを把握しておく必要があります。また、脆弱性の根本原因の修正も考慮するようにしてください。プロセスの構築や改善を検討している方には、NCSCの「脆弱性管理ガイダンス」が有用なリソースとなります。
4. How should I prioritise vulnerabilities? 4. 脆弱性の優先順位はどのように付けるべきか?
A system or product might have a lot of vulnerabilities, but the ones that attackers can exploit are the ones that need prioritising. Some vulnerabilities you might fix immediately, others might indicate you need a major rewrite to parts of code, or that you need to remove that attack service from your environment. There were over 40,000 vulnerabilities assigned CVEs in 2025. The CISA KEV says only about 400 new vulnerabilities were tracked as exploited, and only around 40 of those were zero-days when initially exploited. This is why prioritised patching is so important. システムや製品には多くの脆弱性が存在するかもしれませんが、攻撃者が悪用できるものこそが優先的に対処すべきものです。すぐに修正すべき脆弱性もあれば、コードの一部を大幅に書き直す必要がある場合や、環境からその攻撃対象となるサービスを削除する必要がある場合もあります。2025年には、CVEが割り当てられた脆弱性が4万件以上ありました。CISAのKEVによると、悪用されたと追跡された新規脆弱性は約400件のみであり、そのうち最初に悪用された時点でゼロデイだったものは約40件に過ぎません。これが、優先順位に基づいたパッチ適用が極めて重要である理由です。
5. What are the risks when using AI to find vulnerabilities? 5. AIを使用して脆弱性を検出する際のリスクは何ですか?
Using AI isn’t risk free and there are many security implications to consider. These include: AIの使用にはリスクが伴わず、考慮すべき多くのセキュリティ上の影響があります。これには以下が含まれます:
・How could I leak information? ・どのように情報が漏洩する可能性があるか?
・How will I secure the infrastructure used? ・使用するインフラをどのように保護するか?
・Have I sandboxed my system so that it can only talk to the LLM and my code base? ・システムをサンドボックス化し、LLMと自身のコードベースとのみ通信できるようにしているか?
・Will I give access to my production environment? ・本番環境へのアクセス権を付与するか?
・What permissions have I given the LLM? ・LLMにどのような権限を与えているか?
・How can I avoid spending all my money/time/people finding vulnerabilities, and have nothing left to fix them? ・脆弱性の発見に資金・時間・人員をすべて費やしてしまい、修正するためのリソースが何も残らない状況をどう回避するか?
・Do I understand the terms and conditions, and data retention policies? ・利用規約やデータ保持ポリシーを理解していますか?
・How will I ensure the activity is legal? ・活動の合法性をどのように確保しますか?
6. What AI model should I use? 6. どのAIモデルを使用すべきですか?
Different models have different properties. You don’t necessarily need access to the latest model; you can start using any model as this will build your experience and gives you an idea of the model’s capabilities. Before using a hosted model, the NCSC recommend you consider: モデルによって特性は異なります。必ずしも最新のモデルにアクセスする必要はありません。どのモデルから始めても、経験を積み、モデルの能力を把握することができます。ホスト型モデルを使用する前に、NCSCは以下の点を検討することを推奨しています:
the physical location and legal jurisdictions which apply to the hosted models ホスト型モデルに適用される物理的な場所および法的管轄区域
any laws in that location and jurisdictions related to vulnerabilities その場所および管轄区域における脆弱性に関連するあらゆる法律
7. Where should I start? 7. どこから始めればよいでしょうか?
When using AI to find vulnerabilities prioritise your external attack surface. You should also look for ways to verify the results, by using both AI and humans. AIを使用して脆弱性を発見する際は、外部攻撃対象領域を優先してください。また、AIと人間の両方を活用して、結果を確認する方法も模索すべきです。
8. What’s my long term plan to deal with new AI models? 8. 新しいAIモデルに対処するための長期的な計画は?
The NCSC's view is that keeping pace with frontier AI cyber developments will almost certainly be critical to cyber resilience for the decade to come. New models will come out, they will have different capabilities, and we expect these to improve. Therefore, you need to consider: NCSCの見解では、最先端のAIサイバー技術の発展に歩調を合わせることが、今後10年間のサイバーレジリエンスにとって極めて重要になることはほぼ確実です。新しいモデルが登場し、それらは異なる能力を持ち、さらに改善されていくことが予想されます。したがって、以下の点を検討する必要があります:
・How you are going to resource this long term? ・長期的にどのようにリソースを確保するか?
・How will you respond to new models? ・新しいモデルにどのように対応するか?
・How are you going to engage with your customers? ・顧客とどのように連携するか?
・How are you going to help customers if they are reluctant to install any updates? ・顧客が更新プログラムの導入に消極的な場合、どのように支援するか?
・How are you going to respond to vulnerabilities found in devices/libraries/services you use? ・使用するデバイス/ライブラリ/サービスで脆弱性が発見された場合、どのように対応するか?
9. Where do I need to invest in people? 9. 人材への投資はどこに注力すべきか?
AI is a tool that attackers and defenders will use. Organisations will benefit from combining the capabilities of AI models with staff who understand security. We believe that AI models accelerate the skills of cyber security staff; they don’t replace them. AIは、攻撃者も防御側も使用するツールです。組織は、AIモデルの機能とセキュリティを理解するスタッフを組み合わせることで恩恵を受けるでしょう。私たちは、AIモデルがサイバーセキュリティ担当者のスキルを加速させるものであり、彼らに取って代わるものではないと考えています。
10. Do I know how everything we develop or use is patched? 10. 開発または使用しているすべてのものに、どのようにパッチが適用されているか把握していますか?
It’s really important to understand the patching regime in your organisation, and think about how it’s going to change over the next few years. The first step for many organisations involves understanding the entirety of their estate, and identifying the critical products and services. Good asset management and dependency management are crucial. 組織内のパッチ適用体制を理解し、今後数年間でそれがどのように変化するかを考えることは非常に重要です。多くの組織にとって最初のステップは、保有資産全体を把握し、重要な製品やサービスを特定することです。適切な資産管理と依存関係管理が不可欠です。
These are the questions to ask yourself before using AI to find exploitable vulnerabilities. In the meantime, the NCSC will continue to publish content to help security professionals make sense of the fast-moving world of frontier AI. これらは、AIを活用して悪用可能な脆弱性を発見する前に自問すべき質問です。その間、NCSCは、セキュリティ専門家が急速に進化する最先端AIの世界を理解できるよう支援するコンテンツを引き続き公開していきます。
Ruth C ルース・C
Head of Vulnerability Management Group, NCSC NCSC 脆弱性管理グループ長

 

 

1_20251217202101

 

 

Continue reading "英国 NCSC AIモデルを使って脆弱性を発見する際に確認すべき10の質問 (2026.05.11)"

| | Comments (0)

2026.05.22

英国 NCSC 深刻なサイバー脅威への備え:リーダーが今すぐ行動すべき理由 - 英国のレジリエンスを共に築くための呼びかけ (2026.04.20)

こんにちは、丸山満彦です。

英国のNCSCがブログに書いています...

2026.01.28に公表した”How to prepare for and plan your organisation's response to severe cyber threat: a guide for CNI”に関するブログ記事といったところでしょうかね...

このブログでも紹介しています (^^)

要は深刻なサイバー脅威に備えておけ。予防だけでは不十分で、レンジレンスをちゃんと考えないとダメよ。。。で、それは経営者の責任やからわかっているよね。。。ということで英国のレジリエンスを共に築こうということですかね...

深刻なサイバー脅威は、次のような結果をもたらすような攻撃...

・extended operational downtime, with direct customer impact ・業務停止の長期化、および顧客への直接的な影響
・significant financial loss ・多額の金銭的損失
・long-term reputational damage ・長期にわたる評判の毀損
・increased risks to public safety and national security ・公共の安全および国家安全保障に対するリスクの増大

 

 

UK NCSC

・2026.04.20 Preparing for severe cyber threat: why leaders must act now

Key takeaways from the guidance ガイダンスの主なポイント
Resilience beats prevention 「レジリエンス」は「予防」に勝る
The reality is that cyber threats won't always be preventable, so in the event of severe cyber attacks – which for example shut down services or operations – organisations must be ready to continue operating through disruption and to undertake recovery activities, all whilst under immense pressure. 現実として、サイバー脅威を常に予防できるとは限りません。そのため、サービスや業務が停止するような深刻なサイバー攻撃が発生した場合、組織は多大なプレッシャーにさらされながらも、混乱の中でも業務を継続し、復旧活動を行う準備を整えておく必要があります。
This means: これは、以下のことを意味します:
1 1
・mapping and understanding your most critical systems ・最も重要なシステムを特定し、その特性を把握すること
・planning how you would continue operations even if IT or OT systems were degraded ・ITシステムやOTシステムが機能低下に陥った場合でも、いかにして業務を継続するかを計画すること
・rehearsing defensive actions such as network segmentation, isolation ('islanding'), and system rebuilds ・ネットワークのセグメンテーション、隔離(「アイランディング」)、システムの再構築といった防御策をリハーサルすること
・ensuring leadership understands the trade-offs between security and operational continuity ・経営陣が、セキュリティと事業継続性の間のトレードオフを理解していることを確認すること
Ultimately, resilience means being able to function despite setbacks, not just avoiding them. 結局のところ、レジリエンスとは、障害を単に回避するだけでなく、障害が発生しても機能し続けられることを意味します。
2 2
Preparation must happen before the threat escalates 脅威が深刻化する前に準備を整えておく必要があります
Many of the measures needed during a severe cyber threat – such as rapidly hardening defences or isolating networks – are complex and potentially costly. They may carry business impacts that make them disproportionate to implement today. But they cannot be improvised under pressure. Unless the necessary capabilities, controls, processes and decision-making arrangements have been built and rehearsed in advance, they will not be available to deploy at the point they become proportionate. Organisations must act now to put these measures in place. 深刻なサイバー脅威発生時に必要となる対策の多く(防御体制の迅速な強化やネットワークの隔離など)は、複雑で多額のコストを伴う可能性があります。また、ビジネスへの影響が甚大であるため、現時点で実施するには不釣り合いな措置となる場合もあります。しかし、こうした対策はプレッシャー下で即興的に行うことはできません。必要な能力、統制、プロセス、意思決定体制を事前に構築し、演習しておかなければ、それらが適切となる局面で展開することはできません。組織は今すぐ行動を起こし、これらの対策を整備しなければなりません。

 

1_20251217202101

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.02.09 英国 深刻なサイバー脅威への組織的対応準備と計画:重要インフラ(CNI)向けガイド (2026.01.28)

 

| | Comments (0)

米国 NIST SP 800-228A(初期公開草案)RESTful Web APIの安全な導入に関するガイドライン (2026.05.18)

こんにちは、丸山満彦です。

NISTがSP 800-228A(初期公開草案)RESTful Web APIの安全な導入に関するガイドラインを公表し、意見募集をしていますね...

SP 800-228Aは、 NIST SP 800-228 Guidelines for API Protection for Cloud-Native Systems を補完する文書です。

SP 800-228 が、「あらゆるAPIに共通するセキュリティの"基本ルール"を定める文書」で、REST、gRPC、GraphQL など全API種別を対象とし、設計から運用まで、ゼロトラスト原則に基づく保護策を体系的に整理して者であるのに対し、

SP 800-228A

は、「RESTful API 特有の"落とし穴"と対策をまとめた専門ガイド」で、予測しやすいURL、HTTP動詞、JSON形式などREST固有の仕組みに起因する脆弱性に焦点をあてたもので、SP 800-228の「基本ルール」に、REST専用の追加対策を上乗せする補完文書という関係になりますかね...

 

NIST - ITL

・2026.05.18 NIST SP 800-228A (Initial Public Draft) Guidelines for the Secure Deployment of RESTful Web APIs

NIST SP 800-228A (Initial Public Draft) Guidelines for the Secure Deployment of RESTful Web APIs NIST SP 800-228A(初期公開草案)RESTful Web APIの安全な導入に関するガイドライン
Announcement 通知
A RESTful API platform is a stateless architectural framework that leverages standard HTTP protocols to manage and exchange data as "resources," serving as the primary bridge for communication between modern web applications. These Web APIs are the most prevalent API type. Their inherent simplicity, universal compatibility with browsers, robust ecosystem of developer tools, and superior caching efficiency align with existing web infrastructure to provide scope for introducing vulnerabilities and accompanying threats of exploitation. RESTful APIプラットフォームは、標準的なHTTPプロトコルを活用してデータを「リソース」として管理・交換するステートレスなアーキテクチャフレームワークであり、現代のWebアプリケーション間の通信における主要な架け橋としての役割を果たしています。これらのWeb APIは、最も普及しているAPIタイプです。その本質的なシンプルさ、ブラウザとの普遍的な互換性、開発者ツールの堅牢なエコシステム、そして優れたキャッシュ効率は、既存のWebインフラストラクチャと調和する一方で、脆弱性の導入やそれに伴う悪用リスクの余地も生み出しています。
This document: 本文書では:
・Analyzes threats to RESTful APIs across the pre-runtime and runtime phases ・実行前および実行段階におけるRESTful APIへの脅威を分析する
・Provides guidelines for implementing a set of controls to mitigate threats ・脅威を軽減するための一連の対策を実装するためのガイドラインを提供する
・Complement the detailed set of controls provided in SP 800-228 by including parameters that are specific to the architectural style of RESTful Web APIs ・RESTful Web API のアーキテクチャ様式に固有のパラメータを含めることで、SP 800-228 で提供される詳細な一連の対策を補完する
Abstract 要約
A RESTful API platform is a stateless architectural framework that leverages standard HTTP protocols to manage and exchange data as "resources," serving as the primary bridge for communication between modern web applications. This alignment with Web is the reason they are also called Web APIs and remain the most prevalent API type. Their inherent simplicity (creating a low barrier for entry), universal compatibility with browsers, robust ecosystem of developer tools and superior caching efficiency that aligns naturally with existing web infrastructure gives scope for introducing vulnerabilities and accompanying threats of exploitation. This document analyzes those threats to RESTful APIs and provides guidance for implementing a set of associated mitigating controls. Thus, it also complements the detailed set of controls provided in SP 800-228 by including parameters that are specific to the architectural style of RESTful Web APIs. RESTful API プラットフォームは、標準的な HTTP プロトコルを活用してデータを「リソース」として管理・交換するステートレスなアーキテクチャフレームワークであり、現代の Web アプリケーション間の通信における主要な架け橋として機能します。Webとのこの整合性こそが、RESTful APIがWeb APIとも呼ばれ、最も普及しているAPIタイプであり続けている理由である。その本質的なシンプルさ(参入障壁の低さ)、ブラウザとの普遍的な互換性、開発者ツールの堅牢なエコシステム、そして既存のWebインフラと自然に調和する優れたキャッシュ効率は、脆弱性の導入やそれに伴う悪用リスクの余地を生み出している。本ドキュメントでは、RESTful APIに対するこれらの脅威を分析し、関連する一連の軽減対策を実装するためのガイダンスを提供する。したがって、本ドキュメントは、RESTful Web APIのアーキテクチャ様式に特有の要素を含めることで、SP 800-228で規定されている詳細な対策セットを補完するものである。

 

・[PDF] SP.800-228A.ipd

20260521-80739

 

目次...

Executive Summary エグゼクティブサマリー
1. Introduction 1. はじめに
1.1. Document Goals 1.1. 本文書の目的
1.2. Relationship With Other NIST Documents 1.2. 他のNIST文書との関係
1.3. Document Structure. 1.3. 本文書の構成
2. Conceptual Framework of RESTful APIs 2. RESTful APIの概念的枠組み
2.1. Detailed Architectural Features of Resource-Oriented RESTful AP  2.1. リソース指向のRESTful APIの詳細なアーキテクチャ的特徴
2.1.1. Consistent Resource Identifiers 2.1.1. 一貫性のあるリソース識別子
2.1.2. Consistent Resource Structure 2.1.2. 一貫性のあるリソース構造
2.1.3. Consistent Field Naming Within and Across APls 2.1.3. API内およびAPI間における一貫したフィールド命名
2.1.4. Use of Standard HTTP Methods and Semantics 2.1.4. 標準HTTPメソッドおよびセマンティクスの使用
2.2. Example of Resource-Oriented RESTful APIs 2.2. リソース指向RESTful APIの例
2.3. Advantages of Building Applications With RESTful APls for Services 2.3. サービス向けRESTful APIを用いたアプリケーション構築の利点
2.3.1. Advantages of RESTful API Deployment With Consistency Across Architectural Components. 10 2.3.1. アーキテクチャコンポーネント全体にわたる一貫性を伴うRESTful API導入の利点。 10
2.3.2. Advantages of RESTful API Deployment Due to Inherent Architectural Features 2.3.2. 固有のアーキテクチャ的特徴によるRESTful API導入の利点
2.4. Drawbacks of Building Applications With RESTful APls for Services 2.4. サービス向けRESTful APIを用いたアプリケーション構築の欠点
3. Protection Requirements Common to All API Types 3. すべてのAPIタイプに共通する保護要件
4. Threats Specific to REST APIs 4. REST APIに特有の脅威
4.1. Threats Due to URL-Based Resource Addressing and Querying 4.1. URLベースのリソースアドレス指定およびクエリによる脅威
4.1.1. Easy Enumeration of Resources Due to Direct Object Reference (RAPI-URL-TH1) 4.1.1. 直接的なオブジェクト参照によるリソースの容易な列挙 (RAPI-URL-TH1)
4.1.2. CRLF Injection (Header Splitting) (RAPI-URL-TH2) 4.1.2. CRLFインジェクション(ヘッダー分割)(RAPI-URL-TH2)
4.2. HTTP Protocol-Related Information Threat 4.2. HTTPプロトコル関連情報の脅威
4.2.1. Illegal Access Due to the Lack of Verb-Specific Security Filter (RAPI-HTTP-TH1) 4.2.1. 動詞固有のセキュリティフィルタの欠如による不正アクセス(RAPI-HTTP-TH1)
4.2.2. Improper Handling of Parameters in HTTP Requests (RAPI-HTTP-TH2) 4.2.2. HTTP リクエストにおけるパラメータの不適切な処理 (RAPI-HTTP-TH2)
4.2.3. Threats Due to Protocol and Data Format Conversion 4.2.3. プロトコルおよびデータ形式の変換による脅威
4.2.4. Threats Due to HTTP Internal Headers (RAPI-HTTP-TH8) 4.2.4. HTTP 内部ヘッダーによる脅威 (RAPI-HTTP-TH8)
4.2.5. Server-Side Request Forgery (SSRF) Threats (RAPI-SSRF-TH1) 4.2.5. サーバーサイドリクエストフォージェリ (SSRF) による脅威 (RAPI-SSRF-TH1)
4.2.6. Misconfiguration of Cross-Origin Resource Sharing (CORS) 4.2.6. クロスオリジンリソース共有(CORS)の設定ミス
4.3. Service Discovery Threats 4.3. サービスディスカバリの脅威
4.3.1. Threats During Service Registration Phase (RAPI-SDS-TH1). 4.3.1. サービス登録フェーズにおける脅威 (RAPI-SDS-TH1)
4.3.2. Threats Due to Illegal Write Access Leading to Malicious Misdirection (RAPI-SDS-TH2) 4.3.2. 悪意のあるリダイレクトにつながる不正な書き込みアクセスによる脅威 (RAPI-SDS-TH2)
4.3.3. Threats Due to the Enumeration of Services in the Service Registry (RAPI-SDS-TH3) 4.3.3. サービスレジストリにおけるサービスの列挙に起因する脅威 (RAPI-SDS-TH3)
4.3.4. Threat Due to a Denial of Service on the SDS (RAPI-SDS-TH4) 4.3.4. SDS に対するサービス拒否(DoS)に起因する脅威 (RAPI-SDS-TH4)
4.3.5. Threats Due to the Operational Status of Services Listed in the Registry (RAPI-SDS-TH5) 4.3.5. レジストリに登録されたサービスの運用状況に起因する脅威 (RAPI-SDS-TH5)
4.4. Data Leaks via Side Channels 4.4. サイドチャネルを介したデータ漏洩
4.5. Threats Due to Query Execution Features in Some Frameworks 4.5. 一部のフレームワークにおけるクエリ実行機能に起因する脅威
4.6. REST Authentication Layer Threats 4.6. REST認証レイヤーの脅威
4.7. Threats to REST APIs Accessed by Al Agents 4.7. AIエージェントがアクセスするREST APIに対する脅威
4.7.1. The Confused Deputy Problem 4.7.1. コンフューズド・デピュティ問題
4.7.2. Indirect Prompt Injection 4.7.2. 間接的なプロンプトインジェクション
4.7.3. Business Logic Probing at Scale 4.7.3. 大規模なビジネスロジックのプロービング
5. Controls for the Secure Deployment of RESTful Apls 5. RESTful Aplsの安全な導入のための対策
5.1. Mitigating Threats Due to URL-Based Resource Addressing and Querying (RAPI-URL-TH1) 5.1. URLベースのリソース指定およびクエリによる脅威の軽減 (RAPI-URL-TH1)
5.2. Mitigating Threats Due to HTTP Protocol and Data Format-Related Information 5.2. HTTPプロトコルおよびデータ形式に関連する情報による脅威の軽減
5.2.1. Mitigating Threats Due to the Lack of a Verb-Specific Security Filter (RAPI-HTTP-TH1) 5.2.1. 動詞固有のセキュリティフィルタの欠如による脅威の軽減 (RAPI-HTTP-TH1)
5.2.2. Mitigating Threats Due to the Improper Handling of Parameters in HTTP Requests (RAPI-HTTP-TH2)  5.2.2. HTTPリクエストにおけるパラメータの不適切な処理による脅威の軽減 (RAPI-HTTP-TH2)
5.2.3. Mitigating Threats Due to Protocol and Data Format Encoding/Conversions RAP:H-T RAPI-HTTP-TH7) 5.2.3. プロトコルおよびデータ形式のエンコード/変換による脅威の軽減 (RAPI-HTTP-TH7)
5.2.4. Mitigating Threats Due to HTTP Internal Headers (RAPI-HTTP-TH8) 5.2.4. HTTP内部ヘッダーによる脅威の軽減 (RAPI-HTTP-TH8)
5.2.5. Mitigating Threats Due to Server-Side Request Forgery (SSRF) Attacks (RAPI-SSRF-TH1) 5.2.5. サーバーサイドリクエストフォージェリ(SSRF)攻撃による脅威の軽減 (RAPI-SSRF-TH1)
5.2.6. Mitigating Threats Due to the Misconfiguration of Cross-Origin Resource Sharing (CORS) (RAPI-CORS-TH1) to (RAPI-CORS-TH3) 5.2.6. クロスオリジンリソース共有(CORS)の設定ミスによる脅威の軽減 (RAPI-CORS-TH1) ~ (RAPI-CORS-TH3)
5.3. Mitigating Threats in the Service Discovery Service (SDS) Infrastructure  5.3. サービスディスカバリーサービス(SDS)インフラストラクチャにおける脅威の軽減
5.3.1. Mitigating Threats During the Service Registration Phase (RAPI-SDS-TH1) 5.3.1. サービス登録フェーズにおける脅威の軽減 (RAPI-SDS-TH1)
5.3.2. Mitigating Threats Due to Service Registry Poisoning (RAPI-SDS-TH2) 5.3.2. サービスレジストリのポイズニングによる脅威の軽減 (RAPI-SDS-TH2)
5.3.3. Mitigating Threats Due to Services Enumeration Using the Registry (RAPI-SDS-TH3) 5.3.3. レジストリを使用したサービス列挙による脅威の軽減 (RAPI-SDS-TH3)
5.3.4. Mitigating Threats Due to DoS Attacks on the Service Registry (RAPI-SDS-TH4) 5.3.4. サービスレジストリに対する DoS 攻撃による脅威の軽減 (RAPI-SDS-TH4)
5.3.5. Mitigating Threats Due to the Operational Status of Services Listed in the Registry (RAPI-SDS-TH5) 5.3.5. レジストリにリストされているサービスの稼働状況に起因する脅威の軽減 (RAPI-SDS-TH5)
5.4. Mitigating Threats Due to Data Leaks via Side Channels 5.4. サイドチャネルを介したデータ漏洩に起因する脅威の軽減
5.5. Mitigating Threats Due to the Query Execution Features 5.5. クエリ実行機能に起因する脅威の軽減
5.5.1 Addressing Threats due to the Auto-binding Feature 5.5.1 自動バインディング機能に起因する脅威への対処
5.5.2 Addressing Threats due to Expression Language Evaluation Feature 5.5.2 式言語評価機能に起因する脅威への対処
5.6. Mitigating Threats Due to REST Authentication and Authorization Layers 5.6. REST認証および認可レイヤーに起因する脅威の軽減
5.7. Mitigating Threats to REST APIs From Al Agent Clients 5.7. AIエージェントクライアントによるREST APIへの脅威の軽減
6. Conclusions and Summary 6. 結論とまとめ
References 参考文献
Appendix A. REST-Specific Manifestations of OWASP Top 10 API Security RisksRAPI-HTTP-TH7). 附属書 A. OWASP Top 10 APIセキュリティリスクのREST特有の現れ(RAPI-HTTP-TH7)
Appendix B. Threat Categories and Mitigating Controls for RESTFul APIs 附属書 B. RESTful API の脅威カテゴリと緩和策

 

 

Executive Summary  エグゼクティブサマリー 
A RESTful API (commonly called REST API) is the most prevalent API type because of its close alignment with Web infrastructure (hence sometimes called Web API) such as use of browsers as clients, Web server as the server component and use of HTTP protocol for communication between the two. Their inherent simplicity (creating a low barrier for entry), universal compatibility with browsers, robust ecosystem of developer tools and superior caching efficiency that aligns naturally with existing web infrastructure gives scope for introducing vulnerabilities and accompanying threats of exploitation. This document analyzes those threats to RESTful APIs and provides guidance for implementing a set of associated mitigating controls. Thus, it also complements the detailed set of controls provided in SP 800-228 by including parameters that are specific to the architectural style of RESTful Web APIs.  RESTful API(一般に REST API と呼ばれる)は、クライアントとしてブラウザを使用し、サーバーコンポーネントとして Web サーバーを使用し、両者の間の通信に HTTP プロトコルを使用するなど、Web インフラストラクチャと密接に連携しているため(そのため Web API と呼ばれることもある)、最も普及している API タイプです。その本質的なシンプルさ(参入障壁が低いこと)、ブラウザとの普遍的な互換性、開発者ツールの堅牢なエコシステム、そして既存のWebインフラストラクチャと自然に調和する優れたキャッシュ効率は、脆弱性の導入やそれに伴う悪用リスクの余地を生み出しています。本書は、RESTful APIに対するこれらの脅威を分析し、一連の関連する緩和策を実装するためのガイダンスを提供します。したがって、本ドキュメントは、RESTful Web APIのアーキテクチャ様式に固有のパラメータを含めることで、SP 800-228で提供されている詳細な対策セットを補完するものである。
To develop the appropriate controls, threats were analyzed across the following phases and associated activities:   適切な対策を策定するため、以下のフェーズおよび関連する活動にわたって脅威を分析した:
• Pre-run time phase of RESTful APIs  • RESTful APIのランタイム前フェーズ
o Resource representation   o リソースの表現
o HTTP protocol parameters representation   o HTTPプロトコルパラメータの表現
o Exchange (or Transfer) Data format representation  o 交換(または転送)データ形式の表現
o Design of error codes  o エラーコードの設計
• Runtime phase of RESTful APIs  • RESTful APIのランタイムフェーズ
o Service discovery service (SDS)   o サービスディスカバリーサービス(SDS)
o Query evaluation features  o クエリ評価機能
o Authentication layer mechanisms   o 認証レイヤーのメカニズム
1. Introduction   1. はじめに  
A RESTful Application Programming Interface (API) is the predominant architectural style of API because of its use for web applications. API users primarily interact with a resource (e.g., image, document) and a representation of that resource (i.e., Uniform Resource Identifier [URI]). Typical activities involve creating resources, accessing or retrieving those resources, modifying or manipulating their values, and transferring resource representation.   RESTfulアプリケーションプログラミングインターフェース(API)は、Webアプリケーションでの利用が一般的であるため、APIの主要なアーキテクチャスタイルとなっています。APIユーザーは主に、リソース(例:画像、文書)およびそのリソースの表現(すなわち、Uniform Resource Identifier [URI])とやり取りを行います。典型的な活動には、リソースの作成、それらのリソースへのアクセスまたは取得、値の変更または操作、およびリソース表現の転送が含まれます。
Several entities enable these activities and can be broadly classified as:  これらの活動を可能にするいくつかのエンティティがあり、大まかに次のように分類できる:
• Software entities, such as components and connectors  • コンポーネントやコネクタなどのソフトウェアエンティティ
• Encoding or representation schemes for resources, operations on resources, and communication protocols and formats for data or information transfer between artifacts  • リソースのエンコーディングまたは表現スキーム、リソースに対する操作、およびアーティファクト間のデータや情報の転送のための通信プロトコルやフォーマット
These entities collectively define the conceptual framework (or architectural elements) for RESTful APIs and are further described in Sec. 2.   これらのエンティティは、RESTful API の概念的フレームワーク(またはアーキテクチャ要素)を総体として定義しており、第 2 節でさらに詳しく説明する。
1.1. Document Goals  1.1. 文書の目的
The objectives of this document are to:  本文書の目的は以下の通りである:
1. Identify and analyze threats that are specific to RESTful APIs  1. RESTful APIに特有の脅威を特定し、分析すること
2. Provide a recommended set of mitigating controls or countermeasures for the secure design, deployment, and operation of RESTful APIs  2. RESTful APIの安全な設計、導入、および運用に向けた、推奨される一連の緩和策または対策を提供すること
1.2. Relationship With Other NIST Documents    1.2. 他のNIST文書との関係
This document follows NIST Special Publication (SP) 800-228 [1], which provides extensive analysis of threats to APIs and a comprehensive set of basic and advanced controls for protecting all API types at the pre-runtime and runtime stages of API life cycle. This document focuses on threats that are specific to RESTful APIs and provides a set of recommended controls for their secure deployment.  本ドキュメントは、NIST特別刊行物(SP)800-228 [1] に準拠している。同刊行物は、APIに対する脅威に関する詳細な分析と、APIライフサイクルの実行前および実行段階におけるあらゆるAPIタイプを保護するための基本的および高度な制御策の包括的なセットを提供している。本ドキュメントは、RESTful APIに特有の脅威に焦点を当て、その安全な導入のための推奨制御策のセットを提供する。
1.3. Document Structure  1.3. 文書の構成
This document is organized as follows:  本ドキュメントの構成は以下の通りである:
• Section 2 provides an overview of the building blocks and architectural constraints of RESTful APIs. It also outlines the advantages and drawbacks of building applications with services based on RESTful API architecture.  セクション2では、RESTful APIの構成要素とアーキテクチャ上の制約について概説する。また、RESTful APIアーキテクチャに基づくサービスを用いてアプリケーションを構築する際の利点と欠点についても概説する。
• Section 3 describes common protection requirements for APIs and briefly reviews the controls outlined in SP 800-228 [1].  セクション3では、APIに対する一般的な保護要件について記述し、SP 800-228 [1] で概説されている制御策について簡単に概観する。
• Section 4 identifies and analyzes threats that are specific to RESTful APIs in both the preruntime and runtime phases. セクション4では、実行前および実行時の両フェーズにおけるRESTful API特有の脅威を特定し、分析する。
• Section 5 provides a set of controls that are specific to secure RESTful APIs in both the 191 pre-runtime and runtime phases. セクション5では、実行前および実行時の両フェーズにおけるRESTful APIのセキュリティ確保に特化した一連の制御策を提供する。
• Section 6 provides a summary and conclusions. セクション6では、要約と結論を述べる。

 

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.03.18 米国 NIST SP 800-228 更新版 クラウドネイティブシステム向けAPI防御ガイドライン (2026.03.13)

・2025.07.04 米国 NIST SP 800-228 クラウドネイティブシステムのための API 保護に関するガイドライン (2025.06.27)

・2025.03.26 米国 NIST SP 800-228(初期公開ドラフト)クラウドネイティブシステムのAPI防御ガイドライン

 

 

| | Comments (0)

米国 NIST IR 8610 NISTポスト量子暗号標準化プロセスにおける追加デジタル署名スキームの第2ラウンドに関する進捗報告書 (2026.05.14)

こんにちは、丸山満彦です。

NISTが実施する耐量子暗号(PQC)標準化プロセスにおける「追加デジタル署名方式」の第2ラウンドについて、評価規準・選定プロセス・各候補の技術的特性を総括した進捗報告書を公表していますね...

第2ラウンドでは14の署名方式候補が審査対象となり、セキュリティ・性能・実装特性の3観点から総合評価を行った結果、9方式(FAEST、HAWK、MAYO、MQOM、QR-UOV、SDitH、SNOVA、SQIsign、UOV)が第3ラウンドへ選定されたようです...

第3ラウンドでは選定された9候補について、仕様・実装の軽微な修正を許容しつつ、暗号コミュニティによる追加の解析・ベンチマーク・サイドチャンネル耐性評価を募り、2027年前半の会議を経て最終的な標準化候補を決定する予定...

 

NIST - ITL

・2026.05.14 NIST IR 8610 Status Report on the Second Round of the Additional Digital Signature Schemes for the NIST Post-Quantum Cryptography Standardization Process

NIST IR 8610 Status Report on the Second Round of the Additional Digital Signature Schemes for the NIST Post-Quantum Cryptography Standardization Process NIST IR 8610 NISTポスト量子暗号標準化プロセスにおける追加デジタル署名スキームの第2ラウンドに関する進捗報告書
Abstract 要約
This report describes the evaluation criteria and selection process of the Second Round of the Additional Digital Signatures for the NIST Post-Quantum Cryptography (PQC) Standardization Process, which will identify public-key digital signature algorithms for potential standardization to protect sensitive information into the foreseeable future, including after the advent of quantum computers. Any signature scheme that is eventually selected will augment FIPS 204, Module-Lattice-Based Digital Signature Standard; FIPS 205, Stateless Hash-Based Digital Signature Standard; FIPS 186-5, Digital Signature Standard (DSS); and SP 800-208, Recommendation for Stateful Hash-Based Signature Schemes. Based on public feedback and internal reviews of the second-round candidates, NIST has selected nine candidate algorithms to move forward to the third round of evaluation: FAEST, HAWK, MAYO, MQOM, QR-UOV, SDitH, SNOVA, SQIsign, and UOV. 本報告書は、NIST ポスト量子暗号(PQC)標準化プロセスにおける追加デジタル署名スキームの第2ラウンドの評価基準および選定プロセスについて記述するものである。このプロセスでは、量子コンピュータの登場後も含め、予見可能な将来にわたって機密情報を保護するために標準化される可能性のある公開鍵デジタル署名アルゴリズムを特定する。最終的に選定される署名方式は、FIPS 204「モジュール・ラティスベースのデジタル署名標準」、FIPS 205「ステートレス・ハッシュベースのデジタル署名標準」、FIPS 186-5「デジタル署名標準(DSS)」、およびSP 800-208「ステートフル・ハッシュベースの署名方式に関する勧告」を補完するものである。一般からのフィードバックおよび第2次選考候補に対する内部審査に基づき、NISTは第3次評価に進める9つの候補アルゴリズムを選定しました。それらは、FAEST、HAWK、MAYO、MQOM、QR-UOV、SDitH、SNOVA、SQIsign、およびUOVです。

 

・[PDF] NIST.IR.8610

20260521-64014

・[DOCX][PDF] 仮訳

 

 

ざっとしたまとめ...(編みかけは第3ラウンドにすすまなかったもの)

方式 略称 名称 説明 概要 安全性の根拠 鍵・署名の大きさ 処理時間等 その他の特徴
Code-Based CROSS Code-based Randomized Obstreperous Signatures Scheme コードベースのランダム化オブレステラス署名方式 コードベースの識別方式(CROSS-ID)のフィアット・シャミール変換である。 Restricted Syndrome Decoding (RSD) 問題(シンドローム復号問題の変種) 公開鍵は小~中程度、署名は非常に大きい(SPHINCS+と同水準) 署名生成はSPHINCS+よりやや高速。鍵生成・検証は同等程度。 5ラウンドFiat-Shamir変換と並列反復を採用。第2ラウンドで攻撃を受けパラメータ更新。セキュリティの不確実性と性能優位性の欠如から第3ラウンドへ進まず。
  LESS Linear Equivalence Signature Scheme 線形同値署名方式 線形コード同値(LCE)問題(単項式コード同値問題としても知られる)に基づくゼロ知識証明システムに、フィアット・シャミール変換を適用するものである。  Linear Code Equivalence (LCE) / Monomial Code Equivalence 問題 署名は小さいが公開鍵は非常に大きい(Cat 1例: 署名1,329~2,625B、公開鍵13,940~97,484B) 鍵生成・署名生成・検証のすべてがCROSSより遅い。 正規形の活用で署名サイズを削減。第2ラウンドで攻撃によりセキュリティ強度が12~24ビット低下。LCE問題の研究歴が浅く、第3ラウンドへ進まず。
Isogeny-Based SQIsign SQIsogeny-based signature scheme SQIsogenyベースの署名方式 超特異楕円曲線間の同型写像を見つけたり、その自己同型環を計算したりすることが困難であると仮定した、同型写像に基づく署名方式である。 超特異楕円曲線間の同型写像発見および自己同型環計算の困難性(SIDH/SIKE関連攻撃に対してレジリエンスあり) 候補の中で公開鍵と署名の合計サイズが最小(Cat 1で署名最小148バイト) 第2ラウンドで署名速度約20倍、検証速度約6倍向上。検証は署名より単純で高速だが、全体レイテンシは高め。 高次元同型写像へ移行しゼロ知識性を明確化。定数時間実装が数学的に困難だが緩和策が提案されている。第3ラウンド選定。
Lattice-Based HAWK Harpoon-based Algorithm for Weighted Key-exchange 加重鍵交換のためのHarpoonベースのアルゴリズム Falconといくつかの類似点を持つ格子ベースのハッシュ・アンド・サイン署名方式である。 ランク2のSearch Module Lattice Isomorphism Problem (smLIP) および One-More-Shortest-Vector Problem (omSVP) Cat 1で署名サイズ555バイト(FalconやML-DSAより小さい)。公開鍵は競争力あり。 整数演算のみで構成され、浮動小数点演算を排除。制約付きハードウェアでも実装が容易で高性能。 Falconと類似点があるが整数のみ使用。第2ラウンドで問題定義が改良され攻撃ベクトルを排除。第3ラウンド選定。
MPC-in-the-Head FAEST Fast AES-based Signature Trust 高速AESベースの署名信頼 ゼロ知識証明を構築するための VOLE-in-the-Head フレームワーク [35] を用いて構築された署名方式である。 VOLE-in-the-Headフレームワークおよび確立された対称暗号プリミティブ(AES)の安全性 MPCitH候補の中で競争力のあるサイズ(PERKより署名は約10%大きい) PERKと比較して処理速度が優れている。AESベースPRGやQuickSilverの改良で高速化。 MPCitH/VOLEitHベース。保守的なセキュリティ仮定(AES依存)。物理攻撃の研究はあるが根本的セキュリティは維持。第3ラウンド選定。
  Mirath Multivariate interpolation and random threshold signature scheme 多変量補間およびランダム閾値署名方式 第1ラウンドの候補である Mira [44] と MiRitH [45] を統合して生まれた、MPCitH に基づく署名方式である。 MinRank 問題(有限体上の行列の非自明かつ低ランクの線形結合発見の困難性) デュアルサポートモデリングにより署名サイズを削減。 第2ラウンドで鍵生成・署名・検証の速度が最大10倍向上。 MPCitHベース(TCitHおよびオプションのVOLEitH採用)。MinRank仮定は成熟しているが、MPCitHカテゴリーの競争激化により第3ラウンドへ進まず。
  MQOM Multivariate Quadratic Open-source Message (Zero-Knowledge proof-based) 多変量二次オープンソースメッセージ(ゼロ知識証明ベース) MPCitHパラダイムに基づくデジタル署名方式である。 多変数二次 (MQ) 問題(有限体上のランダムな多変数二次方程式系の求解困難性) 6つのMPCitH候補の中で、全セキュリティレベルにおいて公開鍵と署名の合計サイズが最小。 署名・検証のサイクル数が非常に競争力がある。 TCitHを採用し署名サイズを大幅削減。性能プロファイルが優れ、MQ問題の安定性も評価。ROM/QROMのセキュリティ証明は未成熟。第3ラウンド選定。
  PERK Parallel Efficient Randomized Key-exchange  並列効率的なランダム化鍵交換 秘密の置換に関するゼロ知識証明(ZKPoK)に基づく署名方式である。 Permuted Kernel Problem (PKP)(行列Hと配列xに対しHπ(x)=0となる置換π発見の困難性) 署名サイズはFAESTより約10%小さい。 FAESTと比較して処理速度が著しく遅い。第2ラウンドで署名長を約40%削減したが速度差を埋められず。 VOLEitHフレームワーク使用。PKP仮定は約30年前の提案だが暗号解析文献が少ない。性能トレードオフにより第3ラウンドへ進まず。
  RYDE Rank-metric yielding decoding efficiency 復号効率をもたらすランクメトリック MPCitH パラダイムに基づいて構築されたデジタル署名アルゴリズムである。 Rank Syndrome Decodingの派生問題 (RSD_S)。基本RSD問題への形式的還元により明確化。 Cat 1で署名サイズ3~3.5KB程度(MQOM、Mirathと類似)。TCitH移行で約半分に削減。 同程度のパラメータではMQOMより実装速度が遅い。 MPCitHベース。第2ラウンドで大幅改善されたが、他MPCitH候補と構造・性能・セキュリティが類似しており、NISTの絞り込み方針により第3ラウンドへ進まず。
  SDitH Signature based on the Distinguishing of Interleaved Haming codes インターリーブされたハミング符号の識別に基づく署名 有限体上のランダム線形符号におけるシンドローム復号問題の困難性に基づくデジタル署名方式である。 有限体上のランダム線形符号に対するシンドローム復号問題(非構造化線形符号、二進数体を使用。研究歴が長く保守的) 競争力のある鍵・署名サイズに調整可能だが、計算コストが高い傾向。 同種MPCitH方式と比較して計算コストが高い。 MPCitHベース。VOLE/TCitH技術を導入し再設計。保守的な硬度仮定が最大の強み。複雑な設計のためさらなる解析が必要。第3ラウンド選定。
Multivariate UOV Unbalanced Oil and Vinegar アンバランス・オイル・アンド・ビネガー 基礎的な多変量設計法である。  秘密部分空間上で零となる二次多項式の構造化体系の求解困難性(1990年代からの長い研究歴) 署名は極めて小さい(Cat 1で96バイト)。公開鍵は展開形式で200KB超と非常に大きい。 検証は極めて高速(数万サイクル)。署名も効率的。 多変量暗号の基礎。第2ラウンドで「ウェッジ攻撃」等を受け3つのパラメータセットが影響。奇数特性UOVはレジリエンスあり。汎用ではなく特定用途向け。第3ラウンド選定。
  MAYO MAple and Yolk MAple and Yolk 公開された「ホイッピング」アルゴリズムを利用して、小さな構造化公開鍵(mini-UOV)をより大きな構造化UOVインスタンスに拡張する、UOVフレームワークの変種である。  UOVの公開「ホイッピング」アルゴリズムによる構造拡張の困難性(mini-UOVから大規模UOVインスタンスへ展開) 多変数候補の中で公開鍵サイズが最小クラス。署名サイズはパラメータにより変動。 UOVベースの方式として署名・検証の効率を維持。 ウェッジ攻撃がMAYO 2に大きな影響(約30ビット不足)を与えたが、設計思想よりパラメータ形状に起因。バランスの取れた性能で汎用署名として検討。第3ラウンド選定。
  QR-UOV Quasi-Regular Unbalanced Oil and Vinegar 準規則的アンバランス・オイル・アンド・ビネガー より小さな公開鍵を実現するUOVの変種である。 商環(次数ℓの体拡大)を利用したUOV変種。既存攻撃より計算量が高く、セキュリティマージンへの信頼性が高い。 公開鍵サイズは標準UOVの15~50%。MAYO/SNOVAより大きいが、署名サイズは圧縮UOVと同等。 第1ラウンド比で署名・検証が15~20倍高速化。検証は圧縮UOVの半分程度の速度。 奇数特性体を使用しウェッジ攻撃に対してレジリエンス。ターゲットベクトル再サンプリングによりバイアスを回避するが、定数時間実装が困難。攻撃を受けず第3ラウンド選定。
  SNOVA Short NOn-commutative Variable-degree Algebra signature scheme 短い非可換可変次数代数署名方式 公開鍵のサイズを縮小するために追加の構造を導入した UOV の変種である。 非可換環・行列環構造を導入したUOV変種。ブロックごとの乗算によりℓ²個の関連多項式を暗黙的に表現。 UOV変種の中で最も公開鍵サイズを削減。新規パラメータではFalconより公開鍵・署名ともに小さい。 検証が高速で、署名・公開鍵が非常に小さい。 暗号解析の懸念歴が多数(第1・2ラウンドで複数回攻撃、ウェッジ攻撃変種で大部分のパラメータが破られた)。奇数特性・対称二次形式への修正で競争力回復。未成熟だが可能性あり第3ラウンド選定。

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.01.26 米国 CISA 耐量子暗号標準を利用する技術向け製品カテゴリー (2026.01.23)

・2025.03.14 米国 NIST 第5の耐量子暗号化のアルゴリズムとしてHQCを選択 (2025.03.11)

・2024.11.03 米国 NIST IR 8528 耐量子暗号標準化プロセスにおける追加デジタル署名スキームの第一ラウンドに関する状況報告書

・2024.08.14 米国 NIST 耐量子暗号化標準の最初の3つ (FIPS 203, 204, 205) を確定

 

 

 

| | Comments (0)

2026.05.21

米国NIST SP 800-172 Rev. 3 管理対象非機密情報の保護に関する強化されたセキュリティ要件、SP 800-172A Rev. 3 管理対象非機密情報(CUI)に対する強化されたセキュリティ要件の評価

こんにちは、丸山満彦です。

NISTがNIST SP 800-172 Rev. 3 管理対象非機密情報の保護に関する強化されたセキュリティ要件とその評価手法を規定したSP 800-172A Rev. 3 管理対象非機密情報(CUI)に対する強化されたセキュリティ要件の評価を公表していますね...国防総省のCMMIのレベル3はSP800-172の一部が含まれていますね...

SP800-172は連邦政府の管理対象非機密情報に対するセキュリティ要件を定めたSP800-171の強化セキュリティ版でよりセキュリティが要求される情報等に関するセキュリティ要件を定めたものですね。

SP800-172Aはその評価手法を規定したものとなります。SP800-171とSP800-171Aの関係と同じです。

NIST

・2024.05.13 NIST SP 800-172 Rev. 3 Enhanced Security Requirements for Protecting Controlled Unclassified Information

NIST SP 800-172 Rev. 3 Enhanced Security Requirements for Protecting Controlled Unclassified Information NIST SP 800-172 Rev. 3 管理対象非機密情報の保護に関する強化されたセキュリティ要件
Planning Note (05/13/2026):  計画に関する注記(2026年5月13日):
The enhanced security requirements in SP 800-172r3 are available in multiple data formats. The PDF of SP 800-172r3 is the authoritative source of the enhanced security requirements. If there are any discrepancies noted in the content between the CPRT dataset, OSCAL dataset, and the SP 800-172r3 PDF, please contact sec-cert@nist.gov and refer to the PDF as the normative source. SP 800-172r3 の強化されたセキュリティ要件は、複数のデータ形式で入手可能である。SP 800-172r3のPDFは、強化されたセキュリティ要件の正式な情報源である。CPRTデータセット、OSCALデータセット、およびSP 800-172r3のPDFの間で内容に不一致が見られる場合は、sec-cert@nist.gov までご連絡いただき、規範的な情報源としてPDFをご参照すること。
Abstract 概要
The protection of Controlled Unclassified Information (CUI) resident in nonfederal systems and organizations is of paramount importance to federal agencies and can directly impact the ability of the Federal Government to successfully conduct its essential missions and functions. This publication provides federal agencies with a set of recommended enhanced security requirements for providing additional protection to the confidentiality, integrity, and availability of CUI when it is resident in a nonfederal system and organization and associated with a critical program or high value asset (HVA). It is designed as a supplement to NIST Special Publication (SP) 800-171 to protect against advanced persistent threats (APTs). The security requirements apply to the components of nonfederal systems that process, store, or transmit CUI or that provide protection for such components only when selected and required by federal agencies to manage risks to CUI. The enhanced security requirements are intended for use by federal agencies in contractual vehicles or other agreements established between those agencies and nonfederal organizations. There is no expectation that all of the enhanced security requirements will be selected by federal agencies. The decision to select a particular set of enhanced security requirements will be based on the mission and business needs of federal agencies and guided and informed by agencies’ ongoing risk assessments. 非連邦システムおよび組織に保存されている管理対象非機密情報(CUI)の保護は、連邦機関にとって極めて重要であり、連邦政府がその重要な任務と機能を成功裏に遂行する能力に直接的な影響を及ぼす可能性がある。本刊行物は、非連邦システムおよび組織に保存され、かつ重要プログラムまたは高価値資産(HVA)に関連するCUIの機密性、完全性、および可用性をさらに保護するための、推奨される強化されたセキュリティ要件のセットを連邦機関に提供するものである。これは、高度持続的脅威(APT)から保護するために、NIST特別刊行物(SP)800-171の補足として設計されている。これらのセキュリティ要件は、CUIを処理、保存、または伝送する非連邦システムの構成要素、あるいはそのような構成要素に対する保護を提供する構成要素に適用されるが、それは連邦機関がCUIに対するリスクを管理するためにそれらを選択し、要求した場合に限られる。強化されたセキュリティ要件は、連邦機関と非連邦組織との間で締結された契約やその他の合意において、連邦機関が利用することを意図している。連邦機関がすべての強化されたセキュリティ要件を選択することが期待されているわけではない。特定の強化されたセキュリティ要件セットを選択する決定は、連邦機関の任務および業務上のニーズに基づき、かつ各機関の継続的なリスク評価によって導かれ、裏付けられるものである。

 

・[PDF] SP.800-172r3

20260520-165136

・[DOCX][PDF] 仮訳

 

1. Introduction 1. 序論
1.1. Purpose and Applicability 1.1. 目的および適用範囲
1.2. Organization of This Publication 1.2. 本出版物の構成
2.The Fundamentals 2.基本事項
2.1. Enhanced Security Requirement Assumptions 2.1. 拡張セキュリティ要件の前提
2.2. Enhanced Security Requirement Development Methodology 2.2. 拡張セキュリティ要件の開発方法論
3. The Requirements 3. 要件
3.1. Access Control 3.1. アクセス管理
3.2. Awareness and Training 3.2. 意識向上およびトレーニング
3.3. Audit and Accountability 3.3. 監査と説明責任
3.4. Configuration Management 3.4. 構成管理
3.5. Identification and Authentication 3.5. 識別と認証
3.6. Incident Response 3.6. インシデント対応
3.7. Maintenance 3.7. 保守
3.8. Media Protection 3.8. 媒体保護
3.9. Personnel Security 3.9. 職員のセキュリティ
3.10. Physical Protection 3.10. 物理的保護
3.11. Risk Assessment 3.11. リスクアセスメント
3.12. Security Assessment and Monitoring 3.12. セキュリティアセスメントおよび監視
3.13. System and Communications Protection 3.13. システムおよび通信の保護
3.14. System and Information Integrity 3.14. システムおよび情報の完全性
3.15. Planning 3.15. 計画
3.16. System and Services Acquisition 3.16. システムおよびサービスの調達
3.17. Supply Chain Risk Management 3.17. サプライチェーンリスクマネジメント
References 参考文献
Appendix A. Acronyms 附属書A. 略語
Appendix B. Glossary 附属書 B. 用語集
Appendix C. Summary of Enhanced Security Requirements 附属書C. 拡張セキュリティ要件の概要
Appendix D. Adversary Effects 附属書D. 攻撃者の影響
Appendix E. Organization-Defined Parameters 附属書 E. 組織定義パラメータ
Appendix F. Change Log 附属書F. 変更履歴

 

 

・2026.05.13 NIST SP 800-172A Rev. 3 Assessing Enhanced Security Requirements for Controlled Unclassified Information

NIST SP 800-172A Rev. 3 Assessing Enhanced Security Requirements for Controlled Unclassified Information NIST SP 800-172A Rev. 3 管理対象非機密情報(CUI)に対する強化されたセキュリティ要件の評価
Planning Note (05/13/2026):  計画に関する注記(2026年5月13日):
The assessment procedures in SP 800-172Ar3 are available in multiple data formats. The PDF of SP 800-172Ar3 is the authoritative source of the assessment procedures. If there are any discrepancies noted in the content between the CPRT dataset, OSCAL dataset, and the SP 800-172Ar3 PDF, please contact sec-cert@nist.gov and refer to the PDF as the normative source. SP 800-172Ar3 の評価手順は、複数のデータ形式で利用可能である。SP 800-172Ar3のPDFが、評価手順の正式な情報源となります。CPRTデータセット、OSCALデータセット、およびSP 800-172Ar3 PDFの内容間に不一致が見られる場合は、sec-cert@nist.gov までご連絡いただき、規範的な情報源としてPDFをご参照すること。
Abstract 概要
The protection of controlled unclassified information (CUI) resident in nonfederal systems and organizations is of paramount importance to federal agencies and can directly impact the ability of the Federal Government to successfully conduct its essential missions and functions. This publication provides federal agencies with assessment procedures for the enhanced security requirements in NIST SP 800-172. The assessment procedures are flexible and can be tailored to the needs of federal agencies and assessors. Security requirement assessments can be conducted as (1) self-assessments; (2) independent, third-party assessments; or (3) government-sponsored assessments. The assessments can be conducted with varying degrees of rigor based on federal agency-defined depth and coverage attributes. The findings and evidence produced during the assessments can be used to facilitate risk-based decisions by organizations related to the security requirements. 非連邦システムおよび組織に存在する管理対象非機密情報(CUI)の保護は、連邦機関にとって極めて重要であり、連邦政府が不可欠な任務や機能を円滑に遂行する能力に直接的な影響を及ぼす可能性がある。本刊行物は、NIST SP 800-172 に規定された強化されたセキュリティ要件に関する評価手順を連邦機関に提供します。これらの評価手順は柔軟性があり、連邦機関や評価者のニーズに合わせて調整することが可能である。セキュリティ要件の評価は、(1) 自己評価、(2) 独立した第三者による評価、または (3) 政府主導の評価として実施することができる。評価は、連邦機関が定義した深度および対象範囲の属性に基づき、様々な厳格度で実施することが可能である。評価の過程で得られた所見および証拠は、セキュリティ要件に関連する組織によるリスクベースの意思決定を促進するために活用できる。

 

・[PDF] SP.800-172Ar3

20260520-165152

・[DOCX][PDF] 仮訳

1. Introduction 1. 序論
1.1 Purpose and Applicability 1.1 目的および適用範囲
1.2 Organization of This Publication 1.2 本出版物の構成
2. The Fundamentals 2. 基礎
2.1. Assessment Procedures 2.1. アセスメント手順
2.2. Assurance Cases 2.2. 保証ケース
3. The Procedures 3. 手順
3.1. Access Control 3.1. アクセス管理
3.2. Awareness and Training 3.2. 意識向上およびトレーニング
3.3. Audit and Accountability 3.3. 監査と説明責任
3.4. Configuration Management 3.4. 構成管理
3.5. Identification and Authentication 3.5. 識別と認証
3.6. Incident Response 3.6. インシデント対応
3.7. Maintenance 3.7. 保守
3.8. Media Protection 3.8. 媒体保護
3.9. Personnel Security 3.9. 職員のセキュリティ
3.10. Physical Protection 3.10. 物理的保護
3.11. Risk Assessment 3.11. リスクアセスメント
3.12. Security Assessment and Monitoring 3.12. セキュリティアセスメントおよび監視
3.13. System and Communications Protection 3.13. システムおよび通信の保護
3.14. System and Information Integrity 3.14. システムおよび情報の完全性
3.15. Planning 3.15. 計画
3.16. System and Services Acquisition 3.16. システムおよびサービスの調達
3.17. Supply Chain Risk Management 3.17. サプライチェーンリスクマネジメント
References 参考文献
Appendix A. Acronyms 附属書A. 略語
Appendix B. Glossary 附属書B. 用語集
Appendix C. Summary of Enhanced Security Requirements 附属書C. 拡張セキュリティ要件の概要
Appendix D. Security Requirement Assessments 附属書D. セキュリティ要件のアセスメント
D.1.  Preparing for Assessments D.1. アセスメントの準備
D.2.  Developing Assessment Plans D.2. アセスメント計画の策定
D.3.  Conducting Assessments D.3. アセスメントの実施
D.4.  Analyzing, Documenting, and Reporting Assessment Results D.4. アセスメント結果の分析、文書化、および報告
Appendix E. Organization-Defined Parameters 附属書E. 組織が定義するパラメータ
Appendix F. Change Log 附属書F. 変更履歴

 

 

 

 

| | Comments (0)

2026.05.20

内閣官房 AI 性能の高度化を踏まえたサイバーセキュリティ対策の強化について (2026.05.18)

こんにちは、丸山満彦です。

内閣官房において「AI 性能の高度化を踏まえたサイバーセキュリティ対策の強化について」という関係省庁会議が開催されたようですね...

そして、Project YATA-ShieldというフロンティアAIモデルによるサイバーセキュリティ性能が向上する中においても、我が国のサイバーセキュリティが確保されるよう、政府全体としての対策パッケージを取りまとめたようです...

重要インフラ事業者等、政府機関等に対しては、

・組織のトップが意識を高めてリーダーシップをとって対処すること

・基本的な対策を確実に実施すること

ソフトウェア・ベンダに対しては、

・リリース前に脆弱性検査を十分にすること(セキュア開発)

・リリース後も脆弱性を把握し、パッチの早期作成、早期提供

ということを言っているようです。

今回の問題は新しい問題ではなく、従来の問題である脆弱性の発見と攻撃ツールの開発・展開が高速になり、過去の遺産?も含めて一度の大量にでてきていることです。そして、量の問題は、いずれ低減していきますが、脆弱性の発見から攻撃ツールが展開されるまでが高速化されるので、脆弱性の対処を高速化する必要があり、おそらく

・SBOM等を活用した機械処理を活用した迅速な脆弱性箇所の特定、更新優先順位の確定

・更新ソフトの導入検査の高速化

・ソフトウェア更新をした際に発生した不具合に対する復旧対応等

が重要になるのでしょうね...

 

NCO(2026.05.18)

・[PDF] AI 性能の高度化を踏まえたサイバーセキュリティ対策に関する関係省庁会議議事次第

・[PDF] Project YATA-Shield

20260520-52551

 

・[PDF] AI 性能の高度化を踏まえたサイバーセキュリティ対策の強化について ~Project YATA-Shield~

 

NCO、内閣府、警察庁、金融庁、総務省、厚生労働省、経済産業省、国土交通省、防衛省→
重要インフラ事業者等向け

・[PDF] AI 性能の高度化を踏まえたサイバーセキュリティ対策の強化について(重要インフラ事業者等に対する注意喚起)

NCO、経済産業→ソフトウェア・ベンダ向け

・[PDF] AI 性能の高度化を踏まえたサイバーセキュリティ対策の強化について(ソフトウェア・ベンダに対する注意喚起)

NCO→
各省庁向け


・[PDF] AI 性能の高度化を踏まえたサイバーセキュリティ対策の強化について





 

| | Comments (0)

NCO Project YATA-Shield (2026.05.18)

こんにちは、丸山満彦です。

NCOが 高性能AIの登場をふまえて、Project YATA-Shieldという政策パッケージを公表していますね...

Project YATA-Shieldは、高性能AIによる脆弱性発見能力の向上・修正等の急速な向上と、重要インフラ事業者の対応を考慮し、発足したものですね...

基本的なポイントは、

・脆弱性のパッチ適用やリスク緩和の速やかな実施(リスクを考慮して)

・基本的な対策の確実な実施を重視し、多層防御の実施、インシデント発生時の備えを強化する

ということで、新しいことをするというよりも、対策を適切に(リスクに応じて)、確実に、迅速な対応ということなのだろうと思います。

それを踏まえて、「重要インフラ事業者等、政府機関等への対応」と「脆弱性の発見・修正等への対応」という2つの柱について、9つの施策が公表されています。現実的な話です。。。

実施する施策とその概要をまとめると...

 

施策の区分 実施する施策(表題) 1行要約
重要インフラ事業者等及び政府機関等への対応 1 重要インフラ事業者等への注意喚起等 経営層の主導でパッチ管理体制を見直し、AIによる高速攻撃を防ぐ基本対策を徹底させる。
2 金融分野での先行的な取組及び他分野への展開 金融庁・日銀と連携して金融機関で先行対策を行い、その知見を他の重要インフラへ広げる。
3 人材育成支援 既存の「中核人材育成プログラム」を活用し、AI防衛ツールを運用できる高度な専門人材を確保する。
4 政府機関等の情報システムにおける対応 政府自らの情報システムにおいて、AIの悪用リスクを前提とした抜本的セキュリティ強化を行う。
脆弱性の発見・修正等に関する対応(エコシステムの構築) 5 外国政府機関やビッグテック等との更なる連携 最新の脅威やAIの悪用リスクに対応するため、海外の同盟国や主要IT企業との情報共有を強化する。
6 ソフトウェア・ベンダへの注意喚起 開発時からの脆弱性低減(SbD)と、リリース後の迅速なパッチ提供を要請する。
7 AISIによる技術支援等 AISIがフロンティアAIのリスクを評価し、ガイドライン等の策定を推進する。
8 技術開発の推進 経済安保重要技術育成プログラムやNICTを活用し、ビッグテックとの共同研究を含む最先端技術開発を進める。
9 高性能AIを活用したサイバー対処能力強化 攻撃者優位のスピード戦に対抗するため、防御側も高性能AIを組み込んだサイバー対処能力を強化する。

 

内閣官房 - AI 性能の高度化を踏まえたサイバーセキュリティ対策に関する関係省庁会議

概要はこちら...

20260716-93020

 

文書はこちら...

・2025.05.18 [PDF] AI 性能の高度化を踏まえたサイバーセキュリティ対策の強化について

20260716-93236

 

 

 

| | Comments (0)

中国 国家発展改革委員会、国家エネルギー局、工業情報化部、国家データ局 人工知能とエネルギーの相互強化を促進するための行動計画 (2026.04.08)

こんにちは、丸山満彦です。

中国の国家発展改革委員会、国家エネルギー局、工業情報化部、国家データ局が『人工知能とエネルギーの相互強化を促進するための行動計画』を公表していますね...

データの整備、計算資源の確保、電源の確保...

日本のAI政策を考える上でもヒントとなる内容がありそうですね...

● 中国政府

・2026.04.08 国家发展改革委 国家能源局 工业和信息化部 国家数据局印发《关于促进人工智能与能源双向赋能的行动方案》的通知
国能发科技〔2026〕34号

国家发展改革委 国家能源局 工业和信息化部 国家数据局印发《关于促进人工智能与能源双向赋能的行动方案》的通知 国家発展改革委員会、国家エネルギー局、工業情報化部、国家データ局による『人工知能とエネルギーの双方向的な相互強化を促進するための行動計画』の通知
国能发科技〔2026〕34号 国能発科技〔2026〕34号
各省、自治区、直辖市及计划单列市、新疆生产建设兵团发展改革委、能源局、工业和信息化主管部门、数据管理部门,有关中央企业,有关行业协会: 各省、自治区、直轄市および計画単列市、新疆生産建設兵団の発展改革委員会、エネルギー局、工業情報化主管部門、データ管理部門、関係中央企業、関係業界団体:
为贯彻落实党中央、国务院有关部署要求,积极推进人工智能与能源双向赋能、深度融合发展,国家发展改革委、国家能源局、工业和信息化部、国家数据局联合编制了《关于促进人工智能与能源双向赋能的行动方案》,现印发给你们,请认真遵照执行。 党中央および国務院の関連する配置・要求を貫徹し、人工知能とエネルギーの双方向的な相互強化および深い融合発展を積極的に推進するため、国家発展改革委員会、国家エネルギー局、工業情報化部、国家データ局は共同で『人工知能とエネルギーの双方向的な相互強化を促進するための行動計画』を策定した。ここにこれを送付するので、真摯に遵守し実行すること。
国家发展改革委 国家能源局 国家発展改革委員会 国家エネルギー局
工业和信息化部 国家数据局 工業情報化部 国家データ局
2026年4月8日 2026年4月8日
关于促进人工智能与能源双向赋能的行动方案 人工知能とエネルギーの双方向的な相互強化を促進するための行動計画
为深入贯彻党中央、国务院关于人工智能发展的重大决策部署,认真落实《国务院关于深入实施“人工智能+”行动的意见》(国发〔2025〕11号)有关要求,强化能源对人工智能发展的基础支撑作用,发挥人工智能对能源转型的叠加倍增作用,促进人工智能与能源发展双向赋能,加快构建协同高效、安全可靠、绿色低碳、开放融合的“人工智能+”能源发展新格局,特制定本行动方案。 党中央および国務院による人工知能の発展に関する重要な政策決定を深く貫徹し、『「人工知能+」行動の徹底的な実施に関する国務院の意見』(国発〔2025〕11号)の関連要求を真摯に実行し、人工知能の発展に対するエネルギーの基礎的支援機能を強化し、エネルギー転換に対する人工知能の相乗的・倍増的効果を発揮させ、人工知能とエネルギー発展の双方向的な相互強化を促進し、協調的かつ高効率で、安全かつ信頼性が高く、グリーンで低炭素、開放的かつ融合的な「人工知能+」エネルギー発展の新たな枠組みの構築を加速させるため、 本行動計画を策定する。
一、总体要求 一、全体的な要求
以习近平新时代中国特色社会主义思想为指导,深入贯彻党的二十大和二十届历次全会精神,认真落实四中全会部署,充分发挥我国能源产业体系完备、数据资源富集、应用场景广阔等优势,促进能源、算力、场景、数据、模型等要素高效协同,助力抢占人工智能产业应用制高点,有力支撑能源高质量发展。 習近平による新時代の中国の特色ある社会主義思想を指針とし、党の第20回大会および第20期中央委員会各全体会議の精神を深く貫徹し、第4回中央委員会全体会議の配置を真剣に実行する。わが国のエネルギー産業体系の完備、データ資源の豊富さ、応用シーンの広さといった強みを十分に発揮し、エネルギー、計算能力、シーン、データ、モデルなどの要素の効率的な連携を促進し、人工知能産業応用の主導権確保を支援し、エネルギーの質の高い発展を力強く支える。
到2027年,支撑人工智能创新发展的安全、绿色、经济的能源保障体系初步构建,清洁能源与算力设施互动能力显著提升。能源领域高价值场景逐步开放应用,能源高质量数据集共建共享长效管理机制初步建立,能源企业算力资源利用效率持续优化、稳步提升。到2030年,人工智能算力设施的清洁能源供给保障能力、能源领域人工智能专用技术研发和应用达到世界领先水平,人工智能与能源双向赋能取得明显成效。 2027年までに、人工知能の革新的発展を支える安全・グリーン・経済的なエネルギー保障体系が概ね構築され、クリーンエネルギーと計算能力施設の相互連携能力が著しく向上する。エネルギー分野における高付加価値シナリオの開放・応用が段階的に進み、エネルギー高品質データセットの共同構築・共有に関する長期的管理メカニズムが概ね確立され、エネルギー企業の計算能力資源利用効率が持続的に最適化・着実に向上する。2030年までに、AI計算能力施設へのクリーンエネルギー供給保障能力、およびエネルギー分野におけるAI専用技術の研究開発・応用が世界トップレベルに達し、AIとエネルギーの双方向的な相互強化において顕著な成果が得られる。
二、保障算力设施安全可靠的能源供给 二、計算能力施設への安全かつ信頼性の高いエネルギー供給の保障
统筹能源资源配置与算力设施建设,强化能源供给对算力发展的支撑作用,保障算力设施安全稳定运行,筑牢能源安全与数字安全屏障。 エネルギー資源の配分と計算能力施設の建設を統合的に計画し、エネルギー供給が計算能力の発展を支える役割を強化し、計算能力施設の安全かつ安定した稼働を保障し、エネルギー安全とデジタルセキュリティの防護壁を強固にする。
(一)统筹优化能源资源与算力布局。统筹大型新能源基地与国家算力枢纽规划布局,推动算力设施、互联网骨干直联点在新能源富集地区有序合理汇集,促进新能源就近就地消纳。结合地区能源、水资源等承载力,探索百万千瓦级人工智能算力设施与配套能源系统协同建设,选择具备条件的地区开展试点,推动算电协同一体化发展。 (一)エネルギー資源と計算能力の配置を統合・最適化する。大型新エネルギー基地と国家計算能力ハブの計画配置を統合し、計算能力施設やインターネットバックボーン直結ポイントを新エネルギーが豊富な地域に秩序立てて合理的に集積させ、新エネルギーの近隣・現地での消費を促進する。地域のエネルギー・水資源などの収容能力を踏まえ、100万キロワット級のAI計算能力施設と付帯エネルギーシステムの協調建設を模索し、条件を備えた地域を選んでパイロット事業を展開し、電力と計算能力の協調的かつ一体的な発展を推進する。
(二)提高算力设施多元电力供给能力。根据算力设施接入系统规模、电网电压等级、电网新能源渗透率、电能质量要求、算力设施业务类型等实际情况,建立健全算力设施能源供给规划建设标准。探索核电、氢能等能源以直连方式为算力设施供能。鼓励算力设施配置构网型储能,增强供电稳定性和对电力系统的主动支撑能力。 (二)計算能力施設の多様な電力供給能力を向上させる。計算能力施設の系統接続規模、送電網の電圧レベル、送電網への新エネルギー浸透率、電力品質要件、計算能力施設の業務形態などの実情に基づき、計算能力施設のエネルギー供給に関する計画・建設標準を確立・整備する。原子力発電や水素エネルギーなどのエネルギー源を直結方式で計算能力施設に供給する方法を模索する。計算能力施設に系統形成型蓄電設備の設置を奨励し、電力供給の安定性と電力システムに対する能動的な支援能力を強化する。
(三)提升算力设施能源供给质量。开展供电质量提升专项行动,构建政府、电网、用户三方协同治理体系,引导算力设施合理配置供电可靠性和电能质量提升装置,确保算力设施电能质量。强化算力设施用能全过程监测与风险预警,提升相关用户极端情况的防范应对能力。 (三)計算施設へのエネルギー供給の質を向上させる。電力供給品質向上に向けた特別行動を展開し、政府、電力網、ユーザーの三者による協調的ガバナンス体制を構築する。計算施設に対し、電力供給の信頼性および電力品質を向上させる装置を合理的に配置するよう誘導し、計算施設の電力品質を確保する。計算施設のエネルギー利用プロセス全体の監視とリスク予警を強化し、関連ユーザーの極端な状況に対する予防・対応能力を高める。
三、推动算力设施绿色低碳转型 三、計算施設のグリーン・低炭素転換を推進する
扎实推进算力设施绿电消费占比统计以及碳排放核算工作,加强绿电直连政策指引,持续提升算力设施能效碳效,构建绿电供给、高效用能、碳排放管控协同的全链条绿色低碳发展体系。 計算施設におけるグリーン電力消費比率の統計および炭素排出量の算定を着実に推進し、グリーン電力直結に関する政策指針を強化する。計算施設のエネルギー効率と炭素効率を持続的に向上させ、グリーン電力の供給、高効率なエネルギー利用、炭素排出管理が連携した全チェーンにわたるグリーン・低炭素発展体系を構築する。
(四)持续提升算力设施绿电占比。加强算力设施项目布局规划指导,将绿电使用占比作为重要参考指标,增强绿色算力供给水平。支持算力设施通过参与绿证绿电交易提升绿电消费比例。推动算力设施备用电源绿色低碳转型,鼓励备用电源加快使用清洁能源替代传统燃油发电机。 (四)計算施設におけるグリーン電力の割合を持続的に向上させる。計算施設プロジェクトの配置計画に対する指導を強化し、グリーン電力の使用割合を重要な参考指標として位置づけ、グリーン計算能力の供給水準を高める。計算施設がグリーン電力証書・取引に参加することでグリーン電力消費比率を向上させることを支援する。計算施設の予備電源のグリーン・低炭素化を推進し、予備電源において従来の燃料発電機に代わるクリーンエネルギーの利用を加速させるよう奨励する。
(五)持续提升算力设施能效水平。推动算力设施高效冷却、高性能服务器、高性能供电架构、先进存储、余热资源回收利用等技术研发与应用。加强算力设施用能管理智能化水平,完善算力设施能耗监测评估体系,鼓励企业开展算力性能和能效碳效水平评估。探索开展类脑、量子、光子等变革性低功耗计算芯片及系统解决方案研究与试点应用。 (五)計算施設のエネルギー効率水準を持続的に向上させる。計算施設における高効率冷却、高性能サーバー、高性能電力供給アーキテクチャ、先進的なストレージ、余熱資源の回収・利用などの技術研究開発と応用を推進する。計算施設のエネルギー管理のスマート化レベルを強化し、計算施設のエネルギー消費監視・アセスメント体系を整備し、企業が計算性能およびエネルギー効率・カーボン効率レベルのアセスメントを行うことを奨励する。脳型、量子、フォトニックなどの革新的な低消費電力計算チップおよびシステムソリューションの研究とパイロット適用を模索する。
(六)加强算力设施节能降碳管理。落实碳排放总量和强度双控要求,将新建及改扩建算力设施可再生能源利用方案、电能利用效率、绿电消费比例、余热资源回收利用等作为项目节能降碳审查评价重要内容。对依托零碳园区进行布局的算力设施,探索实施项目节能降碳审查评价备案制。加强电力、算力、碳排放协同计量,鼓励开展碳足迹核算与认证服务,引导算力设施绿色低碳发展。 (六)計算施設の省エネ・低炭素管理を強化する。炭素排出総量と排出強度の二重管理要件を徹底し、新設および改築・拡張される計算施設における再生可能エネルギー利用計画、電力利用効率、グリーン電力消費比率、余熱資源の回収・利用などを、プロジェクトの省エネ・低炭素評価の重要項目とする。ゼロカーボンパークに拠点を置く計算施設については、プロジェクトの省エネ・低炭素評価の届出制度の実施を検討する。電力、計算能力、炭素排出の協調的計測を強化し、カーボンフットプリントの算定・認証サービスの展開を奨励し、計算能力施設のグリーンかつ低炭素な発展を誘導する。
(七)完善算力设施绿电直连政策。依据算力任务类型,对算力设施实施分类管理,鼓励具备灵活调节能力的算力设施开展绿电直连。研究通过价格政策激励算力设施采用绿电直连等方式更高比例消纳新能源,持续提升算力设施绿色发展水平。 (七)計算能力施設のグリーン電力直結政策を整備する。計算能力任務の種類に基づき、計算能力施設に対して分類管理を実施し、柔軟な調整能力を有する計算能力施設によるグリーン電力直結の展開を奨励する。価格政策を通じて、計算能力施設がグリーン電力直接接続などの方式により再生可能エネルギーの受け入れ比率を高めるよう促すことを検討し、計算能力施設のグリーン発展レベルを持続的に向上させる。
四、促进算力电力高效经济协同 四、計算能力と電力の効率的かつ経済的な連携を促進する
充分发挥算电协同规模效应,挖掘算力设施灵活调节潜力,通过电力市场化交易促进算力设施综合运营效益与全社会能源配置水平提升。 計算能力と電力の連携による規模の経済を十分に発揮し、計算能力施設の柔軟な調整能力を引き出し、電力市場取引を通じて計算能力施設の総合的な運営効率と社会全体のエネルギー配分水準の向上を図る。
(八)加强算力与电力协同运行。推动建立算力与电力互动机制,以电力市场价格信号引导算力设施优化能量管理和跨网跨区等多形式算力调度,提升算力设施经济效益。鼓励算力设施作为负荷侧灵活可调节资源参与电网运行,提升电力系统调节能力,实现算力设施与电力系统的双向提效。 (八)コンピューティング能力と電力の協調運用を強化する。コンピューティング能力と電力の相互作用メカニズムの構築を推進し、電力市場の価格シグナルを用いて、コンピューティング施設のエネルギー管理の最適化や、ネットワーク間・地域間を跨ぐ多様な形式のコンピューティング能力の調整を誘導し、コンピューティング施設の経済的利益を向上させる。コンピューティング施設が負荷側の柔軟かつ調整可能な資源として電力網の運用に参加することを奨励し、電力システムの調整能力を向上させ、コンピューティング施設と電力システムの双方の効率化を実現する。
(九)强化算电协同市场机制建设。鼓励新建算力设施与可再生能源发电企业签订多年期绿色电力交易合同,提升绿电消费比例与供应稳定性,构建算力设施经济高效绿色供能体系。支持算力设施以多种形式参与电能量、辅助服务、需求响应等市场交易。推动绿色算力交易体系建设,推动绿电消纳与算力资源配置协同优化。 (九)計算能力と電力の協調的市場メカニズムの構築を強化する。新設の計算能力施設に対し、再生可能エネルギー発電事業者との間で複数年契約のグリーン電力取引契約を締結するよう奨励し、グリーン電力の消費比率と供給の安定性を高め、計算能力施設の経済的かつ効率的で環境に優しいエネルギー供給体系を構築する。計算能力施設が、電力エネルギー、補助サービス、デマンドレスポンスなどの市場取引に多様な形態で参加することを支援する。グリーン計算能力取引体系の構築を推進し、グリーン電力の消費と計算能力資源の配分の協調的最適化を促進する。
五、开放能源领域人工智能高价值应用场景 五、エネルギー分野におけるAIの高付加価値な応用シーンを開放する
以场景需求牵引人工智能技术创新,加速人工智能技术与能源产供储销全链条深度融合和规模化发展,形成技术创新与产业应用的良性循环。 シーンのニーズを牽引力としてAI技術の革新を促進し、AI技術とエネルギーの生産・供給・貯蔵・販売の全チェーンにおける深い融合と大規模な発展を加速させ、技術革新と産業応用の好循環を形成する。
(十)挖掘能源高价值场景。构建需求牵引、动态迭代的场景供给体系,形成覆盖主要业务领域、兼具行业引领性与国际竞争力的能源人工智能场景图谱。聚焦应用价值明确、数据基础完备、规模化应用潜力大等关键要素,加强人工智能赋能能源场景价值评估,建立高价值场景遴选及清单发布机制,为能源领域人工智能技术应用提供实践指引。 (十)エネルギー分野における高付加価値シナリオの発掘。需要主導型かつ動的に反復されるシナリオ供給体系を構築し、主要業務分野を網羅し、業界をリードする能力と国際競争力を兼ね備えたエネルギーAIシナリオマップを形成する。応用価値が明確で、データ基盤が整備され、大規模応用の潜在力が高いといった重要要素に焦点を当て、AIによるエネルギーシナリオへの付加価値アセスメントを強化する。高付加価値シナリオの選定およびリスト公表メカニズムを確立し、エネルギー分野におけるAI技術応用の実践指針を提供する。
(十一)推动能源高价值场景开放。搭建能源领域场景开放共享平台,建立能源场景开放标准规范及评价体系,鼓励能源企业开放标杆场景,以点带面牵引全产业链协同创新。在切实保障国家能源安全、网络安全和商业秘密的前提下,促进技术、数据与软硬件基础设施等要素的开放与流通。 (十一)エネルギー分野における高付加価値シナリオの開放を推進する。エネルギー分野のシナリオ開放・共有プラットフォームを構築し、エネルギーシナリオの開放に関する標準および評価体系を確立する。エネルギー企業に対し、モデルとなるシナリオの開放を奨励し、点から面へと波及させることで、産業チェーン全体の協調的イノベーションを牽引する。国家のエネルギー安全保障、サイバーセキュリティ、および営業秘密を確実に保障することを前提に、技術、データ、ソフトウェア・ハードウェアインフラなどの要素の開放と流通を促進する。
(十二)构建能源高价值场景闭环管理机制。构建能源开放场景测试验证平台,推动人工智能技术适配验证、场景应用性能评测,持续规范人工智能技术在能源领域应用的准入条件。建立覆盖场景发布、研发攻关、测试验证、工程实施、成效评估等全生命周期闭环管理机制,确保人工智能技术在能源领域落地可验证、可追溯、可迭代、可规模推广。 (十二)エネルギー分野における高付加価値シナリオの閉ループ管理メカニズムを構築する。エネルギー開放シナリオのテスト・検証プラットフォームを構築し、AI技術の適合性検証やシナリオ応用性能評価を推進し、エネルギー分野におけるAI技術応用の参入条件を継続的に規範化する。シナリオの公開、研究開発、テスト・検証、工事実施、アセスメントなど全ライフサイクルを網羅する閉ループ管理メカニズムを確立し、エネルギー分野におけるAI技術の実用化が検証可能、追跡可能、反復可能、かつ大規模展開可能であることを確保する。
(十三)推动能源高价值场景规模化应用。组织开展能源领域人工智能应用融合试点,持续遴选人工智能和能源产业需求深度融合的高价值场景应用标杆,加速推动人工智能在能源规划设计、勘探开发、生产运行、设备运维、运营和安全管理等全链条场景的落地应用,加快提升能源系统清洁低碳、安全高效和灵活智能水平。 (十三)エネルギー分野における高付加価値シナリオの規模化を推進する。エネルギー分野におけるAI応用融合のパイロット事業を組織・展開し、AIとエネルギー産業のニーズが深く融合した高付加価値シナリオの適用モデルを継続的に選定する。エネルギー計画・設計、探査・開発、生産・運転、設備の運用・保守、運営・安全管理など、全チェーンにわたるシナリオへのAI導入を加速させ、エネルギーシステムのクリーン・低炭素化、安全・高効率化、および柔軟・スマート化の水準向上を早める。
六、挖掘能源领域数据价值 六、エネルギー分野におけるデータの価値を掘り起こす
建立治理、安全、流通三位一体的高质量能源数据发展模式,充分发挥数据要素价值,推动能源数据从资源向资产转化。 ガバナンス、セキュリティ、流通の三位一体となる高品質なエネルギーデータの発展モデルを確立し、データ要素の価値を十分に発揮させ、エネルギーデータを資源から資産へと転換させる。
(十四)推动能源领域高质量数据集建设。制定能源领域高质量数据集建设标准,规范数据需求、数据架构、数据采集、数据预处理、数据标注、质量验证等全生命周期管理和技术要求。以业务场景为牵引,加速推进能源核心场景高质量数据集建设。利用可信数据空间等数据基础设施,构建高质量数据集共享平台,建立动态更新和长效运营机制,促进能源领域高质量数据价值释放。 (十四)エネルギー分野における高品質データセットの構築を推進する。エネルギー分野の高品質データセット構築標準を策定し、データ要件、データアーキテクチャ、データ収集、データ前処理、データアノテーション、品質検証など、ライフサイクル全体にわたる管理および技術要件を規範化する。業務シナリオを牽引役として、エネルギーの中核シナリオにおける高品質データセットの構築を加速させる。信頼できるデータ空間などのデータインフラを活用し、高品質データセット共有プラットフォームを構築し、動的な更新と長期的な運用メカニズムを確立し、エネルギー分野における高品質データの価値解放を促進する。
(十五)筑牢能源数据安全与隐私保护屏障。制定能源行业数据分类分级标准规范,加强能源关键信息基础设施与数据保护。构建覆盖数据全生命周期的安全防护体系,定期开展安全审核与风险评估。推动隐私计算、密态计算等前沿安全技术与能源业务场景深度融合,加快可信流通技术研发和应用推广。 (十五)エネルギーデータのセキュリティとプライバシー保護の障壁を強固にする。エネルギー業界のデータ分類・格付け標準を策定し、エネルギー重要情報インフラとデータ保護を強化する。データの全ライフサイクルをカバーするセキュリティ保護体系を構築し、定期的にセキュリティ監査とリスクアセスメントを実施する。プライバシーコンピューティングや暗号化状態での計算といった最先端のセキュリティ技術とエネルギー業務シナリオの深い融合を推進し、信頼できる流通技術の研究開発と応用普及を加速させる。
(十六)激活能源数据要素市场活力。建立健全适配能源行业需求的数据价值评估、收益分配等市场化规则机制及标准规范,打通数据流通路径。深化能源领域可信数据空间试点建设与互联互通,促进数据资源共享和高效对接。鼓励依托国家数据基础设施,探索培育能源数据运营主体,创新数据运营模式。 (十六)エネルギーデータ要素市場の活力を喚起する。エネルギー業界のニーズに適したデータアセスメント、収益分配などの市場化ルール・メカニズムおよび標準・規範を確立・整備し、データ流通経路を開拓する。エネルギー分野における信頼できるデータ空間のパイロット建設と相互接続を深化させ、データ資源の共有と効率的な連携を促進する。国家データインフラを活用し、エネルギーデータ運営主体の育成を模索し、データ運営モデルの革新を奨励する。
七、强化能源领域人工智能模型创新 七、エネルギー分野における人工知能モデルの革新を強化する
强化专业模型攻关创新,深化自主可控硬件在能源领域的深度应用,实现人工智能技术与能源产业的深度耦合,筑牢能源领域人工智能创新根基。 専門モデルの研究開発とイノベーションを強化し、自主管理可能なハードウェアのエネルギー分野における深い応用を深化させ、AI技術とエネルギー産業の深い結合を実現し、エネルギー分野におけるAIイノベーションの基盤を強固にする。
(十七)加快能源专业模型技术攻关。聚焦电网、发电、煤炭、油气、综合能源等领域,提升能源大模型的泛化迁移、多智能体框架、大小模型协同、多模态理解生成、长序推理等基础能力。鼓励能源专业模型优先在国家级人工智能开源社区中开放共享,加速模型应用成果转化落地。推动五个以上专业大模型在电网、发电、煤炭、油气等行业深度应用,推进行业数据向专业大模型汇聚整合。 (十七)エネルギー専門モデルの技術開発を加速する。送電網、発電、石炭、石油・ガス、総合エネルギーなどの分野に焦点を当て、エネルギー大規模モデルの汎化・転移、マルチエージェントフレームワーク、大小モデルの協調、マルチモーダル理解・生成、長順序推論などの基礎能力を向上させる。エネルギー専門モデルについて、国家レベルのAIオープンソースコミュニティでの優先的な公開・共有を奨励し、モデル応用成果の実用化を加速する。5つ以上の専門大規模モデルを電力網、発電、石炭、石油・ガス等の業界で深く応用させ、業界データを専門大規模モデルへ集約・統合することを推進する。
(十八)加强人工智能前沿技术在能源领域的研发和应用。推进适配能源领域的智能终端、智能体、具身智能、人工智能原生架构等技术研发。完善能源领域人工智能应用测试基础设施,推动智能装备、智能体的验证和中试。加快能源领域人工智能技术普惠应用及产业智能化升级,促进全行业的规模化推广与价值释放。鼓励基于云计算等方式发展模型即服务新业态,支持培育一批优质人工智能技术服务商。 (十八)エネルギー分野におけるAI最先端技術の研究開発と応用を強化する。エネルギー分野に適したスマート端末、エージェント、エンボディド・インテリジェンス、AIネイティブアーキテクチャ等の技術研究開発を推進する。エネルギー分野におけるAI応用テストインフラを整備し、スマート機器やスマートエージェントの検証およびパイロット試験を推進する。エネルギー分野におけるAI技術の普及と産業のスマート化を加速させ、業界全体での大規模な普及と価値の創出を促進する。クラウドコンピューティングなどを基盤とした「モデル・アズ・ア・サービス(MaaS)」という新たなビジネスモデルの発展を奨励し、質の高いAI技術サービスプロバイダーの育成を支援する。
(十九)推动人工智能自主可控软硬件在能源领域深度应用。加快自主智算芯片与国产深度学习框架的适配优化,推动多框架协同运行,推动能源领域大模型高效迁移技术在典型场景中的应用。持续推动能源领域人工智能软硬件技术迭代升级,提升能源领域基础设施智能化水平。 (十九)エネルギー分野における自律的かつ制御可能なAIソフトウェア・ハードウェアの深い応用を推進する。自主開発のAIチップと国産ディープラーニングフレームワークの適合・最適化を加速し、複数フレームワークの協調運用を推進するとともに、エネルギー分野における大規模モデルの効率的な転移技術を典型的なシナリオで応用する。エネルギー分野のAIソフトウェア・ハードウェア技術の継続的な更新・高度化を推進し、エネルギー分野のインフラのスマート化レベルを向上させる。
八、构建人工智能与能源协同发展生态 八、AIとエネルギーの協調的発展エコシステムの構築
基于能源领域人工智能技术研发应用全流程需求,优化各类要素配置,构建人工智能与能源发展双向赋能、深度融合的良性生态。 エネルギー分野におけるAI技術の研究開発・応用全プロセスのニーズに基づき、各種要素の配置を最適化し、AIとエネルギー発展が相互に強化し合い、深く融合する健全なエコシステムを構築する。
(二十)开展“人工智能+”能源标准化提升行动。加强“人工智能+”能源标准化顶层设计,建立健全人工智能与能源双向赋能标准体系。完善标准化管理机制,按照急用先行原则,抓紧研制能源领域人工智能应用能力测评、算力设施绿色低碳水平测评、算力电力协同技术要求、大负荷算力设施规划建设等关键技术标准。大力推进“人工智能+”能源标准国际化,进一步推进技术标准交流合作和中外标准互认。 (二十)「AI+」エネルギー標準化向上行動を展開する。「AI+」エネルギー標準化のトップレベル設計を強化し、AIとエネルギーが相互に強化し合う標準体系を確立・整備する。標準化管理メカニズムを整備し、緊急性の高いものから優先する原則に基づき、エネルギー分野におけるAI応用能力評価、計算能力施設のグリーン・低炭素レベル評価、計算能力と電力の協調技術要件、大負荷計算能力施設の計画・建設などの重要技術標準の策定を急ぐ。「AI+」エネルギー標準の国際化を強力に推進し、技術標準の交流・協力および中外標準の相互承認をさらに推進する。
(二十一)探索建立“人工智能+”能源安全治理体系。开展人工智能安全治理顶层设计,探索建立能源领域人工智能研发与应用基本安全原则。推动制定能源领域人工智能应用安全责任划分标准,构建涵盖数据、模型、应用的安全治理闭环管控机制和风险隔离措施。 (二十一)「AI+」エネルギー安全ガバナンス体系の構築を模索する。AI安全ガバナンスのトップレベル設計を展開し、エネルギー分野におけるAIの研究開発と応用に関する基本安全原則の確立を模索する。エネルギー分野におけるAI応用安全責任の区分に関する標準の策定を推進し、データ、モデル、応用を網羅する安全ガバナンスの閉ループ管理メカニズムおよびリスク隔離措置を構築する。
(二十二)促进多元融合国际交流合作。积极参与全球人工智能与能源融合发展治理规则体系建设,支撑构建公平、公正、普惠、包容的国际人工智能与能源融合发展格局。充分发挥政府间双边、多边能源合作机制作用,深化与有关国家、能源国际组织和专业机构交流合作,用好用活民间科技交流平台和国际科技组织,推动人工智能在能源领域的技术交流和信息共享。充分发挥我国在能源与算力设施建设方面的经验,推动人工智能与能源项目协同出海,引导国内企业先进经验和技术装备“走出去”,助力全球能源产业链供应链智能化转型升级。 (二十二)多元的融合による国際交流・協力を促進する。世界的なAIとエネルギーの融合発展に関するガバナンスルール体系の構築に積極的に参画し、公平・公正・普遍的・包摂的な国際的なAIとエネルギーの融合発展の枠組みの構築を支援する。政府間における二国間・多国間のエネルギー協力メカニズムの役割を十分に発揮させ、関係国、国際エネルギー機関、専門機関との交流・協力を深化させ、民間科学技術交流プラットフォームや国際科学技術組織を有効に活用し、エネルギー分野におけるAIの技術交流と情報共有を推進する。わが国のエネルギー・計算能力施設建設における経験を十分に発揮し、AIとエネルギープロジェクトの協調的な海外展開を推進する。国内企業の先進的な経験や技術装備の「海外進出」を誘導し、世界のエネルギー産業チェーン・サプライチェーンのスマート化による転換・高度化を支援する。
(二十三)构建复合人才培养体系。加强人工智能与能源融合学科建设,依托高水平大学、科技领军企业等打造产教融合学科集群,培育一批复合型、创新型、实战型人才。鼓励企业、高校、研究机构等创新主体建立人才培训和交流互动机制。鼓励建立能源领域人工智能开源社区,引导更多既懂人工智能,又懂能源的开发者,通过开源共享形式高效解决能源企业创新发展难题。 (二十三)複合型人材育成体系を構築する。AIとエネルギーの融合に関する学科建設を強化し、高水準の大学や科学技術のリーディング企業などを拠点として産学融合の学科クラスターを形成し、複合型・革新型・実践型の人材を育成する。企業、大学、研究機関などのイノベーション主体に対し、人材育成および交流・相互連携メカニズムの構築を奨励する。エネルギー分野におけるAIオープンソースコミュニティの設立を奨励し、AIとエネルギーの両方に精通した開発者が、オープンソースによる共有という形式を通じて、エネルギー企業のイノベーションと発展における課題を効率的に解決するよう導く。
九、政策保障 九、政策保障
结合“人工智能+”能源发展特点,建立健全政策保障机制,增强上下游协同发展动能。 「AI+」エネルギー発展の特徴を踏まえ、政策保障メカニズムを確立・整備し、上流・下流の協調的発展の原動力を強化する。
(二十四)强化科技创新。依托能源、人工智能等领域国家科技重大项目,加大对人工智能与能源融合领域基础研究热点、产业技术痛点和未来发展重点的投入力度。鼓励企业联合科研机构、高校、社会服务机构等单位构建产学研用创新联合体,开展攻关协作和资源共享,促进创新链和产业链深度融合。 (二十四)科学技術イノベーションの強化。エネルギー、人工知能などの分野における国家科学技術重大プロジェクトを基盤とし、人工知能とエネルギーの融合分野における基礎研究の重点課題、産業技術の課題、および将来の発展重点に対する投資を拡大する。企業が研究機関、大学、社会サービス機関などの組織と連携し、産学研用のイノベーション連合体を構築することを奨励し、共同研究や資源共有を展開し、イノベーションチェーンと産業チェーンの深い融合を促進する。
(二十五)促进成果转化。推动能源领域人工智能应用相关技术装备优先纳入能源领域首台(套)重大技术装备支持范围,营造允许试错、宽容失败的能源领域人工智能应用创新环境。建立健全人工智能在能源领域应用价值量化和评估机制,将技术成熟度、场景适配性、经济效益、社会影响、安全可控水平、用户评价等纳入评价指标体系,引导应用效果显著的人工智能技术在能源领域规模化落地。 (二十五)成果の転化の促進。エネルギー分野におけるAI応用関連の技術・設備を、エネルギー分野の「初号機(セット)」重要技術・設備支援対象に優先的に組み入れ、試行錯誤を許容し、失敗を寛容に受け入れるエネルギー分野のAI応用イノベーション環境を醸成する。エネルギー分野におけるAI応用の価値を定量化・評価する仕組みを確立・整備し、技術の成熟度、シナリオへの適合性、経済効果、社会的影響、安全・制御レベル、ユーザー評価などを評価指標体系に組み入れ、応用効果が顕著なAI技術がエネルギー分野で大規模に導入されるよう誘導する。
(二十六)加强资金支持。鼓励算力设施申报基础设施领域不动产投资信托基金(REITs)。鼓励金融机构对符合《绿色金融支持项目目录(2025年版)》要求的算力基础设施项目提供资金支持,支持符合条件的企业发行绿色债券。探索通过“两重”“两新”等资金渠道,对符合条件的人工智能与能源融合项目予以支持。引导企业加大人工智能与能源融合项目投入,吸引各类社会资本投资人工智能与能源融合发展领域。支持金融机构推出适合人工智能与能源融合领域特点的金融产品,在依法合规、风险可控和商业可持续的前提下,加大资金支持力度。 (二十六)資金支援を強化する。計算能力施設がインフラ分野の不動産投資信託(REITs)への申請を行うことを奨励する。金融機関に対し、『グリーン金融支援プロジェクト目録(2025年版)』の要件を満たす計算能力インフラプロジェクトへの資金支援を行うよう奨励し、条件を満たす企業によるグリーンボンドの発行を支援する。「両重」「両新」などの資金ルートを通じて、条件を満たすAIとエネルギーの融合プロジェクトを支援する方法を模索する。企業に対し、AIとエネルギーの融合プロジェクトへの投資拡大を誘導し、各種社会資本をAIとエネルギーの融合発展分野への投資に誘致する。金融機関がAIとエネルギーの融合分野の特性に適した金融商品を展開することを支援し、法令遵守、リスク管理、商業的持続可能性を前提として、資金支援を強化する。
十、组织实施 十、実施体制
强化统筹协调,压实各方责任,确保行动方案各项任务落地见效。 統括的調整を強化し、各当事者の責任を明確化し、行動計画の各任務が確実に実行され、成果を上げるよう確保する。
(二十七)加强组织实施。建立健全国家能源委员会统筹协调,国家发展改革委指导、国家能源局牵头相关部门组织实施,各省级政府和重点企业细化落实的协调推进工作机制,形成上下联动、层层落实、安全发展的工作格局。各地区做好人工智能与能源双向赋能工作各项要素保障,统筹推进人工智能与能源融合发展。能源和人工智能相关企业作为本行动方案的实施主体,要切实发挥创新主体作用,加快推进技术研发、示范试验、建设应用等各项工作,并定期做好经验总结。 (二十七)組織的実施を強化する。国家エネルギー委員会が統括・調整し、国家発展改革委員会が指導し、国家エネルギー局が関連部門を率いて組織的に実施し、各省級政府および重点企業が具体化・実行する調整・推進の仕組みを確立・整備し、上下連携、各層での実行、安全な発展という業務体制を形成する。各地域は、人工知能とエネルギーの双方向的な相互強化に関する諸要素の保障を徹底し、人工知能とエネルギーの融合発展を統括的に推進する。エネルギーおよび人工知能関連企業は、本行動計画の実施主体として、イノベーションの主体としての役割を確実に果たし、技術研究開発、実証試験、建設・応用等の各業務を加速させるとともに、定期的に経験の総括を行う。
(二十八)建立常态化监测评估机制。开展行动方案实施情况动态监测,对人工智能与能源融合发展整体情况开展持续的数据信息收集和分析工作,把监测结果作为优化资源配置的重要依据。在监测评估的基础上,根据国内外形势变化,及时动态调整行动方案目标和重点任务。 (二十八)常態的な監視・アセスメントメカニズムを確立する。行動計画の実施状況について動的な監視を行い、人工知能とエネルギーの融合発展の全体状況について継続的なデータ情報の収集・分析を行い、監視結果を資源配分の最適化における重要な根拠とする。監視・アセスメントに基づき、国内外の情勢の変化に応じて、行動計画の目標と重点任務を適時かつ動的に調整する。
(二十九)强化宣传引导。加强政策解读,强化舆论引导,广泛凝聚社会共识,营造鼓励创新、深化应用、规范有序的人工智能与能源双向赋能发展氛围。鼓励各地方各企业积极探索创新,遴选典型案例在全行业宣传推广。 (二十九)広報・啓発を強化する。政策の解説を強化し、世論の誘導を徹底し、社会的な合意を広く形成し、イノベーションを奨励し、応用を深化させ、規範的かつ秩序あるAIとエネルギーの双方向エンパワーメントの発展環境を醸成する。各地方自治体や各企業が積極的にイノベーションを模索することを奨励し、典型的な事例を選定して業界全体で広報・普及を図る。

 

 

1_20210612030101

| | Comments (0)

2026.05.19

シンガポール 情報通信メディア開発庁 事例研究:OPENCLAWの責任ある展開 (2026.05.14) とエージェンティックAIのためのAIガバナンスのモデルフレームワーク (2026.01.22)

こんにちは、丸山満彦です。

シンガポールの情報通信メディア開発庁(Infocomm Media Development Authority)が「事例研究:OPENCLAWの責任ある展開」を公表していますが、エージェンティックAIの導入に関して参考になる部分がありそうですね...

 

Infocomm Media Development Authority

・2026.05.14 [PDF] CASE STUDY: RESPONSIBLE DEPLOYMENT OF OPENCLAW - Applying Singapore’s Model AI Governance Framework for Agentic AI

20260519-63606

・[DOCX][PDF] 仮訳

 

 

 

これを読んで気づいたのが、シンガポールのエージェンティックAIのためのAIガバナンスのモデルフレームワーク

・2026.01.22 [PDF] MODEL AI GOVERNANCE FRAMEWORK FOR AGENTIC AI

20260519-63515

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.02.04 シンガポール 韓国 現実的なタスクにおけるデータ漏洩リスクに対するAIエージェントのテスト (2026.01.19)

 

| | Comments (0)

OpenAI インテリジェンス時代のサイバーセキュリティ (22026.04.29)

こんにちは、丸山満彦です。

Open AIが「インテリジェンス時代のサイバーセキュリティ - AIを活用したサイバー防御の民主化に向けた行動計画」という報告書を公表していますね。。。

 

OpenAI

・2026.04.29 インテリジェンス時代のサイバーセキュリティ AI を活用したサイバー防御を民主化するための行動計画


人工知能はサイバーセキュリティを再形成しています。防御側が脆弱性を特定し、修復を自動化し、より迅速に対応するのを助ける同じ能力が、悪意ある行為者によっても、攻撃の拡大、参入障壁の低下、高度化のために使われています。

米国とその同盟国は急速に変化するサイバー脅威環境に直面しており、民間のイノベーターにはその課題への対応を支える重要な責任があります。OpenAI はその責任を重く受け止めており、本日、連邦政府・州政府および主要な民間組織のサイバーセキュリティと国家安全保障の専門家との対話を踏まえた行動計画を公開します。これは次の 5 つの柱で構成されています。

  1. サイバー防御の民主化
  2. 政府と産業界の連携
  3. フロンティア級のサイバー能力を巡る安全性の強化
  4. 展開における可視性と制御の維持
  5. ユーザーが自らを守れるようにすること

この計画では、社会の信頼できる主体が利用できるべき防御ツールへのアクセスの民主化を軸に、サイバーセキュリティ防御を支えるために必要なインフラを構築することで、既存の取り組みをさらに深めていく方法を示しています。インテリジェンス時代にレジリエンスを築くには、民主的な制度とプロセスを通じて取り組むことと、地域社会、重要システム、国家安全保障の保護に役立つ技術へのアクセスを広げることの両方が必要です。

計画全文は こちら⁠をご覧ください。


 

・[PDF] Cybersecurity in the Intelligence Age

20260519-15034

 

 

| | Comments (0)

2026.05.18

欧州におけるAI関連の標準等

こんにちは、丸山満彦です。

標準のコントリビュータとなっていますが、AI関連の標準は増加しており、それこそAIで作らないと整合性も含めて難しいのかもしれません...

 

JTC-21 

Newsletter | CEN-CENELEC JTC 21

・・2026.04 [PDF] Edition 14 – AI Standardisation Inclusiveness Newsletter

20260518-10303

 

ここで記載されているAI関連の標準

  CEN-CENELEC 発行済みAI標準  
1 CEN/CLC/TR 17894:2024 - Artificial Intelligence – Artificial Intelligence Conformity Assessment CEN/CLC/TR 17894:2024 - 人工知能 – 人工知能のアセスメント
2 EN ISO/IEC 22989:2023 - Information technology – Artificial intelligence – Artificial intelligence concepts and terminology EN ISO/IEC 22989:2023 - 情報技術 – 人工知能 – 人工知能の概念と用語
3 EN ISO/IEC 23053:2023 - Framework for Artificial Intelligence (AI) Systems Using Machine Learning (ML) EN ISO/IEC 23053:2023 - 機械学習(ML)を用いた人工知能(AI)システムのフレームワーク
4 CEN/CLC/TR 18115:2024 - Data governance and quality for AI within the European context CEN/CLC/TR 18115:2024 - 欧州の文脈におけるAIのためのデータガバナンスと品質
5 CEN/CLC/TR 18145:2025 - Environmentally sustainable Artificial Intelligence CEN/CLC/TR 18145:2025 - 環境的に持続可能な人工知能
6 CEN/CLC ISO/IEC/TS 12791 - Information technology – Artificial intelligence – Treatment of unwanted bias in classification and regression machine learning tasks CEN/CLC ISO/IEC/TS 12791 - 情報技術 – 人工知能 – 分類および回帰機械学習タスクにおける望ましくないバイアスの取り扱い
7 EN ISO/IEC 25059:2024 - Software engineering – Systems and software Quality Requirements and Evaluation (SQuaRE) – Quality model for AI systems EN ISO/IEC 25059:2024 - ソフトウェア工学 – システムおよびソフトウェアの品質要件と評価(SQuaRE) – AIシステムのための品質モデル
8 EN ISO/IEC 23894:2024 - Information technology – Artificial intelligence – Guidance on risk management EN ISO/IEC 23894:2024 - 情報技術 – 人工知能 – リスクマネジメントに関する指針
9 CEN/CLC ISO/IEC/TR 24027:2023 - Information technology - Artificial intelligence (AI) – Bias in AI systems and AI aided decision making CEN/CLC ISO/IEC/TR 24027:2023 - 情報技術 - 人工知能(AI) – AIシステムおよびAI支援意思決定におけるバイアス
10 CEN/CLC ISO/IEC/TR 24029-1:2023 - Artificial Intelligence (AI) – Assessment of the robustness of neural networks - Part 1: Overview CEN/CLC ISO/IEC/TR 24029-1:2023 - 人工知能(AI) – ニューラルネットワークの堅牢性のアセスメント - 第1部:概要
11 EN ISO/IEC 8183:2024 - Information technology – Artificial intelligence – Data life cycle framework EN ISO/IEC 8183:2024 - 情報技術 – 人工知能 – データライフサイクルフレームワーク
12 EN ISO/IEC 12792:2025 - Information technology - Artificial intelligence (AI) - Transparency taxonomy of AI systems EN ISO/IEC 12792:2025 - 情報技術 - 人工知能(AI) - AIシステムの透明性分類
13 EN ISO/IEC 5259-1 - Artificial intelligence – Data quality for analytics and machine learning (ML) – Part 1: Overview, terminology, and examples EN ISO/IEC 5259-1 - 人工知能 – 分析および機械学習(ML)のためのデータ品質 – 第1部:概要、用語、および例
14 EN ISO/IEC 5259-2 - Artificial intelligence – Data quality for analytics and machine learning (ML) – Part 2: Data quality measures EN ISO/IEC 5259-2 - 人工知能 – 分析および機械学習(ML)のためのデータ品質 – 第2部:データ品質指標
15 EN ISO/IEC 5259-3 - Artificial intelligence – Data quality for analytics and machine learning (ML) – Part 3: Data quality management requirements and guidelines EN ISO/IEC 5259-3 - 人工知能 – 分析および機械学習(ML)のためのデータ品質 – 第3部:データ品質管理要件および指針
16 EN ISO/IEC 5259-4 - Artificial intelligence – Data quality for analytics and machine learning (ML) – Part 4: Data quality process framework EN ISO/IEC 5259-4 - 人工知能 – 分析および機械学習(ML)のためのデータ品質 – 第4部:データ品質プロセスフレームワーク
17 prEN ISO/IEC 42001 - Artificial intelligence-- Management system prEN ISO/IEC 42001 - 人工知能-- マネジメントシステム
  CEN-CENELEC パブリックコメント中の標準  
18 prEN ISO/IEC 25059 - Software engineering - Systems and software Quality Requirements and Evaluation (SQuaRE) - Quality models for AI systems prEN ISO/IEC 25059 - ソフトウェア工学 - システムおよびソフトウェアの品質要件と評価 (SQuaRE) - AI システムのための品質モデル
19 CEN/CLC ISO/IEC/TS 22440-1 - Artificial Intelligence – Functional safety and AI systems – Part 1: Requirements CEN/CLC ISO/IEC/TS 22440-1 - 人工知能 – 機能安全と AI システム – 第 1 部:要件
20 CEN/CLC ISO/IEC/TS 22440-2 - Artificial Intelligence – Functional safety and AI systems – Part 2: Guidance CEN/CLC ISO/IEC/TS 22440-2 - 人工知能 – 機能安全とAIシステム – 第2部:指針
21 CEN/CLC ISO/IEC/TS 22440-3 - Artificial Intelligence – Functional safety and AI systems – Part 3: Examples of application CEN/CLC ISO/IEC/TS 22440-3 - 人工知能 – 機能安全とAIシステム – 第3部:適用例
  JTC 21 WG2  
22 prEN 18228 - AI Risk Management System prEN 18228 - AIリスクマネジメントシステム
23 prEN 18286 - Quality Management System for EU AI Act regulatory purposes prEN 18286 - EU AI法規制目的のための品質マネジメントシステム
24 prEN XXX - AI Conformity assessment framework prEN XXX - AI適合性アセスメントフレームワーク
25 ISO/IEC 42006:2025 - Requirements for bodies providing audit and certification of artificial intelligence management systems ISO/IEC 42006:2025 - 人工知能マネジメントシステムの監査および認証を提供する団体に対する要求事項
  JTC 21 WG3  
26 prEN 18283 - Concepts, measures and requirements for managing bias in AI systems prEN 18283 - AIシステムにおけるバイアス管理のための概念、措置および要求事項
27 prEN 18284 - Quality and governance of data in AI systems prEN 18284 - AIシステムにおけるデータの品質とガバナンス
28 EN ISO/IEC 18281 - Evaluation methods for accurate computer vision systems EN ISO/IEC 18281 - 高精度コンピュータビジョンシステムの評価方法
29 prEN 18288 - Artificial Intelligence Taxonomy of AI tasks in computer vision prEN 18288 - コンピュータビジョンにおけるAIタスクの分類
30 prEN ISO/IEC 23281 - Overview of AI tasks and functionalities related to natural language processing prEN ISO/IEC 23281 - 自然言語処理に関連するAIタスクおよび機能の概要
31 EN ISO/IEC 24970 - AI system logging EN ISO/IEC 24970 - AIシステムのロギング
  JTC 21 WG4  
32 EN 18229-1 - AI trustworthiness framework – Part 1: Logging, transparency and human oversight EN 18229-1 - AI信頼性フレームワーク – 第1部:ロギング、透明性および人的監視
33 EN 18229-2 - AI trustworthiness framework – Part 2: Accuracy and robustness EN 18229-2 - AI信頼性フレームワーク – 第2部:精度および堅牢性
34 EN 18274 - Competence requirements for AI ethicists professionals EN 18274 - AI倫理専門家の能力要件
35 EN 18287 - Guidelines and metrics for the environmental impact of AI EN 18287 - AIの環境影響に関するガイドラインおよび測定基準
  ISO/IEC JTC1 SC42  
36 ISO/IEC 5259-6 - Data quality for analytics and machine learning (ML) — Part 6: Visualization framework for data quality ISO/IEC 5259-6 - 分析および機械学習(ML)のためのデータ品質 — 第6部:データ品質の可視化フレームワーク
37 ISO/IEC 24029-3 - Assessment of the robustness of neural networks — Part 3: Methodology for the use of statistical methods ISO/IEC 24029-3 - ニューラルネットワークのレジリエンスアセスメント — 第3部:統計的手法の使用に関する方法論
38 ISO/IEC 25029 - AI enhanced nudging ISO/IEC 25029 - AIを活用したナッジング
39 ISO/IEC 25059 - SQuaRE. Quality models for AI systems ISO/IEC 25059 - SQuaRE。AIシステムのための品質モデル
40 ISO/IEC 25864 - Resilience Assessment of AI Systems ISO/IEC 25864 - AIシステムのレジリエンスアセスメント
41 ISO/IEC 26320 - Corpus development and maintenance for natural language processing systems ISO/IEC 26320 - 自然言語処理システムのためのコーパスの開発および保守
42 ISO/IEC 42007 - High-level framework and guidance for the development of conformity assessment schemes for AI systems ISO/IEC 42007 - AIシステムのための適合性アセスメントスキームの開発に関する高レベルなフレームワークおよび指針
43 ISO/IEC 42102 - Framework for characterizing AI system methods and capabilities ISO/IEC 42102 - AIシステムの手法および能力を特徴づけるためのフレームワーク
44 ISO/IEC 42105 - Guidance for human oversight of AI systems ISO/IEC 42105 - AIシステムに対する人間の監督に関する指針
45 ISO/IEC 42109 - Use cases of human-machine teaming ISO/IEC 42109 - 人間と機械の協働のユースケース
46 ISO/IEC 42111 - Guidance on lightweight AI systems ISO/IEC 42111 - 軽量AIシステムに関する指針
  作業中の技術仕様書・技術報告書  
47 TS - Guidance for upskilling organisations on AI ethics and social concerns TS - AI倫理および社会的懸念に関する組織のスキル向上に向けた指針
48 TS - Guidelines on tools for handling ethical issues in AI system life cycle TS - AIシステムライフサイクルにおける倫理的問題に対処するためのツールに関するガイドライン
49 TR - Guidance on application of Risk Management in Critical Digital Infrastructure TR - 重要デジタルインフラにおけるリスクマネジメントの適用に関する指針
50 TR - Impact assessment in the context of the EU Fundamental Rights TR - EU基本権の文脈における影響アセスメント

 

なお、

・2026.05.08 New Advancements in European Standardization for Artificial Intelligence

によると、

  • EN 18228 – AI Risk Management
  • EN 18282 – Cybersecurity specifications for AI systems

がパブリックコメントにかかっているようです。(6月30日まで)

 


 

ISO

ISO/IEC JTC 1/SC 42 [wikipedia]

 

 

日本

情報企画調査会

SC42専門委員会

 

| | Comments (0)

欧州 ETSI TR 119 479-1 V1.1.1 EUデジタルIDフレームワークのための技術的ソリューション;第1部:電子属性証明 (EAA) の基礎概念およびアーキテクチャモデル (2026.05)

こんにちは、丸山満彦です。

 

ETSIETSI TR 119 479-1 V1.1.1 (2026-05) 電子署名および信頼インフラ(ESI); EUデジタルIDフレームワークのための技術的ソリューション;第1部:EAAの基礎概念およびアーキテクチャモデルを公表していますね

最近日本でも話題ですが、電子属性証明(EAA)は、改正eIDAS規則によって導入された、個人、法人、物に関する信頼性の高いデジタル声明を提供する仕組みですね...

この報告書は、EUDIWエコシステム内外におけるEAAの発行・検証・配布・ライフサイクル管理に必要な基礎概念、アクター、アーキテクチャモデルを説明しています...

 

● ETSI

・2026.05 [PDF] ETSI TR 119 479-1 V1.1.1 (2026-05) Electronic Signatures and Trust Infrastructures (ESI); Technological Solutions for the EU Digital Identity Framework; Part 1: Foundational EAA Concepts and Architectural Models


20260517-194359

・[DOCX][PDF] 仮訳

 

・目次...

Intellectual Property Rights 知的財産権
Foreword まえがき
Modal verbs terminology 助動詞の用語
Introduction 序論
Executive Summary エグゼクティブサマリー
1 Scope 1 適用範囲
2 References 2 参考文献
2.1 Normative references 2.1 規範的参照
2.2 Informative references 2.2 参考文献
3 Definition of terms, symbols and abbreviations 3 用語、記号および略語の定義
3.1 Terms 3.1 用語
3.2 Symbols 3.2 記号
3.3 Abbreviations 3.3 略語
4 Conceptual considerations 4 概念上の考慮事項
4.1 Source of attributes 4.1 属性の情報源
4.2 EAA distribution 4.2 EAAの配布
4.3 Multiple subjects 4.3 複数の対象者
4.4 Binding 4.4 バインディング
4.4.1 Identity Binding 4.4.1 アイデンティティのバインディング
4.4.2 Wallet Binding 4.4.2 ウォレットバインディング
4.4.3 Certificate binding 4.4.3 証明書バインディング
4.5 EAA Policy and EAA Service Policy 4.5 EAAポリシーおよびEAAサービスポリシー
4.6 Vaults 4.6 保管庫(Vaults)
4.7 Hybrid EAA 4.7 ハイブリッドEAA
5 EAA trust service overview 5 EAA トラストサービスの概要
5.1 Attestations in eIDAS 5.1 eIDASにおける証明
5.2 EAA Service actors 5.2 EAAサービス関係者
5.2.1 Overview 5.2.1 概要
5.2.2 EAA Service Provider 5.2.2 EAA プロバイダ
5.2.3 Subscriber 5.2.3 加入者
5.2.4 Attribute subject(s) 5.2.4 属性の被証明者
5.2.5 Source 5.2.5 情報源
5.2.5.1 Authentic source 5.2.5.1 真正な情報源
5.2.5.2 Authoritative source 5.2.5.2 権威ある情報源
5.2.6 Wallet Holder 5.2.6 ウォレット保有者
5.2.7 Vault Holder 5.2.7 ボールト保有者
5.2.8 EAA Recipient 5.2.8 EAA取得者
5.2.9. Authorized Party 5.2.9. 認可当事者
5.2.10 RP Intermediary 5.2.10 RP仲介者
5.2.11 Relying party 5.2.11 依拠当事者
5.3 EAA Service Provider components 5.3 EAAプロバイダの構成要素
5.4 EAA Policy 5.4 EAAポリシー
5.4.1 Context 5.4.1 背景
5.4.2 EAA policy governance model 5.4.2 EAAポリシーガバナンスモデル
5.4.3 Establishing EAA Policies 5.4.3 EAAポリシーの策定
5.5 Business processes 5.5 ビジネスプロセス
5.5.1 Overview 5.5.1 概要
5.5.2 EAA registration 5.5.2 EAA登録
5.5.3 Identity proofing 5.5.3 身元確認(身元証明)
5.5.4 Collection from or verification against Authoritative source(s) 5.5.4 権威ある情報源からの収集または検証
5.5.5 EAA Issuance 5.5.5 EAAの発行
5.5.6 Wallet/key binding 5.5.6 ウォレット/キーの紐付け
5.5.7 Sign/seal certificate binding 5.5.7 署名/封印証明書の紐付け
5.5.8 Handover 5.5.8 引き渡し
5.5.9 Revocation request 5.5.9 失効要求
5.5.10 EAA Status information 5.5.10 EAAステータス情報
6 EAA trust ecosystem 6 EAA トラスト・エコシステム
6.1 Scope 6.1 適用範囲
6.2 General provision on policies and practices 6.2 ポリシーおよび慣行に関する一般規定
6.3 EAA Policy trust 6.3 EAAポリシーの信頼性
6.4 Registration of EAA request 6.4 EAAリクエストの登録
6.5 Attributes aggregation 6.5 属性の集約
6.6 Identity proofing & authorization 6.6 身元確認および認可
6.7 EAA Issuance 6.7 EAAの発行
6.8 EAA Dissemination 6.8 EAA の配布
6.9 EAA Lifecycle management 6.9 EAAライフサイクル管理
6.10 Embedded disclosure policy 6.10 組み込み開示ポリシー
6.11 Longevity of EAA 6.11 EAAの有効期間
6.11.1 Short lived 6.11.1 短命な
6.11.2 Long Lived 6.11.2 長期有効な
6.11.3 Impact on revocation technology 6.11.3 失効技術への影響
6.11.4 Timestamping of EAA 6.11.4 EAAのタイムスタンプ
Annex A: Example use cases 附属書A:ユースケースの例
A.1 Scope A.1 範囲
A.2 Digital Product Passport (DPP) A.2 デジタル製品パスポート(DPP)
A.2.1 Description of the use case A.2.1 ユースケースの説明
A.2.2 Trust Service Actors A.2.2 トラストサービス事業者
A.2.3 Business processes A.2.3 ビジネスプロセス
A.2.4 Technical implications A.2.4 技術的な影響
A.3 Mandate of natural person on European Business Wallet (EUBW) A.3 欧州ビジネスウォレット(EUBW)における自然人の委任
A.3.1 Description of the use case A.3.1 ユースケースの説明
A.3.2 Trust Service Actors A.3.2 トラストサービス関係者
A.3.3 Business processes A.3.3 ビジネスプロセス
A.3.4 Technical implications A.3.4 技術的な影響
A.4 EAA included in a signature A.4 署名に含まれる EAA
A.4.1 Description of the use case A.4.1 ユースケースの説明
A.4.2 Trust Service Actors A.4.2 トラストサービス提供者
A.4.3 Business processes A.4.3 ビジネスプロセス
A.4.4 Technical implications A.4.4 技術的な影響
A.5 Vehicle documents A.5 車両関連文書
A.5.1 Description of the use case A.5.1 ユースケースの説明
A.5.2 Trust Service Actors A.5.2 トラストサービス事業者
A.5.3 Business processes A.5.3 業務プロセス
Annex B: Impact on standardization 附属書B:標準化への影響
B.1 Impact on ETSI Standards B.1 ETSI 標準への影響
B.2 Impact on standards related to the European Business Wallet B.2 欧州ビジネスウォレット(European Business Wallet)に関連する標準への影響
B.3 Other impact on existing standards B.3 既存の標準に対するその他の影響
B.4 Suggested new work items B.4 提案された新規作業項目
B.5 Topics requiring further discussion B.5 さらなる議論を要するトピック
Annex C (informative): Bibliography 附属書C(参考):参考文献
History 沿革

 

 

・序論...

Introduction  序論
An Electronic Attestation of Attribute (EAA) is a digital statement that confirms specific information about a person or object, such as their age, qualification, or membership in an organization. In simple terms, it acts like a digital certificate or proof that can be securely shared online or in person to prove facts about the subject without having to show physical documents. For example, an EAA could confirm that the subject is over 18, holds a particular professional licence, or is a registered student at a university. These attestations are trusted because they are issued and validated by authorized service providers, making them reliable for use in various digital services and transactions.  電子属性証明(EAA)とは、年齢、資格、組織への所属など、個人や対象物に関する特定の情報を確認するデジタルな声明である。簡単に言えば、これはデジタル証明書や証明のような役割を果たし、物理的な書類を提示することなく、オンライン上や対面で安全に共有し、対象者に関する事実を証明することができる。例えば、EAAは、対象者が18歳以上であること、特定の専門資格を保有していること、あるいは大学の正規学生であることを確認できる。これらの証明は、認可されたサービスプロバイダによって発行・妥当性確認されるため信頼性が高く、様々なデジタルサービスや取引において安心して利用できる。
eIDAS2 [i.1] introduced EAA issuance as a new trust service and mentions the inclusion of EAA in European Digital Identity Wallets (EUDIWs). However, it does not state that the EUDIW is the only way that EAA can be used. The eIDAS 2 Architectural Reference Framework (ARF) [i.4] only speaks about the use of EAA with the EUDIW, but that is because the ARF [i.4] is created only to elaborate the EUDIW concept. This is quite one sided and as a result it influences standardization to only treat EAA for use with EUDIWs, which threatens to lead to a lot of lost potential. The present document is intended to investigate the use of EAA within but also beyond the EUDIW to see how standards can be improved so that EAA can fulfil their potential better.  eIDAS2 [i.1]は、EAAの発行を新たなトラストサービスとして導入し、欧州デジタルIDウォレット(EUDIW)へのEAAの組み込みについて言及している。しかし、EUDIWがEAAを利用できる唯一の方法であるとは明記していない。eIDAS 2 アーキテクチャ参照フレームワーク(ARF)[i.4]は、EUDIWとの併用におけるEAAの利用についてのみ言及しているが、これはARF [i.4]がEUDIWの概念を詳述するためにのみ作成されたためである。これはかなり一方的な見解であり、その結果、標準化においてEAAをEUDIWとの併用のみを対象として扱うよう影響を与えており、多くの潜在的可能性が失われる恐れがある。本稿は、EAAがEUデジタルIDウォレット(EUDIW)内だけでなく、その枠を超えてどのように活用できるかを調査し、EAAがその潜在能力をより十分に発揮できるよう、標準をどのように改善できるかを検討することを目的としている。
eDIAS2 [i.1] has the following provisions that relate to EAA:  eIDAS2 [i.1]には、EAAに関連する以下の規定がある:
• Article 3 (43, 44, 45, 46) - definitions of EAA  • 第3条(43、44、45、46) - EAAの定義
• Article 3 (47) - definition of authentic source  • 第3条(47) - 真正な情報源の定義
• Article 5a, 4 (a) - functionality of European Digital Identity Wallet to request, obtain, select, combine, store, delete, share and present EAA  • 第5a条第4項(a) - EAAの要求、取得、選択、結合、保存、削除、共有、提示を行うための欧州デジタルIDウォレットの機能
• Article 24 - requirements for qualified trust service providers  • 第24条 - 適格トラストサービス・プロバイダに対する要件
• Article 45b - Legal effects of electronic attestation of attributes  • 第45b条 - 属性の電子的証明の法的効力
• Article 45c - Electronic attestation of attributes in public services  • 第45c条 - 公共サービスにおける属性の電子的証明
• Article 45d - Requirements for qualified electronic attestation of attributes  • 第45d条 - 適格な属性の電子的証明に関する要件
• Article 45e - Verification of attributes against authentic sources  • 第45e条 - 真正な情報源に対する属性の検証
• Article 45f - Requirements for electronic attestation of attributes issued by or on behalf of a public sector body responsible for an authentic source  • 第45f条 - 真正な情報源を管理する公共部門団体、またはその代理によって発行される属性の電子的証明に関する要件
• Article 45g - Issuing of electronic attestation of attributes to European Digital Identity Wallets  • 第45g条 - 欧州デジタルIDウォレットへの属性の電子的証明の発行
• Article 45h - Additional rules for the provision of electronic attestation of attributes services  • 第45h条 - 属性の電子的証明サービスの提供に関する追加規則

 

 

・エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー
Electronic Attestations of Attributes (EAA) were introduced by the amended eIDAS-Regulation [i.1] to provide trustworthy, verifiable digital statements about natural persons, legal persons, or objects. The present document analyses the foundational concepts, actors, and architectural models required for the issuance, validation, dissemination, and lifecycle management of Electronic Attestations of Attributes (EAA) within and beyond the European Digital Identity Wallet ecosystem. It clarifies that EAAs may be delivered through multiple channels (including wallets, vaults, signature containers and direct file distribution) and are not limited to EUDIW use.  電子属性証明(EAA)は、自然人、法人、または物に関する信頼性が高く検証可能なデジタル声明を提供するため、改正eIDAS規則[i.1]によって導入された。本文書は、欧州デジタルIDウォレット(EUDIW)エコシステム内およびその外部における電子属性証明(EAA)の発行、妥当性確認、普及、およびライフサイクル管理に必要な基礎概念、関係者、およびアーキテクチャモデルを分析する。EAAは複数のチャネル(ウォレット、ボールト、署名コンテナ、直接ファイル配布など)を通じて提供され得るものであり、EUDIWの利用に限定されないことを明確にする。
The present document defines the trust framework for EAAs, describing the roles of service providers, subscribers, attribute subjects, authentic and authoritative sources, relying parties, and intermediaries. It further outlines the core service components such as registration, identity proofing, attribute collection, issuance, dissemination, and status management.  本文書は、EAAの信頼フレームワークを定義し、サービスプロバイダ、加入者、属性対象者、真正かつ権威ある情報源、依拠当事者、および仲介者の役割を記述する。さらに、登録、身元確認、属性収集、発行、配布、およびステータス管理といった中核的なサービスコンポーネントの概要を示す。
A central part of the present document is the definition of EAA Policies, which specify attribute schemas, data formats, binding mechanisms, lifecycle rules, and verification requirements, ensuring consistent trust and interoperability.  本文書の中心となるのは、EAAポリシーの定義である。これには属性スキーマ、データ形式、バインディングメカニズム、ライフサイクル規則、および検証要件が規定されており、一貫した信頼性と相互運用性を確保する。
The present document also identifies technical considerations including multi-subject attestations, wallet and certificate binding, support for hybrid formats, long-term preservation, and status verification. It concludes by outlining the implications for future ETSI standardization activities to enable reliable and interoperable use of EAAs across diverse public- and private-sector applications.  また、本文書では、マルチサブジェクト証明、ウォレットおよび証明書のバインディング、ハイブリッド形式のサポート、長期保存、ステータス検証といった技術的考慮事項も識別している。最後に、多様な公共・民間セクターのアプリケーションにおいてEAAを信頼性高く相互運用可能な形で利用できるようにするための、今後のETSI標準化活動への示唆を概説して締めくくっている。

 

 

 

 

こちらも参考に

EU Commission - eIDAS - electronic identification and trust services

・・eIDAS Regulation

 

eIDAS規則...

EUR-Lex

・2024.04.30 Regulation (EU) 2024/1183 of the European Parliament and of the Council of 11 April 2024 amending Regulation (EU) No 910/2014 as regards establishing the European Digital Identity Framework

 

ETSIの属性証明に関連する文書例...

属性証明(EAA)に関連する主要なETSI文書一覧 EAAサービス・ポリシー関連

発行月 文書番号 原文タイトル 概要
2025.05 ETSI TS 119 471 Policy and Security requirements for Providers of Electronic Attestation of Attributes Services EAAサービス提供者のポリシー・セキュリティ要件を規定
2026.02 ETSI TS 119 472-1 Profiles for Electronic Attestation of Attributes; Part 1: General requirements EAAプロファイルの一般要件
2026.03 ETSI TS 119 472-2 Profiles for Electronic Attestation of Attributes; Part 2: Profiles for EAA/PID Presentations to Relying Party 依存当事者へのEAA/PID提示プロファイル
2026.03 ETSI TS 119 472-3 Profiles for Electronic Attestation of Attributes; Part 3: Profiles for issuance of EAA or PID EAA/PID発行プロファイル
2026.05 ETSI TR 119 479-1 Technological Solutions for the EU Digital Identity Framework; Part 1: Foundational EAA Concepts and Architectural Models EAAの基礎概念・アーキテクチャモデル(本報告書)
- ETSI TS 119 479-2 Technological Solutions for the EU Digital Identity Framework; Part 2: EAA Extended Validation Services Framework and Application EAA拡張検証サービスフレームワーク(開発中)

 

証明書・プロファイル関連

発行月 文書番号 原文タイトル 概要
2026.04 ETSI TS 119 412-6 Certificate Profiles; Part 6: Certificate profile requirements for PID, Wallet, EAA, QEAA, and PSBEAA providers PID・Wallet・EAA・QEAA・PSBEAA提供者向け証明書プロファイル要件
2025.04 ETSI TS 119 411-1 Policy and security requirements for Trust Service Providers issuing certificates; Part 1: General requirements 証明書発行者の一般ポリシー・セキュリティ要件
2025.01 ETSI TS 119 411-8 Policy and security requirements for Trust Service Providers issuing certificates; Part 8: Access Certificate Policy for EUDI Wallet Relying Parties EUDIW依存当事者向けアクセス証明書ポリシー

 

本人確認・信頼サービス基盤関連

発行月 文書番号 原文タイトル 概要
2026.01 ETSI EN 319 401 General Policy Requirements for Trust Service Providers 信頼サービス提供者の一般ポリシー要件(基盤規格)
2025.02 ETSI TS 119 461 Policy and security requirements for trust service components providing identity proofing of trust service subjects 本人確認コンポーネントのポリシー・セキュリティ要件
2026.01 ETSI TS 119 478 Specification of interfaces related to Authentic Sources 真正源関連インターフェース仕様

電子署名・コンテナ関連(EAA埋め込み・長期検証用)

発行月 文書番号 原文タイトル 概要
2024.07 ETSI EN 319 132-1 XAdES digital signatures; Part 1: Building blocks and XAdES baseline signatures XAdES電子署名ベースライン
2024.01 ETSI EN 319 142-1 PAdES digital signatures; Part 1: Building blocks and PAdES baseline signatures PAdES電子署名ベースライン
2016.04 ETSI EN 319 162-1 Associated Signature Containers (ASiC); Part 1: Building blocks and ASiC baseline containers ASiC署名コンテナベースライン

EUDIW連携・インターフェース関連

発行月 文書番号 原文タイトル 概要
2026.03 ETSI TS 119 475 Relying party attributes supporting EUDI Wallet user's authorization decisions EUDIWユーザーの認可決定を支援する依存当事者属性
- ETSI EN 319 482-3 Additional wallet interfaces; Part 3: Interfaces and formats for the catalogue of Attestation Rulebooks and attributes 属性カタログ・ルールブック用インターフェース・フォーマット(開発中)

 

 


 

● まるちゃんの情報セキュリティ気まぐれ日記

・2026.04.11 デジタル庁 属性証明の課題整理に関する有識者会議 報告書 (2026.04.09)

・2026.01.20 ドイツ EUDIウォレットの接続を適切に準備する - 行政機関向け行動指針 (2026.01.16)

・2025.09.03 欧州 ETSI TR 119 476-1 V1.3.1 電子署名と信頼基盤(ESI);属性電子証明への選択的開示とゼロ知識証明の適用;第1部:実現可能性調査

・2025.05.31 欧州 ETSI TS 119 471 V1.1.1 電子署名と信頼基盤(ESI); 電子属性証明サービスのプロバイダに対する方針およびセキュリティ要件 (2025.05)

・2024.12.24 日本銀行金融研究所 検証可能クレデンシャルにおける本人紐づけを巡る論点:適用事例にみる対応方法と金融分野への含意(佐古和恵先生)

・2024.07.09 欧州 ETSI 電子署名と信頼基盤(ESI);属性の電子認証に適用される選択的開示とゼロ知識証明の分析



 

| | Comments (0)

2026.05.17

WEF 政府におけるエージェンティックAIの活用:導入準備フレームワーク (2026.04.24)

こんにちは、丸山満彦です。

 World Economic Forum; WEF が、4月に公表した「政府におけるエージェンティックAIの活用:導入準備フレームワーク」は興味深いですね... 政府機関向けの文書ですが、大企業でも十分に参考になると思います。

日本もきっとそうなのでしょうが、すでに多くの国の政府でエージェンティックAIの導入がぼちぼちと進んでいるようですね。

どういう領域に導入したらよいのかということについては、「2.2 複雑性に対する潜在能力のアセスメント」が参考になりそうです。

 

Assessment dimensions for the government readiness framework for agentic AI エージェンティックAIに関する政府の準備状況フレームワークのアセスメント軸
Agentic AI potential  エージェンティックAIの可能性
The opportunities:  機会:
Can agentic AI do this well and is the effort worth it? エージェンティックAIはこれをうまくこなせるか、またその取り組みは価値があるか?
1.1 Potential for automation:  1.1 自動化の可能性:
Can this function be automated, or does it require human judgement? この機能は自動化可能か、それとも人間の判断が必要か?
1.2 Agent requirement:  1.2 エージェント要件:
Does the function need agentic capabilities, or would simpler automation suffice? この機能にはエージェンティックAIの能力が必要か、それともより単純な自動化で十分か?
1.3 Volume and impact:  1.3 処理量と影響度:
Does this function appear frequently enough or have sufficient strategic importance to justify the investment in agentic AI? 準備度領域別の主要な政府機能(準備度スコア順)+C162B135:C163B135:C161C163B135:C161
Implementation complexity  導入の複雑さ
The barriers: 障壁:
How hard is it to deploy agentic AI and what are the risks エージェンティックAIの展開はどれほど困難か、またどのようなリスクがあるか
Implementation challenges 展開上の課題
2.1 Data type and quality:  2.1 データの種類と品質:
How structured, accessible and suitable is the required data for agentic AI use? エージェンティックAIの利用に必要なデータは、どれほど構造化され、アクセス可能で、適しているか?
2.2 Technical integration complexity:  2.2 技術的統合の複雑さ:
How challenging is the integration of the function given existing systems and data sources? 既存のシステムやデータソースを考慮した際、当該機能の統合はどの程度困難か?
2.3 Internal resistance:  2.3 内部の抵抗:
Is workforce and management likely to resist adoption of agentic AI for this function 従業員や経営陣は、この機能へのエージェンティックAIの導入に抵抗を示す可能性が高いか
Risk and ethical impact リスクと倫理的影響
3.1 Ethical threat:  3.1 倫理的脅威:
Can automation of this function introduce bias, unfairness or harm? この機能の自動化により、バイアス、不公平、または害が生じる可能性があるか?
3.2 function criticality:  3.2 機能の重要度:
What is the severity and reversibility of potential errors for this function? この機能において、潜在的なエラーの深刻度と回復可能性はどの程度か?
3.3 Privacy and data issues:  3.3 プライバシーおよびデータに関する問題:
How sensitive is the information involved in this function, and what regulatory constraints apply? この機能に関わる情報の機密性はどの程度か、またどのような規制上の制約が適用されるか?

 

また、実際に準備度が高い領域についてはつぎのようになっていますね

Core government functions by readiness area (sorted by readiness score 準備度領域別の主要な政府機能(準備度スコア順)
High‑readiness area 準備度が高い領域
01 Cybersecurity monitoring  01 サイバーセキュリティ監視
02 Public information and guidance provision 02 公共情報およびガイダンスの提供
03 Systems performance monitoring 03 システムパフォーマンスの監視
04 Service appointment and queue management 04 サービスの予約および待ち行列管理
05 Threat intelligence and early warning 05 脅威インテリジェンスおよび早期警戒
06 Tender preparation and awarding 06 入札の準備および落札
07 Document validation and processing 07 文書の妥当性確認および処理
08 Transparency reporting and disclosure 08 透明性に関する報告および開示
09 Financial performance monitoring and compliance 09 財務実績の監視およびコンプライアンス
10 Document life cycle management 10 文書のライフサイクル管理

 

 この表の内容は、民間企業でも十分に参考になると思います。

 

また、政府のユースケースも記載されているので参考になりますね...

要約するとこんな感じ?

 

ユースケース1:ウクライナ - Diia.AI国家AIアシスタント

機能カテゴリー:市民コミュニケーションと相互作用

  • 市民が対話的相互作用を通じて公共サービスにアクセスできる国家AIアシスタント
  • 20259月の立ち上げ以来、290,000人以上の市民に使用され、7,000以上の所得証明書を発行
  • ゼロトラストアプローチを採用し、厳格なデータ保護基準を遵守
  • Diiaサポートチーム内のAIツールが、100万件を超える市民からの問い合わせの90%を処理

 

ユースケース2:ドイツ - AIベースの建設許可システム

機能カテゴリー:公共サービス

  • 提出された申請資料を分析し、ケース固有の事実を適用可能な法規範にマッピング
  • 人間の監視の下で法的根拠に基づく許可決定の草案を生成
  • 段階的拡張を可能にするため、現時点では限定的な自律性を持たせている

 

ユースケース3:アラブ首長国連邦 - HR AIエージェント

機能カテゴリー:組織と労働力

  • 連邦HRエコシステム内に対話型エージェントインターフェースを導入
  • 130以上のデジタルHRサービスを支援し、50,000人以上の連邦従業員のHR法規と政策問い合わせの80%以上を自律的に解決
  • 高頻度の情報中心の相互作用から開始し、段階的に能力を拡張

 

ユースケース4:ドイツ - Jiraチケット作成

機能カテゴリー:ITインフラとデータガバナンス

  • システム変更要求やユーザーストーリーを構造化されたルール準拠のJiraワークフローに変換する作業をエージェンティックAIにより自動化
  • 1日平均20チケット、処理に約20分かかると仮定すると、関与チームに月約150時間の節約をもたらす可能性

 

  • WEF

2026.04.24 Making Agentic AI Work for Government: A Readiness Framework

 

[PDF]

20260517-53425

 

目次

Foreword まえがき
Executive summary エグゼクティブサマリー
1 The agentic opportunity 1 エージェンティックAIの機会
1.1 From process digitization to outcome orchestration 1.1 プロセスのデジタル化から成果のオーケストレーションへ
1.2 Why agentic AI matters for governments 1.2 政府にとってエージェンティックAIが重要な理由
1.3 The tactical challenge: where to begin 1.3 戦術的な課題:どこから始めるか
2 An innovative government readiness framework for agentic AI 2 エージェンティックAIに向けた革新的な政府準備フレームワーク
2.1 A function-based assessment lens 2.1 機能ベースのアセスメントレンズ
2.2 The assessment of potential against complexity 2.2 複雑性に対する潜在能力のアセスメント
2.3 A topography of government readiness 2.3 政府の準備状況の全体像
2.4 From global topography to regional roadmap 2.4 グローバルな全体像から地域別ロードマップへ
3 Learning from successful deployments 3 成功した展開からの学び
Conclusion 結論
Appendices 附属書
A1 Methodology A1 方法論
A2 Comprehensive breakdowns of agentic AI assessment scores for all 70 core government functions A2 70の主要な政府機能すべてに対するエージェンティックAI評価スコアの詳細内訳
Contributors 寄稿者
Endnotes 注釈

 

 

エグゼクティブサマリー

Executive summary エグゼクティブサマリー
A pioneering framework to help governments move agentic AI from experimentation to scalable public value. 政府がエージェンティックAIを実験段階からスケーラブルな公共価値へと移行させるための先駆的なフレームワーク。
Public expectations are rising, fiscal space is tightening, and many administrations are being asked to deliver more with less. Against this backdrop, agentic artificial intelligence (AI) represents a fundamental shift in capability, enabling systems to autonomously execute endto-end multi-step workflows, with the potential to transform how governments serve citizens. 国民の期待は高まり、財政的余地は狭まり、多くの行政機関は「少ない資源でより多くの成果」を求められている。こうした背景において、エージェンティックAIは能力の根本的な転換をもたらし、システムが自律的にエンドツーエンドの多段階ワークフローを実行することを可能にし、政府の市民へのサービス提供方法を変革する潜在力を秘めている。
Realizing this opportunity requires strategic, evidence-based adoption – grounded in a clear assessment of where agentic AI can deliver the greatest public value, what risks must be managed and what capabilities and safeguards need to be in place before deployment at scale. この機会を実現するには、戦略的かつ証拠に基づいた導入が必要だ。それは、エージェンティックAIが最大の公共価値を生み出せる領域、管理すべきリスク、そして大規模展開前に整備すべき能力や安全策を明確に評価することに根差している。
This report responds to that need by introducing the first systematic framework for assessing government readiness for agentic AI and evaluating core global government activities (or “functions”). The framework is complemented by real-world use cases that ground the assessment in practice, highlighting current agentic AI initiatives.  本報告書は、政府のエージェンティックAI導入準備度を評価し、世界各国の政府の中核的機能(または「機能」)を評価するための初の体系的なフレームワークを導入することで、そのニーズに応えるものである。このフレームワークは、アセスメントを実践に根ざした現実のユースケースで補完し、現在進行中のエージェンティックAIイニシアチブを浮き彫りにしている。
The starting point: assessing agentic AI readiness across government functions 出発点:政府機能全体におけるエージェンティックAI導入準備度のアセスメント
By focusing on functions – recurring workflows that cut across organizational segregation rather than isolated tasks or departments – this framework provides governments with a new basis for prioritizing deployment and implementation at scale. 孤立したタスクや部署ではなく、組織の区分を越えて繰り返されるワークフローである「機能」に焦点を当てることで、このフレームワークは政府に対し、大規模な展開と実装の優先順位付けを行うための新たな基盤を提供する。
High-readiness area: suitable for early deployment, with robust safeguards ・ 準備度が高い領域:堅牢な安全対策が整っており、早期導入に適している
Medium-readiness area: suitable for phased implementation requiring additional enabling conditions, capability building or analysis ・準備度中程度の領域:追加の導入条件、能力構築、または分析を必要とする段階的な実装に適している
Low-readiness area: suitable for monitoring, iterative testing and longer-term preparation ・準備度の低い領域:モニタリング、反復的なテスト、および長期的な準備に適している
The review of 70 core government functions indicates that 50% combine significant agentic AI potential with manageable implementation complexity, pointing to a substantial opportunity for scaled adoption where institutional capacity and safeguards are in place. 70の主要な政府機能のレビューによると、50%の機能において、エージェンティックAIの大きな可能性と管理可能な実装の複雑さが組み合わさっており、組織的な能力と安全対策が整っている場合、大規模な導入に向けた大きな機会があることが示唆されている。
Clear takeaways emerge from this analysis:  この分析から、明確な示唆が得られる:
Think in functions, not departments: Agentic AI operates in workflows that cut across organizational boundaries.  部署ではなく機能単位で考える:エージェンティックAIは、組織の境界を越えたワークフローの中で動作する。
Balance ambition with feasibility: High agentic AI potential should be weighed against implementation complexity before operationalizing at scale. 野心と実現可能性のバランスをとる:大規模に運用化する前に、エージェンティックAIの高い潜在能力と導入の複雑さを天秤にかけるべきだ。
Start where the best odds exist: Build capability and confidence with highreadiness functions before tackling more complex ones.  成功の可能性が最も高いところから始める:より複雑な機能に取り組む前に、準備度の高い機能を通じて能力と自信を築く。
Local context determines success: Global scores are baselines. Local infrastructure, regulatory environments and cultural norms determine what is possible. 
成功は現地の状況に左右される:グローバルスコアはあくまで基準である。現地のインフラ、規制環境、文化的規範が、何が可能かを決定づける。
Expect the topography to evolve: Reassess regularly. Functions in the lowreadiness area today may be in the medium- or high-readiness area tomorrow.  状況の変化を見据える:定期的に再評価を行う。今日、準備度が低い領域にある機能が、明日には中程度または高い準備度領域に移行する可能性がある。
From insight to action  洞察から行動へ
The report translates analysis into a practical decision-support framework for governments considering agentic AI adoption. It provides a structured approach to identifying relevant functions and prioritizing opportunities based on potential public value and implementation barriers, helping decision-makers focus on where agentic AI is most likely to make an impact. These insights are intended to inform subsequent choices on governance design, risk management, piloting and scaling. Local adaptation is essential: each jurisdiction must tailor the framework to its organizational priorities, digital maturity and regulatory context. 本報告書は、分析結果を、エージェンティックAIの導入を検討する政府向けの実践的な意思決定支援フレームワークへと変換している。本報告書は、関連する機能を特定し、潜在的な公共的価値と導入障壁に基づいて機会の優先順位を付けるための体系的なアプローチを提供し、意思決定者がエージェンティックAIが最も大きな影響を与えうる分野に注力できるよう支援する。これらの知見は、ガバナンス設計、リスクマネジメント、パイロット実施、およびスケールアップに関するその後の選択の指針となることを意図している。地域ごとの適応が不可欠である。各管轄区域は、組織の優先事項、デジタル成熟度、および規制環境に合わせてこのフレームワークを調整しなければならない。
This framework is a starting point – a tool to inform strategic choices. It is designed to help policy-makers and industry move together – establishing where to begin, how to build capability and ultimately how to convert agentic AI opportunities into measurable public value. このフレームワークは出発点であり、戦略的な選択を導くためのツールである。政策立案者と産業界が連携して進むことを支援するよう設計されており、どこから着手すべきか、いかに能力を構築するか、そして最終的にエージェンティックAIの機会をいかにして測定可能な公共価値へと転換するかを明確にするものである。

 

 

 

各章の頭部分と結論

1. The agentic opportunity 1. エージェンティックAIの機会
Agentic artificial intelligence can transform public institutions by orchestrating end-to-end workflows, shifting government operations from task automation to outcome delivery. エージェンティックAIは、エンドツーエンドのワークフローを調整することで公共機構を変革し、政府の業務をタスクの自動化から成果の提供へと転換させることができる。
Government technology has become a foundational driver of competitiveness, institutional capacity and public trust. The Global Public Impact of GovTech: A $9.8 Trillion Opportunity estimates a $9.8 trillion opportunity from public-sector digital transformation by 2034.1 Converting that opportunity into sustained impact, however, depends on how governments design and deploy the next generation of capabilities. 政府テクノロジーは、競争力、組織能力、そして国民の信頼を支える基盤的な原動力となっている。『GovTechのグローバルな公共的インパクト:9.8兆ドルの機会』では、2034年までに公共部門のデジタルトランスフォーメーションから9.8兆ドルの機会が生まれると推定している¹。しかし、その機会を持続的なインパクトへと転換できるかどうかは、政府が次世代の能力をいかに設計し、展開するかにかかっている。
Agentic artificial intelligence (AI) is one of the most important levers for realizing this potential. エージェンティックAIは、この可能性を実現するための最も重要な手段の一つである。
Unlike earlier AI applications that focused on narrow tasks such as classification, prediction or pattern recognition, agentic systems can coordinate multi-step processes, integrate information across multiple sources and adapt their actions based on context and evolving conditions. These capabilities are well aligned with the structure of many government workflows, which typically involve sequential decisions, multiple stakeholders and the application of rules and judgement over time. 分類、予測、パターン認識といった限定的なタスクに焦点を当てていた従来のAIアプリケーションとは異なり、エージェンティックAIシステムは多段階のプロセスを調整し、複数の情報源から情報を統合し、文脈や変化する状況に基づいて行動を適応させることができる。これらの能力は、通常、連続的な意思決定、複数のステークホルダー、そして時間をかけてのルールや判断の適用を伴う多くの政府ワークフローの構造とよく合致している。
1.1 From process digitization to outcome orchestration 1.1 プロセスのデジタル化から成果のオーケストレーションへ
1.2 Why agentic AI matters for governments 1.2 政府にとってエージェンティックAIが重要な理由
1.3 The tactical challenge: where to begin 1.3 戦術的な課題:どこから始めるか
2. An innovative government readiness framework for agentic AI 2. エージェンティックAIに向けた革新的な政府準備フレームワーク
By evaluating the AI readiness of core government functions, the framework highlights where AI agents can be deployed and where risks outweigh benefits. 政府の中核機能におけるAI導入準備度を評価することで、本フレームワークは、AIエージェントを展開できる領域と、リスクが便益を上回る領域を明らかにする。
The report introduces a framework with four building blocks to guide decision-making on agentic AI in government (see Figure 1). It assesses functions against both its potential and its complexity, producing a clear picture of where governments can act with confidence, where they should invest in preparation and where caution is warranted – helping them translate the broad promise of agentic AI into strategic decisions. 本報告書は、政府におけるエージェンティックAIに関する意思決定を導くための4つの構成要素からなるフレームワークを紹介している(図1参照)。このフレームワークは、各機能の潜在的可能性と複雑性の両面からアセスメントを行い、政府が自信を持って行動できる領域、準備への投資が必要な領域、そして慎重さが求められる領域を明確に描き出す。これにより、政府がエージェンティックAIの広範な可能性を戦略的な意思決定へと転換するのを支援する。
2.1 A function-based assessment lens 2.1 機能ベースのアセスメントレンズ
2.2 The assessment of potential against complexity 2.2 複雑性に対する潜在能力のアセスメント
2.3 A topography of government readiness 2.3 政府の準備状況の全体像
2.4 From global topography to regional roadmap 2.4 グローバルな全体像から地域別ロードマップへ
3. Learning from successful deployments 3. 成功した展開事例からの学び
A closer look into agentic AI use cases shows the tangible impact agents are already delivering. エージェンティックAIのユースケースを詳しく見ると、エージェントがすでに生み出している具体的な影響が明らかになる。
Detailed interviews with public- and private-sector stakeholders on early experiences with agentic AI and use cases have informed the framework in this report. Early implementations show that agentic AI can create tangible value in government operations when applied to clearly defined challenges. エージェンティックAIの初期導入経験やユースケースに関する、官民のステークホルダーへの詳細なインタビューが、本報告書のフレームワークの基礎となっている。初期の実装事例は、明確に定義された課題に適用された場合、エージェンティックAIが政府業務において具体的な価値を生み出せることを示している。
The following examples from the public sector illustrate where agentic approaches are most effective and capture key learnings that enable solutions to progress from experimentation to scalable impact. Private-sector use cases are available on the GovTech Intelligence Hub, presented in a practical, real-world format and curated as an evolving collection to support ongoing cross-sector learning. 以下の公共部門の事例は、エージェンティックアプローチが最も効果的である領域を示しており、ソリューションを実験段階から拡張可能な影響力へと発展させるための重要な知見を捉えている。民間セクターのユースケースは、GovTech Intelligence Hubで公開されている。これらは実践的かつ現実的な形式で提示され、継続的なセクター横断的な学習を支援するために、進化するコレクションとしてキュレーションされている。
Conclusion 結論
Governments are at a clear inflection point: agentic AI is no longer hypothetical – it is expected to reshape public administration. The central question is not whether to engage with agentic AI, but how to do so responsibly and in ways that produce measurable public value. 政府は明確な転換点に立っている。エージェンティックAIはもはや仮説の域を出ており、行政のあり方を再構築することが期待されている。核心となる問いは、エージェンティックAIを導入すべきかどうかではなく、いかにして責任を持って、かつ測定可能な公共的価値を生み出す形で導入するかである。
A function-level view reveals where automation delivers the greatest impact, regardless of organizational charts. The report presents a clear lesson: progress depends less on pursuing the most sophisticated applications and more on disciplined sequencing. Governments that begin with high-readiness functions and treat pilots as structured learning exercises are better positioned to scale responsibly. By contrast, prioritizing complex, high-stakes applications too early can strain resources and slow broader adoption. 機能レベルの視点に立つことで、組織図に関わらず、自動化が最大のインパクトをもたらす領域が明らかになる。本報告書は明確な教訓を示している。すなわち、進展は最も洗練されたアプリケーションの追求よりも、規律ある順序立てられた取り組みにかかっているということだ。準備の整った機能から着手し、パイロット事業を体系的な学習の機会と捉える政府こそが、責任を持ってスケールアップできる立場にある。対照的に、複雑でリスクの高いアプリケーションを早期に優先すると、リソースを圧迫し、広範な導入を遅らせる恐れがある。
Now, intentional leadership is required. Successful adoption depends less on any single technology than on clear mandates, aligned incentives and the willingness to invest in data, integration and capability building. This report does not prescribe a fixed roadmap. Instead, it provides a shared frame of reference to help governments decide where to start, what to invest in and how to sequence action. 今、意図的なリーダーシップが求められている。導入の成否は、個々の技術そのものよりも、明確な指針、整合されたインセンティブ、そしてデータ、統合、能力構築への投資意欲にかかっている。本報告書は固定的なロードマップを提示するものではない。その代わりに、政府がどこから始め、何に投資し、どのように行動を順序立てるかを決定するための共通の参照枠組みを提供するものである。
Operationally, adoption should be governed by bounded autonomy – defined agent operating scopes, explicit human escalation mechanisms and transparency around decisions – so officials can deploy systems that are effective and accountable. They should define desired outcomes and constraints upfront, use pilots to test or validate assumptions and expand system scope incrementally as trust and capability grow. 運用面では、導入は「限定された自律性」――定義されたエージェントの運用範囲、明確な人間によるエスカレーションの仕組み、意思決定の透明性――によってガバナンスされるべきであり、そうすることで導入者は効果的かつ説明責任を果たせるシステムを展開できる。導入者は、望ましい成果と制約を事前に定義し、パイロット事業を用いて仮定を妥当性確認し、信頼と能力が高まるにつれてシステムの範囲を段階的に拡大すべきである。
The next step is practical: adapt the framework to local conditions, reassess assumptions against real constraints and move from analysis to carefully scoped action. Continued empirical learning from test deployments and follow-on research will be essential as both the technology and its governance evolve. 次のステップは実践的だ。フレームワークを現地の状況に適応させ、実際の制約に照らして仮定を再評価し、分析から慎重に範囲を定めた行動へと移行する。技術とそのガバナンスが進化するにつれ、試験展開やその後の研究から継続的に経験的な知見を得ることが不可欠となる。
Approached with strategic clarity, agentic AI can be more than another wave of digitization. It can underpin a more resilient, responsive and outcome- focused public administration – strengthening public trust and helping governments fulfil their core mission. 戦略的な明確さを持って取り組めば、エージェンティックAIは単なるデジタル化の新たな波にとどまらない。それは、より高いレジリエンスを持ち、迅速に対応し、成果重視の行政を支える基盤となり得る。それにより、国民の信頼を強化し、政府が中核的な使命を果たすのを支援するのだ。

 

 

こちらも興味深い...

A Practical Toolkit for Deploying Agentic AI in Government

Identifying high-impact opportunities for agentic AI

 

 

準備度領域別の主要な政府機能(準備度スコア順)↓

Continue reading "WEF 政府におけるエージェンティックAIの活用:導入準備フレームワーク (2026.04.24)"

| | Comments (0)

経済産業省 第4回日EUデジタルパートナーシップ閣僚級会合 (2026.05.07)

こんにちは、丸山満彦です。

 

202655日に、ベルギー・ブリュッセルで、第4回日EUデジタルパートナーシップ閣僚級会合を開催され、共同声明がだされていますね

 

「共同声明のポイント」のポイント (^^)

1)データガバナンスと DFFT

  • 「日 EU データ戦略ワーキンググループ」を立ち上げ、相互運用性向上とシームレスなデータ流通を推進
  • 欧州・日本データスペース間の相互運用性ユースケース(例:Catena-X 連携)を深化
  • DFFT 具体化に向けた国際協力を再確認し、広島 AI プロセスの原則普及を促進
  • デジタル・アイデンティティ証明書の相互運用性実証に成功、十分性認定の学術研究分野拡大を歓迎

2)先端技術(AI・量子)

  • 安全・信頼できる AI 推進に向け協力文書署名へコミット、国際ガバナンス・規制協力を強化
  • 公共部門における AI ベストプラクティス交換を決定
  • 量子技術協力(LoI に基づく「Q-Neko」プロジェクト等)と量子通信の意見交換を進展

3)デジタルインフラ・経済安全保障

  • 海底ケーブル・5G/6G(「6G-MIRAI-HARMONY」)・半導体(早期警戒メカニズム活用)で協力継続
  • サイバーセキュリティ:IoT 認証制度相互承認(EU CRA/JC-STAR)の可能性を探り、インド太平洋での能力構築支援を継続
  • 標準化:JISC-CENELEC 連携を強化

4)プラットフォーム規制

  • 未成年者保護と DSA・情報流通プラットフォーム法の執行協力取決めに署名、執行機関間での実務協力を深化

5)今後の方向性

  • 産業界連携・第三国共同活動(デジタルインフラ分野)を検討、多国間枠組みでの協力関係を構築
  • 2027 年東京で第 5 回閣僚級会合を開催し、戦略的協力をさらに深化

 

  • 経済産業省

2025.05.07 第4回日EUデジタルパートナーシップ閣僚級会合を開催しました

 

・共同声明 

[PDF] 共同声明【原文(英語)】

[PDF] 共同声明【仮訳(日本語)】

20260517-92837
 

 

 

| | Comments (0)

2026.05.16

OECD 公的監査における人工知能の現状 2026.05.07)

こんにちは、丸山満彦です。

OECDが欧州の15カ国の公的監査組織(会計検査院のようなところ)、その他の地域14の公的監査組織等への調査を通じて、公的監査におけるAIの利用状況をまとめていますね...

Big4をはじめ民間の監査法人は監査の局面において、AIを最大限活用しようと考えていると思います...ただ、実際の実装は色々と課題はあるようには思います。ただ、確実にAIの利用は進むと思います。

今回のOECDの報告書はユースケースもあったりで、内部監査をしている部門においても非常に参考になるのではないかと思います。興味がある日をはぜひ読んでみてくださいませ。なんかのヒントがあるように思います...

また、これからはエージェンティックAIの利用が広がってくるようにも思います。また、昔から言われているリアルタイム監視もいよいよ本番に傾いてきていると思います。

一方、AIの判断がそのまま監査意見につながっていくのではなく、必ず人間の判断が入るということは重要だと思います。(ただ、大量分析の前に監査人は楽になるのか?という問題はより鮮明になってくるでしょうね)

また、AIに対する内部統制も必要ですね...

 

OECD

・2026.05.07 The state of artificial intelligence in public audit

The state of artificial intelligence in public audit 公的監査における人工知能の現状
Evidence from selected countries and the European Union 選定された各国および欧州連合からの事例
This paper examines how public audit institutions are exploring the use of artificial intelligence (AI) to strengthen oversight and improve audit processes. Drawing on consultations with 15 institutions across 14 countries and the European Union, it reviews emerging AI applications in areas such as anomaly detection, document processing, knowledge management and predictive risk assessment. The findings show that while AI adoption in public audit remains at an early stage, experimentation is expanding and many institutions are integrating AI within broader digital transformation efforts. However, a gap remains between pilot projects and scalable operational deployment. Key challenges include fragmented data systems, limited internal technical expertise and evolving governance frameworks. Strengthening data governance, digital infrastructure and internal development capacity will be critical for audit institutions seeking to responsibly scale AI while maintaining transparency, accountability and public trust. 本稿は、公的監査機構が、監督機能を強化し監査プロセスを改善するために、人工知能(AI)の活用をどのように模索しているかを検証する。14カ国および欧州連合の15機構との協議に基づき、異常検知、文書処理、ナレッジマネジメント、予測的リスクアセスメントなどの分野における新たなAIの応用事例を概観する。調査結果によると、公的監査におけるAIの導入は依然として初期段階にあるものの、実証実験は拡大しており、多くの機構がより広範なデジタルトランスフォーメーションの取り組みの中にAIを統合している。しかし、パイロットプロジェクトと実運用への展開との間には依然として隔たりがある。主な課題としては、データシステムの断片化、内部の技術的専門知識の不足、ガバナンスフレームワークの進化などが挙げられる。透明性、説明責任、そして国民の信頼を維持しつつ、責任を持ってAIを拡大しようとする監査機構にとって、データガバナンス、デジタルインフラ、および内部の開発能力の強化が極めて重要となるだろう。

 

・[PDF] 

20260516-05639

・[DOCX][PDF] 仮訳

 

目次...

Abstract 概要
Acknowledgements 謝辞
Abbreviations and acronyms 略語および頭字語
1 Executive summary 1 エグゼクティブサマリー
AI in public audit: An emergent but rapidly evolving landscape 公的監査におけるAI:出現したばかりだが急速に進化する状況
Infrastructure and capacity: Bridging the gap between pilots and production インフラと能力:パイロットと本番運用とのギャップを埋める
Data governance: The foundation that AI cannot afford to lack データガバナンス:AIにとって欠かすことのできない基盤
Shared challenges and emerging good practices 共通の課題と新たなベストプラクティス
2 Overview and state of play 2 概要と現状
3 Use cases 3 ユースケース
Anomaly detection and risk assessments 異常検知とリスクアセスメント
AI for classification in audit and oversight 監査および監督における分類のためのAI
Predictive and preventive audit models 予測的・予防的監査モデル
Search, retrieval and knowledge management 検索、情報抽出、およびナレッジマネジメント
Intelligent Document Processing (IDP) and data extraction インテリジェント・ドキュメント・プロセッシング(IDP)とデータ抽出
Generative AI for drafting, summarising and translating 起草、要約、翻訳のための生成的AI
Visual and spatial data analysis 視覚的・空間的データ分析
4 Infrastructure and capacity 4 インフラと能力
Hardware infrastructure ハードウェアインフラ
Software environment and stack ソフトウェア環境とスタック
Data infrastructure and governance データインフラストラクチャとガバナンス
Development capabilities 開発能力
5 Measuring impact 5 影響の測定
6 Challenges and strategic considerations 6 課題と戦略的考察
Ethics, explainability and bias 倫理、説明可能性、バイアス
Organisational culture, capacity and supporting adoption 組織文化、能力、および導入支援
Data quality as a strategic asset 戦略的資産としてのデータ品質
Governance and security ガバナンスとセキュリティ
Managing the pace of change and reducing third-party dependencies 変化のペースの管理とサードパーティへの依存の低減
Balancing innovation, long-term stability and sustainability イノベーション、長期的な安定性、持続可能性のバランス
7 Good practices and success factors 7 優良事例と成功要因
Transparency and explainability 透明性と説明可能性
User and stakeholder involvement: facilitating bottom-up innovation ユーザーとステークホルダーの参画:ボトムアップ型イノベーションの促進
Management and leadership support 経営陣とリーダーシップによる支援
Institutional governance and oversight 組織ガバナンスと監督
Effective training and knowledge sharing 効果的な研修と知識の共有
Strategic partnerships 戦略的パートナーシップ
8 Future directions 8 今後の方向性
9 Conclusions 9 結論
Glossary 用語集
References 参考文献

 

 

エグゼクティブサマリー...

1 Executive summary  1 エグゼクティブサマリー 
AI in public audit: An emergent but rapidly evolving landscape  公的監査におけるAI:出現したばかりだが急速に進化する状況 
Artificial intelligence is reshaping public sector oversight. Between March and July 2025, the OECD consulted 15 audit institutions across 14 countries and the EU to assess current AI adoption in public audit. The results point to growing institutional commitment: two-thirds have a formal AI strategy, 80% have internal AI guidelines, 87% offer staff training and the same proportion have at least one tool in active production. Yet maturity levels vary widely and many deployments remain at the pilot stage.  人工知能は、公共部門の監督体制を変革しつつある。 2025年3月から7月にかけて、OECDは14カ国およびEUの15の監査機構に対し、公的監査におけるAIの現状導入状況を評価するためのヒアリングを行った。その結果、組織としての取り組みが拡大していることが示された。3分の2が正式なAI戦略を策定しており、80%が内部のAIガイドラインを整備し、87%が職員研修を実施しており、同程度の割合で少なくとも1つのツールを実際に運用している。しかし、成熟度は大きく異なり、多くの展開事例は依然として試験段階にとどまっている。 
The evidence suggests that, while AI in audit is still maturing, institutions are deliberately investing in the preconditions for wider uptake: building the governance, skills and technical foundations that broader adoption will require.  この証拠は、監査におけるAIはまだ成熟段階にあるものの、各機構がより広範な導入に必要な前提条件、すなわちガバナンス、スキル、技術的基盤の構築に意図的に投資していることを示唆している。 
Infrastructure and capacity: Bridging the gap between pilots and production  インフラと能力:パイロットと本番運用とのギャップを埋める 
AI applications in public audit, spanning anomaly detection, predictive modelling, intelligent document processing and generative AI, demand robust, secure and interoperable technological environments. The consultations reveal a considerable gap between institutional ambition and available infrastructure, with hardware, software and data ecosystems varying sharply across participating institutions.  公的監査におけるAIの応用(異常検知、予測モデリング、インテリジェント文書処理、生成的AIなど)には、堅牢で安全かつ相互運用可能な技術環境が求められる。協議の結果、各機構の野心と利用可能なインフラの間には大きな隔たりがあり、ハードウェア、ソフトウェア、データエコシステムは参加機構によって大きく異なっていることが明らかになった。 
Although several SAIs have made meaningful progress in building AI-ready infrastructure, a pronounced divide persists between early experimentation and the scalable, production-grade environments needed for AI to fulfil its potential. Bridging this divide will be among the defining investment priorities of the coming years, especially as audit institutions move from piloting to integrating these tools into core processes.  いくつかのSAIはAI対応インフラの構築において有意義な進展を遂げているものの、初期の実験段階と、AIがその潜在能力を発揮するために必要なスケーラブルで本番環境レベルの環境との間には、依然として顕著な隔たりが存在する。この隔たりを埋めることは、今後数年間の決定的な投資優先事項の一つとなるだろう。特に、監査機構がこれらのツールのパイロット運用から、中核プロセスへの統合へと移行するにつれて、その重要性は高まる。 
Data governance: The foundation that AI cannot afford to lack  データガバナンス:AIにとって欠かすことのできない基盤 
Across all consulted institutions, data quality, accessibility and governance emerged as decisive factors shaping the success of AI initiatives. Fragmented systems, limited standardisation and weak interoperability constrain scalability and undermine confidence in AI outputs.  調査対象となったすべての機構において、データの品質、アクセス可能性、ガバナンスが、AIイニシアチブの成否を左右する決定的な要因として浮上した。システムの断片化、標準化の不足、相互運用性の低さは、拡張性を制約し、AIの出力に対する信頼を損なう。 
Global standards increasingly require public institutions to maintain data environments that are secure, interoperable and auditable. As the AI field evolves, data governance and infrastructure will remain the primary enabler of digital innovation. Oversight institutions that build for long-term interoperability and governance, not just short-term use cases, will be best positioned to adopt more sophisticated solutions in the years ahead. As audit bodies increasingly rely on AI to guide findings and controls, the integrity of the data on which these tools are built will also become even more critical.  国際標準は、公的機構に対し、安全で相互運用可能かつ監査可能なデータ環境を維持することをますます求めている。AI分野が進化するにつれ、データガバナンスとインフラはデジタルイノベーションの主要な推進力であり続けるだろう。短期的なユースケースだけでなく、長期的な相互運用性とガバナンスを見据えて体制を構築する監督機構こそが、今後数年間でより高度なソリューションを導入する上で最も有利な立場に立つことになる。 監査団体が調査結果や統制の指針としてAIへの依存度を高めるにつれ、これらのツールの基盤となるデータの完全性も、これまで以上に重要になるだろう。 
Shared challenges and emerging good practices  共通の課題と新たなベストプラクティス 
The participating institutions span a wide range of digital maturity, resource levels and organisational models. Despite this diversity, common obstacles recur: fragmented data systems, limited in-house technical expertise, and the absence of shared metrics for measuring AI impact. The report nonetheless documents genuine progress, cross-border collaboration, inclusive staff engagement and the emergence of internal governance frameworks tailored to responsible AI deployment.  参加機構は、デジタル成熟度、リソース水準、組織モデルにおいて幅広い範囲に及んでいる。こうした多様性にもかかわらず、断片化されたデータシステム、限られた内部の技術的専門知識、AIの影響を測定するための共通指標の欠如といった共通の障害が繰り返し見られる。それにもかかわらず、本報告書は、着実な進展、国境を越えた協力、包括的な職員の関与、そして責任あるAI展開に合わせた内部ガバナンスフレームワークの出現を記録している。 
Despite these constraints, there is strong evidence of innovation and institutional commitment across the participating organisations. Moving forward, continued investment in internal development capacity, robust data governance frameworks and international knowledge sharing will be essential to ensure that AI applications in public audit deliver meaningful impact while remaining aligned with public sector values of transparency, accountability and trust.    こうした制約があるにもかかわらず、参加組織全体において、イノベーションと組織的な取り組みの確かな兆候が見られる。今後、公的監査におけるAIの活用が、透明性、説明責任、信頼という公共部門の価値観に沿いながら、有意義な成果をもたらすためには、内部開発能力への継続的な投資、強固なデータガバナンスのフレームワーク、そして国際的な知識共有が不可欠となるだろう。   

 

 

 

 

 

 

 

 

 

| | Comments (0)

2026.05.15

Paloalto サイバーセキュリティにおけるフロンティアAIの影響:防御担当者向けガイド(2026年5月版)(2026.05.13)

こんにちは、丸山満彦です。

Paloaltoのブログで、Anthropic社のMythosやClaude Opus 4.7、OpenAI社のGPT-5.5-Cyberなど、最先端のAIモデルのテストをした結果を踏まえて、Anthropic社のClaude Mythosモデルは脆弱性を発見し、それをほぼリアルタイムで重大なエクスプロイト経路へと変換する能力に極めて優れているという明確な結論になったということを書いていますね...

個人的には

(1)脆弱性の迅速なトリアージ(業務影響の観点を組み込んた優先順位づけ、対応処理能力に合わせた閾値の設定、)

(2)迅速な対応(SBOM等をできる限り導入し、自動化を進めた迅速な脆弱性対応)

(3)被害の低減(侵入されある程度の被害が出る前提で、早期対応、隔離等により総合的な被害をできる限りおさえる)

という感じなのではないかなぁと思っています...

 

Paloalto視点...

対策の目次...

1. Find and Fix Vulnerabilities In Your Applications, Products and Code 1. アプリケーション、製品、コードの脆弱性を特定し、修正する
Find and fix before attackers find and exploit. 攻撃者が発見して悪用する前に、自ら発見し、修正する。
2. Assess, Reduce and Remediate Your Exposure 2. エクスポージャーのアセスメント、低減、是正を行う
Reduce what is reachable by attackers, secure what must be accessible, such as customer-facing applications. 攻撃者が到達可能な範囲を縮小し、顧客向けアプリケーションなど、アクセスが必要不可欠な部分を確実に保護する。
3. Ensure Attack Protections 3. 攻撃防御の徹底
Vulnerability exploits are typically just one step of a multi-step attack lifecycle. Ensuring best-in-class protections is now even more important for preventing breaches. 脆弱性の悪用は、通常、多段階の攻撃ライフサイクルにおける一工程に過ぎない。侵害を防ぐためには、最高水準の防御策を講じることがこれまで以上に重要となっている。
4. Deploy Real-Time Security Operations 4. リアルタイムのセキュリティ運用の展開
Autonomous AI-driven attacks will drive attack lifecycles to minutes requiring every SOC to achieve single-digit mean time to detect (MTTD) and mean time to respond (MTTR). 自律型AI駆動の攻撃により、攻撃ライフサイクルは数分単位へと短縮されるため、すべてのSOCにおいて、平均検知時間(MTTD)および平均対応時間(MTTR)を一桁台に短縮することが求められる。

 

参考になりますね...

 

Paloalto - Blog

・2026.05.13 Defender's Guide to the Frontier AI Impact on Cybersecurity: May 2026 Update

 

 

 

| | Comments (0)

金融庁 「AI脅威に対する金融分野のサイバーセキュリティ対策強化に関する官民連携会議」の作業部会の開催 (2026.05.14)

こんにちは、丸山満彦です。

金融庁が、「AI脅威に対する金融分野のサイバーセキュリティ対策強化に関する官民連携会議」の作業部会を開催することを公表していますね...

 

金融庁

・2026.05.14 「AI脅威に対する金融分野のサイバーセキュリティ対策強化に関する官民連携会議」の作業部会の開催について


...金融業界とIT事業者、政府・日本銀行等がAI技術の進展による脅威について共通の理解を持ち、対応を検討していくため、実務者レベルでの議論を深めることを目的とした作業部会を開催しました。

なお、「AI脅威に対する金融分野のサイバーセキュリティ対策強化に関する官民連携会議」の作業部会の詳細については、サイバーセキュリティに関する内容を含むため、非公表とします。


 

【作業部会参加組織】(五十音順)
金融機関等)
  • 株式会社セブン銀行
  • 株式会社日本取引所グループ
  • 株式会社みずほ銀行
  • 株式会社三井住友銀行
  • 株式会社三菱UFJ銀行
  • 楽天銀行株式会社
(IT ベンダー等)
  • アマゾン ウェブ サービス ジャパン合同会社
  • Anthropic Japan 合同会社
  • 株式会社 NTT データ
  • OpenAI Japan 合同会社
  • グーグル合同会社
  • 日本アイ・ビー・エム株式会社
  • 日本電気株式会社
  • 日本マイクロソフト株式会社
  • 株式会社野村総合研究所
  • 株式会社日立製作所
  • BIPROGY 株式会社
  • 富士通株式会社
(業界団体)
  • 一般社団法人金融 ISAC
  • 公益財団法人金融情報システムセンター
  • 一般社団法人生命保険協会
  • 一般社団法人全国銀行協会
  • 一般社団法人全国地方銀行協会
  • 一般社団法人全国信用金庫協会・
  • 株式会社しんきん情報システムセンター
  • 一般社団法人全国信用組合中央協会・
  • 全国信用協同組合連合会
  • 一般社団法人全国労働金庫協会・労働金庫連合会
  • 一般社団法人第二地方銀行協会
  • 一般社団法人日本損害保険協会
  • 日本証券業協会
(政府機関等)
  • AI セーフティ・インスティテュート
  • 国家サイバー統括室
  • 財務省
  • 日本銀行
  • 金融庁(事務局)

金融庁の窓口...

総合政策局リスク分析総括課ITサイバー・経済安全保障監理官室

1_20260515020901

 

 

 

| | Comments (0)

米国 NIST SP 800-70 第5版 IT製品向け国家チェックリストプログラム:チェックリストの利用者および開発者向けガイドライン (2026.05.08)

こんにちは、丸山満彦です。

NISTが、SP 800-70 Rev. 5 IT製品向け国家チェックリストプログラム:チェックリストの利用者および開発者向けガイドラインを公表していますね...

SP 800-37は、「権威あるセキュリティ設定チェックリストを一元化し、自動化・標準化を通じて、組織がリスクベースにシステムを安全構成できる基盤」を提供する、NIST主導の国家プログラムという感じですかね...

もともとIT 製品のデフォルト設定が脆弱である(機能性と相互運用性を優先する必要もあるため)問題があり、セキュアにするための実装チェックリストが必要であるが、ベンダーの任せていると項目や品質のばらつきが生じ、運用しにくいこと、また最新版がどれか分かりにくくなるなどの問題もあり、信頼できる中央レポジトリを作ろうという話になり、作成されているように思います。

そして、連邦政府は、調達するIT製品に対して共通セキュリティ構成チェックリストの使用を義務化した(連邦調達要件(FAR 39.101(Federal Acquisition Regulation 39.101)))。

でこれをセキュリティの自動化の流れもあり、機械可読な形式(SCAP)に統一しています...

SP 800‑70 は、NCPに準拠した “セキュリティ構成チェックリスト” を作成・公開・維持するための公式ガイドということになります...

 

● NIST - ITL

・2026.05.08 NIST SP 800-70 Rev. 5 National Checklist Program for IT Products: Guidelines for Checklist Users and Developers

 

NIST SP 800-70 Rev. 5 National Checklist Program for IT Products: Guidelines for Checklist Users and Developers NIST SP 800-70 第5版 IT製品向け国家チェックリストプログラム:チェックリストの利用者および開発者向けガイドライン
Abstract 概要
A security configuration checklist is a document that contains instructions, procedures, or machine-readable and executable content to configure an IT product to a specific risk posture for an operational environment, verify that the product has been configured properly, identify unauthorized configuration changes to the product, and/or produce artifacts that show the security posture of the product. Using these checklists can minimize the attack surface, reduce vulnerabilities, lessen the impact of successful attacks, and identify changes that might otherwise go undetected. NIST established the National Checklist Program (NCP) to facilitate the generation of security checklists from authoritative sources, centralize the location of checklists, and make checklists broadly accessible. This publication explains how to use the NCP to find and retrieve checklists and describes the policies, procedures, and general requirements for participation in the NCP. セキュリティ構成チェックリストとは、運用環境における特定のリスク態勢に合わせてIT製品を構成し、製品が適切に構成されていることを検証し、製品への不正な構成変更を識別し、および/または製品のセキュリティ態勢を示す成果物を作成するための、指示、手順、あるいは機械可読かつ実行可能なコンテンツを含む文書である。これらのチェックリストを使用することで、攻撃対象領域を最小限に抑え、脆弱性を低減し、攻撃が成功した場合の影響を軽減し、そうでなければ検出されなかったかもしれない変更を識別することができる。NISTは、信頼できる情報源からのセキュリティチェックリストの作成を促進し、チェックリストの保管場所を一元化し、チェックリストを広く利用可能にするために、National Checklist Program(NCP)を設立した。本書は、NCPを利用してチェックリストを検索・取得する方法を説明するとともに、NCPへの参加に関する方針、手順、および一般的な要件について記述している。

 

・[PDF] SP.800-70r5

20260514-233656

・[DOCX][PDF] 仮訳

 

 

目次...

Executive Summary エグゼクティブサマリー
1. Introduction 1. 序論
1.1. Purpose and Scope 1.1. 目的と範囲
1.2. Document Organization 1.2. 文書の構成
2. NIST National Checklist Program 2. NIST 国家チェックリストプログラム
2.1. Overview of the NCP 2.1. NCP の概要
2.2. Security Configuration Checklists 2.2. セキュリティ構成チェックリスト
2.3. Benefits of Using Security Checklists 2.3. セキュリティチェックリストの利用メリット
2.4. Additional Considerations 2.4. その他の考慮事項
2.4.1. Mapping and Acquisition Considerations 2.4.1. マッピングおよび導入に関する考慮事項
2.4.2. Selecting Checklists 2.4.2. チェックリストの選定
2.4.3. Checklist Considerations 2.4.3. チェックリストに関する考慮事項
2.5. Types of Checklists Listed by NCP 2.5. NCP に掲載されているチェックリストの種類
3. Operational Environments for Checklists 3. チェックリストの運用環境
3.1. Stand-Alone Environment 3.1. スタンドアロン環境
3.2. Managed Environment (Enterprise) 3.2. 管理環境(エンタープライズ)
3.3. Custom Environments 3.3. カスタム環境
3.3.1. Specialized Security-Limited Functionality Environment 3.3.1. 特殊セキュリティ・機能制限環境(SSLF)
3.3.2. Legacy Environment 3.3.2. レガシー環境( )
4. Checklist Usage 4. チェックリストの使用方法
4.1. Determining Local Requirements 4.1. 組織固有の要件の決定
4.2. Browsing and Retrieving Checklists 4.2. チェックリストの閲覧と取得
4.3. Reviewing, Customizing, Documenting, and Testing Checklists 4.3. チェックリストの確認、カスタマイズ、文書化、およびテスト
4.4. Applying Checklists to IT Products 4.4. IT製品へのチェックリストの適用
4.5. Providing Feedback on Checklists 4.5. チェックリストへのフィードバックの提供
5. Checklist Development 5. チェックリストの開発
5.1. Developer Steps for Creating, Testing, and Submitting Checklists 5.1. チェックリストの作成、テスト、および提出に関する開発者の手順
5.2. Initial Checklist Development 5.2. 初期チェックリストの開発
5.3. Checklist Testing 5.3. チェックリストのテスト
5.4. Checklist Documented 5.4. 文書化されたチェックリスト
5.5. Checklist Submitted to NIST 5.5. NISTに提出するチェックリスト
5.6. NIST Steps for Reviewing and Finalizing Checklists for Publication 5.6. 公開用チェックリストの審査および確定に関するNISTの手順
5.7. NIST Screening of the Checklist Package 5.7. チェックリストパッケージのNISTによる審査
5.8. Public Review and Feedback for the Candidate Checklist 5.8. 候補チェックリストに対する公開レビューとフィードバック
5.9. Final Listing on Checklist Repository 5.9. チェックリストリポジトリへの最終掲載
5.10. Checklist Maintenance and Archival 5.10. チェックリストの保守およびアーカイブ
References 参考文献
Appendix A. Checklist Program Operational Procedures 附属書A. チェックリストプログラム運用手順
A.1. Overview and General Considerations A.1. 概要および一般的な考慮事項
A.2. Checklist Submission and Screening A.2. チェックリストの提出とスクリーニング
A.3. Candidate Checklist Public Review A.3. 候補チェックリストの公開レビュー
A.4. Final Checklist Listing A.4. 最終チェックリストの掲載( )
A.5. Final Checklist Update, Archival, and Delisting A.5. 最終チェックリストの更新、アーカイブ、およびリストからの削除
A.6. Record Keeping A.6. 記録の保管
Appendix B. Participation and Logo Usage Agreement Form 附属書B. 参加およびロゴ使用同意書
Appendix C. Automating NIST CSF 2.0 附属書C. NIST CSF 2.0の自動化
C.1. How the Path Connects Policy to Automation C.1. ポリシーと自動化を結びつける経路
C.2. Implementation and Traceability C.2. 実装とトレーサビリティ
C.3. Checklist Development Guidance C.3. チェックリスト作成ガイダンス
C.4. Operational Environment Tailoring and Considerations C.4. 運用環境への適応と考慮事項
C.5. Checklist Submission and Maintenance C.5. チェックリストの提出と保守
C.6. Appendix References C.6. 附属書の参考文献
Appendix D. List of Symbols, Abbreviations, and Acronyms 附属書 D. 記号、略語、頭字語の一覧
Appendix E. Glossary 附属書E. 用語集
Appendix F. Change Log 附属書F. 変更履歴

 

 

エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー 
A security configuration checklist (also called a lockdown, hardening guide, or benchmark) is a series of instructions or procedures for securely configuring an IT product to a particular risk tolerance for an operational environment, verifying that the product has been configured properly, and/or identifying unauthorized changes to the product. The checklist may be for a commercial, open-source, or government-off-the-shelf (GOTS) IT product.  セキュリティ構成チェックリスト(ロックダウン、強化ガイド、またはベンチマークとも呼ばれる)とは、運用環境における特定のリスク許容度に合わせてIT製品を安全に構成し、製品が適切に構成されていることを確認し、および/または製品への不正な変更を識別するための一連の指示または手順である。このチェックリストは、商用、オープンソース、または政府調達既製品(GOTS)のIT製品を対象とする場合がある。 
Checklists can comprise a mix of templates, automated scripts, patch information, Extensible Markup Language (XML) files, and other procedures. Typically, checklists are created by IT vendors for their own products; however, checklists are also created by other organizations, such as academia, consortia, and government agencies. The use of well-written, standardized checklists can markedly reduce the attack surface and vulnerability exposure of IT products.  チェックリストは、テンプレート、自動化スクリプト、パッチ情報、XML(Extensible Markup Language)ファイル、その他の手順などを組み合わせて構成されることがある。通常、チェックリストはITベンダーが自社の製品向けに作成するが、学術機関、コンソーシアム、政府機関などの他の組織によって作成されることもある。適切に作成された標準化されたチェックリストを使用することで、IT製品の攻撃対象領域や脆弱性の露出を大幅に低減できる。 
NIST maintains the National Checklist Repository, a publicly available resource of security configuration checklists for IT products. The repository, [web], contains metadata describing each checklist and links to the website where a checklist is hosted. Having a centralized checklist repository makes it easier for organizations to find current, authoritative versions of security checklists and to determine which ones best meet their needs.  NISTは、IT製品向けのセキュリティ構成チェックリストを公開しているリソースである「National Checklist Repository」を管理している。このリポジトリ([web] )には、各チェックリストを説明するメタデータと、チェックリストがホストされているウェブサイトへのリンクが含まれている。チェックリストのリポジトリを一元化することで、組織は最新かつ信頼性の高いセキュリティチェックリストを容易に見つけ、自組織のニーズに最も適したものを判断できるようになる。 
This document is intended for users and developers of security configuration. For checklist users, this document makes recommendations on how they should select checklists from the NIST National Checklist Repository, evaluate and test checklists, and apply them to IT products. For checklist developers, this document sets forth the policies, procedures, and general requirements for participation in the NIST National Checklist Program (NCP).  本文書は、セキュリティ設定のユーザーおよび開発者を対象としている。チェックリストのユーザーに対しては、NIST National Checklist Repositoryからチェックリストを選択し、評価・テストを行い、IT製品に適用する方法について推奨事項を示す。チェックリストの開発者に対しては、NIST National Checklist Program(NCP)への参加に関する方針、手順、および一般的な要件を定める。 
Major recommendations made in this document for checklist users and developers include the following:  本文書において、チェックリストの利用者および開発者に対して提示される主な推奨事項は以下の通りである: 
• Organizations should apply checklists to operating systems and applications to reduce the number of weaknesses that can be exploited and to lessen the impact of security breaches, if they occur.  • 組織は、悪用される可能性のある脆弱性の数を減らし、万一セキュリティ侵害が発生した場合の影響を軽減するために、オペレーティングシステムやアプリケーションにチェックリストを適用すべきである。 
• When selecting checklists, users should carefully consider each checklist’s degree of automation, source, use of standards, and other relevant characteristics.  • チェックリストを選択する際、利用者は各チェックリストの自動化の程度、出典、標準規格の採用状況、およびその他の関連する特性を慎重に検討すべきである。 
• Checklist users should consider their operational environments when selecting checklists and should customize and test checklists in a non-production environment before applying them to production systems.  • チェックリストの利用者は、チェックリストを選定する際に自組織の運用環境を考慮し、本番システムに適用する前に、非本番環境でチェックリストをカスタマイズし、テストを行うべきである。 
• Checklist creators are encouraged to adopt a “catalog of controls” approach for products to facilitate custom checklist reuse.  • チェックリストの作成者は、カスタムチェックリストの再利用を容易にするため、製品に対して「制御カタログ」アプローチを採用することが推奨される。 
• IT product vendors are strongly encouraged to develop security configuration checklists for their products and contribute them to the NIST National Checklist Repository.  • IT 製品ベンダーは、自社製品向けのセキュリティ設定チェックリストを作成し、NIST 国家チェックリスト・リポジトリに提供することが強く推奨される。 
• Checklists should be incorporated into continuous monitoring and configuration results and deviation monitoring used in automated data feeds for near real-time posture checks. • チェックリストは、継続的な監視および設定結果、ならびにほぼリアルタイムのセキュリティ態勢チェックのための自動データフィードで使用される逸脱監視に組み込まれるべきである。 

 

 

 


 

国家チェックリストプログラム

・2017.02.15 National Checklist Program NCP

チェックリストのレポジトリ...

Checklist Repository

全部で883のチェックリストがあります(2026.05.14確認時)

例えば、MacOSOS (Tahoe) 26.0.0を選んだ画面...

20251213-103431

でマッチしたのが、

20260515-11146

https://ncp.nist.gov/repository?product=Apple+macOS+%28Tahoe%29+26.0.0&sortBy=modifiedDate%7Cdesc

 

上の方は、米国国防総省(DOD)の情報システムのセキュリティを向上させるためのツールとして公開されているもののようです。

で、これの下の方のリンクをクリックすると

・2025.09.17 Tahoe Guidance Revision 1.0 Checklist Details 

ダウンロード

・・[ZIP] Download ZIP - Tahoe Guidance, Revision 1.0

ダウンロードして内容を確認してみてくださいませ。充実した内容となっております...

こんな感じでファイルが格納されています...

20251213-140110

例えば、

SP800-53

・800-53r5_high.html (downloaded)

20251213-141956 

 

 

国家安全保障システム委員会 (Committee on National Security Systems; CNSS) 用のCNSSI-1253チェックリスト

・CNSSI - 1253_high.html (downloaded)

20251213-141801_20251213141801

 

Github

/macos_security

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2025.12.14 米国 NIST SP 800-70 第5版 (初期公開ドラフト) IT製品向け国家チェックリストプログラム:チェックリスト利用者および開発者向けガイドライン

 

 

 

 

 

| | Comments (0)

2026.05.14

米国 NIST IR 8323 Rev. 2(初期ドラフト) 基礎的PNTプロファイル:測位・航法・計時(PNT)サービスの責任ある利用に向けたサイバーセキュリティ・フレームワークの適用 (2026.05.06)

こんにちは、丸山満彦です。

NISTがIR 8323 Rev. 2(初期ドラフト) 基礎的PNTプロファイル:測位・航法・計時(PNT)サービスの責任ある利用に向けたサイバーセキュリティ・フレームワークの適用を公表し、意見募集をしていますね...

日本の事業者もPNTサービスの利用についてのリスクについてはよく考えておくべきですよね...米国のGPSや中国の北斗に技術的な障害がでたことがあったようにも思いますし、以前中国が、米国がGPSを妨害(ジャミング)していると批判したケースがありましたよね...

もし、GPSを含めてPNTが使えなくなった場合の事業継続については考えておくべきだろうと思います。もちろん、「そうなれば、昔通りにするんだ!」ということであればそれで良いのですが、その意思決定は組織として事前にしておくべきだろうということです...

ところで、PNTシステムにかなり依存している業務ってどのくらいあるのでしょうね...

測位・航法情報でいうと

・輸送・物流(航空、海事、自動車、鉄道...)とかはかなり依存しているよね...

・マイニング、建設、測量(ドローン)

・災害対策(位置情報...)

・地震予知計測

時間でいうと

・通信・放送、電力、金融取引、天文観測とかも依存していますよね

といった分野ですかね...

 

NIST - ITL

・2026.05.06 NIST IR 8323 Rev. 2 (Initial Public Draft) Foundational PNT Profile: Applying the Cybersecurity Framework for the Responsible Use of Positioning, Navigation, and Timing (PNT) Services

NIST IR 8323 Rev. 2 (Initial Public Draft) Foundational PNT Profile: Applying the Cybersecurity Framework for the Responsible Use of Positioning, Navigation, and Timing (PNT) Services NIST IR 8323 Rev. 2(初期ドラフト) 基礎的PNTプロファイル:測位・航法・計時(PNT)サービスの責任ある利用に向けたサイバーセキュリティ・フレームワークの適用
Announcement 通知
This profile helps organizations manage risks to systems, networks, and assets that use PNT services, such as Global Positioning Systems (GPS), public NIST and United States Naval Observatory (USNO) Network Time Protocol (NTP) servers, commercial services, and internal systems. 本プロファイルは、組織が、全地球測位システム(GPS)、NISTおよび米国海軍天文台(USNO)の公開ネットワークタイムプロトコル(NTP)サーバー、商用サービス、内部システムなど、PNTサービスを利用するシステム、ネットワーク、および資産に対するリスクを管理するのに役立つ。
Originally developed based on NIST Cybersecurity Framework version 1.1, this profile has been updated to align with the NIST CSF 2.0 and includes updated references to standards, guidelines, and practices to provide practical guidelines to help an organization achieve the desired outcome for each Subcategory in the profile.  当初はNISTサイバーセキュリティフレームワークバージョン1.1に基づいて開発されたが、本プロファイルはNIST CSF 2.0に準拠するよう更新されており、組織がプロファイル内の各サブカテゴリーにおいて望ましい成果を達成できるよう支援する実践的な指針を提供するため、標準、ガイドライン、および実践例への参照が更新されている。
Organizations can apply the Profile to govern cybersecurity risk management, identify systems dependent on PNT, identify appropriate PNT sources, protect PNT user equipment from adversaries, detect anomalies and manipulation of PNT services, and respond to and recover from PNT service disruptions. 組織はこのプロファイルを適用し、サイバーセキュリティリスクマネジメントのガバナンス、PNTに依存するシステムの特定、適切なPNTソースの特定、敵対者からのPNTユーザー機器の防御、PNTサービスの異常や改ざんの検知、およびPNTサービスの中断への対応と復旧を行うことができる。
We encourage you to review the revised publication draft and submit comments until July 6, 2026, using the instructions provided on the project page. NIST is seeking targeted feedback to ensure the profile is practical and aligned to real-world use. 改訂版公開ドラフトを確認し、プロジェクトページに記載された手順に従って、2026年7月6日までにコメントを提出することを推奨する。NISTは、本プロファイルが実用的であり、実世界の利用状況に合致していることを確認するため、具体的なフィードバックを求めている。
Specific questions are included in the draft document. In particular, we are interested in:   ドラフト文書には具体的な質問が記載されている。特に、以下の点に関心がある:
・Whether additional references to support PNT systems and data, or additional Categories or Subcategories from NIST CSF 2.0 should be added  ・PNTシステムおよびデータを支援するための追加の参照先、あるいはNIST CSF 2.0からの追加のカテゴリーやサブカテゴリーを追加すべきかどうか
・How emerging technologies (including AI) impact the use of PNT systems and data  ・新興技術(AIを含む)がPNTシステムおよびデータの利用に与える影響
・Whether the profile appropriately addresses third-party and data dependency risks ・本プロファイルが、サードパーティおよびデータ依存のリスクに適切に対処しているか否か
Abstract 概要
The national and economic security of the United States (U.S.) is dependent upon the reliable operation and responsible use of Positioning, Navigation, and Timing (PNT) services. This document provides the Cybersecurity Framework (CSF) Version 2.0 Community Profile developed for supporting positioning, navigation, and timing (PNT) services and can be used as part of a risk management program to help organizations manage risks to systems, networks, and assets that use PNT services. The PNT Profile is intended to be broadly applicable and can serve as a foundation for the development of sector-specific guidance. This PNT Profile provides a flexible framework for users of PNT to manage risks when forming and using PNT signals and data, which are susceptible to disruptions and manipulations that can be natural, manufactured, intentional, or unintentional. 米国の国家安全保障および経済安全保障は、測位・航法・計時(PNT)サービスの信頼性の高い運用と責任ある利用に依存している。本書は、測位・航法・計時(PNT)サービスを支援するために策定されたサイバーセキュリティ・フレームワーク(CSF)バージョン2.0コミュニティ・プロファイルを提供するものであり、組織がPNTサービスを利用するシステム、ネットワーク、および資産に対するリスクを管理するためのリスクマネジメントプログラムの一環として活用できる。本PNTプロファイルは、広範に適用されることを意図しており、セクター固有のガイダンス策定の基礎となり得る。本PNTプロファイルは、PNTの利用者に対し、自然災害、人為的要因、意図的または非意図的な操作による妨害や改ざんを受けやすいPNT信号やデータを形成・利用する際のリスクを管理するための柔軟なフレームワークを提供する。

 

・[PDF] IR.8323r2.ipd

20260514-53850

 

 

 

 

エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー
The PNT Profile provides a flexible framework for users of PNT services to manage risks when forming or using PNT signals or data, which are susceptible to disruptions and manipulations that can be natural, manufactured, intentional, or unintentional. It was created by applying the NIST Cybersecurity Framework (CSF) version 2.0 and can be applied to all organizations that use PNT services, irrespective of the level of familiarity or knowledge that they have with the NIST CSF. Organizations that have fully or partially adopted, or who have not adopted the NIST CSF can benefit by considering and adopting the recommendations in the Profile. Organizations can apply the PNT Profile within risk management programs to protect their systems and assets from the disruption or manipulation of PNT services and data. The Profile is intended to guide users in establishing responsible strategies for managing PNT cybersecurity risks.  PNTプロファイルは、PNTサービスの利用者が、自然災害、人為的要因、意図的または非意図的な要因による妨害や改ざんの影響を受けやすいPNT信号やデータを生成・利用する際に、リスクを管理するための柔軟なフレームワークを提供する。本プロファイルは、NISTサイバーセキュリティフレームワーク(CSF)バージョン2.0を適用して作成されたものであり、NIST CSFに対する習熟度や知識の有無にかかわらず、PNTサービスを利用するすべての組織に適用可能である。NIST CSFを完全または部分的に採用している組織、あるいは未採用の組織であっても、本プロファイルの推奨事項を検討・採用することで恩恵を受けることができる。組織は、リスクマネジメントプログラムの一環としてPNTプロファイルを適用し、PNTサービスやデータの混乱や改ざんから自組織のシステムや資産を保護することができる。本プロファイルは、PNTサイバーセキュリティリスクを管理するための責任ある戦略を策定する際、ユーザーを導くことを目的としている。
The PNT Profile is voluntary and does not: constitute regulations, define mandatory practices, provide a checklist for compliance, or carry statutory authority. It is intended to be a foundational set of guidelines. Sector Risk Management Agencies (SRMAs) and entities may wish to augment or further develop their own PNT cybersecurity efforts via full or partial implementation of the recommended practices in this document. Any implementation of its recommendations will not necessarily protect organizations from all PNT disruption or manipulation. Each organization is encouraged to make their risk management decisions in the context of their own cyber ecosystem, architecture, and components. The PNT Profile’s strategic focus is to supplement preexisting resilience measures and elevate the postures of less mature initiatives.  PNTプロファイルは任意のものであり、規制を構成したり、義務的な慣行を定義したり、コンプライアンスのためのチェックリストを提供したり、法的認可を有したりするものではない。これは、基礎的なガイドラインのセットとなることを意図している。セクター・リスク管理機関(SRMA)および事業体は、本書で推奨される実践を全面的または部分的に実施することにより、独自のPNTサイバーセキュリティ対策を強化または発展させることが望ましい。推奨事項を実施したからといって、必ずしも事業体がすべてのPNTの混乱や改ざんから防御されるわけではない。各事業体は、自事業体のサイバーエコシステム、アーキテクチャ、および構成要素の文脈において、リスクマネジメント上の意思決定を行うことが推奨される。PNTプロファイルの戦略的焦点は、既存のレジリエンス対策を補完し、成熟度の低い取り組みの態勢を向上させることにある。
This revision updates the PNT Profile to align with the NIST CSF 2.0. CSF 2.0 can serve all organizations, regardless of sector or size, with the objective to provide accessible and actionable guidance for all users, including but not limited to critical infrastructures, private industry, and small businesses. Organizations can apply the profile to align their PNT use with their broader enterprise risk management strategy. Because PNT services can be critical to modern services and operations, key updates from the previous version include the integration of the CSF Govern Function, updates to Functions, and Categories to reflect the need for executive-level risk management strategies and oversight to achieve PNT resilience. PNT services often rely on external suppliers, such as the satellites’ signals and the third-party manufacturers of receivers and antennas. CSF 2.0 elevates cybersecurity supply chain risk management in the Govern  本改訂版は、NIST CSF 2.0に整合させるためPNTプロファイルを更新したものである。CSF 2.0は、重要インフラ、民間企業、中小企業を含む(ただしこれらに限定されない)すべてのユーザーに対し、アクセスしやすく実行可能なガイダンスを提供することを目的としており、セクターや規模を問わずあらゆる組織に活用できる。組織はこのプロファイルを適用し、自社のPNT利用を、より広範なエンタープライズリスクマネジメント戦略と整合させることができる。PNTサービスは現代のサービスや運用において極めて重要となり得るため、前バージョンからの主な更新点には、CSFガバナンス機能の統合、およびPNTレジリエンスを達成するための経営層レベルのリスクマネジメント戦略と監督の必要性を反映した機能およびカテゴリーの更新が含まれる。PNTサービスは、衛星信号や受信機・アンテナのサードパーティ製造事業者など、外部サプライヤーに依存することが多い。CSF 2.0では、「ガバナンス」
function. Updates to informative references have also been made throughout the document to reflect the latest guidance and risk mitigations.   機能において、サイバーセキュリティのサプライチェーンリスクマネジメントの重要性を高めている。また、最新のガイダンスやリスク緩和策を反映するため、文書全体を通じて参考資料の更新も行われた。

 

目次...

Executive Summary エグゼクティブサマリー
1. Introduction 1. 序論
1.1. Purpose and Objectives 1.1. 目的と目標
1.2. Scope 1.2. 適用範囲
1.3. Audience 1.3. 対象読者
2. Intended Use 2. 使用目的
3. Overview 3. 概要
3.1. Risk Management Overview 3.1. リスクマネジメントの概要
3.2. Cybersecurity Framework Overview 3.2. サイバーセキュリティ・フレームワークの概要
4. The PNT Profile 4. PNTプロファイル
4.1. Govern Function 4.1. ガバナンス機能
4.1.1. Organizational Context (GV.OC) 4.1.1. 組織的文脈 (GV.OC)
4.1.2. Risk Management Strategy (GV.RM) 4.1.2. リスクマネジメント戦略 (GV.RM)
4.1.3. Roles, Responsibilities and Authorities (GV.RR) 4.1.3. 役割、責任および権限 (GV.RR)
4.1.4. Supply Chain Risk Management (GV.SC) 4.1.4. サプライチェーンリスクマネジメント (GV.SC)
4.2. Identify Function 4.2. 識別機能
4.2.1. Asset Management (ID.AM) 4.2.1. 資産管理 (ID.AM)
4.2.2. Risk Assessment (ID.RA) 4.2.2. リスクアセスメント (ID.RA)
4.2.3. Improvement (ID.IM) 4.2.3. 改善 (ID.IM)
4.3. Protect Function 4.3. 防御機能
4.3.1. Identity Management, Authentication and Access Control (PR.AA) 4.3.1. アイデンティティ管理、認証/アクセス制御 (PR.AA)
4.3.2. Awareness and Training (PR.AT) 4.3.2. 意識向上およびトレーニング (PR.AT)
4.3.3. Data Security (PR.DS) 4.3.3. データセキュリティ (PR.DS)
4.3.4. Platform Security (PR.PS) 4.3.4. プラットフォームセキュリティ (PR.PS)
4.3.5. Technology Infrastructure Resilience (PR.IR) 4.3.5. 技術インフラのレジリエンス (PR.IR)
4.4. Detect Function 4.4. 検知機能
4.4.1. Continuous Monitoring (DE.CM) 4.4.1. 継続的監視 (DE.CM)
4.4.2. Anomalies and Events (DE.AE) 4.4.2. 異常とイベント (DE.AE)
4.5. Respond Function 4.5. 対応機能
4.5.1. Incident Management (RS.MA) 4.5.1. インシデント管理 (RS.MA)
4.5.2. Incident Analysis (RS.AN) 4.5.2. インシデント分析 (RS.AN)
4.5.3. Incident Response and Communication (RS.CO) 4.5.3. インシデント対応およびコミュニケーション (RS.CO)
4.5.4. Incident Mitigation (RS.MI) 4.5.4. インシデントの緩和 (RS.MI)
4.6. Recover Function 4.6. 復旧機能
4.6.1. Incident Recovery Plan Execution (RC.RP) 4.6.1. インシデント復旧計画の実行 (RC.RP)
References 参考文献
Appendix A. Selected Bibliography 附属書A. 選定文献一覧
Appendix B. List of Symbols, Abbreviations, and Acronyms 附属書B. 記号、略語、頭字語一覧
Appendix C. Glossary 附属書C. 用語集
Appendix D. Applying the PNT Profile to Cybersecurity Risk Management 附属書D. PNTプロファイルのサイバーセキュリティリスクマネジメントへの適用
List of Tables 表一覧
Table 1. Cybersecurity Framework Functions and Categories 表1. サイバーセキュリティ・フレームワークの機能とカテゴリー
Table 2. Govern - Organizational Context Subcategories Applicable to PNT 表2. ガバナンス - PNTに適用可能な組織的文脈のサブカテゴリー
Table 3. Govern - Risk Management Applicable to PNT 表3. ガバナンス - PNTに適用可能なリスクマネジメント
Table 4. Govern - Roles, Responsibilities and Authorities Subcategories Applicable to PNT 表4. ガバナンス - PNTに適用可能な役割、責任、権限のサブカテゴリー
Table 5. Govern - Supply Chain Risk Management Subcategories Applicable to PNT 表5. ガバナンス - PNTに適用可能なサプライチェーンリスクマネジメントのサブカテゴリー
Table 6. Identify - Asset Management Subcategories Applicable to PNT 表6. 識別 - PNTに適用可能な資産管理のサブカテゴリー
Table 7. Identify - Risk Assessment Subcategories Applicable to PNT 表7. 識別 - PNTに適用可能なリスクアセスメントのサブカテゴリー
Table 8. Identify - Improvement Subcategories Applicable to PNT 表8. 識別 - PNTに適用可能な改善のサブカテゴリー
Table 9. Protect - Access Control Categories Applicable to PNT 表9. 防御 - PNTに適用可能なアクセス管理のカテゴリー
Table 10. Protect - Awareness and Training Subcategory Applicable to PNT 表10. 防御 - PNTに適用可能な意識向上およびトレーニングのサブカテゴリー
Table 11. Protect - Data Security Subcategories Applicable to PNT 表11. 防御 - PNTに適用されるデータセキュリティのサブカテゴリー
Table 12. Protect - Platform Security Subcategories Applicable to PNT 表12. 防御 - PNTに適用されるプラットフォームセキュリティのサブカテゴリー
Table 13. Protect - Technology Infrastructure Resilience Applicable to PNT 表13. 防御 - PNTに適用される技術インフラのレジリエンス
Table 14. Detect - Security Continuous Monitoring Subcategories Applicable to PNT 表14. 検知 - PNTに適用されるセキュリティの継続的なモニタリングのサブカテゴリー
Table 15. Detect - Anomalies and Events Subcategories Applicable to PNT 表15. 検知 - PNTに適用される異常とイベントのサブカテゴリー
Table 16. Respond - Incident Management Subcategories Subcategory Applicable to PNT 表16. 対応 - インシデント管理サブカテゴリー PNTに適用されるサブカテゴリー
Table 17. Respond - Incident Analysis Subcategories Applicable to PNT 表17. 対応 - インシデント分析 PNTに適用されるサブカテゴリー
Table 18. Respond - Communications Subcategories Applicable to PNT 表18. 対応 - コミュニケーション PNTに適用されるサブカテゴリー
Table 19. Respond - Incident Mitigation Subcategories Applicable to PNT 表19. 対応 - インシデント緩和 PNTに適用されるサブカテゴリー
Table 20. Recover - Incident Recovery Plan Execution Subcategories Applicable to PNT 表20. 復旧 - インシデント復旧計画の実行 PNTに適用可能なサブカテゴリー
Table 21. Applying the PNT Profile to User Risk Management 表21. ユーザーリスクマネジメントへのPNTプロファイルの適用
List of Figures 図一覧
Fig. 1. Example of How the PNT Profile Applies to GNSS 図1. PNTプロファイルがGNSSに適用される例
Fig. 2. Cybersecurity Framework Subcategory Example 図2. サイバーセキュリティフレームワークのサブカテゴリー例
Fig. 3. Organizational PNT Profile Creation Process 図3. 組織におけるPNTプロファイル作成プロセス
Fig. 4. Components of the PNT Profile 図4. PNTプロファイルの構成要素

 

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2023.02.04 NIST NISTIR 8323 Rev. 1 基礎的なPNTプロファイル:測位・航法・計時(PNT)サービスの責任ある使用のためのサイバーセキュリティ・フレームワークの適用 (2023.01.31)

・2022.07.06 NISTIR 8323 Rev. 1 (ドラフト) 基礎的な PNT プロファイル:測位・航法・計時(PNT)サービスの責任ある使用のためのサイバーセキュリティフレームワークの適用 (2022.06.29)

 

・2021.02.13 NIST NISTIR 8323 基本的なPNTプロファイル:測位・航法・計時(PNT)サービスの責任ある使用のためのサイバーセキュリティフレームワークの適用

・2020.10.23 NISTが測位・航法・計時(PNT)に関連するサービスに関連したセキュリティプロファイルに関する文書(NISTIR 8323)のパブコメを募集していますね。

 

 

| | Comments (0)

米国 NIST SP 800-38F Rev. 1(初期ドラフト) プレドラフトに対する意見募集:ブロック暗号利用モードに関する推奨事項:鍵ラップの手法 (2026.05.05)

こんにちは、丸山満彦です。

NISTがSP 800-38F ブロック暗号利用モードに関する推奨事項:鍵ラップの手法の改訂にあたって、初期段階の意見募集をしています。

改訂の主な目的は以下の2点

  • TKWの仕様は、その基盤となるブロック暗号であるTDEAがもはや承認されていないため、削除すべきである。

  • 3.1節における、承認済み暗号化モードと承認済み認証方式の不特定な組み合わせの承認については、再検討すべきである。なぜなら、そのような組み合わせは、認証付き暗号化のための完全に規定された方式と比較して、予期せぬセキュリティ上の脆弱性を生じさせる可能性があるからである。(詳細 )

 

 

NIST - ITL

1_20260514045101

・2026.05.05 NIST SP 800-38F Rev. 1 (Initial Preliminary Draft) PRE-DRAFT Call for Comments: Recommendation for Block Cipher Modes of Operation: Methods for Key Wrapping

 

NIST SP 800-38F Rev. 1 (Initial Preliminary Draft) PRE-DRAFT Call for Comments: Recommendation for Block Cipher Modes of Operation: Methods for Key Wrapping NIST SP 800-38F Rev. 1(初期ドラフト) プレドラフトに対する意見募集:ブロック暗号利用モードに関する推奨事項:鍵ラップの手法
Announcement お知らせ
NIST plans to revise Special Publication (SP) 800-38F, Recommendation for Block Cipher Modes of Operation: Methods for Key Wrapping (2012), and is soliciting preliminary feedback. NISTは、特別刊行物(SP)800-38F『ブロック暗号利用モードに関する推奨事項:鍵ラップの手法』(2012年)を改訂する予定であり、予備的なフィードバックを募集している。
The following are the two main goals for the revision: 改訂の主な目的は以下の2点である:
1. The specification of TKW should be removed because its underlying block cipher, TDEA, is no longer approved. 1. TKWの仕様は、その基盤となるブロック暗号であるTDEAがもはや承認されていないため、削除すべきである。
2. The approval in Section 3.1 of unspecified combinations of an approved encryption mode with an approved authentication method should be revisited because such combinations may introduce unexpected security vulnerabilities compared to fully specified methods for authenticated encryption.  (See the NIST page on authentication for block cipher modes for more information, including links to some of the relevant security analysis.) 2. 第3.1節における、承認済み暗号化モードと承認済み認証方式の不特定な組み合わせの承認については、再検討すべきである。なぜなら、そのような組み合わせは、認証付き暗号化のための完全に規定された方式と比較して、予期せぬセキュリティ上の脆弱性を生じさせる可能性があるからである。(関連するセキュリティ分析へのリンクを含む詳細については、ブロック暗号モードの認証に関するNISTのページを参照のこと。)
NIST requests feedback on all aspects of this publication, especially the following questions: NISTは、本出版物のあらゆる側面、特に以下の質問についてフィードバックを求めている:
・What ad hoc combinations—approved encryption mode and approved authentication method—are currently implemented, in practice? ・現在、実務上、どのようなアドホックな組み合わせ(承認済み暗号化モードと承認済み認証方式)が実装されているか?
・Should NIST limit the approval to an explicit set of such combinations that occur within prominent protocols? ・NISTは、主要なプロトコル内で使用されるような、そのような組み合わせの明示的なセットに限定して承認すべきか?

 

現在の文書は...

・2012.12.13 NIST SP 800-38F Recommendation for Block Cipher Modes of Operation: Methods for Key Wrapping

・[PDF] SP.800-38F

 

SP800-38シリーズ...

SP 800-38A Recommendation for Block Cipher Modes of Operation: Methods and Techniques ブロック暗号利用モードに関する推奨事項:手法と技術
SP 800-38B Recommendation for Block Cipher Modes of Operation: the CMAC Mode for Authentication ブロック暗号利用モードに関する推奨事項:認証のためのCMACモード
SP 800-38C Recommendation for Block Cipher Modes of Operation: the CCM Mode for Authentication and Confidentiality ブロック暗号利用モードに関する推奨事項:認証および機密性のためのCCMモード
SP 800-38D Recommendation for Block Cipher Modes of Operation: Galois/Counter Mode (GCM) and GMAC ブロック暗号利用モードに関する推奨事項:ガロア・カウンターモード(GCM)およびGMAC
SP 800-38E Recommendation for Block Cipher Modes of Operation: the XTS-AES Mode for Confidentiality on Storage Devices ブロック暗号利用モードに関する推奨事項:ストレージデバイスにおける機密性確保のためのXTS-AESモード
SP 800-38F Recommendation for Block Cipher Modes of Operation: Methods for Key Wrapping ブロック暗号利用モードに関する推奨事項:キーラッピングの手法
SP 800-38G Recommendation for Block Cipher Modes of Operation: Methods for Format-Preserving Encryption ブロック暗号利用モードに関する推奨事項:フォーマット保持暗号化の手法

 

 


 

● まるちゃんの情報セキュリティ気まぐれ日記

・2024.09.14 米国 NIST IR 8459 NIST SP 800-38シリーズにおけるブロック暗号利用モードに関する報告書 (2024.09.10)

| | Comments (0)

2026.05.13

米国 NIST SP 800-234(初期公開ドラフ) ハイパフォーマンス・コンピューティング(HPC)セキュリティオーバーレイ (2026.05.04)

こんにちは、丸山満彦です。

NISTがSP 800-234(初期公開ドラフト) ハイパフォーマンス・コンピューティング(HPC)セキュリティオーバーレイを公表し、意見募集をしていますね...

AI開発にもHPCは重要で、そのためのセキュリティも重要となります...

SP 800-53Bで定義された中程度のベースラインをベースに、HPCのコンテキストでの適用性を高めるために、60のセキュリティ対策に補足的なガイダンスや考察を加えたものということです...

ちなみに、NISTのHPCについての文書

Release Date Series Number Title Status
2026.05.04 SP 800-234 High-Performance Computing (HPC) Security Overlay Final
2025.05.01 SP 800-234 High-Performance Computing (HPC) Security Overlay Draft (obsolete)
2024.02.09 SP 800-223 High-Performance Computing Security: Architecture, Threat Analysis, and Security Posture Final
2023.09.26 IR 8476 3rd High-Performance Computing Security Workshop: Joint NIST-NSF Workshop Report Final
2023.02.06 SP 800-223 High-Performance Computing (HPC) Security: Architecture, Threat Analysis, and Security Posture Draft (obsolete)

 

・[DOCX][PDF] 仮訳

 

● NIST - ITL

・2026.05.04  NIST SP 800-234 High-Performance Computing (HPC) Security Overlay

NIST SP 800-234 High-Performance Computing (HPC) Security Overlay NIST SP 800-234 ハイパフォーマンス・コンピューティング(HPC)セキュリティ・オーバーレイ
Abstract 概要
High-performance computing (HPC) systems provide fundamental computing infrastructure for large-scale and complex simulations, big data analysis, and the training of artificial intelligence (AI) and machine learning (ML) models, all at exceptional speeds. Securing HPC systems is essential to safeguard AI models, protect sensitive data, and realize the full benefits of HPC. The HPC system utilizes specialized hardware, software, and high-speed networks within intricate user environments, and high performance is a fundamental requirement of the system. This NIST Special Publication introduces an HPC security overlay designed to address these unique security characteristics and requirements. Built on the moderate baseline defined in NIST SP 800-53B, the overlay tailors 60 security controls from NIST SP 800-53 with supplemental guidance and/or discussion to enhance their applicability in HPC contexts. This overlay aims to provide practical, performance-conscious security guidance that can be readily adopted. For many organizations, it offers a robust foundation for securing HPC environments while also allowing for further customization to meet specific operational or mission needs. This document is intended for use by IT security managers, compliance officers, HPC system administrators, and agency program managers responsible for securing HPC environments. ハイパフォーマンス・コンピューティング(HPC)システムは、大規模かつ複雑なシミュレーション、ビッグデータ分析、および人工知能(AI)や機械学習(ML)モデルのトレーニングに対し、いずれも極めて高速な処理能力で、基盤となる計算インフラを提供する。HPCシステムのセキュリティ確保は、AIモデルを保護し、機密データを防御し、HPCの利点を最大限に引き出すために不可欠である。HPCシステムは、複雑なユーザー環境内で専用のハードウェア、ソフトウェア、および高速ネットワークを利用しており、高い性能はシステムの基本的な要件である。本NIST 特別刊行物は、こうした独自のセキュリティ特性と要件に対処するために設計されたHPCセキュリティオーバーレイを紹介するものである。NIST SP 800-53Bで定義された中程度のベースラインに基づいて構築されたこのオーバーレイは、NIST SP 800-53の60のセキュリティ制御を、HPC環境における適用性を高めるための補足的なガイダンスや考察を加えて調整したものである。このオーバーレイは、容易に採用可能な、実用的かつパフォーマンスを意識したセキュリティガイダンスを提供することを目的としている。多くの組織にとって、これはHPC環境を保護するための強固な基盤を提供すると同時に、特定の運用上またはミッション上のニーズを満たすためのさらなるカスタマイズも可能にするものである。本ドキュメントは、HPC環境のセキュリティ確保を担当するITセキュリティ管理者、コンプライアンス担当者、HPCシステム管理者、および政府機関のプログラムマネージャーを対象としている。

 

・[PDF] SP.800-234

20260513-21611

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2025.05.05 米国 NIST SP 800-234(初期公開ドラフト) ハイパフォーマンス・コンピューティング(HPC)セキュリティオーバーレイ (2025.05.01)

・2024.02.13 NIST SP 800-223 高性能コンピューティング(HPC)セキュリティ:アーキテクチャ、脅威の分析、およびセキュリティ状態

・2023.09.30 NIST IR 8476 第3回 高性能コンピューティングセキュリティワークショップ: NIST-NSF合同ワークショップ報告書

・2023.07.21 CSA ハイパフォーマンス・コンピューティング机上演習ガイド

・2023.02.08 NIST SP 800-223 (ドラフト) 高性能コンピューティング(HPC)セキュリティ:アーキテクチャ、脅威の分析、およびセキュリティ状態

 

| | Comments (0)

2026.05.12

英国 AISI AI安全報告書 2026 (2026.02.03)

こんにちは、丸山満彦です。

英国のAISIのAI安全報告書 2026です。昨年度に続いての公表となりますね...

2月に公表されていたのに、気づくのが遅れたのですが、重要な報告書ですよね...きっと...

ポイントとしては、

  • AIの進歩は極めて速く、その能力向上は予測困難かつ不均一であるため、常に最新の科学的知見に基づいたリスク評価が必要である。
  • 技術的な安全策(ガードレール)は現状では不完全であり、悪用や予期せぬ誤作動を完全に防ぐことはできない
  • 悪用・誤作動・システミックリスクは既に現実化しつつあり、能力向上とともに深刻化する可能性が高い。
  • リスクを最小化しつつAIの恩恵を享受するためには、技術的対策、制度的規制、そして社会全体のレジリエンスを統合した「多層的な防御戦略」を国際協力の下で構築しなければならない。
  • 政策立案者は、証拠が不十分な段階でも将来の深刻なリスクを回避するために先見的な行動をとる必要がある。

書いていることは当たり前で、その通りではあるが、具体的にどのような対応をすべきかが難しいのでしょうね...

 

UK. AISI 

International AI Safety Report

 

報告書

・2026.02.03 International AI Safety Report 2026 [PDF]

20260512-25052

 

目次...

Contributors  貢献者
Acknowledgements 謝辞
Forewords まえがき
About this Report 本報告書について
Key developments since the 2025 Report 2025年報告書以降の主な動向
Executive summary エグゼクティブサマリー
Introduction 序論
1. Background on general-purpose AI 1. 汎用AIの背景
1.1. What is general-purpose AI? 1.1. 汎用AIとは何か
1.2. Current capabilities 1.2. 現在の能力
1.3. Capabilities by 2030 1.3. 2030年までの能力
2. Risks 2. リスク
2.1. Risks from malicious use 2.1. 悪意ある利用によるリスク
2.1.1. AI-generated content and criminal activity 2.1.1. AI生成コンテンツと犯罪活動
2.1.2. Influence and manipulation 2.1.2. 影響力と操作
2.1.3. Cyberattacks 2.1.3. サイバー攻撃
2.1.4. Biological and chemical risks 2.1.4. 生物学的・化学的リスク
2.2. Risks from malfunctions 2.2. 誤動作によるリスク
2.2.1. Reliability challenges 2.2.1. 信頼性の課題
2.2.2. Loss of control 2.2.2. 制御の喪失
2.3. Systemic risks 2.3. システミックリスク
2.3.1. Labour market impacts 2.3.1. 労働市場への影響
2.3.2. Risks to human autonomy 2.3.2. 人間の自律性に対するリスク
3. Risk management 3. リスクマネジメント
3.1. Technical and institutional challenges 3.1. 技術的および制度的課題
3.2. Risk management practices 3.2. リスクマネジメントの実践
3.3. Technical safeguards and monitoring 3.3. 技術的セーフガードとモニタリング
3.4. Open-weight models 3.4. オープンウェイトモデル
3.5. Building societal resilience 3.5. 社会のレジリエンスの構築
Conclusion 結論
Glossary 用語集
How to cite this report 本報告書の引用方法
References 参考文献

 

2025年からの動向...

Key developments since the 2025 Report 2025年報告書以降の主な動向
Notable developments since the publication of the first International AI Safety Report in January 2025. 2025年1月に第1回国際AI安全報告書が公表されて以来の注目すべき動向。
General-purpose AI capabilities have continued to improve, especially in mathematics, coding, and autonomous operation. Leading AI systems achieved gold-medal performance on International Mathematical Olympiad questions. In coding, AI agents can now reliably complete some tasks that would take a human programmer about half an hour, up from under 10 minutes a year ago. Performance nevertheless remains ‘jagged’, with leading systems still failing at some seemingly simple tasks. 汎用AIの能力は、特に数学、コーディング、自律動作の分野で改善し続けている。主要なAIシステムは、国際数学オリンピックの問題において金メダル級の成績を収めた。コーディング分野では、AIエージェントが、人間のプログラマーなら約30分かかるようなタスクを確実に完了できるようになった。これは1年前の10分未満からさらに改善されたものである。とはいえ、性能には依然として「ばらつき」があり、最先端のシステムであっても一見単純なタスクで失敗することがある。
Improvements in general-purpose AI capabilities increasingly come from techniques applied after a model’s initial training. These ‘post-training’ techniques include refining models for specific tasks and allowing them to use more computing power when generating outputs. At the same time, using more computing power for initial training continues to also improve model capabilities. 汎用AI能力の改善は、モデルの初期学習後に適用される技術によってもたらされるケースが増えている。こうした「トレーニング後」の手法には、特定のタスク向けにモデルを微調整したり、出力を生成する際により多くの計算能力を使えるようにしたりすることが含まれる。同時に、初期トレーニングにより多くの計算能力を投入することも、モデルの能力向上につながり続けている。
AI adoption has been rapid, though highly uneven across regions. AI has been adopted faster than previous technologies like the personal computer, with at least 700 million people now using leading AI systems weekly. In some countries over 50% of the population uses AI, though across much of Africa, Asia, and Latin America adoption rates likely remain below 10%. AIの普及は急速に進んでいるが、地域によってその進み具合には大きなばらつきがある。AIの普及速度はパソコンなどの従来の技術よりも速く、現在では少なくとも7億人が毎週、最先端のAIシステムを利用している。一部の国では人口の50%以上がAIを利用しているが、アフリカ、アジア、ラテンアメリカの多くの地域では、普及率は依然として10%未満にとどまっている可能性が高い。
Advances in AI’s scientific capabilities have heightened concerns about misuse in biological weapons development. Multiple AI companies chose to release new models in 2025 with additional safeguards after pre-deployment testing could not rule out the possibility that they could meaningfully help novices develop such weapons. AIの科学的機能の進歩により、生物兵器開発における悪用への懸念が高まっている。複数のAI企業は、展開前のテストでは、初心者がそのような兵器を開発するのを実質的に助ける可能性を排除できなかったため、2025年に追加の安全対策を施した新モデルをリリースすることを選択した。
More evidence has emerged of AI systems being used in real-world cyberattacks. Security analyses by AI companies indicate that malicious actors and state-associated groups are using AI tools to assist in cyber operations. 実世界のサイバー攻撃においてAIシステムが使用されているという証拠がさらに明らかになった。AI企業によるセキュリティ分析によれば、悪意ある攻撃者や国家と関連するグループが、サイバー作戦を支援するためにAIツールを利用していることが示されている。
Reliable pre-deployment safety testing has become harder to conduct. It has become more common for models to distinguish between test settings and real-world deployment, and to exploit loopholes in evaluations. This means that dangerous capabilities could go undetected before deployment. 信頼性の高い導入前の安全性テストの実施は困難になっている。モデルがテスト環境と実環境の展開を区別し、評価の抜け穴を悪用することがより一般的になってきた。これは、危険な機能が導入前に検出されない可能性があることを意味する。
Industry commitments to safety governance have expanded. In 2025, 12 companies published or updated Frontier AI Safety Frameworks – documents that describe how they plan to manage risks as they build more capable models. Most risk management initiatives remain voluntary, but a few jurisdictions are beginning to formalise some practices as legal requirements. 安全ガバナンスに対する産業界の取り組みは拡大している。2025年には、12社が「フロンティアAI安全フレームワーク」を公表または更新した。これは、より高性能なモデルを構築する際に、どのようにリスクを管理するかを記述した文書である。リスクマネジメントの取り組みの多くは依然として自主的なものだが、一部の管轄区域では、いくつかの慣行を法的要件として正式に定め始めている。

 

エグゼクティブサマリー...

Executive Summary エグゼクティブサマリー
This Report assesses what general-purpose AI systems can do, what risks they pose, and how those risks can be managed. It was written with guidance from over 100 independent experts, including nominees from more than 30 countries and international organisations, such as the EU, OECD, and UN. Led by the Chair, the independent experts writing it jointly had full discretion over its content. 本報告書は、汎用AIシステムが何ができるか、どのようなリスクをもたらすか、そしてそれらのリスクをどのように管理できるかを評価するものである。本報告書は、30カ国以上およびEU、OECD、国連などの国際機関から指名された100名を超える独立専門家らの指導のもとで作成された。議長が主導し、共同執筆した独立専門家らは、その内容について完全な裁量権を有していた。
This Report focuses on the most capable general-purpose AI systems and the emerging risks associated with them. ‘General-purpose AI’ refers to AI models and systems that can perform a wide variety of tasks. ‘Emerging risks’ are risks that arise at the frontier of general-purpose AI capabilities. Some of these risks are already materialising, with documented harms; others remain more uncertain but could be severe if they materialise. 本報告書は、最も高性能な汎用AIシステムと、それらに関連する新たなリスクに焦点を当てている。「汎用AI」とは、多種多様なタスクを実行できるAIモデルおよびシステムを指す。「新興リスク」とは、汎用AIの能力の最前線で生じるリスクである。これらのリスクの一部はすでに現実のものとなっており、被害事例も記録されている。一方で、不確実性は高いものの、現実化した場合には深刻な事態を招きかねないリスクもある。
The aim of this work is to help policymakers navigate the ‘evidence dilemma’ posed by general-purpose AI. AI systems are rapidly becoming more capable, but evidence on their risks is slow to emerge and difficult to assess. For policymakers, acting too early can lead to entrenching ineffective interventions, while waiting for conclusive data can leave society vulnerable to potentially serious negative impacts. To alleviate this challenge, this Report synthesises what is known about AI risks as concretely as possible while highlighting remaining gaps. 本報告書の目的は、政策立案者が汎用AIによって提起される「エビデンスのジレンマ」に対処できるよう支援することにある。AIシステムの能力は急速に向上しているが、そのリスクに関する証拠は遅々として現れず、評価も困難である。政策立案者にとって、早すぎる対応は効果のない介入を定着させる恐れがある一方、決定的なデータを待つことは、社会を潜在的に深刻な悪影響に対して脆弱な状態に置くことになる。この課題を緩和するため、本報告書はAIリスクに関する既知の知見を可能な限り具体的に統合するとともに、残るギャップを浮き彫りにする。
While this Report focuses on risks, general-purpose AI can also deliver significant benefits. These systems are already being usefully applied in healthcare, scientific research, education, and other sectors, albeit at highly uneven rates globally. But to realise their full potential, risks must be effectively managed. Misuse, malfunctions, and systemic disruption can erode trust and impede adoption. The governments attending the AI Safety Summit initiated this Report because a clear understanding of these risks will allow institutions to act in proportion to their severity and likelihood. 本報告書はリスクに焦点を当てているが、汎用AIは大きな利益ももたらし得る。これらのシステムは、世界的に見て導入の進捗に大きなばらつきはあるものの、医療、科学研究、教育、その他の分野ですでに有益に活用されている。しかし、その潜在能力を最大限に引き出すためには、リスクを効果的に管理しなければならない。誤用、誤動作、およびシステム的な混乱は、信頼を損ない、普及を妨げる可能性がある。AI安全サミットに参加した各国政府が本報告書の作成を主導したのは、これらのリスクを明確に理解することで、各機構がその深刻度と発生確率に見合った対応をとれるようになるためである。
Capabilities are improving rapidly but unevenly 能力は急速に、しかし不均一に向上している
Since the publication of the 2025 Report, general-purpose AI capabilities have continued to improve, driven by new techniques that enhance performance after initial training. AI developers continue to train larger models with improved performance. Over the past year, they have further improved capabilities through ‘inference-time scaling’: allowing models to use more computing power in order to generate intermediate steps before giving a final answer. This technique has led to particularly large performance gains on more complex reasoning tasks in mathematics, software engineering, and science. 2025年報告書の公表以来、初期学習後の性能を向上させる新技術に牽引され、汎用AIの能力は向上し続けている。AI開発者は、性能が向上したより大規模なモデルの学習を続けている。過去1年間、彼らは「推論時のスケーリング」を通じて能力をさらに向上させた。これは、モデルが最終的な答えを出す前に、中間ステップを生成するためにより多くの計算能力を使用できるようにするものである。この技術により、数学、ソフトウェア工学、科学におけるより複雑な推論タスクにおいて、特に大きな性能向上がもたらされた。
At the same time, capabilities remain ‘jagged’: leading systems may excel at some difficult tasks while failing at other, simpler ones. General-purpose AI systems excel in many complex domains, including generating code, creating photorealistic images, and answering expert-level questions in mathematics and science. Yet they struggle with some tasks that seem more straightforward, such as counting objects in an image, reasoning about physical space, and recovering from basic errors in longer workflows. 一方で、能力には依然として「ばらつき」が見られる。最先端のシステムは、一部の困難なタスクでは卓越した性能を発揮する一方で、他のより単純なタスクでは失敗することもある。汎用AIシステムは、コード生成、フォトリアリスティックな画像の作成、数学や科学における専門家レベルの質問への回答など、多くの複雑な分野で優れた性能を発揮している。しかし、画像内の物体の計数、物理空間に関する推論、長いワークフローにおける基本的なエラーからの回復など、一見単純に見えるタスクには苦戦している。
The trajectory of AI progress through 2030 is uncertain, but current trends are consistent with continued improvement. AI developers are betting that computing power will remain important, having announced hundreds of billions of dollars in data centre investments. Whether capabilities will continue to improve as quickly as they recently have is hard to predict. Between now and 2030, it is plausible that progress could slow or plateau (e.g. due to bottlenecks in data or energy), continue at current rates, or accelerate dramatically (e.g. if AI systems begin to speed up AI research itself). 2030年までのAIの進歩の軌跡は不透明だが、現在の傾向は継続的な改善と一致している。AI開発者は、コンピューティング能力が今後も重要であり続けると見込んでおり、データセンターへの投資として数千億ドル規模の計画を発表した。能力が最近と同じペースで向上し続けるかどうかは予測が難しい。現在から2030年にかけて、進歩が鈍化または頭打ちになる(例:データやエネルギーのボトルネックによる)、現在のペースで継続する、あるいは劇的に加速する(例:AIシステムがAI研究そのものを加速し始めた場合)といった可能性が考えられる。
Real-world evidence for several risks is growing いくつかのリスクに関する実世界の証拠が増えている
General-purpose AI risks fall into three categories: malicious use, malfunctions, and systemic risks. 汎用AIのリスクは、悪意ある利用、誤動作、システム的リスクの3つのカテゴリーに分類される。
Malicious use 悪意のある利用
AI-generated content and criminal activity: AI systems are being misused to generate content for scams, fraud, blackmail, and non-consensual intimate imagery. Although the occurrence of such harms is well-documented, systematic data on their prevalence and severity remains limited. AI生成コンテンツと犯罪活動:AIシステムは、詐欺、不正行為、恐喝、および同意のない性的画像の生成に悪用されている。こうした被害の発生は十分に記録されているものの、その蔓延度や深刻度に関する体系的なデータは依然として限られている。
Influence and manipulation: In experimental settings, AI-generated content can be as effective as human-written content at changing people's beliefs. Real-world use of AI for manipulation is documented but not yet widespread, though it may increase as capabilities improve. 影響力と操作:実験環境において、AI生成コンテンツは、人々の信念を変えるという点で、人間が書いたコンテンツと同等の効果を発揮し得る。現実世界におけるAIを用いた操作の事例は報告されているが、まだ広まってはいない。ただし、能力の改善に伴い増加する可能性がある。
Cyberattacks: AI systems can discover software vulnerabilities and write malicious code. In one competition, an AI agent identified 77% of the vulnerabilities present in real software. Criminal groups and state-associated attackers are actively using general-purpose AI in their operations. Whether attackers or defenders will benefit more from AI assistance remains uncertain. サイバー攻撃:AIシステムはソフトウェアの脆弱性を発見し、悪意のあるコードを作成できる。あるコンテストでは、AIエージェントが実際のソフトウェアに存在する脆弱性の77%を特定した。犯罪組織や国家と関連する攻撃者は、その活動において汎用AIを積極的に利用している。AIの支援からより多くの利益を得るのは攻撃者か防御者かについては、依然として不透明だ。
Biological and chemical risks: General-purpose AI systems can provide information about biological and chemical weapons development, including details about pathogens and expert-level laboratory instructions. In 2025, multiple developers released new models with additional safeguards after they could not exclude the possibility that these models could assist novices in developing such weapons. It remains difficult to assess the degree to which material barriers continue to constrain actors seeking to obtain them. 生物・化学的リスク:汎用AIシステムは、病原体の詳細や専門家レベルの研究室での操作手順など、生物・化学兵器の開発に関する情報を提供し得る。2025年、複数の開発者は、これらのモデルが初心者の兵器開発を助長する可能性を排除できなかったため、追加の安全対策を施した新モデルをリリースした。こうした兵器を入手しようとする主体に対し、物質的な障壁がどの程度制約を課し続けているかを評価することは依然として困難である。
Malfunctions 誤動作
Reliability challenges: Current AI systems sometimes exhibit failures such as fabricating information, producing flawed code, and giving misleading advice. AI agents pose heightened risks because they act autonomously, making it harder for humans to intervene before failures cause harm. Current techniques can reduce failure rates but not to the level required in many high-stakes settings. 信頼性の課題:現在のAIシステムは、情報の捏造、欠陥のあるコードの生成、誤解を招く助言の提供といった不具合を時折示す。AIエージェントは自律的に動作するためリスクが高まり、不具合が被害をもたらす前に人間が介入することが難しくなる。現在の技術では不具合発生率を低減できるが、多くのハイリスクな状況で求められる水準には達していない。
Loss of control: ‘Loss of control’ scenarios are scenarios where AI systems operate outside of anyone’s control, with no clear path to regaining control. Current systems lack the capabilities to pose such risks, but they are improving in relevant areas such as autonomous operation. Since the last Report, it has become more common for models to distinguish between test settings and real-world deployment and to find loopholes in evaluations, which could allow dangerous capabilities to go undetected before deployment. 制御喪失: 「制御喪失」シナリオとは、AIシステムが誰の制御も及ばない状態で動作し、制御を取り戻す明確な道筋がない状況を指す。現在のシステムにはそのようなリスクをもたらす能力はないが、自律動作などの関連分野では能力が改善されている。前回の報告書以降、モデルがテスト環境と実環境の展開を区別したり、評価の抜け穴を見つけたりすることがより一般的になっており、これにより、展開前に危険な能力が見過ごされる可能性がある。
Systemic risks システミックリスク
Labour market impacts: General-purpose AI will likely automate a wide range of cognitive tasks, especially in knowledge work. Economists disagree on the magnitude of future impacts: some expect job losses to be offset by new job creation, while others argue that widespread automation could significantly reduce employment and wages. Early evidence shows no effect on overall employment, but some signs of declining demand for early-career workers in some AI-exposed occupations, such as writing. 労働市場への影響:汎用AIは、特に知識労働において、幅広い認知的タスクを自動化する可能性が高い。経済学者たちは将来的な影響の規模について意見が分かれている。雇用喪失は新たな雇用の創出によって相殺されると予想する者もいれば、広範な自動化が雇用と賃金を大幅に減少させると主張する者もいる。初期の証拠では、雇用全体への影響は見られないが、執筆などAIの影響を受けやすい一部の職種において、キャリア初期の労働者に対する需要が減少している兆候が見られる。
Risks to human autonomy: AI use may affect people’s ability to make informed choices and act on them. Early evidence suggests that reliance on AI tools can weaken critical thinking skills and encourage ‘automation bias’, the tendency to trust AI system outputs without sufficient scrutiny. ‘AI companion’ apps now have tens of millions of users, a small share of whom show patterns of increased loneliness and reduced social engagement. 人間の自律性に対するリスク:AIの利用は、人々が十分な情報に基づいて選択を行い、それに基づいて行動する能力に影響を及ぼす可能性がある。初期の証拠によると、AIツールへの依存は批判的思考能力を弱め、「自動化バイアス」——十分な検証なしにAIシステムの出力を信頼する傾向——を助長する恐れがある。「AIコンパニオン」アプリは現在数千万人のユーザーを抱えており、そのごく一部において、孤独感の増大や社会的関与の減少といった傾向が見られる。
Layering multiple approaches offers more robust risk management 複数のアプローチを組み合わせることで、より強固なリスクマネジメントが可能になる
Managing general-purpose AI risks is difficult due to technical and institutional challenges. Technically, new capabilities sometimes emerge unpredictably, the inner workings of models remain poorly understood, and there is an ‘evaluation gap’: performance on pre-deployment tests does not reliably predict real-world utility or risk. Institutionally, developers have incentives to keep important information proprietary, and the pace of development can create pressure to prioritise speed over risk management and makes it harder for institutions to build governance capacity. 汎用AIのリスクマネジメントは、技術的および機構的な課題により困難である。技術的には、新たな機能が予期せず出現することがあり、モデルの内部構造は依然として十分に理解されておらず、「評価のギャップ」が存在する。つまり、展開前のテストにおける性能は、実世界での有用性やリスクを確実に予測するものではない。制度的には、開発者には重要な情報を非公開にしておくインセンティブがあり、開発のペースが速いことでリスクマネジメントよりもスピードを優先せざるを得ない圧力がかかり、機構がガバナンス能力を構築することが難しくなる。
Risk management practices include threat modelling to identify vulnerabilities, capability evaluations to assess potentially dangerous behaviours, and incident reporting to gather more evidence. In 2025, 12 companies published or updated their Frontier AI Safety Frameworks – documents that describe how they plan to manage risks as they build more capable models. While AI risk management initiatives remain largely voluntary, a small number of regulatory regimes are beginning to formalise some risk management practices as legal requirements. リスクマネジメントの実践には、脆弱性を特定するための脅威モデリング、潜在的に危険な振る舞いを評価するための機能評価、そしてより多くの証拠を収集するためのインシデント報告が含まれる。2025年、12社が「フロンティアAI安全フレームワーク」を公表または更新した。これは、より高性能なモデルを構築する中で、どのようにリスクを管理するかを記述した文書である。AIリスクマネジメントの取り組みは依然として主に自主的なものだが、少数の規制体制において、一部のリスクマネジメント実践を法的要件として正式化しつつある。
Technical safeguards are improving but still show significant limitations. For example, attacks designed to elicit harmful outputs have become more difficult, but users can still sometimes obtain harmful outputs by rephrasing requests or breaking them into smaller steps. AI systems can be made more robust by layering multiple safeguards, an approach known as ‘defence-in-depth’. 技術的な安全対策は改善されているものの、依然として重大な限界がある。例えば、有害な出力を引き出すことを目的とした攻撃はより困難になったが、ユーザーはリクエストの言い回しを変えたり、より小さなステップに分割したりすることで、依然として有害な出力を得られる場合がある。AIシステムは、「多層防御」として知られるアプローチにより、複数の安全対策を積み重ねることで、より堅牢にすることができる。
Open-weight models pose distinct challenges. They offer significant research and commercial benefits, particularly for lesser-resourced actors. However, they cannot be recalled once released, their safeguards are easier to remove, and actors can use them outside of monitored environments – making misuse harder to prevent and trace. オープンウェイトモデルは特有の課題をもたらす。これらは、特にリソースの限られた主体にとって、研究面および商業面で大きなメリットを提供する。しかし、一度公開されると回収できず、安全対策の解除も容易であり、監視外の環境で使用される可能性があるため、悪用を防止・追跡することがより困難になる。
Societal resilience plays an important role in managing AI-related harms. Because risk management measures have limitations, they will likely fail to prevent some AI-related incidents. Societal resilience-building measures to absorb and recover from these shocks include strengthening critical infrastructure, developing tools to detect AI-generated content, and building institutional capacity to respond to novel threats. AI関連の被害を管理する上で、社会のレジリエンスは重要な役割を果たす。リスクマネジメント措置には限界があるため、一部のAI関連のインシデントを防ぐことはできないだろう。こうした衝撃を吸収し、そこから回復するための社会的レジリエンス構築策には、重要インフラの強化、AI生成コンテンツを検知するツールの開発、そして新たな脅威に対応するための機構的能力の構築などが含まれる。

 

AI Agentについても用語集で定義っぽいことを書いていますね...

AI agent: An AI system that can adaptively perform complex tasks, use tools, and interact with its environment – for example, by creating files, taking actions on the Web, or delegating tasks to other agents – to pursue goals with little to no human oversight. AIエージェント:人間の監督をほとんど、あるいは全く必要とせずに目標を追求するため、複雑なタスクを適応的に実行し、ツールを使用し、環境と相互作用できるAIシステム。例えば、ファイルの作成、Web上でのアクションの実行、他のエージェントへのタスクの委任などを行う。

1_20260512023001

Updates on AI agents AIエージェントに関する最新情報
Since the last Report (January 2025), advances in how developers combine AI models with tools have enabled the development of increasingly powerful AI agents. AI agents are designed to pursue goals, which are often specified by users in natural language. To achieve these goals, they are given access to tools, such as memory, a computer interface, and web browsers. These tools and the code used to combine them with the model are referred to as ‘scaffolding’, and they help AI agents autonomously interact with the world, make plans, remember important details, and pursue goals88 89 with much less oversight or assistance from humans. For example, Manus AI is a popular AI agent that can automate various tasks, including Web search, software development, and online purchases.90 Figure 1.3 illustrates a simple example of an AI agent composed of a general-purpose AI model ‘brain’ that can iteratively plan, reason, and use tools for memory, web browsing, and computer use. 前回のレポート(2025年1月)以降、開発者がAIモデルとツールを組み合わせる手法が進歩したことで、ますます高性能なAIエージェントの開発が可能になった。AIエージェントは目標を達成するよう設計されており、その目標は多くの場合、ユーザーによって自然言語で指定される。これらの目標を達成するため、AIエージェントにはメモリ、コンピュータインターフェース、ウェブブラウザなどのツールへのアクセス権が与えられる。これらのツールと、それらをモデルと組み合わせるために使用されるコードは「スキャフォールディング」と呼ばれ、AIエージェントが自律的に外界とやり取りし、計画を立て、重要な詳細を記憶し、人間の監督や支援を大幅に減らして目標を追求するのを助ける88 89。例えば、Manus AIは、ウェブ検索、ソフトウェア開発、オンライン購入など、様々なタスクを自動化できる人気のAIエージェントである。90 図1.3は、反復的に計画を立て、推論を行い、記憶、ウェブ閲覧、コンピュータ利用のためのツールを使用できる汎用AIモデル「脳」で構成されるAIエージェントの簡単な例を示している。
Digital infrastructure for AI agents is expanding,91 and they are increasingly common across industries.92 93 94 AI agents have been developed for tasks such as research,37 software engineering,95 robotic control,96 and customer service.97 Ongoing research and development has resulted in steadily more capable and more autonomous AI agents or multi-agent systems. Researchers have estimated that the complexity of software benchmark tasks that AI agents can accomplish doubles approximately every seven months (see also §1.2. Current capabilities).98 Experts argue that increasingly capable AI agents will give rise to both major opportunities and risks99 100 (see §2.2.1. Reliability challenges). AIエージェントのためのデジタルインフラは拡大しており、91 業界を問わずその普及が進んでいる。92 93 94AIエージェントは、研究、37 ソフトウェア工学、95 ロボット制御、96 およびカスタマーサービスなどのタスク向けに開発されてきた。97 継続的な研究開発により、着実に能力が高く自律性の高いAIエージェントやマルチエージェントシステムが生み出されている。研究者らの推定によると、AIエージェントが達成可能なソフトウェアベンチマークタスクの複雑さは、およそ7ヶ月ごとに倍増している(§1.2. 現在の能力も参照)。98 専門家らは、能力が高まるAIエージェントが、大きな機会とリスクの両方をもたらすと指摘している99 100§2.2.1. 信頼性の課題を参照)。

 

 

・2026.02.03 2026 Report: Extended Summary for Policymakers [PDF]

20260512-25352

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2025.02.03 英国 AI安全報告書 2025

 

 

Continue reading "英国 AISI AI安全報告書 2026 (2026.02.03)"

| | Comments (0)

2026.05.11

欧州委員会 AI法第50条に基づく特定のAIシステムに対する透明性義務の実施に関するドラフトガイドライン案 (2026.05.08)

こんにちは、丸山満彦です。

欧州委員会が、AI法第50条に基づく特定のAIシステムに対する透明性義務の実施に関するドラフトガイドライン案を公表し、意見募集をしていますね...

なりすまし・偽情報・操作・詐欺リスクを低減し、デジタル情報環境への信頼と誠実さを守ることは重要なことで、AIが生成・仲介する情報や対話において、人々がそれをAI由来と認識できるよう、事業者(提供者・運用者)は明確な情報開示を行う法的義務を負うということをしっかり認識しといてや、、、AI法の第50条の透明性の義務は、2026年8月2日から適用やで...ということですかね...

 

規定  AIシステム/出力の種類  透明性義務  例外または特別措置 
第50条(1)   自然人との直接的な相互作用  提供者は、当該自然人がAIシステムと相互作用していることを認識できるよう、AIシステムを開発・設計しなければならない。  人工的な相互作用が明らかである場合、またはシステムが犯罪の検知、防止、捜査、または起訴を行うことを法律により許可されている場合。ただし、犯罪の通報のためにシステムが一般に公開されている場合は除く。 
第50条(2)  生成的画像、動画、音声、またはテキストコンテンツの生成または操作  提供者は、AI システムの出力が機械可読形式でマークされ、効果的、相互運用可能、堅牢かつ信頼性の高い技術的ソリューションを用いて、人工的に生成または操作されたものであることが検知可能であることを確保しなければならない。   AI システムが標準的な編集の補助機能を果たす場合、または入力データやその意味内容を実質的に変更しない場合、あるいは当該システムが犯罪行為の検知、防止、捜査、または起訴を行うことを法律により認可されている場合。 
第50条(3)  感情認識または生体認証による分類   導入者は、システムにさらされる自然人に対し、その動作について通知しなければならない。  当該システムが、犯罪行為の検知、防止、または捜査を行うことが法律で認められている場合。 
第50条(4)  公共の利益に関わる事項について一般市民に情報を提供するために公開されたディープフェイクやテキストを生成または改変すること 導入者は、そのコンテンツが人工的に生成または改変されたものであることを開示しなければならない。  システムが、犯罪行為の検知、防止、調査、または起訴を行うことを法律で認められている場合、あるいはテキストの公開が人間のレビューまたは編集管理を経ており、編集上の責任の対象となっている場合。 
芸術的、創造的、虚構的、 風刺的、または類似の作品や番組には、特別な開示制度が適用される。 

 

これ、読むとわかりますが、実際の運用が大変ですよね...

明らかに...とか言われてもどこまでであれば、明らかなのか?とか、判断に迷う局面が多く出てきそうで、実際の運用においては、その判断の根拠を残しておかないといけないのでしょうね...にしては、罰金の限度額が大きかったりするしね...(よほど悪質でないと最高額にはならないとは思いますが...)

あと、マークをつけるというのも、改竄されないように...とか考えると実際は簡単では内容にも思います。そして、時間がない?

中国の運用を参考にしますかね...

 

● European Commissioner

・2026.05.08 Draft of the guidelines on the implementation of the transparency obligations for certain AI systems under Article 50 of the AI Act

Draft of the guidelines on the implementation of the transparency obligations for certain AI systems under Article 50 of the AI Act AI法第50条に基づく特定のAIシステムに対する透明性義務の実施に関するドラフトガイドライン
These guidelines aim to be practical guidance to assist competent authorities, as well as providers and deployers of AI systems, in ensuring compliance with the transparency obligations under Article 50 AI Act in a consistent, effective and uniform manner. 本ガイドラインは、所管当局およびAIシステムのプロバイダ・導入者が、AI法第50条に基づく透明性義務を、一貫性があり、効果的かつ統一的な方法で遵守できるよう支援するための実践的な指針となることを目的としている。
The Commission prepared these guidelines in parallel to the Code of Practice on marking and labelling of AI-generated content. The guidelines clarify the scope of the legal obligations and addressing aspects not covered by the code. 欧州委員会は、AI生成コンテンツの表示・ラベル付けに関する行動規範と並行して、本ガイドラインを作成した。本ガイドラインは、法的義務の範囲を明確にし、行動規範でカバーされていない側面に対処するものである。
You can download the draft guidelines below. We invite stakeholders to participate in a targeted consultation on these draft guidelines until June 3. ガイドラインドラフトは以下からダウンロードできる。関係者の皆様には、6月3日まで本ガイドラインドラフトに関する対象を絞った意見募集に参加するよう呼びかけている。

 

・[PDF]

20260511-34016

・[DOCX][PDF] 仮訳

 

目次...

1. BACKGROUND AND OBJECTIVES 1. 背景と目的
2. OVERVIEW OF THE TRANSPARENCY OBLIGATIONS AND HORIZONTAL TOPICS 2. 透明性義務および横断的課題の概要
2.1. Overview of the transparency obligations in Article 50 AI Act 2.1. AI法第50条における透明性義務の概要
2.2. Rationale and objectives 2.2. 根拠および目的
2.3. Responsible actors under Article 50 AI Act 2.3. AI法第50条に基づく責任ある主体
2.4. Exclusions from the scope of the AI Act 2.4. AI法の適用除外
2.4.1. Purely personal non-professional activity 2.4.1. 純粋に個人的かつ非職業的な活動
2.4.2. Research & Development 2.4.2. 研究開発
2.4.3. AI systems released under free and open-source licences 2.4.3. フリーおよびオープンソースライセンスの下で公開されたAIシステム
2.5. Interplay with the prohibited practices and the requirements for high-risk AI systems 2.5. 禁止行為および高リスクAIシステムに対する要件との相互関係
2.6. Interplay with rules applicable to general-purpose AI models and/or systems 2.6. 汎用AIモデルおよび/またはシステムに適用される規則との相互関係
3. ARTICLE 50(1) AI ACT: TRANSPARENCY FOR INTERACTIVE AI SYSTEMS 3. AI法第50条第1項:対話型AIシステムの透明性
3.1. Main components, concepts and related transparency obligation(s) 3.1. 主な構成要素、概念および関連する透明性義務
3.1.1. AI systems intended to interact directly with natural persons 3.1.1. 自然人と直接対話することを意図したAIシステム
3.1.2. Information obligation under Article 50(1) AI Act 3.1.2. AI法第50条第1項に基づく情報提供義務
3.2. Exceptions to the information obligation under Article 50(1) AI Act 3.2. AI法第50条第1項に基づく情報提供義務の例外
3.2.1. Exception for obvious interaction with an AI system 3.2.1. AIシステムとの明らかな対話に関する例外
3.2.2. Exception for AI systems authorised by law for law enforcement purposes 3.2.2. 法執行目的で法律により認可されたAIシステムに対する例外
3.3. Interplay with other Union legal acts 3.3. 他のEU法との相互関係
4. ARTICLE 50(2) AI ACT: MARKING AND DETECTION OF AI-GENERATED OR MANIPULATED CONTENT 4. AI法第50条第2項:AI生成または操作されたコンテンツの表示および検知
4.1. Main components and concepts of Article 50(2) AI Act 4.1. AI法第50条第2項の主要な構成要素と概念
4.1.1. AI systems generating or manipulating synthetic content 4.1.1. 合成コンテンツを生成または操作する生成的AIシステム
4.1.2. Modalities of synthetic content in scope 4.1.2. 適用対象となる合成コンテンツの形態
4.1.3. Content outside the scope of Article 50(2) AI Act 4.1.3. AI法第50条第2項の適用範囲外のコンテンツ
4.2. The marking and detection obligation of Article 50(2) AI Act 4.2. AI法第50条第2項の表示および検知義務
4.2.1. The marking element 4.2.1. 表示の要素
4.2.2. The detection element 4.2.2. 検知要素
4.2.3. Compliance with the requirements for technical solution(s): effective, interoperable, robust and reliable 4.2.3. 技術的ソリューションに関する要件の遵守:有効性、相互運用性、堅牢性、信頼性
4.3. Exceptions to the obligations under Article 50(2) AI Act 4.3. AI法第50条第2項に基づく義務の例外
4.4. Interplay with other Union legal acts 4.4. 他のEU法との相互関係
5. ARTICLE 50(3) AI ACT: EMOTION RECOGNITION SYSTEMS AND BIOMETRIC CATEGORISATION SYSTEMS 5. AI法第50条(3):感情認識システムおよび生体認証分類システム
5.1. Main components, concepts and related transparency obligation(s) under Article 50(3) AI Act 5.1. 人工知能法第50条第3項に基づく主要な構成要素、概念および関連する透明性義務
5.1.1. The notion of an emotion recognition system 5.1.1. 感情認識システムの概念
5.1.2. The notion of a biometric categorisation system 5.1.2. 生体認証分類システムの概念
5.1.3. The information obligation under Article 50(3) AI Act 5.1.3. AI法第50条第3項に基づく情報提供義務
5.2. Out of scope 5.2. 適用除外
5.3. Interplay with other Union legal acts 5.3. 他のEU法との相互関係
6. ARTICLE 50 (4): LABELLING OF DEEP FAKES AND CERTAIN TEXT PUBLICATIONS 6. 第50条(4):ディープフェイクおよび特定のテキスト出版物の表示
6.1. Main components, concepts and related transparency obligation(s) for deep fakes under Article 50(4) AI Act 6.1. AI法第50条第4項に基づくディープフェイクに関する主な構成要素、概念および関連する透明性義務
6.1.1. The notion of ‘deep fake’ 6.1.1. 「ディープフェイク」の概念
6.1.2. The disclosure obligation under Article 50 (4), subparagraph 1 AI Act 6.1.2. AI法第50条第4項第1号に基づく開示義務
6.1.3. Transparency of artistic, creative, satirical, fictional or analogous deep fake content 6.1.3. 芸術的、創造的、風刺的、架空の、または類似のディープフェイクコンテンツの透明性
6.1.4. Exception for law enforcement 6.1.4. 法執行機関に対する例外
6.1.5. Interplay with other Union legal acts 6.1.5. 他のEU法との相互関係
6.2. Main components, concepts and related transparency obligation(s) for AI generated or manipulated text under Article 50(4) AI Act 6.2. AI法第50条(4)に基づく、AIによって生成または操作されたテキストに関する主要な構成要素、概念および関連する透明性義務
6.2.1. Text published with the purpose of informing the public on matters of public interest 6.2.1. 公共の利益に関する事項について公衆に情報を提供することを目的として公開されたテキスト
6.2.2. The disclosure obligation under Article 50(4) subparagraph 2 6.2.2. 第50条第4項第2号に基づく開示義務
6.2.3. Exception from the transparency obligation for text under human review or editorial control and editorial responsibility 6.2.3. 人間のレビューまたは編集上の管理・責任の下にあるテキストに対する透明性義務の例外
6.2.4. Interplay with other Union legal acts 6.2.4. 他のEU法との相互関係
7. HORIZONTAL REQUIREMENTS APPLICABLE TO THE INFORMATION PROVIDED UNDER ARTICLE 50(5) AI ACT 7. AI法第50条(5)に基づき提供される情報に適用される横断的要件
7.1. Information provision in a clear and distinguishable manner 7.1. 明確かつ識別可能な方法による情報の提供
7.2. First interaction or exposure 7.2. 最初の相互作用またはエクスポージャー
7.3. Compliance with applicable accessibility requirements 7.3. 適用されるアクセシビリティ要件への準拠
8. ENFORCEMENT OF ARTICLE 50 AI ACT 8. AI法第50条の執行
8.1. Effects of adhering to a code of practice assessed as adequate 8.1. 適切と評価された実施指針の遵守による効果
8.2. Market Surveillance Authorities 8.2. 市場監視当局
8.3. Penalties 8.3. 罰則
8.4. Entry into application 8.4. 施行
9. REVIEW AND UPDATE OF THE COMMISSION GUIDELINES 9. 欧州委員会ガイドラインの見直しと更新

 

 

参考

Code of Practice on marking and labelling of AI-generated content

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.03.12 欧州委員会 AI生成コンテンツの表示・ラベル付けに関する行動規範のドラフト第2版 (2025.03.05)

2025.11.11 欧州 欧州委員会 AI生成コンテンツの表示・ラベル付けに関する行動規範の策定作業を開始 (2025.11.05)

・2025.03.16 中国 人工知能生成合成コンテンツ識別弁法 (2025.03.14)

 

| | Comments (0)

2026.05.10

中国 国家インターネット情報弁公室他 AIエージェントの規範的利用と革新的発展に関する実施意見 (2026.05.08)

こんにちは、丸山満彦です。

AIエージェントとなっていますが、内容についてはAgentic AIに関する話となっていますが、AIエージェントの利用にあたっては、単なる技術革新だけでなく、倫理、セキュリティ、法規制との調和が不可欠であることを強調していますね...

安全・信頼・制御可能を前提とすることにより、社会の受容性を高め、AIエージェントの普及におけるシステミックなリスクを未然に防ごうとしているように思います...

政府による規制だけでなく、業界の自主規制や信用評価などの、多層的なコントロールを想定していますね...

AIエージェントを「AI+」行動の重要な担い手として位置付け、実社会の課題解決や経済成長に貢献させることで、中国のAI産業における国際競争力の向上を通じて、中国社会の発展につなげようという感じですかね...

内容は参考になることが多いように思います...

 

4つの基本原則...

持安全可控 安全性と管理可能性の堅持
范有序 規範性と秩序の堅持
驱动 イノベーション主導の堅持
利用主導の堅持

 

国家互联网信息办公室(国家サイバースペース管理局)

プレス...

・2026.05.08 国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》

国家网信、国家展改革委、工和信息化部合印《智能体用与施意 国家インターネット情報弁公室、国家発展改革委員会、工業情報化部が共同で『AIエージェントの規範的利用と革新的発展に関する実施意見』を公布した
近日,国家网信、国家展改革委、工和信息化部合印《智能体用与施意》(以下称《施意》)。《施意》旨在落院《关于深入施“人工智能+”行的意》,促智能体用与展。 先日、国家インターネット情報弁公室、国家発展改革委員会、工業情報化部が共同で『AIエージェントの規範的利用と革新的発展に関する実施意見』(以下、『実施意見』という)を公布した。『実施意見』は、国務院の『AI+」行動の徹底的な実施に関する意見』を具体化し、AIエージェントの規範的な利用と革新的な発展を促進することを目的としている。
施意》提出,智能体是具自主感知、记忆、决策、交互与行能力的智能系,是人工智能品及服的重要形。随着大模型等新一代人工智能技迅猛展,智能体正加速与网、物理世界深度融合,深刻改生活方式和社会治理模式。 『実施意見』では、AIエージェントとは、自律的な知覚、記憶、意思決定、対話、実行能力を備えたAIシステムであり、AI製品およびサービスの重要な形態であると提言している。大規模モデルなどの新世代AI技術の急速な発展に伴い、AIエージェントはサイバー空間や物理世界との深い融合を加速させており、人類の生産・生活様式や社会ガバナンスのモデルを根本的に変えつつある。
施意》明确智能体展要持安全可控、范有序、驱动引的基本原,并提出了4个方面措:一是夯实发展基,完善技底座,构建协议二是守牢安全底线,明确品准,防范安全风险,完善治理体系,化行自律。三是围绕科学研究、产业发展、提振消、民生福祉、社会治理等方向,提出19个典型景。四是建设创新生,促进产业合作,用推广。 『実施意見』は、AIエージェントの発展において、安全かつ制御可能、規範的かつ秩序ある、イノベーション主導、利用牽引という基本原則を堅持すべきであることを明確にし、4つの側面からの措置を提示している。第一に、発展の基盤を固め、技術基盤を整備し、標準プロトコルを構築すること。第二に、安全の最低ラインを守り、製品基準を明確にし、安全リスクを防止し、ガバナンス体制を整備し、業界の自主規制を強化すること。第三に、利用主導を強化し、科学研究、産業発展、消費の活性化、民生福祉、社会ガバナンスなどの方向性を軸に、19の代表的な利用シナリオを提示する。第四に、イノベーションエコシステムを構築し、産業協力を促進し、利用の普及を強化する。
施意》提出,国家网信、国家展改革委、工和信息化部会同有关方面加强统划,完善配套政策,形成工作合力,推重点任落地。 『実施意見』では、国家インターネット情報弁公室、国家発展改革委員会、工業情報化部が関係各方面と連携して、総合的な計画策定を強化し、関連政策を整備し、業務上の連携を形成し、重点任務の着実な実施を推進するとされている。

 

意見...

・2026.05.08 智能体规范应用与创新发展实施意见

智能体用与施意 AIエージェントの規範的利用と革新的発展に関する実施意見
智能体是具自主感知、记忆、决策、交互与行能力的智能系,是人工智能品及服的重要形。随着大模型等新一代人工智能技迅猛展,智能体正加速与网、物理世界深度融合,深刻改生活方式和社会治理模式。院《关于深入施“人工智能+”行的意》,促智能体用与展,制定本施意 AIエージェントとは、自律的な知覚、記憶、意思決定、対話、実行能力を備えたAIシステムであり、AI製品およびサービスの重要な形態である。大規模モデルなどの新世代AI技術の急速な発展に伴い、AIエージェントはサイバー空間や物理世界との深い融合を加速させており、人類の生産・生活様式や社会ガバナンスのモデルを根本的に変えつつある。国務院の『「AI+」行動の徹底的な実施に関する意見』を履行し、AIエージェントの規範的な利用と革新的な発展を促進するため、本実施意見を策定する。
一、基本原 一、基本原則
以推科技新、提升治理能力、构建产业、增民生福祉为导向,持安全可控,将智能体安全、可靠、可信作为发展的底线要求,穿智能体技用部署与推广的全程,切防范系风险范有序,智能体技进规律,构建与有政策法规衔顺畅、行自律自治、底线红线清晰的治理体系,有序推智能体落地用。驱动论创新、技术创新、工程联动,体系化突破智能体关,完善政学研用同机制,构建开放共享的智能体生,提升产业创新活力。引,重点围绕科学研究、产业发展、提振消、民生福祉、社会治理等实际需求,发挥典型景示范效,先易后、循序渐进,促智能体技术验证品迭代、用落地。 科学技術の革新の推進、ガバナンス能力の向上、産業エコシステムの構築、民生の福祉増進を指針とし、安全かつ制御可能であることを堅持する。AIエージェントの安全性、信頼性、信用性を発展の最低要件とし、その技術研究開発、利用展開、普及の全過程に貫き、システミックリスクを確実に防止する。規範のかつ秩序ある運営を堅持し、AIエージェント技術の進化の法則に適応し、既存の政策・法規と円滑に連携し、業界の自主規制・自治が行われ、最低基準とレッドラインが明確なガバナンス体制を構築し、AIエージェントの実用化を秩序立てて推進する。イノベーション主導を堅持し、理論革新、技術革新、工学革新の連携を強化し、AIエージェントの重要技術において体系的なブレークスルーを図り、政府・産業界・学術界・研究機関・利用者の連携メカニズムを整備し、開放・共有型のAIエージェントエコシステムを構築し、産業のイノベーション活力を高める。利用主導を堅持し、科学研究、産業発展、消費の活性化、民生福祉、社会ガバナンスなどの実際のニーズに重点を置き、代表的な利用シナリオのモデル効果を発揮させ、易から難へと段階的に進め、AIエージェントの技術検証、製品の反復改良、実用化を促進する。
二、夯实发展基 二、発展の基盤を固める
底座,健全准体系,降低智能体研、适配、门槛丰富智能体品及服奠定基 技術基盤を強固にし、標準体系を整備し、AIエージェントの研究開発、適合、利用のハードルを下げ、AIエージェントの製品およびサービスの充実に向けた基礎を築く。
(一)完善技底座 (一)技術基盤の整備
1.化基提升通用基模型性能,支持行业发用模型,形成适不同景和设备的模型品矩。面向智能体训练与运行,提升高量数据集供能力。加智能体任理解、任务规划、工具使用、记忆、互互通、群体同等技攻关,提升智能体泛化能力。 1. 基盤技術の研究開発を強化する。汎用基盤モデルの性能を継続的に向上させ、業界の発展に伴う細分化された分野向けの専用モデルを支援し、さまざまなシナリオやデバイスに適応したモデル製品のマトリックスを形成する。AIエージェントのトレーニングと実行に向け、高品質なデータセットの供給能力を向上させる。AIエージェントのタスク理解、タスク計画、ツール使用、長期記憶、相互認証・相互接続、集団協調などの技術的課題への取り組みを強化し、AIエージェントの汎化能力を向上させる。
2.完善智能体工具开展智能体底框架研究,加快研感知、记忆、决策、交互、行等关键组件,完善智能体研测试、部署、运等工具检测、行异常检测等安全与治理工具,提升智能体非合发现、干、阻断、恢复能力。 2. AIエージェントのツールチェーンを整備する。AIエージェントの基盤フレームワークの研究を展開し、知覚、記憶、意思決定、対話、実行などの主要コンポーネントの研究開発を加速させ、AIエージェントの研究開発、テスト、展開、運用・保守などのツールチェーンを整備する。敵対的サンプル検出、行動異常検出などのセキュリティおよびガバナンスツールを開発し、AIエージェントの非準拠行動に対する発見、介入、遮断、復旧能力を向上させる。
(二)构建协议 (二)標準プロトコルの構築
3.建立智能体准体系。制定智能体准化工作指文件,形成智能体准框架,系布局关、重要品、数据交景、评测、安全保障、可信认证准体系,加快制定智能体与件工具、用服、硬件外接口等基础标准。加智能体互联协议(AIP)等智能体互国家准、行业标准的推广用。支持医、交通、媒体、公共安全等域制定制性准。鼓励企按照相关准研发产品服,提升智能体范性。极参与国际标准制定。 3. AIエージェントの標準体系を確立する。AIエージェントの標準化作業に関する指針文書を策定し、標準フレームワークを構築する。中核技術、重要製品、データ交換、利用シナリオ、品質評価、セキュリティ保証、信頼性認証などの標準体系を体系的に整備し、AIエージェントとソフトウェアツール、アプリケーションサービス、ハードウェア周辺機器のインターフェースなどの基礎標準の策定を加速する。AIエージェント相互接続プロトコル (AIP)など、AIエージェント相互接続に関する重要な国家標準・業界標準の普及・適用を強化する。医療、交通、メディア、公共安全などの分野における強制標準の策定を支援する。企業が関連標準に従って製品・サービスを研究開発することを奨励し、AIエージェントの規範性を高める。国際標準の策定に積極的に参画する。
4.布局展智能互网。研究建立智能互网体系架构,探索建立智能体注册平台,提供智能体数字身份管理、发现、能力声明等服,支持开者、部署方式、接口协议、合规认证等信息查询和管理。提升多智能体同能力,研究智能体身份标识、可信互、合支付、安全防、冲突解决等基发挥协议第六版(IPv6)技术优势,提升智能体端到端通信能力。探索建立智能互监测体系。 4. スマートインターネットの展開を図る。スマートインターネットのアーキテクチャの構築を研究し、AIエージェント登録プラットフォームの設立を模索し、AIエージェントのデジタルID管理、検索・発見、能力宣言などのサービスを提供し、 開発者、導入方法、インターフェースプロトコル、コンプライアンス認証などの情報の照会・管理を支援する。マルチエージェントの協調能力を向上させ、AIエージェントの識別、信頼できる相互接続、コンプライアンスに準拠した決済、セキュリティ保護、紛争解決などの基盤技術を研究する。インターネットプロトコル第6版(IPv6)の技術的優位性を活かし、AIエージェントのエンドツーエンド通信能力を向上させる。スマートインターネットの監視指標体系の構築を模索する。
三、守牢安全底线 三、 安全の最低ラインを堅守する
持以人本、智能向善、多元共治、安全妥,展、鼓励新的制度境,促智能体健康有序展。 「人間本位」「AIエージェントの善用」「多元的共治」「安全かつ着実」を堅持し、規範的な発展とイノベーションを奨励する制度環境を醸成し、AIエージェントの健全かつ秩序ある発展を促進する。
(一)明确品准 (一)製品基準を明確化する
5.完善政策法范。加快研究智能体相关政策法范,发挥专业机构内容源和核把关优势,确保智能体行符合法律法及主流价值观。防止智能体利用数据优势、人格化技术实播不良价值观、算法榨等行,防范未成年人、老年人沉迷成、情感依风险。做好与人工智能审查等制度接。 5. 政策・法規および倫理規範を整備する。AIエージェント関連の政策・法規および倫理規範の研究を加速させ、専門機関が持つコンテンツリソースや審査・チェック機能の強みを活かし、AIエージェントの行動が法律・法規および主流の価値観に合致するよう確保する。AIエージェントがデータの優位性や人格化技術を利用して、不適切な価値観の拡散やアルゴリズムによる搾取などの行為を行うことを防止し、未成年者や高齢者の依存症や感情的依存などのリスクを未然に防ぐ。AIの倫理審査などの制度との連携を適切に行う。
6.明确决策限。在遵守法律法、尊重社会公德和范前提下,厘清限用本人决策、需由用决策和智能体自主决策等各种决策方式的合理界及所需限。确保用户对智能体自主决策享有知情和最决策,智能体行操作不得超出用 6. 意思決定権限を明確化する。法令を遵守し、社会公徳および倫理規範を尊重することを前提として、ユーザー本人のみが意思決定を行う場合、ユーザーの承認を必要とする場合、およびAIエージェントが自律的に意思決定を行う場合など、各種の意思決定方式の合理的な境界および必要な権限を明確にする。ユーザーがAIエージェントの自律的意思決定に対して知情権および最終決定権を有することを確保し、AIエージェントによる操作の実行はユーザーの承認範囲を超えてはならない。
7.加管控。规则内嵌、行为围栏等技,确保智能体在公共所、所、专门场所等的行合法合。探索利用区块链等技,建立重要景智能体行验证、可追溯机制,防范智能体不当行重大风险 7. 行動管理を強化する。ルール組み込みや行動フェンスなどの技術を開発し、公共の場、プライバシーが保護される場所、専用施設などにおけるAIエージェントの行動が合法かつ規制に準拠していることを確保する。ブロックチェーンなどの技術を活用し、重要な利用シーンにおけるAIエージェントの行動を検証・追跡可能な仕組みを構築し、AIエージェントの不適切な行動が重大なリスクを引き起こすのを防ぐ。
(二)防范安全风险 (二)セキュリティリスクの防止
8.提升内生安全能力。研究智能体数据安全、个人信息保、密、攻击检测限管理、行控制等安全技,提升智能体系安全保障能力,防范数据投毒、私泄露、算法改、系漏洞、运行失控等安全风险。研究智能体安全检测,探索建立智能体安全估体系。 8. 内在的なセキュリティ能力を向上させる。AIエージェントのデータセキュリティ、個人情報保護、暗号保護、攻撃検知、権限管理、行動制御などのセキュリティ技術を研究し、AIエージェントシステムのセキュリティ保証能力を向上させ、データポイズニング、プライバシー漏洩、アルゴリズム改ざん、システムの脆弱性、動作の制御不能などのセキュリティリスクを防止する。AIエージェントのセキュリティ検知技術を研究し、AIエージェントのセキュリティ評価体系の構築を模索する。
9.加应链安全。制定智能体开、部署、用、维护等全周期安全范,加模型接入、用程序接口用、展工具使用等环节安全管理。探索建立智能体供应链安全信息共享和警机制,及时发风险提示,提升安全保障能力。 9. サプライチェーンの安全性を強化する。AIエージェントの開発、展開、運用、保守などの全ライフサイクルにわたる安全規範を策定し、モデルの接続、APIの呼び出し、拡張ツールの使用などの段階における安全管理を強化する。AIエージェントのサプライチェーンにおける安全情報の共有および早期警戒メカニズムの構築を模索し、リスク情報を適時に発信して、安全保障能力を向上させる。
10.化解用衍生风险完善智能体常风险识别警及干机制,化人机核、截阻断等风险处置能力,防范系性安全风险化智能体用安全管理,避免智能体被用于自化攻私侵犯、虚假信息生成播、网络诈骗法犯罪行 10. 利用に起因するリスクを解消する。AIエージェントの常態的なリスク特定、早期警戒および介入メカニズムを整備し、人間と機械の協調による審査、遮断・阻止などのリスク対処能力を強化し、システミックなセキュリティリスクを防止する。AIエージェントの利用安全管理を強化し、AIエージェントが自動攻撃、プライバシー侵害、虚偽情報の生成・拡散、ネット詐欺などの違法・犯罪行為に利用されるのを防ぐ。
(三)完善治理体系 (三)ガバナンス体制の整備
11.构建分治理框架。根据景和潜在影响,妥开展智能体分治理。于敏感域及重点行,由网信部门联合行主管部确定开放景,根据相关法律法管要求和安全防护标准,案、检测问题产品召回等管理措施。于部分生活娱乐、日常公等低风险领域,完善智能体测试工具,通、信息告、分平台管理、行自律等实现高效治理。 11.分類・格付けに基づくガバナンス枠組みを構築する。利用シナリオと潜在的な影響に基づき、慎重かつ着実にAIエージェントの段階的ガバナンスを展開する。機密性の高い分野や重点業界については、インターネット情報部門が業界の所管部門と連携して開放シナリオを確定し、関連する法律・法規、規制要件、セキュリティ標準に基づき、届出、検査、問題のある製品のリコールなどの管理措置を実施する。生活・娯楽、日常業務など一部の低リスク分野については、AIエージェントのアセスメント・テストツールを整備し、コンプライアンス自己診断、情報報告、配信プラットフォームの管理、業界の自主規制などを通じて、効率的なガバナンスを実現する。
12.健全合体系。化智能体风险监测预警、检测评估、咨认证专业,引业积极研智能体监测工具。开展智能体功能、性能、量、合等第三方评测,推动认证检测结果互通互户选择智能体提供参考。制并布智能体技用成熟度告,为产业发应用提供参考。 12. コンプライアンスサービス体制を整備する。AIエージェントのリスク監視・早期警戒、検査・アセスメント、コンサルティング、認証などの専門サービスの提供を強化し、業界がAIエージェント監視ツールの研究開発を積極的に行うよう誘導する。AIエージェントの機能、性能、品質、コンプライアンスなどに関する第三者評価サービスを実施し、認証と検査結果の相互利用・相互承認を推進し、ユーザーがAIエージェントを選択する際の参考とする。AIエージェントの技術および利用成熟度報告書を作成・公表し、産業における研究開発・利用の参考とする。
(四)化行自律 (四)業界の自主規制を強化する
13.引自律。鼓励行业组织、主要企业联合制定行自律规则,明确智能体功能合、算法治理、知识产权、公平争等细则。指智能体开平台、分平台、服提供者建立公平合理的平台规则、用务协议私政策,明确供需双方权责,保障产业健康展。加智能体风险教育,提升用安全意 13. 業界に対し、自主規制の強化を誘導する。業界団体や主要企業が共同で業界の自主規制ルールを策定するよう奨励し、AIエージェントの機能コンプライアンス、アルゴリズムガバナンス、知的財産権の保護、公正な競争などの規範的細則を明確化する。AIエージェント開発プラットフォーム、配信プラットフォーム、サービス提供者に対し、公平かつ合理的なプラットフォーム規則、ユーザー利用規約およびプライバシーポリシーの策定を指導し、需給双方の権利と責任を明確化して、産業の健全な発展を保障する。AIエージェント利用に伴うリスクに関する啓発・教育を強化し、ユーザーのセキュリティ意識を高める。
14.探索信用价机制。业组织建立智能体市主体自愿参与的信用价机制,于技术滥用、诱导、虚假宣隐瞒缺陷信息等行为进行信用价,依法依开展失信戒。引智能体开者、开平台、分平台、服提供者等参与信用价,共同造良好境。 14.信用評価メカニズムの模索を行う。業界団体に対し、AIエージェント市場の主体が自発的に参加する信用評価メカニズムの構築を指導し、技術の濫用、消費誘導、虚偽宣伝、欠陥情報の隠蔽などの行為に対して信用評価を行い、法令に基づき信用失墜に対する懲戒措置を実施する。AIエージェントの開発者、開発プラットフォーム、配信プラットフォーム、サービス提供者などが信用評価に参加するよう誘導し、良好な発展環境を共同で醸成する。
四、 四、利用による牽引の強化
妥推智能体典型用,引技术产化提升,探索形成可复制、可推广的智能体落地用模式。 AIエージェントの代表的なシナリオへの利用を積極的かつ着実に推進し、技術・製品の最適化・向上を牽引するとともに、再現可能かつ普及可能なAIエージェントの実用化モデルを模索する。
(一)科学研究 (一)科学研究
15.科研探索。推演、模仿真等智能体,挖掘潜在技路径。化智能体信息关整合、知体系构建等能力,提升自然科学、哲学社会科学研究发现能力。促智能体与科学器、实验平台融合,实现方案设计实验操作、数据理、果分析等全流程智能化。 15. 科学的研究。理論推演やシミュレーションなどのAIエージェントを研究開発し、潜在的な技術的道筋を掘り起こす。AIエージェントの情報関連付け・統合や知識体系の構築などの能力を強化し、自然科学、哲学・社会科学における研究発見能力を向上させる。AIエージェントと科学機器、実験プラットフォームの融合を促進し、計画設計、実験操作、データ処理、結果分析などの全プロセスのスマート化を実現する。
16.研发辅助。件开智能体,提升需求分析、架构设计、代生成与测试等全流程开能力。促智能体与算机设计(CAD)、算机助工程(CAE)等合,提供设计方案生成、仿真验证、参数调优等功能。 16. 研究開発支援。ソフトウェア開発用AIエージェントを開発し、要件分析、アーキテクチャ設計、コード生成およびテストなど、全プロセスにわたる開発能力を向上させる。AIエージェントとコンピュータ支援設計(CAD)、コンピュータ支援エンジニアリング(CAE)などのソフトウェアとの連携を促進し、設計案の生成、シミュレーション検証、パラメータの最適化などの機能を提供する。
(二)产业发 (二)産業発展
17.智能制造。管理智能体,动态优化生排程、源分配和工序接,推智能体在工用,提升企化管理水平。提升智能体工参数化、加工精度检测品缺陷识别等能力,促智能体与数控机床、工机器人、自产线等融合,促增效降本。 17. スマート製造。生産管理用AIエージェントを研究開発し、生産スケジューリング、リソース配分、工程連携を動的に最適化する。産業用インターネット分野におけるAIエージェントの利用を推進し、企業のきめ細かな管理レベルを向上させる。AIエージェントの工程パラメータ最適化、加工精度検査、製品欠陥識別などの能力を向上させ、AIエージェントとCNC工作機械、産業用ロボット、自動化生産ラインなどの融合を促進し、品質向上、効率化、コスト削減を図る。
18.能源源。大气、水体、土壤、噪声等境要素感知智能体,提升自然灾害、染等风险预警能力。依托智能体国土空间资源全周期管理能力。依托智能体实现能源、金属等矿产资源高效勘探。度、用电监测维护等智能体,提升源使用效率。 18. エネルギー・資源。大気、水質、土壌、騒音などの環境要素を感知するAIエージェントを研究開発し、自然災害や環境汚染などのリスク早期警戒能力を向上させる。AIエージェントを活用して、国土空間資源の全ライフサイクル管理能力を強化する。AIエージェントを活用して、エネルギーや金属などの鉱物資源の効率的な探査を実現する。電力系統運用、電力使用状況の監視、送電網の保守などのAIエージェントを開発し、電力資源の利用効率を向上させる。
19.交通运交通安全管、急指挥调度等智能体,提升违规为识别、交通基础设风险预警、重点车辆(船舶)管、事故快速响等能力。化交通监测调度智能体性能,展交通运工具管控智能体,提升路网、水网、空域的通行效率。 19. 交通運輸。交通安全の監視・管理、緊急時の指揮・調整などのAIエージェントを開発し、違反行為の識別、交通インフラのリスク早期警戒、重点車両(船舶)の監視、事故への迅速な対応などの能力を向上させる。交通監視・調整用AIエージェントの性能を最適化し、交通輸送手段の管理・制御用AIエージェントを開発し、道路網、水路網、空域の通行効率を向上させる。
20.农业发农业智能体,开展技指、病虫害断与防治等服。推智能体在种植养殖、高效育种等环节应用,推进农业智能化型。推智能体与智能机具、智慧大棚、农业平台融合,提升农业效率。 20.農業生産。農業サービス用AIエージェントを開発し、農業技術指導、病害虫の診断・防除などのサービスを実施する。栽培・養殖、高効率育種などの段階におけるAIエージェントの活用を推進し、農業のスマート化への転換を進める。AIエージェントとスマート農業機械、スマートハウス、農業サービスプラットフォームの融合を推進し、農業生産効率を向上させる。
21.金融服金融控智能体,提升信贷审批、交易控、账户安全等环节风险识别能力。完善智能体异常检测、合规审计功能,提升信贷违约预测、信用卡盗刷截、反洗钱监测等能力。 21. 金融サービス。金融リスク管理AIエージェントを開発し、与信審査、取引監視、口座セキュリティなどの段階におけるリスク特定能力を向上させる。AIエージェントの異常検知・コンプライアンス監査機能を整備し、与信デフォルト予測、クレジットカード不正利用の遮断、マネーロンダリング監視などの能力を向上させる。
(三)提振消 (三)消費の活性化
22.用。智能体能互用及服化在线购物、出行航、生活缴费、日常公等服。推智能体与手机、电脑、汽、家居、可穿戴、消费级机器人等设备协展,提升跨用、跨设备完成能力。 22.端末アプリケーション。AIエージェントがインターネットアプリケーションやサービスに付加価値をもたらすよう推進し、オンラインショッピング、ナビゲーション、公共料金の支払い、日常業務などのサービス体験を最適化する。AIエージェントとスマートフォン、パソコン、自動車、スマートホーム、ウェアラブル端末、民生用ロボットなどの端末機器との協調的な発展を推進し、アプリケーションや機器を横断したタスク遂行能力を向上させる。
23.文化旅游。文学、音画、听、演等内容作智能体,促进优秀文化播推广。展智能导览、多种翻、适老适残等旅游服智能体,提升旅游服水平。 23. 文化・観光。文学、音楽、絵画、視聴覚、舞台芸術などのコンテンツ制作用AIエージェントを開発し、優れた文化の普及・促進を図る。スマートガイド、多言語翻訳、高齢者・障がい者対応などの観光サービス用AIエージェントを発展させ、観光サービスの水準を向上させる。
24.商提升智能体客服能力,提供7×24小预约、售后等服引、清仓储、配售等具身智能体,提升餐、零售、住宿、物流等商业场所的运效率。探索通具身智能体提供低成本家政、养老、托育、助残等服 24.商業サービス。AIエージェントのカスタマーサービス能力を向上させ、24時間365日の相談、予約、アフターサービスなどを提供する。案内、清掃、倉庫管理、販売・配送などの身体を持つAIエージェントを開発し、飲食、小売、宿泊、物流などの商業施設の運営効率を高める。身体を持つAIエージェントを通じて、低コストの家事代行、高齢者介護、保育、障害者支援などのサービスを提供する方法を模索する。
(四)民生福祉 (四)民生福祉
25.教育教学。探索件生成、作批改、学情分析等智能体,提高教工作效率。依托智能体开展个性化学方案制定,完善智能学、答疑辅导、虚助教等功能。支持在线教育平台研智能体,提供身学 25. 教育・授業。教材作成、宿題の添削、学習状況分析などのAIエージェントを模索し、教員の業務効率を向上させる。AIエージェントを活用して個別化された学習計画の策定を行い、学習指導、質疑応答、仮想ティーチングアシスタントなどの機能を充実させる。オンライン教育プラットフォームによるAIエージェントの開発を支援し、生涯学習サービスを提供する。
26.医健康。提升医学影像分析、疾病断推理、定制化诊疗方案生成等医疗辅助智能体性能,探索品管理、手排程、病管理等智能体,提升医效率。预问诊告解析等智能体,提升患者体 26. 医療・健康。医学画像解析、疾病診断推論、個別化された診療計画の生成などの医療補助AIエージェントの性能を向上させ、 医薬品管理、手術スケジューリング、カルテ管理などのAIエージェントを模索し、医療サービスの効率を向上させる。事前問診、検査結果の解析などのAIエージェントを着実に発展させ、患者体験を向上させる。
27.人力源。探索智能体在就、技技能人才培养价、劳动关系公共服用,提升就能力。展社会保劳动仲裁、欠薪治理等智能体,保障劳动者合法益。 27. 人的資源。雇用促進、技術・技能人材の育成・評価、労働関係における公共サービスなどの分野におけるAIエージェントの利用を模索し、雇用サービスの能力を向上させる。社会保険、労働争議仲裁、未払い賃金の是正などのAIエージェントを発展させ、労働者の合法的権益を保障する。
28.信息服探索智能体在网内容建管理中的用,鼓励信息布部和内容播平台研分析、选题策划、采加工、分推荐、智能核、舆论、情实时等智能体,实现多模信息、跨域信息的高效整合。 28. 情報サービス。インターネットコンテンツの構築・管理におけるAIエージェントの活用を模索し、情報発信部門やコンテンツ配信プラットフォームに対し、ユーザー分析、テーマ企画、取材・編集・加工、配信・推薦、スマート審査、世論誘導、感情ケア、リアルタイム翻訳などのAIエージェントの開発を奨励し、マルチモーダル情報や分野横断的な情報の効率的な統合を実現する。
(五)社会治理 (五)社会ガバナンス
29.政探索事项辅批智能体,推务审批流程智能化。展政策咨智能体,提供全天在线的政、流程指引等服。探索主推送适配政策、服提醒及理指南,加快从“人找服”向“服找人”型。 29.行政サービス。事務手続きの審査支援AIエージェントを模索し、行政審査プロセスのスマート化を推進する。政策相談AIエージェントを発展させ、24時間オンラインの行政相談や手続き案内などのサービスを提供する。適した政策やサービスの通知、手続きガイドを能動的にプッシュする仕組みを模索し、「人がサービスを探す」から「サービスが人を探す」への転換を加速させる。
30.司法服探索全流程助智能体,提升案件材料梳理、案件信息入、审查助法律文生成等能力。展法律宣、法律咨、法律督等智能体,群众提供高效便捷的在线司法服 30.司法サービス。事件処理の全プロセスを支援するAIエージェントの導入を模索し、事件資料の整理、事件情報の入力、証拠審査、法律文書の作成支援などの能力を向上させる。法律広報、法律相談、法律監督などのAIエージェントを発展させ、市民に効率的で利便性の高いオンライン司法サービスを提供する。
31.公共安全。探索监测预警、置、救援度、同治理等智能体,提升安全生产监管和防灾减灾救灾等能力。提升智能体异常行为识别、潜在威胁预警、动态防控理能力,维护公共安全。推具身智能体在灾害救援、安防巡、危置等域落地用。 31.公共安全。監視・早期警戒、緊急対応、救援指揮、協調型ガバナンスなどのAIエージェントの活用を模索し、安全生産の監督管理や防災・減災・災害救援などの能力を向上させる。AIエージェントによる異常行動の識別、潜在的な脅威の早期警戒、動的な予防・制御・処理能力を向上させ、公共の安全を維持する。災害救援、セキュリティ巡回、危険物処理などの分野における具身AIエージェントの実用化を推進する。
32.城市治理。探索智能体在城市划、建与治理环节应用,支撑智能建造、房屋管理、城市基础设施安全运行等工作,提升城市治理专业化水平,提升城市人居量。 32. 都市ガバナンス。都市計画、建設、ガバナンスの各段階におけるAIエージェントの活用を模索し、スマート建設、建物管理、都市インフラの安全な運用などを支援し、都市ガバナンスの専門性を高め、都市の居住環境の質を向上させる。
33.招探索招智能体,实现路智慧管理,保障全范高效。提升招交易、服管的智慧化水平,实现科学合理、评标公平公正和管穿透高效。 33.入札。入札用AIエージェントを模索し、入札活動の全プロセスにわたるスマート管理を実現し、全過程の規範的かつ効率的な運用を保障する。入札取引、サービス、監督管理のスマート化レベルを向上させ、入札の科学的かつ合理的な実施、評価の公平・公正、そして監督管理の徹底と効率化を実現する。
五、建设创新生 五、イノベーションエコシステムの構築
通供需渠道,促发侧、需求高水平互,形成市场牵引、内驱发展的智能体产业 需給チャネルを円滑化し、研究開発側と需要側の高水準な相互作用を促進し、市場主導かつ内発的な発展を特徴とするAIエージェント産業エコシステムを形成する。
(一)促进产业合作 (一)産業協力の促進
34.培育开源新力量。国内人工智能开源社区加智能体布局,开展智能体与开源芯片、开源操作系、开源大模型兼容适配。引、高校、科研机构极参与智能体框架、交互接口、工具等开源目,推体系融通展,加快提升国影响力。 34. オープンソースによるイノベーション力の育成。国内のAIオープンソースコミュニティに対し、AIエージェントへの展開を強化するよう誘導し、AIエージェントとオープンソースチップ、オープンソースOS、オープンソース大規模モデルとの互換性・適合性を推進する。企業、大学、研究機関がAIエージェントのフレームワーク、インタラクションインターフェース、ツールチェーンなどのオープンソースプロジェクトに積極的に参加するよう誘導し、技術体系の融合・発展を推進し、国際的な影響力の向上を加速させる。
35.搭建产业协作平台。发挥智能体相关生态联盟、技术验证实验室等产业协作平台的作用,产业链上下游开展智能体共性技准制定、认证等工作,开展智能体技产业应用复合人才培养。引用、智能端等域企共建生,探索建立互利共的合作模式。 35.産業連携プラットフォームを構築する。AIエージェント関連のエコシステムアライアンスや技術検証ラボなどの産業連携プラットフォームの役割を発揮させ、産業チェーンの上流・下流が連携して、AIエージェントの共通技術の研究開発、標準策定、アセスメント・認証などの業務を展開し、AIエージェント技術と産業利用を融合した人材の育成を行う。インターネットアプリケーションやスマート端末などの分野の企業に対し、エコシステムの共同構築を誘導し、互恵・共栄の協力モデルの確立を模索する。
(二)用推广 (二)利用普及の強化
36.构建用推广渠道。建立智能体件商店、行供需信息布平台,引智能体企业积品,形成集聚效。开展智能体用供需接活,采取公开招、揭榜挂等方式吸引智能体企定制化开应产品。引整机、件等企基于智能体研发产品和服,培育用 36.利用普及チャネルの構築。AIエージェント向けソフトウェアストアや業界の需給情報発信プラットフォームの設立を推進し、AIエージェント企業が積極的に製品をリリースするよう誘導し、集積効果を形成する。AIエージェントの利用に関する需給マッチング活動を実施し、公開入札や 公募方式などを通じて、AIエージェント企業による対応製品のカスタマイズ開発を誘致する。ハードウェア、ソフトウェアなどの企業がAIエージェントを基盤として製品やサービスを開発するよう誘導し、ユーザー市場を育成する。
37.推重点景开放。重点域开放智能体景,在产业集聚区、重点行、重点域开展智能体点,打造一批具有引作用的示范目。展市化、专业化的智能体技术转化服机构,探索智能体景,提升技成果化效率。促数据共享开放,支撑重点景智能体训练部署。 37.重点シナリオの開放を推進する。重点分野におけるAIエージェントの利用シナリオの開放を推進し、産業集積地域、重点業界、重点分野でAIエージェントの利用パイロット事業を展開し、先導的役割を果たすモデルプロジェクトを数多く創出する。市場化・専門化されたAIエージェント技術転化サービス機関を発展させ、AIエージェントの利用シナリオを模索し、技術成果の転化効率を向上させる。業界のデータ共有・開放を促進し、重点シナリオにおけるAIエージェントのトレーニング・展開を支援する。
38.极培育全球生依托世界人工智能大会、世界互网大会等国平台,交流展示智能体技术创新成果。推动终设备件企适配智能体,引相关企做好海外合,推智能体适当地法律法和文化俗。 38.グローバルなエコシステムを積極的に育成する。「世界AI大会」や「世界インターネット大会」などの国際プラットフォームを活用し、AIエージェント技術の革新成果を交流・展示する。端末機器・ソフトウェア企業がAIエージェントに対応するよう推進し、関連企業が海外でのコンプライアンス体制を整備するよう導き、AIエージェントが現地の法律・法規や文化・慣習に適応するよう促す。
六、保障措施 六、保障措置
国家网信、国家展改革委、工和信息化部会同有关方面加强统划,源整合和力量同,完善配套政策,形成工作合力,推重点任落地。建立并完善智能体价指体系,加智能体用与展的监测评估、滚动实施和动态调整。 国家インターネット情報弁公室、国家発展改革委員会、工業情報化部は関係各方面と連携し、総合的な計画策定を強化し、資源の統合と力の連携を強化し、関連政策を整備し、業務の相乗効果を形成し、重点任務の着実な実施を推進する。AIエージェントの発展評価指標体系を確立・整備し、AIエージェントの規範的な利用と革新的な発展に関する監視・アセスメント、継続的な実施、および動的な調整を強化する。



 

インフォグラフィック的なもの...

・2026.05.08 一图读懂《智能体规范应用与创新发展实施意见》

图读懂《智能体用与施意 一図でわかる『AIエージェントの規範的な利用と革新的な発展に関する実施意見』

 

 

記者との一問一答...

・2026.05.08 专家解读|把握智能体发展机遇,加快构建智能体治理体系

《智能体用与施意》答 『AIエージェントの規範的な利用と革新的な発展に関する実施意見』に関する記者会見

近日,国家网信、国家展改革委、工和信息化部合印《智能体用与施意》(以下称《施意》)。国家网信有关负责同志就《施意》回答了者提
先日、国家インターネット情報弁公室、国家発展改革委員会、工業情報化部は共同で『AIエージェントの規範的な利用と革新的な発展に関する実施意見』(以下、『実施意見』)を公布した。国家インターネット情報弁公室の関係責任者が、『実施意見』について記者の質問に答えた。
1.一下《施意》的出台背景。 1. 問:『実施意見』が策定された背景について説明してほしい。
答:近年来,以手机助手、端智能管家、云端智能体等代表的智能体品加速涌,呈现规模化态势,极大便利人工作生活。同,智能体高自主性、高限等特性也来了私泄露、越操作、行失控等安全风险,需要展与安全,促智能体用和展。 答:近年、スマートフォンアシスタント、端末用スマートマネージャー、クラウド型AIエージェントなどを代表とするAIエージェント製品が急速に台頭し、大規模な利用が進んでいる。人々の仕事や生活を大いに便利にしている。一方で、AIエージェントの高い自律性や権限といった特性は、プライバシー漏洩、権限越境操作、行動の制御不能といったセキュリティリスクももたらしており、発展と安全を総合的に考慮し、AIエージェントの規範的な利用と革新的な発展を促進する必要がある。
党中央、国院高度重人工智能展。近平总书记在中共中央政治局第二十次集体学习时强调,要把握人工智能趋势律,加制定完善相关法律法、政策制度、范、理准,构建技术监测风险预警、急响体系,确保人工智能安全、可靠、可控。2025年8月,国院印《关于深入施“人工智能+”行的意》,以科学技产业发展、消、民生福祉、治理能力等重点,提出到2027年,率先实现人工智能与重点域广泛深度融合,新一代智能端、智能体等用普及率超70%的段性目 党中央と国務院はAIの発展を極めて重視している。習近平総書記は、中国共産党中央政治局の第20回集団学習において、AIの発展動向と法則を把握し、関連する法律・法規、政策制度、利用規範、倫理基準の策定・整備を急ぎ、技術監視、リスク早期警戒、緊急対応体制を構築し、AIの安全性、信頼性、制御可能性を確保すべきだと強調した。2025年8月、国務院は『「AI+」行動の徹底実施に関する意見』を公布し、科学技術、産業発展、消費の質的向上、民生福祉、 ガバナンス能力などの分野を重点とし、2027年までに、AIと重点分野との広範かつ深い融合を率先して実現し、次世代スマート端末やAIエージェントなどの普及率を70%以上に引き上げるという段階的な目標を掲げた。
制定出台《施意》是贯彻《关于深入施“人工智能+”行的意》的具体措,以推科技新、提升治理能力、构建产业、提升民生福祉为导向,造良好政策境,发挥典型景示范效筹推智能体高展、高水平安全、高效能治理。 『実施意見』の策定・公布は、『「AI+」行動の徹底的な実施に関する意見』を貫徹・実行するための具体的な措置であり、科学技術イノベーションの推進、ガバナンス能力の向上、産業エコシステムの構築、民生福祉の向上を指針とし、良好な政策環境を醸成し、典型的なシナリオの模範的効果を発揮させ、AIエージェントの質の高い発展、高水準の安全性、高効率なガバナンスを統括的に推進するものである。
2.:《施意》的体思路是什么? 2.問:『実施意見』の全体的な考え方は何か。
答:在制定《施意程中,重点把握以下4个方面:一是化思想引持以近平新代中国特色社会主思想贯彻实习近平总书记关于网络强国的重要思想,深入施“人工智能+”行,推智能体高展。二是展和安全。遵循技术发展客观规律,夯实产业底座,完善治理体系,妥推智能体用,构建展与安全同促的格局。三是引。深入挖掘典型景,推形成以带应用、以用促新的良性循,促智能体能千行百四是守牢安全底线持以人本、智能向善、多元共治、安全妥,明确智能体展底线红线,将安全可控穿智能体技用部署与品推广全程。 答:『実施意見』の策定過程において、以下の4つの側面を重点的に把握した。第一に、思想的指導の強化である。習近平新時代の中国の特色ある社会主義思想を指針とし、習近平総書記の「サイバー強国」に関する重要思想を貫徹・実施し、「AI+」行動を深く推進し、AIエージェントの質の高い発展を促進する。第二に、発展と安全の統合である。技術発展の客観的な法則に従い、産業技術の基盤を固め、ガバナンス体系を整備し、AIエージェントの規範的な利用を積極的かつ着実に推進し、発展と安全が相互に促進し合う枠組みを構築する。第三に、利用主導を堅持することだ。典型的な利用シナリオを深く掘り下げ、イノベーションが利用を牽引し、利用がイノベーションを促進するという好循環の形成を推進し、AIエージェントがあらゆる業界に力を与えることを促進する。第四に、安全の底線を堅守することだ。人間本位、スマート技術の善用、多元的共治、安全かつ着実な取り組みを堅持し、AIエージェントの発展における底線とレッドラインを明確にし、安全かつ制御可能な状態をAIエージェントの技術研究開発、利用展開、製品普及の全過程に貫く。
3.:《施意》在范智能体用方面有哪些具体要求? 3. 問:『実施意見』は、AIエージェントの利用を規範化する上で、どのような具体的な要件を定めているか。
答:施意》将智能体安全、可靠、可信作为产业发展的底线要求,范有序推智能体落地用。一是明确品准。要一步完善政策法范,做好智能体限管理、行管控等工作,智能体相关品研提供指引。二是防范安全风险发挥手段作用,提升在智能体内生安全、供应链安全、用衍生风险等方面的风险防范能力,实现智能体开、部署、用、维护全周期安全管理,有效防范系风险三是完善治理体系。适智能体技进规律,根据景和潜在影响,构建妥的分治理框架,推智能体合体系,做到既“放得活”又“管得好”。四是化行自律。鼓励智能体相关企、行业组织、研究机构加强责任意,共同制定行自律规则。引智能体开者、开平台、分平台、服提供者参与信用价,共同造良好境。 答:『実施意見』は、AIエージェントの安全性、信頼性、信用性を産業発展の最低要件とし、AIエージェントの実用化を規範的かつ秩序立てて推進する。第一に、製品基準を明確化する。政策・法規および倫理規範をさらに整備し、AIエージェントの権限管理や行動制御などの業務を適切に行い、AIエージェント関連製品の研究開発に向けた指針を提供する。第二に、セキュリティリスクを防止する。技術の手段を活用し、AIエージェントの内在的な安全性、サプライチェーンの安全性、利用に伴う派生リスクなどに対するリスク防止能力を向上させ、AIエージェントの開発、導入、運用、保守の全ライフサイクルにわたる安全管理を実現し、システミックリスクを効果的に防止する。第三に、ガバナンス体制を整備する。AIエージェント技術の進化の法則に適応し、利用シナリオや潜在的な影響に基づき、慎重かつ着実な分類・格付けによるガバナンス枠組みを構築し、AIエージェントのコンプライアンスサービス体系の構築を推進し、「柔軟な展開」と「適切な管理」の両立を図る。第四に、業界の自主規制を強化することだ。AIエージェント関連企業、業界団体、研究機関に対し、責任意識を高め、共同で業界の自主規制ルールを策定するよう奨励する。AIエージェントの開発者、開発プラットフォーム、配信プラットフォーム、サービス提供者が信用評価に参加するよう誘導し、良好な発展環境を共に醸成する。
4.:《施意围绕智能体展部署了哪些重点工作? 4. 問:『実施意見』は、AIエージェントの革新的な発展を推進するために、どのような重点業務を策定しているか。
答:施意围绕智能体技突破、用和生等重点方向,体系化推智能体展。一是实发展基。通过强化基、完善智能体工具为产业提供高水平技底座。建立智能体准体系,降低智能体研、适配、门槛。前瞻布局多智能体同、智能互网等前沿域,为产业打好基二是引。围绕科学研究、产业发展、提振消、民生福祉、社会治理等方向,提出19个典型景,引智能体技术产化提升,探索可复制、可推广的落地用模式。三是设创新生。加培育开源新力量、搭建产业协作平台,推动产业高效同,提升新活力。通构建用推广渠道、推重点景开放,通供需渠道,形成市场牵引、内驱发展的产业极培育全球生,推国内外技融通展,造开放共享的国合作境。 答:『実施意見』は、AIエージェントの技術的ブレークスルー、利用シナリオ、エコシステム構築などの重点方向を中心に、AIエージェントの革新的な発展を体系的に推進する。第一に、発展の基盤を固める。基礎技術の研究開発を強化し、AIエージェントのツールチェーンを整備することで、産業に高水準の技術基盤を提供する。AIエージェントの標準体系を構築し、AIエージェントの研究開発、適合、利用のハードルを下げる。マルチAIエージェント協調やスマートインターネットなどの最先端分野を先見的に展開し、産業の持続的な進化のための基盤を固める。第二に、利用による牽引を強化する。科学研究、産業発展、消費の活性化、民生福祉、社会ガバナンスなどを軸に、19の典型的な利用シナリオを提示し、AIエージェントの技術・製品の最適化・向上を牽引するとともに、再現可能かつ普及可能な実用化モデルを模索する。第三に、イノベーションエコシステムの構築だ。オープンソースによるイノベーションの育成を強化し、産業連携プラットフォームを構築することで、産業の効率的な協調を推進し、イノベーションの活力を高める。利用普及チャネルの構築や重点シナリオの開放を推進し、需給チャネルを円滑化することで、市場主導かつ内発的な発展を特徴とする産業エコシステムを形成する。グローバルなエコシステムを積極的に育成し、国内外の技術の融合・発展を推進し、開放・共有を特徴とする国際協力環境を醸成する。
5.:下一步就落施意》有哪些工作措? 5. 問:『実施意見』の着実な実行に向けて、今後どのような取り組みが行われるのか。
答:国家网信、国家展改革委、工和信息化部将会同有关方面切施意》落地效。聚焦智能体技景开放、安全治理等关键环节,完善配套政策,形成工作合力,推重点任落地。同,加智能体用与展的监测评估、滚动实施和动态调整。 答:国家インターネット情報弁公室、国家発展改革委員会、工業情報化部は、関係各方面と連携して『実施意見』の着実な実行と効果の発現を推進する。AIエージェント技術の研究開発、シナリオの開放、セキュリティガバナンスなどの重要分野に焦点を当て、関連政策を整備し、連携を強化して重点任務の着実な実行を推進する。同時に、AIエージェントの規範的な利用と革新的な発展に関する監視・アセスメント、継続的な実施、および動的な調整を強化する。

 

専門家のコメント...

・2026.05.08 专家解读|为智能体发展树立规范、留足空间

家解智能体范、留足空 専門家の解説|AIエージェントの発展に向けた規範の確立と十分な余地の確保
当前,人工智能正经历从生成式人工智能向代理式人工智能的展。智能体作自主感知、记忆、决策、交互、行的新型品服,正在科研、生、消等多个域展出广阔应用前景。与此同,人工智能与网融合新已成展的重要趋势。智能体的自主性、同性与可塑性使其安全风险与治理挑战较以往人工智能用更。在一背景下,国家网信、国家展改革委、工和信息化部合印《智能体用与施意》(以下称《施意》)。《施意》遵循智能体技进规律,展与安全、新与治理,系构建了我国智能体产业发展的政策框架,志着智能体从技探索展的关一步。 現在、AIは生成的AIからエージェント型AIへの発展段階にある。AIエージェントは、自律的に知覚、記憶、意思決定、対話、実行を行うことができる新しい製品・サービス形態として、科学研究、生産、消費など多岐にわたる分野で広範な利用可能性を示している。同時に、AIとネットワークの融合によるイノベーションは、インターネット発展の重要なトレンドとなっている。AIエージェントの自律性、協調性、可塑性により、そのセキュリティリスクとガバナンス上の課題は、従来のAIの利用よりも複雑になっている。こうした背景のもと、国家インターネット情報弁公室、国家発展改革委員会、工業情報化部は共同で『AIエージェントの規範的な利用と革新的な発展に関する実施意見』(以下、『実施意見』)を公布した。『実施意見』は、AIエージェントの技術的進化の法則に従い、発展と安全、革新とガバナンスを統合的に考慮し、わが国のAIエージェント産業の発展に向けた政策枠組みを体系的に構築したものであり、AIエージェントが技術的探求から規範的な発展へと踏み出す重要な一歩を象徴している。
一、展与安全并重,以整体划确立产业发展秩序 一、発展と安全を両立させ、全体的な計画により産業発展の秩序を確立する
智能体是由“大模型+记忆+工具用+划能力”形成的闭环,不硬件工具行任可以分析果,不断化任完成效果。智能体可广泛落地于智慧城市、智慧制造等域,类场景提供“数字化身”式的智能支撑,但如何实现网下异构智能体的高效同、界划分与风险管控,仍需一步探索。《施意》将展与安全底线置于同等重要的位置,在鼓励智能体展的同,也从制度面构建了治理体系,为产业发展确立清晰秩序。 AIエージェントは、「大規模モデル+記憶システム+ツール呼び出し+計画能力」によって形成される閉ループであり、ソフトウェアやハードウェアのツールを呼び出してタスクを実行できるだけでなく、実行結果を分析し、タスク達成の効果を絶えず最適化することもできる。AIエージェントはスマートシティやスマート製造などの分野に幅広く導入され、様々なシナリオに「デジタルアバター」型のインテリジェントな支援を提供できるが、スマートインターネット環境下における異種AIエージェント間の効率的な協調、責任範囲の区分、およびリスク管理をいかに実現するかは、依然としてさらなる探求が必要である。『実施意見』は、イノベーションによる発展と安全の最低基準を同等に重要な位置づけとし、AIエージェントのイノベーションによる発展を奨励すると同時に、制度的なレベルでガバナンス体制を構築し、産業発展のための明確な秩序を確立している。
面,施意》从完善技底座与构建协议两个度夯实产业发展根基。技底座方面,化基与工具,推通用模型与用模型展。协议方面,系布局准体系,推智能体互联协议研究,并前瞻性提出布局智能互网,构建数字身份管理、发现、能力声明等能力。一布局将引智能体从“点智能”走向“群体智能”,智能体的可信互与群体同奠定基 革新・発展の面において、『実施意見』は、技術基盤の整備と標準プロトコルの構築という二つの側面から、産業発展の基盤を強固なものにしている。技術基盤の面では、基礎技術の研究開発とツールチェーンの構築を強化し、汎用モデルと専用モデルの協調的な発展を推進する。標準プロトコルの面では、標準体系を体系的に整備し、AIエージェント間の相互接続プロトコルの研究を推進するとともに、先見性を持ってスマートインターネットの構築を提唱し、デジタルID管理、検索・発見、能力宣言などの機能を構築する。この展開により、AIエージェントは「単一の知能」から「集団知能」へと移行し、AIエージェント間の信頼できる相互接続と集団的協調の基盤が築かれる。
在安全底线层面,施意》构建了覆盖理、技、治理的安全体系。品准方面,完善政策法范,防范算法榨、沉迷成、情感依风险,厘清用与智能体的决策界,并加智能体行管控。技安全方面,强调提升内生安全能力,加应链安全,化解用衍生风险。治理体系方面,推构建分的治理框架,健全合体系,完善智能体估、监测工具。措既守住安全底线、又留足展空智能体产业健康展提供了可期的境。 安全性の最低基準の面において、『実施意見』は倫理、技術、ガバナンスを網羅する安全体系を構築した。製品指針の面では、政策・法規および倫理規範を整備し、アルゴリズムによる搾取、依存症、感情的依存などのリスクを防止するとともに、ユーザーとAIエージェントの意思決定の境界を明確化し、AIエージェントの行動管理を強化する。技術的安全性の面では、内在的なセキュリティ能力の向上を強調し、サプライチェーンの安全性を強化し、アプリケーションに起因するリスクを解消する。ガバナンス体系の面では、分類・段階別のガバナンス枠組みの構築を推進し、 コンプライアンスサービス体制を整備し、AIエージェントの評価・監視ツールを充実させる。これらの措置は、安全の最低ラインを守りつつ十分な発展の余地を残し、AIエージェント産業の健全な発展に予測可能な環境を提供している。
二、用与生态协同,以引构建产业发展路径 二、利用とエコシステムの連携――シナリオ主導による産業発展経路の構築
当前OpenClaw等新型智能体已在中小企和个人开者中得到了广泛尝试用,但要充分发挥其价仍需促智能体与各行业场景的融合。《施意》在智能体的行业应用方面行了全面部署,通过场景化、模化带动迭代,并促进产业的成熟。 現在、OpenClawなどの新型AIエージェントは、中小企業や個人開発者の間で広く試行・利用されているが、その価値を十分に発揮させるには、AIエージェントと各業界のシナリオとの融合を促進する必要がある。『実施意見』は、AIエージェントの業界利用について包括的な展開を示しており、シナリオ化・大規模化された利用を通じて技術の反復改良を促し、産業エコシステムの成熟を促進する。
引方面,施意围绕科学研究、产业发展、提振消、民生福祉、社会治理等域提出典型景。科学研究域,鼓励智能体用于理推演与模仿真,助科研工作。产业发域,面向智能制造、能源源、交通运农业、金融服经济战场,推智能体深度用。提振消费领域,推智能体用、文化旅游、商景。民生福祉与社会治理域,推智能体能教育教学、医健康、政、公共安全等方面。通重点域的景开放,智能体技术应用提供试验场,推与需求的有效接。 利用主導の面において、『実施意見』は科学研究、産業発展、消費の活性化、民生福祉、社会ガバナンスなどの分野を中心に、典型的な利用シナリオを提示している。科学研究分野では、理論推論やシミュレーションにAIエージェントを活用し、科学研究業務を支援することを奨励する。産業発展分野では、スマート製造、エネルギー・資源、交通運輸、農業生産、金融サービスなど、実体経済の主要分野を対象に、AIエージェントの深い活用を推進する。消費活性化分野では、エンドユーザー向けアプリケーション、文化・観光、商業サービスなどのシナリオにおいて、AIエージェントの活用を推進する。民生福祉と社会ガバナンス分野では、教育・指導、医療・健康、 行政サービス、公共安全などの分野への活用を推進する。重点分野におけるシナリオの開放を通じて、AIエージェント技術の利用に向けた試験場を提供し、技術とニーズの効果的なマッチングを促進する。
在生构建方面,施意》从产业合作与用推广两个行部署。产业合作面,培育开源新力量,推智能体与开源芯片、开源操作系、开源大模型兼容适配,搭建产业协作平台同开展技准制定、认证用推广面,构建智能体件商店、行供需信息布平台等用推广渠道,推重点景开放,极参与和布局全球生些部署通明确重点用方向,主体提供了清晰的市场预期与投指引,从供给侧与需求两端力,推术创新与市场应用相互促 エコシステムの構築に関して、『実施意見』は産業協力と利用普及という二つの側面から展開を図る。産業協力のレベルでは、オープンソースによるイノベーションの力を育成し、AIエージェントとオープンソースチップ、オープンソースOS、オープンソース大規模モデルの互換性・適合性を推進するとともに、産業協力プラットフォームを構築し、技術研究開発、標準策定、アセスメント・認証を協調して実施する。利用普及の面では、AIエージェント向けソフトウェアストアや業界の需給情報発信プラットフォームなどの普及チャネルを構築し、重点シナリオの開放を推進するとともに、グローバルなエコシステムへの積極的な参画と展開を図る。これらの施策は、重点的な利用方向を明確にすることで、市場主体に明確な市場予測と投資指針を提供し、供給側と需要側の双方から働きかけ、技術革新と市場利用が相互に促進されるよう推進する。
三、立足长远,以体系化设计术发展与治理需求 三、長期的な視点に立ち、体系的な設計によって技術発展とガバナンスのニーズに応える
施意》的深,在于其体系化设计所体的前瞻性,以及术发展与治理需求之关系的系把握。 『実施意見』の深い意義は、その体系的な設計に表れた先見性、および技術の発展とガバナンスのニーズとの関係に対する体系的な把握にある。
第一,《施意》前瞻布局展智能互网等关术领域。施意》并未局限于已有问题简单,而是着眼未来技术发趋势进先布局。近年来,产业界、学极研究探智能互网的内涵、特征及演路径。认为,智能互网将具空天地一体、通感算融合、高度智能化等典型特征,成网演的新段。作全域感知、传输算能力的智能化合性信息枢,智能互网将在接海量人机物的基上,更有力支撑智能端、智能体之的互联协助,成数智代的关底座。 第一に、『実施意見』はスマートインターネットなどの重要技術分野の発展を先見的に配置している。『実施意見』は既存の問題への単純な対応にとどまらず、将来の技術発展のトレンドを見据えて事前に配置を行っている。近年、産業界や学界では、スマートインターネットの内実、特徴、および進化の道筋について積極的に研究・検討が進められている。業界では、スマートインターネットは、空・地・宇宙の一体化、通信・感知・計算の融合、高度な知能化といった典型的な特徴を備え、インターネットの進化・アップグレードにおける新たな段階になると見られている。全時・全域にわたる感知、伝送、計算能力を備えた知能化された総合情報ハブとして、スマートインターネットは、膨大な人・機械・モノを接続する基盤の上に、スマート端末やAIエージェント間の相互接続・連携をより強力に支え、デジタル・インテリジェント時代の重要な基盤となるだろう。
第二,《施意》探索形成与智能体技特征相适的治理思路。智能体的自主性意味着风险态发化,传统针对单品或一服管方式以有效应对。《施意》在治理思路上实现了从“点管控”向“系治理”的延伸,通构建分的治理体系,健全合体系,提升全条安全保障能力,不同域的智能体用提供差异化的治理路径,促智能体健康有序展。 第二に、『実施意見』は、AIエージェントの技術的特徴に適応したガバナンスの考え方を模索している。AIエージェントの自律性はリスクの形態が変化することを意味し、従来の単一製品や単一サービスを対象とした規制方式では効果的に対応することが困難である。『実施意見』は、ガバナンスの考え方において「単点管理」から「システムガバナンス」への拡張を実現し、階層化・分類化されたガバナンス体系を構築することで、 コンプライアンスサービス体系を整備し、全チェーンにわたるセキュリティ保障能力を向上させ、異なる分野におけるAIエージェントの利用に対し、差別化されたガバナンスの道筋を提供し、AIエージェントの健全かつ秩序ある発展を促進する。
第三,《施意》明确多元主体的同分工。政府面多个部门协协调源整合;行业层面依托盟、实验室等产业组织强专业;企业层面引开源新与产业协作。学研用的同互促有助于形成政府引、市、社会参与的治理格局。 第三に、『実施意見』は多様な主体による協調的な役割分担を明確にしている。政府レベルでは複数の部門が連携して統括・調整を行い、資源の統合を図る。業界レベルでは、連合や研究所などの産業組織を基盤として専門的なサービスの提供を強化する。企業レベルでは、オープンソースによるイノベーションと産業連携を誘導する。産学研用の連携と相互促進は、政府の誘導、市場の主導、社会の参加によるガバナンス構造の形成に寄与する。
体来看,《施意》以范保障安全,以驱动发展,以产业,以治理引未来,推我国智能体在安全可控的前提下实现展,我国数字经济、科技自立自与社会治理代化提供坚实支撑。(作者:邬贺铨,中国工程院院士) 全体として見て、『実施意見』は、規範によって安全を保障し、イノベーションによって発展を牽引し、利用によって産業に力を与え、ガバナンスによって未来をリードすることで、安全かつ管理可能な前提の下でわが国のAIエージェントの高品質な発展を実現し、わが国のデジタル経済の構築、科学技術の自立・自強、および社会ガバナンスの近代化に強固な支えを提供する。(著者:鄔賀銓、中国工程院院士)

 

・2026.05.08 专家解读|统筹高质量发展与高水平安全:从《智能体规范应用与创新发展实施意见》看AI产业新图景

家解筹高展与高水平安全:从《智能体用与施意》看AI产业 専門家の解説|質の高い発展と高水準の安全の調和:『AIエージェントの規範的利用と革新的発展に関する実施意見』から見るAI産業の新たな展望
近日,国家网信、国家展改革委、工和信息化部合印《智能体用与施意》(以下称《施意》),志着我国智能体用与入新段。《施意筹高展与高水平安全,平衡新与风险防范,既充分回了当前智能体在大众消、行业应用等域快速展的客观趋势,也其朝着安全、可靠、可信方向高量、健康有序展提供了重要遵循与指引,将有力促智能经济和智能社会新形培育壮大,能新展。 先日、国家インターネット情報弁公室、国家発展改革委員会、工業情報化部が共同で『AIエージェントの規範的利用と革新的発展に関する実施意見』(以下、『実施意見』)を公布した。これは、中国のAIエージェントの利用と革新的発展が新たな段階に入ったことを示すものである。『実施意見』は、質の高い発展と高水準の安全を両立させ、利用・革新とリスク防止のバランスを図っている。これは、一般消費や業界利用などの分野における現在のAIエージェントの急速な発展という客観的な傾向に十分に応えるとともに、安全・確実・信頼性の高い方向への質の高い、健全かつ秩序ある発展に向けた重要な指針を提供するものであり、スマート経済とスマート社会の新たな形態の育成・拡大を強力に促進し、新たな質を備えた生産力の発展を後押しするだろう。
一、智能体技进带来生升与治理新课题 一、AIエージェント技術の進化がもたらす生産力の飛躍とガバナンスの新たな課題
当前,人工智能加速从“通用对话”模型向具“感知、记忆、决策、交互与行”闭环能力的智能体演。智能体深入端操作系,加速与物理世界深度融合,具重塑生力格局的覆性力量,将深刻改生活方式和社会治理模式。 現在、AIは「汎用対話」モデルから、「知覚、記憶、意思決定、相互作用、実行」という閉ループ能力を備えたAIエージェントへと、急速に進化・アップグレードしている。AIエージェントは端末のオペレーティングシステムに深く浸透し、物理世界との深い融合を加速させており、生産力の構造を再構築する破壊的な力を有し、人類の生産・生活様式や社会ガバナンスのモデルを根本的に変えることになる。
智能体能千行百业转型升从科研探索的模仿真、智能制造的排程化,到日常消的跨设备协同与政的自化流,智能体正加速与物理世界深度融合。种融合将极大降低各行的智能化门槛,引从“人机交互”到“人机同”的生方式革。 AIエージェントは、あらゆる業界の変革と高度化を後押ししている。科学研究におけるシミュレーションやスマート製造のスケジューリング最適化から、日常消費におけるデバイス間連携や行政サービスの自動化に至るまで、AIエージェントは物理世界との深い融合を加速させている。この融合は、各業界のスマート化への参入障壁を大幅に引き下げ、「人間と機械の対話」から「人間と機械の協調」への生産方式の変革を引き起こすだろう。
智能体来新的风险智能体技的多元化、决策的自主性以及海量底数据的依,使得传统界防御模型面失效。如何在保障限不被用、系运行健可控的前提下放智能体潜能,成为摆产业界面前的核心课题 AIエージェントは新たなリスクと課題をもたらす。AIエージェント技術の多様化、意思決定の自律性、そして膨大な基盤データへの依存により、従来の境界防御モデルは機能不全に陥りつつある。端末の権限が乱用されないよう保障し、システムの運用が堅牢かつ制御可能であるという前提の下で、いかにしてAIエージェントの潜在能力を引き出すかが、産業界が直面する核心的な課題となっている。
二、引与生共建,激活高展新 二、利用主導とエコシステムの共同構築を堅持し、質の高い発展に向けた新たな原動力を活性化させる
施意》将“展”置于突出位置,明确提出以为牵引,通学研用的同,构建开放共享的智能体新生智能体普及用提供了广展空 『実施意見』は「発展」を最優先事項に位置づけ、利用を牽引役とし、政府・産業界・学術界・研究機関・利用者の緊密な連携を通じて、開放的で共有可能なAIエージェントのイノベーションエコシステムを構築することを明確に打ち出しており、AIエージェントの普及・利用に広範な発展の余地を提供している。
一是厚植技底座,占智能互网先机。施意》不鼓励基大模型与用模型的矩展,更前瞻性地提出布局“智能互网”体系架构。通推广智能体互联协议(AIP)、探索数字身份与多智能体同技,我国正致力于在下一代互网基础设施建中掌握主动权 第一に、技術基盤を強固にし、スマートインターネットの先機を掴むことだ。『実施意見』は、基礎的な大規模モデルと細分化された分野の専用モデルのマトリクス型発展を奨励するだけでなく、先見性を持って「スマートインターネット」のシステムアーキテクチャの構築を提唱している。AIエージェント相互接続プロトコル(AIP)の普及や、デジタルIDおよびマルチAIエージェント協調技術の探求を通じて、中国は次世代インターネットインフラの構築において主導権を握ることに注力している。
二是能,推成果高效化。施意》开辟了从科学研究、产业发展到民生福祉的广阔应试验田。通建立智能体件商店、行供需布平台以及推重点景的点示范,《施意》旨在打通技与市需求之的壁,以真的商和公共服务场引智能体技的快速迭代。 第二に、ユースケースによる活用を強化し、技術成果の効率的な実用化を推進することだ。『実施意見』は、科学研究、産業発展から国民の福祉に至るまで、広範な利用試験の場を切り開いた。AIエージェント向けソフトウェアストアや業界の需給情報発信プラットフォームの構築、および重点ユースケースにおけるパイロット事業・実証実験の推進を通じて、『実施意見』は技術研究開発と市場ニーズの間の障壁を取り除き、実際のビジネスや公共サービスのユースケースによってAIエージェント技術の迅速な進化を牽引することを目指している。
三是培育开源力量,共建全球化产业施意强调发挥产业协作平台的作用,引国内开源社区在智能体框架、工具及操作系等底力。有助于整合国内源,更我国智能体企出海、参与全球规则制定与技交流奠定了坚实的生 第三に、オープンソースの力を育成し、グローバルな産業エコシステムを共同で構築することだ。『実施意見』は、産業連携プラットフォームの役割を発揮させ、国内のオープンソースコミュニティがAIエージェントのフレームワーク、ツールチェーン、オペレーティングシステムなどの基盤技術に注力するよう導くことを強調している。これは国内のイノベーション資源を統合するのに役立つだけでなく、中国のAIエージェント企業が海外に進出し、グローバルなルール策定や技術交流に参加するための強固なエコシステムの基盤を築くことにもなる。
三、夯安全底线与敏捷治理,产业 三、安全性の最低ラインと機敏なガバナンスを強化し、産業の着実かつ長期的な発展を後押しする
在全面鼓励新的同,《施意》将“安全、可靠、可信”作不可逾越的底线种安全并非被的封堵,而是建立在深厚学研究和产业上的前置性、体系化治理。 イノベーションを全面的に奨励する一方で、『実施意見』は「安全、信頼性、信用性」を越えられない最低ラインとしている。この安全性とは、受動的な封じ込めではなく、深い学術研究と産業のコンセンサスに基づいた、予防的かつ体系的なガバナンスである。
一是构建“行管控+内生安全”的双重防御体系。施意》提出厘清智能体自主决策与用的合理界,强调发展“规则内嵌、行为围栏”等技,确保智能体在复杂场景下的操作合法合、可追溯。同,从供应链全周期的角度,化数据保与模型防投毒能力,筑牢智能体运行的底基石。 第一に、「行動管理+内在的安全性」という二重の防御体制を構築することだ。『実施意見』は、AIエージェントの自律的意思決定とユーザーの権限付与との合理的な境界線を明確化することを提唱し、「ルール組み込み、行動フェンス」などの技術の開発を強調し、複雑なシナリオ下でもAIエージェントの操作が合法・コンプライアンスに準拠し、追跡可能であることを確保する。同時に、サプライチェーンの全ライフサイクルの観点から、データ保護とモデルのポイズニング防止能力を強化し、AIエージェント稼働の基盤を強固なものにする。
二是完善准引与合对庞大的用生,《施意》提出系布局关、数据交、可信认证准体系。依托些基础标准,逐步健全涵盖风险监测检测认证的第三方合体系。通过认证结果的互通互能市主体实现低成本的合前置。 第二に、標準主導とコンプライアンスサービスネットワークを整備することだ。膨大なアプリケーションエコシステムを前に、『実施意見』は、重要技術、データ交換、信頼性認証などの標準体系を体系的に構築することを提唱している。これらの基礎標準に基づき、リスク監視、アセスメント・検査、認証コンサルティングを網羅する第三者コンプライアンスサービス体系を段階的に整備する。認証結果の相互利用・相互承認を通じて、市場主体が低コストでコンプライアンスを事前に対処できるよう支援する。
三是推行分与包容慎的治理框架。针对不同景,《施意》采取了灵活敏捷的治理机制。于敏感格管理;于生活娱乐等低风险领域,充分发挥平台管理、行自律与信用价机制的作用,避免度干,最大程度保持企新活力。 第三に、分類・格付けと包容的かつ慎重なガバナンス枠組みを推進する。異なる利用シナリオに対し、『実施意見』は柔軟かつ機敏なガバナンスメカニズムを採用している。センシティブな分野については厳格な管理を実施し、生活・娯楽などの低リスク分野については、プラットフォーム管理、業界の自主規制、信用評価メカニズムの役割を十分に発揮させ、過度な介入を避け、企業のイノベーション活力を最大限に維持する。
四、结语 四、結語
施意》的出台,我国智能体产业的健康制了清晰的路线图近平总书记指出,人工智能来前所未有展机遇,也来前所未遇风险。要把握人工智能趋势律,加制定完善相关法律法、政策制度、范、理准,构建技术监测风险预警、急响体系,确保人工智能安全、可靠、可控。未来,在包容慎的政策引下,依托扎准体系与蓬勃的开源生,我国智能体产业必将在筹高展与高水平安全中构筑起坚实的核心争力,真正实现“智能向善”,造福社会大众。(作者:余晓晖,中国信息通信研究院院 『実施意見』の発表は、わが国のAIエージェント産業の健全な発展に向けた明確なロードマップを描いた。習近平総書記は、AIがかつてない発展の機会をもたらす一方で、未曾有のリスクと課題ももたらすと指摘している。AIの発展傾向と法則を把握し、関連する法律・法規、政策制度、利用規範、倫理基準の策定・整備を急ぎ、技術監視、リスク早期警戒、緊急対応体制を構築し、AIエージェントの安全性、信頼性、制御可能性を確保しなければならない。今後、包容のかつ慎重な政策の導きのもと、堅実な標準体系と活気あるオープンソースのエコシステムを基盤として、わが国のAIエージェント産業は、質の高い発展と高水準の安全を両立させる中で、確固たる中核的競争力を築き上げ、「知能の善への活用」を真に実現し、社会全体に恩恵をもたらすことになるだろう。(著者:余暁暉、中国情報通信研究院院長)

 

・2026.05.08 专家解读|顺应新一轮科技革命与产业变革趋势,推动智能体高质量发展

家解顺应新一科技革命与产业变趋势,推智能体高 専門家の解説|新たな科学技術革命と産業変革の潮流に順応し、AIエージェントの質の高い発展を推進する
智能体集感知、记忆、决策、交互与行于一体,是人工智能走向用的关键载体。在人工智能大模型等前沿技的推下,智能体正在打破数字世界与物理世界的界,生活和社会治理迎来深刻重塑。近日,国家网信、国家展改革委、工和信息化部合印《智能体用与施意》(以下称《施意》),我国智能体产业展明确了路径、部署了任,是筹推突破、产业与安全治理的重要指引性政策。 AIエージェントは、知覚、記憶、意思決定、対話、実行を一体化したものであり、AIが実用化へ向かうための重要な担い手である。AIの大規模モデルなどの最先端技術の推進により、AIエージェントはデジタル世界と物理世界の境界を打ち破り、生産・生活および社会ガバナンスに抜本的な変革をもたらしつつある。先日、 国家インターネット情報弁公室、国家発展改革委員会、工業情報化部は共同で『AIエージェントの規範的利用と革新的発展に関する実施意見』(以下、『実施意見』)を公布した。これは、わが国のAIエージェント産業の質の高い発展に向けた道筋を明確にし、任務を策定したものであり、技術的ブレークスルー、産業の高度化、およびセキュリティガバナンスを統括的に推進するための重要な指針となる政策である。
一、《施意》出台的重要意 一、『実施意見』の公布の重要な意義
(一)响国家略,占科技高地。施意》的出台是党中央、国院决策部署的极响和精准对标。国家高度重智能体产业发展,在政府工作告、《关于深入施“人工智能+”行的意》等重要文件中强调智能体展的重要性。《施意新引强调论创新、技术创新、工程力,通体系化攻突破智能体关,助力占智能体产业竞争高地。 (一)国家戦略に応え、科学技術の優位性を確保する。『実施意見』の公布は、党中央および国務院の政策決定・配置に対する積極的な対応であり、的確な整合を図ったものである。国家はAIエージェント産業の発展を極めて重視しており、政府活動報告や『「AI+」行動の徹底実施に関する意見』などの重要文書において、その重要性を強調している。『実施意見』は「イノベーション主導」の原則を軸とし、理論革新、技術革新、工学革新の相乗効果を強調している。体系的な取り組みを通じてAIエージェントの重要技術の突破を図り、同産業における競争上の優位性の確保を支援する。
(二)顺应产业趋势,促当前,智能体产业从萌芽走向成熟,技产业期加速到来,全球新成果涌。国大模型快速展,智能体产业链覆盖面广,展潜力巨大。《施意引与开放同,聚焦科学研究、产业发展、提振消、民生福祉、社会治理等实际需求,从国家源布局,深化景,范有序推进产业展。 (二)産業のトレンドに順応し、質の向上と高度化を促進する。現在、AIエージェント産業は萌芽期から成熟期へと移行しており、技術と産業の爆発的成長期が加速して到来し、世界中で革新的な成果が次々と生まれている。国産の大規模モデルは急速に発展しており、AIエージェントの産業チェーンは広範囲に及び、発展の可能性は極めて大きい。『実施意見』は、利用主導と開放・協調を堅持し、科学研究、産業発展、消費の活性化、民生福祉、社会ガバナンスなどの実際のニーズに焦点を当て、国家レベルで資源配置を統括し、利用シナリオを深化させ、産業の質の高い発展を規範的かつ秩序立てて推進する。
(三)持以人本,推智能向善。施意》尊重智能代人的主体地位、保障合法益,防范技术滥用、诱导、虚假宣、算法榨等违规失范行,亮明了以人本的立。同强调术对于限制智能体行为边界的重要作用,鼓励规则内嵌、行为围栏等技,探索利用区块链等技,建立重要景智能体行验证、可追溯机制,防范智能体行失序引的系风险 (三)人間本位を堅持し、AIの善用を推進する。『実施意見』は、AI時代における人間の主体的地位を尊重し、合法的権益を保障するとともに、技術の濫用、誘導的消費、虚偽宣伝、アルゴリズムによる搾取などの違法・不適切な行為を防止し、人間本位の立場を明確にしている。同時に、AIエージェントの行動境界を制限する上での技術の重要な役割を強調し、ルール組み込みや行動フェンスなどの技術開発を奨励する。また、ブロックチェーンなどの技術を活用し、重要な利用シナリオにおけるAIエージェントの行動を検証・追跡可能なメカニズムを確立することで、AIエージェントの行動の無秩序化が引き起こすシステミックリスクを防止する。
二、“化行自治、明确品准、分治理”保安全 二、「業界の自主規制を強化し、製品基準を明確化し、分類・段階別ガバナンスを行う」ことで安全を確保する
(一)明确品准,划定安全红线智能体因具决策、行能力,使行控制成新的安全界。一方面,《施意》关注智能体品安全风险。完善智能体品安全规则体系,防范智能体利用数据优势、人格化交互技术实播不良价值观、算法榨等行,防范未成年人及老年人沉迷成、情感依风险,确保智能体运行恪守法律法,契合主流价值导向。另一方面,《施意》明确用户对智能体行的知情和最决策。尊重人的主体地位,在系统权用、移支付等高敏感景中,厘清限用本人决策、需由用决策、智能体自主决策的合理界。 (一)製品基準を明確化し、安全のレッドラインを定める。AIエージェントは意思決定・実行能力を備えているため、その行動制御が新たな安全の境界線となっている。一方、『実施意見』はAIエージェント製品の安全リスクに注目している。AIエージェント製品の安全ルール体系を整備し、AIエージェントがデータの優位性や人格化された対話技術を利用して、不適切な価値観の拡散やアルゴリズムによる搾取などの行為を行うことを防止するとともに、未成年者や高齢者の依存症や感情的な依存などのリスクを防止し、AIエージェントの運用が法令を遵守し、主流の価値観に沿うことを確保する。他方、『実施意見』は、ユーザーのAIエージェントの行動に対する知情権と最終決定権を明確にしている。人間の主体性を尊重し、システムの権限呼び出しやモバイル決済などの極めて機微な場面において、ユーザー本人のみが決定できる範囲、ユーザーの承認が必要な範囲、AIエージェントが自律的に決定できる範囲という合理的な境界線を明確にする。
(二)分治理,完善治理体系。智能体景多元、风险差异著,需以分思路构建精化治理格局。于敏感域及重点行案、检测问题产品召回等管理手段。于部分生活娱乐、日常公等低风险领域,通、信息告、分平台管理、行自律等实现高效治理。同,《施意发挥风险治理中的主防范作用,降低数据投毒、私泄露、系漏洞、虚假信息生成播等安全风险 (二)分類・段階別ガバナンスにより、ガバナンス体制を整備する。AIエージェントの利用シーンは多様であり、リスクの差異も顕著であるため、分類・段階別の考え方に基づき、きめ細かなガバナンス体制を構築する必要がある。センシティブな分野や重点業界に対しては、届出、検査、問題のある製品のリコールなどの管理手段を実施する。生活・娯楽や日常業務など一部の低リスク分野については、コンプライアンス自己診断、情報報告、配信プラットフォームの管理、業界の自主規制などを通じて、効率的なガバナンスを実現する。同時に、『実施意見』は、リスクガバナンスにおける技術の能動的な予防的役割を発揮させ、データ改ざん、プライバシー漏洩、システムの脆弱性、虚偽情報の生成・拡散などのセキュリティリスクを低減する。
(三)化行自治,鼓励信用价。当前,智能体正于高速演之中,各类现级产品形态层出不。《施意》注重发挥自治高效、灵活优势,支持行业组织、主要企业联合制定智能体功能合、算法治理、知识产权、公平争等行自律范,引智能体开者、开平台、分平台、服提供者建立公平合理的平台规则、用务协议私政策。此外,《施意》鼓励智能体市主体自愿参与信用价机制建,并依法依规实施失信束。 (三)業界の自主規制を強化し、信用評価を奨励する。現在、AIエージェントは急速な進化の過程にあり、様々な画期的な製品形態が次々と登場している。『実施意見』は、業界自律の効率的かつ柔軟な利点を重視し、業界団体や主要企業が連携して、AIエージェントの機能コンプライアンス、アルゴリズムガバナンス、知的財産権保護、公正な競争などに関する業界自律規範を策定することを支援し、AIエージェント開発者、開発プラットフォーム、配信プラットフォーム、サービス提供者が、公正かつ合理的なプラットフォーム規則、ユーザー利用規約、プライバシーポリシーを確立するよう導く。さらに、『実施意見』は、AIエージェント市場の主体が信用評価メカニズムの構築に自発的に参加することを奨励し、法令に基づき信用失墜に対する制約措置を実施する。
三、“夯实发展基引、建设创新生”促 三、「発展の基盤を固め、利用の牽引力を強化し、イノベーションエコシステムを構築する」ことで発展を促進する
(一)完善技底座与协议,夯实产业发展根基。智能体从“点突破”走向“模落地”的展,需要坚实的技底座与一的协议支撑。技底座方面,《施意化了基,突破大模型、多模、推理决策等关能力,同健全智能体工具,覆盖从研测试到部署运的全生命周期,降低门槛协议层面,《施意》要求加快构建一的准体系,涵盖数据格式、接口范、安全要求等关键环节,并推智能互网建实现智能体之的互互通与高效作。 (一)技術基盤と標準プロトコルを整備し、産業発展の基盤を固める。AIエージェントが「単点での突破」から「大規模な実用化」へと向かう革新的な発展には、強固な技術基盤と統一された標準プロトコルが支えとして必要だ。技術基盤の面では、『実施意見』は基礎技術の研究開発を強化し、大規模モデル、マルチモーダル、推論・意思決定などの重要能力の突破を図ると同時に、AIエージェントのツールチェーンを整備し、研究開発、テストから展開・運用・保守に至る全ライフサイクルをカバーすることで、利用のハードルを下げる。標準プロトコルの面では、『実施意見』は、データ形式、インターフェース仕様、セキュリティ要件などの重要な要素を網羅した統一的な標準体系の構築を加速させるとともに、スマートインターネットの構築を推進し、AIエージェント間の相互接続と効率的な連携を実現することを求めている。
(二)聚焦十九个景,引智能体落地用。智能体通重构“人机作”的模式,将技能力定在具体景中,形成从任务执行到果交付的闭环。《施意围绕科学研究、产业发展、提振消、民生福祉、社会治理等域,布局十九个典型景,智能体的模化落地提供了清晰的路径引,促智能体从技探索走向景深耕。 (二)19のシナリオに焦点を当て、AIエージェントの実用化を牽引する。AIエージェントは、「人間と機械の協働」のモデルを再構築することで、技術能力を具体的なシナリオに定着させ、タスクの実行から結果の提供に至るまでの閉ループを形成する。『実施意見』は、科学研究、産業発展、消費の活性化、民生福祉、社会ガバナンスなどの分野を中心に、19の典型的なシナリオを策定し、AIエージェントの規模的な実用化に向けた明確な道筋を示し、AIエージェントが技術的な探求からシナリオへの深い取り組みへと移行することを促進する。
(三)促研需两高水平互,建设创新生新生的核心是市场牵引、内驱发展。在研发侧,《施意》引开源社区、企、高校、科技机构、生态联盟、技术验证实验室等主体,通培育开源新力量、搭建产业协作平台,深化学研用合作;在,《施意同智能体件商店、行供需信息布平台、智能体企,通构建用推广渠道、推重点景开放、极培育全球生用推广。 (三)研究側と需要側の高水準な相互作用を促進し、イノベーションエコシステムを構築する。イノベーションエコシステムの中核は、市場主導による内発的な発展である。研究開発側においては、『実施意見』は、オープンソースコミュニティ、企業、大学、科学技術機関、エコシステム連合、技術検証ラボなどの主体に対し、オープンソースによるイノベーション力の育成や産業協力プラットフォームの構築を通じて、産学研用の連携を深化させるよう導く。利用側においては、『実施意見』は、AIエージェントのソフトウェアストア、業界の需給情報発信プラットフォーム、AIエージェント企業と連携し、利用普及チャネルの構築、重点シナリオの開放推進、グローバルエコシステムの積極的な育成を通じて、利用普及を強化する。
四、结语 四、結び
当前,智能体正在深度融入经济社会各域,逐步成为驱动产业创展的重要力量。《施意》的出台将一步夯智能体范健康展的制度基,推其持向安全、可靠、可信的方向演。(作者:魏一,工和信息化域科技家委会主任委 現在、AIエージェントは経済社会の各分野に深く浸透しつつあり、産業の革新と発展を牽引する重要な力となりつつある。「実施意見」の発表は、AIエージェントの規範的かつ健全な発展のための制度的基盤をさらに強固なものとし、安全、信頼性、信用性のある方向への持続的な進化を促進する。(著者:魏一鳴、工業・情報化分野科学技術倫理専門家委員会主任委員)

 

・2026.05.08 专家解读|以规范应用护航智能体发展行稳致远

家解|以航智能体展行 専門家の解説|規範的な活用により、AIエージェントの発展を安定かつ長期的に支える
当前,以自主感知、记忆、决策、交互与核心的智能体技,正从前沿技探索模化用,并加速入各种垂类场景,新的用形及商模式持,成塑造新力、推社会智能化型的重要驱动力。然而,智能体在延人工智能技术现有各类风险的同,也大、行失控、工具投毒等新型风险,引全社会广泛关注。近日,国家网信、国家展改革委、工和信息化部合印《智能体用与施意》(以下称《施意》),旨在一步落院《关于深入施“人工智能+”行的意》,促智能体用与展。《施意》系如何在智能体技快速迭代演,潜在风险日益复的背景下,确保其行在安全、可靠、可信的道上。 現在、自律的な知覚、記憶、意思決定、対話、実行を中核とするAIエージェント技術は、最先端技術の探求から大規模な利用へと移行しつつあり、様々な垂直分野のシナリオへの導入が加速している。新たな利用形態やビジネスモデルが次々と現れ、新たな質を備えた生産力を形成し、社会のスマート化への転換を推進する重要な原動力となっている。しかし、AIエージェントは、AI技術に既存の様々なリスクを引き継ぐと同時に、権限の過剰、行動の制御不能、ツールへの悪意ある改ざんといった新たなリスクももたらしており、社会全体から広く注目を集めている。先日、国家インターネット情報弁公室、国家発展改革委員会、工業情報化部は共同で『AIエージェントの規範的利用と革新的発展に関する実施意見』(以下、『実施意見』)を公布した。これは、国務院の『「AI+」行動の徹底的な実施に関する意見』をさらに具体化し、AIエージェントの規範的な利用と革新的な発展を促進することを目的としている。『実施意見』は、AIエージェント技術が急速に反復・進化し、潜在的なリスクが日増しに複雑化する中で、いかにしてその発展を安全、確実、かつ信頼できる軌道に乗せるかについて、体系的に対応している。
一、智能体新技术发来新治理挑 一、AIエージェントの新技術の発展がもたらす新たなガバナンス上の課題
智能体技展使人工智能治理的逻辑发生深刻化。相于大模型,智能体一步展出自主性、交互性等特征,能理解复、自主划并行一系列任也意味着人工智能的风险从内容风险向行为风险扩散,且影响范更广,传导速度更快,任主体更加模糊。一方面,智能体在复杂环境中出错误决策或越操作可能直接致事故,另一方面,攻者也可能通工具投毒等各新型手段劫持智能体用于法犯罪行一根本化,使得智能体治理不出内容”行管理,也要对动态“行为边界”范。 AIエージェント技術の発展により、AIガバナンスの論理に深刻な変化が生じている。大規模モデルと比較して、AIエージェントは自律性や対話性といった特徴をさらに顕著に示し、複雑な目標を理解し、自律的に計画を立て、一連のタスクを実行することができる。これはまた、AIのリスクの性質が、コンテンツリスクから行動リスクへと拡散し、影響範囲がより広くなり、伝播速度が速くなり、責任主体がより曖昧になっていることを意味する。一方で、複雑な環境下におけるAIエージェントの誤った意思決定や権限越境操作は、直接的に事故につながる可能性がある。他方で、攻撃者はツールへのマルウェア混入など、様々な新型の手法を通じてAIエージェントを乗っ取り、違法・犯罪行為に利用する可能性もある。この根本的な変化により、AIエージェントのガバナンスにおいては、静的な「出力内容」の管理だけでなく、動的な「行動の境界」の規範化も求められるようになった。
二、多措并筑牢智能体安全防范底线 二、多角的な措置を講じてAIエージェントの安全対策の基盤を強固にする
施意》的出台,正是对现有人工智能治理体系的必要深化与拓展,从明确品准、防范安全风险、完善治理体系、化行自律四个方面着手,多措并构建智能体治理体系。 『実施意見』の公布は、まさに既存のAIガバナンス体制に対する必要な深化と拡大であり、製品基準の明確化、リスクの防止、ガバナンス体制の整備、業界の自主規制の強化という四つの側面から着手し、多角的な措置を講じてAIエージェントのガバナンス体制を構築するものである。
一是明确品准施意》及了智能体授决策一关键问题,要求厘清限用本人决策、需由用决策、智能体自主决策等不同决策方式的合理界限,确保用户对智能体自主决策享有知情和最决策。加智能体行管控,确保智能体行合法合、可追溯、可验证。同确保智能体行符合主流价值导向,重点防范未成年人、老年人等群体的沉迷成、情感依赖风险 第一に、製品基準を明確化する。『実施意見』は、AIエージェントの意思決定権限の境界という重要な問題に迅速に対応し、ユーザー本人のみによる意思決定、ユーザーの承認を要する意思決定、AIエージェントによる自律的意思決定といった異なる意思決定方式の合理的な境界線を明確にし、AIエージェントの自律的意思決定に対してユーザーが知情権と最終決定権を享有することを確保する。AIエージェントの行動管理を強化し、その行動が合法・コンプライアンスに準拠し、追跡可能かつ検証可能であることを確保する。同時に、AIエージェントの行動が主流の価値観に沿うよう確保し、特に未成年者や高齢者などのグループにおける依存症や感情的依存のリスクを重点的に防止する。
二是防范安全风险施意》重点关注智能体内生安全、供应链安全及用衍生安全风险,通相关安全技研究和风险识别预警提升风险防范能力,要求智能体全条安全风险的防范,尤其是避免智能体被意用于法犯罪行,防止智能体风险的衍生和散。 第二に、セキュリティリスクの防止である。『実施意見』は、AIエージェントの内在的なセキュリティ、サプライチェーンのセキュリティ、およびアプリケーションに派生するセキュリティリスクに重点を置き、関連するセキュリティ技術の研究やリスク特定・早期警戒を推進することでリスク防止能力を向上させ、AIエージェントの全プロセスにわたるセキュリティリスクへの対策を強化することを求めている。特に、AIエージェントが悪意を持って違法・犯罪行為に利用されることを回避し、AIエージェントリスクの派生と拡散を防止する。
三是完善治理体系。敏捷治理强调治理机制的适性与响速度,《施意》明确提出要构建分的治理框架,根据景和潜在影响,妥地开展智能体分治理,并针对不同风险级别应景,采取案、检测品召回、信息告、平台管理、行自律等多元实现高效治理,推健全第三方专业体系。 第三に、ガバナンス体制の整備である。アジャイル・ガバナンスは、ガバナンスメカニズムの適応性と対応速度を重視しており、『実施意見』では、分類・段階別のガバナンス枠組みを構築することを明確に打ち出している。利用シナリオと潜在的な影響に基づき、慎重かつ着実にAIエージェントの段階別ガバナンスを展開し、リスクレベルの異なる利用シナリオに対して、届出、検査、製品リコール、情報報告、プラットフォーム管理、業界の自主規制などの多様な措置を講じて効率的なガバナンスを実現し、第三者による専門的なコンプライアンスサービス体制の整備を推進する。
四是化行自律。自律可填法律制与技术创新灵活性之的“治理隙”,快速聚共。《施意》鼓励行业组织、主要企业联合制定智能体功能合、算法治理等细则。聚焦智能体开者、开平台、分平台、服提供者等多元主体,指建立公平合理的平台规则及用户协议,加智能体相关风险的宣教育和用。并鼓励探索智能体信用价机制,引各方参与信用价,共同造良好境。 第四に、業界の自主規制を強化する。業界の自主規制は、法律による硬直的な規制と技術革新の柔軟性との間の「ガバナンスのギャップ」を埋め、迅速に合意を形成することができる。『実施意見』は、業界団体や主要企業が連携して、AIエージェントの機能コンプライアンスやアルゴリズムガバナンスなどの詳細な規範を策定することを奨励している。AI開発者、開発プラットフォーム、配信プラットフォーム、サービスプロバイダーなど多様な主体に焦点を当て、公平かつ合理的なプラットフォーム規則および利用規約の策定を指導し、AIエージェント関連リスクに関する啓発教育やユーザー研修を強化する。また、AIエージェントの信用評価メカニズムの模索を奨励し、各方面が信用評価に参加するよう導き、共に良好な発展環境を醸成する。
三、向可信的智能未来 三、信頼できるスマートな未来へ
施意》的出台有助于智能体一快速演的技术领域,构建起一套基性的治理和展框架。 『実施意見』の発表は、急速に進化するAIエージェントという技術分野において、基礎的なガバナンスと発展の枠組みを構築するのに寄与する。
一是为产业提供确定性的期。清晰的政策规则能降低市不确定性,帮助企明确研与商化的界,将源和投更有效地集中于符合范的技术创新与景探索,有助于形成定、可持产业发境,避免因规则缺失或模糊而引的市无序状 第一に、産業に確実な発展の見通しを提供することだ。明確な政策ルールは市場の不確実性を低減し、企業が研究開発と商業化の境界を明確にするのを助け、規範に合致した技術革新やシナリオの探求に資源と投資をより効果的に集中させる。これにより、安定的かつ持続可能な産業発展環境の形成に寄与し、ルールの欠如や曖昧さによって引き起こされる市場の無秩序な状態を回避できる。
二是在社会面构建风险网。施意》通过设定全条安全要求,特键领域和脆弱群体的重点保,系防智能体技术滥用、决策失控等风险,保国家安全、公共利益和人民益,智能体技在全社会模化用建立必要的安全信任基 第二に、社会レベルでリスク防止網を構築することだ。『実施意見』は、全プロセスにわたる安全要件を設定し、特に重要分野や脆弱な集団に対する重点的な保護を通じて、AIエージェント技術の濫用や意思決定の制御不能といったリスクを体系的に予防し、国家安全保障、公共の利益、国民の権益を保護することで、社会全体におけるAIエージェント技術の規模拡大に向けた利用に必要な安全と信頼の基盤を築く。
四、结语 四、結語
展望未来,随着智能体技突破与用深化,社会各界更需要“边发展、治理”的定力和智慧。唯有在新与范之找到动态平衡,在技能力与社会理性之建立持续对话,我才能真正驾驭智能体大工具,使其成为经济展和社会步的建性力量,共同向一个安全、可靠、可信的智能未来。(作者:薛,清大学文科深教授、清大学世民院院 将来を見据えると、AIエージェント技術の飛躍的進歩と利用深化に伴い、社会各界は「発展しつつ、学びつつ、ガバナンスを行っていく」という定力と知恵をますます必要としている。イノベーションと規制の間に動的なバランスを見出し、技術的能力と社会的理性との間で持続的な対話を確立してこそ、我々は初めてこの強力なツールであるAIエージェントを真に掌握し、それを経済の質の高い発展と社会の進歩に向けた建設的な力とし、安全で信頼性が高く、信用できるインテリジェントな未来へと共に歩んでいくことができるのだ。(著者:薛瀾、 清華大学文科シニア教授、清華大学蘇世民書院院長)

 

・2026.05.08 专家解读|把握智能体发展机遇,加快构建智能体治理体系

家解|把握智能体展机遇,加快构建智能体治理体系 専門家による解説|AIエージェントの発展機会を捉え、ガバナンス体系の構築を加速させる
2026年以来,OpenClaw广泛用,在展出智能体大自主任务执行能力的同,也暴露出智能体在指令诱导下可起网风险隐患,引全球智能体展与安全的高度关切。近期,国家网信、国家展改革委、工和信息化部合印《智能体用与施意》(以下称《施意》),智能体治理架构、景和产业作出系部署。《施意》的出台志着我国在智能体模化用的关窗口期,率先构建起覆盖智能体全生命周期的展和治理框架,推智能体技术红利在可问责、可解、可偏的有序道上放,为产业发展划定了“安全底线”与“新空”的双重界。 2026年以降、OpenClawが広く普及し、AIエージェントの強力な自律的なタスク実行能力を示す一方で、指令によって誘導されたAIエージェントがサイバー攻撃を仕掛けるなどのリスクも露呈し、AIエージェントの発展と安全性に対する世界的な懸念が高まっている。最近、国家インターネット情報弁公室、国家発展改革委員会、工業情報化部は共同で『AIエージェントの規範的利用と革新的発展に関する実施意見』(以下、『実施意見』という)を公布し、AIエージェントのガバナンス体制、利用シナリオ、産業エコシステムについて体系的な配置を行った。『実施意見』の公布は、わが国がAIエージェントの大規模利用に向けた重要な転換期に、その全ライフサイクルを網羅する発展・ガバナンスの枠組みをいち早く構築したことを示している。これにより、AIエージェント技術の恩恵が、説明責任が問え、解釈可能で、是正可能な秩序ある軌道上で発揮されるよう促進し、産業発展のために「安全の最低ライン」と「イノベーションの余地」という二重の境界線を定めた。
一、夯实发展基与完善安全保障的制度安排 一、発展の基盤を固め、安全保障を整備する制度的措置
定治理象的技术边界。施意》将智能体定义为“具自主感知、记忆、决策、交互与行能力的智能系”,五个能力关键词精确对应当前智能体的核心技要素。以“智能系”而非“件”或“模型”来定性,未来将具身智能机器人、自动驾驶等“硬一体”形态纳入同一治理框架留接口,续标准制定、合规评估、行业监管提供一的概念点。 ガバナンス対象の技術的境界を明確化する。『実施意見』は、AIエージェントを「自律的な知覚、記憶、意思決定、対話、実行能力を備えたAIシステム」と定義しており、これら5つの能力キーワードは、現在のAIエージェントの中核となる技術要素と正確に対応している。「ソフトウェア」や「モデル」ではなく「知能システム」として位置づけることで、将来的に具身知能ロボットや自動運転システムなどの「ハードウェアとソフトウェアの一体化」形態を同一のガバナンス枠組みに組み込むための余地を残し、今後の標準策定、コンプライアンスアセスメント、業界規制に向けた統一的な概念的アンカーを提供する。
从基、工具协议、智能互网四个面夯实发展基术层面,提升通用基模型性能,用模型,加理解、划、工具使用、群体同等关攻关;工具链层面,完善感知、记忆、决策、交互、行等关键组件,同步展安全与治理工具;协议层面,建立智能体准体系,加快推广智能体互联协议(AIP)等关键标准,支持医、交通、公共安全等域制定制性准;智能互面,研究建立智能互网体系架构,探索建立智能体注册平台,研究身份标识、可信互、合支付等基智能体之自主发现、互预设制度底座。 基礎技術、ツールチェーン、標準プロトコル、スマートインターネットの4つの側面から、発展の基盤を固める。基礎技術の側面では、汎用基礎モデルの性能を向上させ、細分化された分野向けの専用モデルを開発し、タスクの理解、計画、ツールの使用、集団協調などの重要技術の研究開発を強化する。ツールチェーンの側面では、知覚、記憶、意思決定、相互作用、実行などの主要コンポーネントを整備し、セキュリティおよびガバナンスツールを並行して開発する。標準プロトコルレベルでは、AIエージェントの標準体系を確立し、AIエージェント相互接続プロトコル(AIP)などの重要標準の普及を加速させ、医療、交通、公共安全などの分野における強制基準の策定を支援する。スマートインターネットレベルでは、スマートインターネットのアーキテクチャの構築を研究し、AIエージェント登録プラットフォームの構築を模索するとともに、ID識別、信頼できる相互接続、コンプライアンスに準拠した決済などの基盤技術を研究し、AIエージェント間の自律的な発見、相互認証、協働のための制度的基盤を整備する。
构建为创展保驾护航的安全治理架构。安全防上,《施意》形成了外束、内嵌入、供应链法四体系:外部通过规则内嵌、行为围栏等技限定智能体行,并探索利用区块链建立行验证、可追溯机制;内部加数据安全、攻击检测限管理、行控制等能力建,防范数据投毒、私泄露、运行失控等风险;制定供应链全周期安全范,加模型接入、接口用、展工具使用等环节管理;建立行自律规则和信用价机制,依法依开展失信戒,弥硬性管的覆盖空白。准入管理上,《施意》以分的方式,区分敏感域及重点行、低风险领域,以“正面清”和“面清”双并行的方式,在新空的同,守住安全底线限分配上,《施意》区分“限用本人决策”“需由用决策”“智能体自主决策”三种模式,明确用户对智能体自主决策享有知情和最决策 イノベーションの発展を確実に支えるセキュリティガバナンスアーキテクチャを構築する。セキュリティ保護に関しては、『実施意見』は、外部制約、内部組み込み、サプライチェーン、ソフト法の4層からなる保護体系を形成している。外部においては、ルールの組み込みや行動フェンスなどの技術を通じてAIエージェントの行動範囲を限定し、ブロックチェーンを活用して行動の検証・追跡が可能なメカニズムの構築を模索する; 内部では、データセキュリティ、攻撃検知、権限管理、行動制御などの能力構築を強化し、データ汚染、プライバシー漏洩、動作制御不能などのリスクを防止する。サプライチェーンの全ライフサイクルにわたるセキュリティ規範を策定し、モデルの接続、インターフェースの呼び出し、拡張ツールの使用などの管理を強化する。業界の自主規制ルールと信用評価メカニズムを確立し、法令に基づき不誠実行為への制裁を実施し、硬直的な規制のカバー範囲の空白を補う。参入管理において、『実施意見』は分類・格付けの手法を用い、センシティブな分野や重点業界、低リスク分野を区別し、「ポジティブリスト」と「ネガティブリスト」の二本立て方式により、イノベーションの余地を拡大しつつ、安全の最低ラインを守っている。権限の配分に関しては、『実施意見』は「ユーザー本人のみによる意思決定」「ユーザーの承認を要する意思決定」「AIエージェントによる自律的意思決定」の3つのモードを区別し、AIエージェントによる自律的意思決定に対してユーザーが知情権と最終決定権を有することを明確にしている。
二、景布局与新生略考量 二、利用シナリオの展開とイノベーションエコシステムに関する戦略的考察
措覆盖科学研究、产业发展、提振消、民生福祉、社会治理等景。施意》根据国院《关于深入施“人工智能+”行的意》,对应行梳理,科学研究居首,对应“科技自立自”的略。产业发随,直接服务实经济转型。提振消当前大内需的宏政策基,民生福祉和社会治理依次展开,覆盖公共服全域。 利用主導の措置は、科学研究、産業発展、消費の活性化、民生福祉、社会ガバナンスなどのシナリオを網羅している。『実施意見』は、国務院の『「AI+」行動の徹底実施に関する意見』に基づき、利用シナリオを整理しており、科学研究が首位を占め、「科学技術の自立・自強」という戦略に対応している。産業発展がそれに続き、実体経済の転換に直接貢献する。消費の活性化は、現在の内需拡大というマクロ政策の基調に応えるものであり、民生福祉と社会ガバナンスが順次展開され、公共サービスの高度化の全領域を網羅している。
从开源新、产业协作、用推广、景开放、全球生五个度推进创新生开源面,引开源社区加智能体布局,推智能体与开源芯片、开源操作系、开源大模型兼容适配;产业协面,发挥态联盟、技术验证实验室等平台作用,同上下游开展共性技准制定与认证用推广面,推建立智能体件商店和供需信息布平台,采取公开招、揭榜挂等方式吸引企定制化开发产品,构建以协议为底座、以分平台、以合规认证为门槛产业景开放面,在产业集聚区、重点行、重点域开展点,促数据共享开放,支撑重点景智能体训练部署;全球生态层面,依托国平台展示新成果,引做好海外合 オープンソースによるイノベーション、産業連携、利用普及、シナリオ開放、グローバルエコシステムの5つの側面から、イノベーションエコシステムの構築を推進する。オープンソースによるイノベーションの側面では、オープンソースコミュニティがAIエージェントの展開を強化するよう誘導し、AIエージェントとオープンソースチップ、オープンソースOS、オープンソース大規模モデルの互換性・適合性を推進する。産業連携の側面では、エコシステムアライアンスや技術検証ラボなどのプラットフォームの役割を発揮させ、上流・下流と連携して共通技術の研究開発、標準の策定、アセスメント・認証を行う。利用普及の面では、AIエージェント向けソフトウェアストアや需給情報発信プラットフォームの構築を推進し、公開入札や課題公募などの方式を通じて企業によるカスタマイズ製品開発を誘致し、標準プロトコルを基盤とし、配信プラットフォームを中核とし、コンプライアンス認証を参入条件とする産業エコシステムを構築する。シナリオ開放の面では、産業集積地域、重点業界、重点分野において利用パイロットを実施し、業界データの共有・開放を促進し、重点シナリオにおけるAIエージェントのトレーニングと展開を支援する; グローバルエコシステムレベルでは、国際プラットフォームを活用してイノベーション成果を展示し、企業が海外でのコンプライアンス体制を整備するよう導く。
三、展与安全,加快构建智能体治理体系 三、発展と安全を統合的に考慮し、AIエージェントのガバナンス体系の構築を加速する
术创新与范治理的平衡体在分的制度设计中。施意》采取的分治理不同成熟度、不同风险水平的智能体用提供了差异化制度通道。一是低风险领域通、信息告、分平台管理、行自律等机制降低企成本,避免管抑制新活力。二是高风险领域通过备案、检测、召回等措施确保关键领域智能体用始终处于有效管之下,体“以开放促展、以范保安全”的治理逻辑 技術革新と規範的ガバナンスのバランスは、分類・段階別の制度設計に反映されている。『実施意見』で採用された分類・段階別ガバナンスは、成熟度やリスクレベルが異なるAIエージェントの利用に対し、差別化された制度的経路を提供する。第一に、低リスク分野では、コンプライアンス自己診断、情報報告、配信プラットフォーム管理、業界の自主規制などの仕組みを通じて企業のコンプライアンスコストを低減し、過度な規制によるイノベーションの活力を阻害することを回避する。第二に、高リスク分野では、届出、検査、リコールなどの措置を通じて、重要分野におけるAIエージェントの利用が常に有効な規制下に置かれることを確保し、「開放によって発展を促進し、規範によって安全を確保する」というガバナンスの論理を体現する。
政府管、行自律、企、用户监督的多层联动架构形成有力保障。政府面,网信部门联合行主管部确定景开放和制定制性准,把握方向和底线;行业层面,行业组织和主要企业联合制定自律规则,建立信用价机制,形成“软约束”;企业层面,开者、开平台、分平台、服提供者建立公平合理的平台规则与用户协议,明确供需双方权责。用户层面,加智能体风险教育,提升用安全意智能体产业范有序道上加速展提供制度保障。 政府による規制、業界の自主規制、企業のコンプライアンス、ユーザーによる監督という多層的な連携体制が、強力な保障を形成している。政府レベルでは、インターネット情報部門が業界の主管部門と連携して、利用シーンの開放や強制標準の策定を行い、方向性と最低ラインを把握する。業界レベルでは、業界団体と主要企業が共同で自主規制ルールを策定し、信用評価メカニズムを構築することで、「ソフトな制約」を形成する。企業レベルでは、開発者、開発プラットフォーム、配信プラットフォーム、サービス提供者が、公平かつ合理的なプラットフォーム規則と利用規約を確立し、需要側と供給側の双方の権利と責任を明確にする。ユーザーレベルでは、AIエージェントの利用に伴うリスクに関する啓発・教育を強化し、ユーザーのセキュリティ意識を高め、AIエージェント産業が規範的かつ秩序ある軌道上で加速的に発展するための制度的保障を提供する。
四、结语 四、結語
智能体是人工智能与经济深度融合的重要体,是培育新力、推“人工智能+”行落地的关引擎。《施意》立足智能体模化用的现实需求,为产业创新厚植土壤、为风险防范筑牢屏障,我国智能体产业展提供重要制度保障。 AIエージェントは、AIと実体経済の深い融合を実現する重要な媒体であり、新たな質を備えた生産力を育成し、「AI+」行動の具体化を推進する鍵となるエンジンである。『実施意見』は、AIエージェントの規模化された利用という現実的なニーズに基づき、産業イノベーションのための土壌を豊かにし、リスク防止のための防護壁を強固にし、わが国のAIエージェント産業の質の高い発展に重要な制度的保障を提供する。
展望未来,随着配套政策持完善和产业实践不断深化,范与新将形成正向循,智能体的技术红利将在有序道上加速放,为经济社会数智化型注入强劲动能。(作者:迪研究院未来产业研究中心人工智能研究室主任) 将来を見据えると、関連政策の継続的な整備と産業実践の絶え間ない深化に伴い、規範化とイノベーションが好循環を形成し、AIエージェントの技術的恩恵が秩序ある軌道上で加速的に発揮され、経済社会のデジタル化・スマート化への転換に強力な原動力を注入することになるだろう。(著者:鍾新龍、CCID研究院未来産業研究センターAI研究室主任)

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

智能体

・2026.02.16 中国 人工知能が高品質発展を推進する

・2025.10.16 中国 行政分野における大規模AIモデルの展開・応用指針 (2025.10.10)

・2025.08.28 中国 国務院 「AI+」行動の徹底的な実施に関する意見 (2025.08.21)

・2024.07.18 中国 国家人工知能産業の総合標準化システム構築のためのガイドライン(2024年版) (2024.07.03)

 

| | Comments (0)

欧州理事会と欧州議会、AIルール等の簡素化と効率化で合意 (2026.05.07)

こんにちは、丸山満彦です。

欧州理事会と欧州議会、AI Act簡素化パッケージ(Digital Omnibus / Omnibus VII)の暫定政治的合意に至ったと発表していますね...

このブログでも幾度か取り上げていますが...これはEUの競争力強化と規制負担軽減を目指す「Simplification Agenda」の一環で、特に中小企業やsmall mid-cap企業の実装負担軽減が背景にあります...

ざっと要点をまとめると...

1. 高リスクAI規制の適用延期

技術標準やガイダンス整備の時間を確保するため、2026年8月開始予定だった高リスクAI規制は延期され、以下のように変更

  • 単独システム→ 2027年12月2日
  • 製品に組み込まれたシステム→ 2028年8月2日

2. 業界別規制との重複解消

医療機器、玩具、機械等の分野別規制との重複を整理し、一部でAI法の適用を調整。特に機械規則との重複負担軽減を盛り込む

3. ヌード化アプリ等の禁止強化

本人同意のない性的・親密画像生成AIや児童性的虐待画像生成AIの市場提供・利用が禁止対象に追加

4. 透明性義務の前倒し

AI生成コンテンツの透明性措置(例:透かし等)は2026年12月2日までの対応が求められる。

5. 背景

ドラギレポート等を受け、EUは米中との競争力強化とデジタル主権確保を重視し、AI規制の実装負荷を現実的に調整した。

 

プレス発表を欧州理事会、欧州議会の順で...最後に参考として欧州委員会...

 

 

欧州理事会

● European Council

・2026.05.07 Artificial Intelligence: Council and Parliament agree to simplify and streamline rules

Artificial Intelligence: Council and Parliament agree to simplify and streamline rules 人工知能:理事会と欧州議会が規則の簡素化・効率化で合意
Today, the Council presidency and European Parliament negotiators reached a provisional agreement on a proposal to streamline certain rules regarding artificial intelligence (AI). 本日、理事会議長国と欧州議会の交渉担当者は、人工知能(AI)に関する特定の規則を効率化する提案について暫定合意に達した。
The proposal forms part of the so-called 'Omnibus VII' legislative package in the EU’s simplification agenda. The package includes proposals for two regulations aiming to simplify the EU’s digital legislative framework and the implementation of harmonised rules on AI. この提案は、EUの規制簡素化アジェンダにおけるいわゆる「オムニバスVII」立法パッケージの一部を構成する。同パッケージには、EUのデジタル立法フレームワークの簡素化と、AIに関する調和された規則の実施を目的とした2つの規則案が含まれている。
Today’s agreement on the AI act significantly supports our companies by reducing recurring administrative costs. It ensures legal certainty and a smoother and more harmonised implementation of the rules across the Union, strengthening EU’s digital sovereignty and overall competitiveness. At the same time, we are stepping up the protection of children targeting risks linked to the AI systems. This agreement is clear evidence of our institutions’ ability to act swiftly and deliver on our commitments. It marks the first deliverable under the ‘One Europe, One Market’ roadmap agreed by the three institutions, well within the set deadline. 本日のAI法に関する合意は、繰り返される行政コストを削減することで、我々の企業を大幅に支援するものである。これは法的確実性を確保し、EU全域における規則のより円滑かつ調和のとれた実施を保証し、EUのデジタル主権と総合的な競争力を強化するものである。同時に、AIシステムに関連するリスクを対象として、児童の保護を強化している。この合意は、我々の機構が迅速に行動し、公約を果たす能力を有していることを明確に示すものである。これは、3つの機構が合意した「One Europe, One Market」ロードマップにおける最初の成果であり、設定された期限を十分に守って達成されたものである。
Marilena Raouna, Deputy Minister for European affairs of the Republic of Cyprus マリレナ・ラウナ、キプロス共和国欧州問題担当副大臣
The Commission had proposed to adjust the timeline for applying rules on high-risk AI systems by up to 16 months, so that the rules start to apply once the Commission confirms the needed standards and tools are available. The Commission had also proposed further targeted amendments to the AI act that would extend certain regulatory exemptions granted to SMEs also to small mid-caps (SMCs), reduce requirements in a very limited number of cases, extend the possibility to process sensitive personal data for bias detection and mitigation, reinforce the AI Office’s powers and reduce governance fragmentation. Given that provisions on high-risk AI systems are due to enter into force on 2 August 2026, the co-legislators have treated the proposal with utmost priority, and, in that perspective, broadly maintained the thrust of the Commission’s proposal. 欧州委員会は、高リスクAIシステムに関する規則の適用時期を最大16カ月調整することを提案していた。これにより、必要な標準とツールが利用可能であると欧州委員会が確認した時点で、規則の適用が開始されることになる。また欧州委員会は、AI法に対するさらなる的を絞った改正案も提案していた。これには、中小企業(SME)に認められている特定の規制免除を中小中堅企業(SMC)にも拡大すること、ごく限られたケースにおいて要件を緩和すること、バイアスの検知と緩和を目的とした機微な個人データの処理可能性を拡大すること、AIオフィスの権限を強化すること、ガバナンスの分断を解消することが含まれる。高リスクAIシステムに関する規定は2026年8月2日に発効する予定であるため、共同立法者は本提案を最優先事項として扱い、その観点から、欧州委員会の提案の趣旨を概ね維持した。
Main amendments introduced by the co-legislators 共同立法者によって導入された主な修正点
The co-legislators added a new provision in the AI act, prohibiting AI practices regarding the generation of non-consensual sexual and intimate content or child sexual abuse material (CSAM). The provisional agreement also introduces a fixed timeline for the delayed application of high-risk rules: the new application dates would be 2 December 2027 for stand-alone high-risk AI systems and 2 August 2028 for high-risk AI systems embedded in products. 共同立法者はAI法に新たな規定を追加し、同意のない性的・親密なコンテンツや児童性的虐待素材(CSAM)の生成に関するAIの実践を禁止した。暫定合意では、高リスク規則の適用延期に関する明確な期限も導入された。新たな適用日は、スタンドアロンの高リスクAIシステムについては2027年12月2日、製品に組み込まれた高リスクAIシステムについては2028年8月2日となる。
Furthermore, the provisional agreement reinstates the obligation for providers to register AI systems in the EU database for high-risk systems, where they consider their systems to be exempted from classification as high-risk. It also reinstates the standard of strict necessity for the processing of special categories of personal data for the purpose of ensuring bias detection and correction. さらに、暫定合意では、プロバイダが自社のシステムをハイリスクに分類されないものとみなす場合でも、EUのハイリスクシステムデータベースにAIシステムを登録する義務が復活した。また、バイアスの検知と是正を確実にする目的で、特別な種類の個人データを処理する際の「厳格な必要性」の標準も復活した。
The provisional agreement postpones the deadline for the establishment of AI regulatory sandboxes by competent authorities at national level until 2 August 2027 and reduces the grace period for providers to implement transparency solutions for artificially generated content from 6 months to 3 months, with the new deadline set on 2 December 2026. The deal between the co-legislators also clarifies the competences of the AI Office for the supervision of AI systems based on general-purpose AI models where the model and that system are developed by the same provider by listing exceptions where national authorities remain competent, including law enforcement, border management, judicial authorities and financial institutions. 暫定合意では、各国当局によるAI規制サンドボックスの設立期限を2027年8月2日まで延期し、プロバイダが人工生成コンテンツに対する透明性確保策を実施するための猶予期間を6ヶ月から3ヶ月に短縮し、新たな期限を2026年12月2日とした。共同立法者間の合意では、汎用AIモデルに基づくAIシステムの監督に関するAIオフィスの権限についても明確化された。具体的には、法執行、国境管理、司法当局、金融機関など、国家当局が引き続き管轄権を有する例外事項を列挙することで、モデルと当該システムが同一のプロバイダによって開発されている場合におけるAIオフィスの権限を定めている。
As for the AI act’s rules for industrial AI and their interplay with sectoral legislation in sectors such as medical devices, toys, lifts, machinery and watercraft, a compromise was found between the co-legislators on a mechanism that allows to resolve situations in which sectoral law has similar AI-specific requirements to the AI act, by limiting the latter’s application in those specific cases through implementing acts. In addition to this, a compromise was found to exempt the machinery regulation from direct applicability of the AI act. The Commission was also empowered to adopt delegated acts under the machinery regulation which would add health and safety requirements in respect of AI systems that are classified as high-risk pursuant to the AI act. This solution effectively addresses any possible overlaps between the high-risk requirements from the AI act and those from sectoral legislation. The provisional agreement also adds a new obligation for the Commission to provide guidance to assist economic operators of high-risk AI systems covered by sectoral harmonisation legislation in complying with the high-risk requirements of the AI act in a manner that minimises compliance burden. 産業用AIに関するAI法の規則、および医療機器、玩具、エレベーター、機械、船舶などの分野におけるセクター別法規との相互関係については、セクター別法規がAI法と同様のAI固有の要件を定めている状況に対処するため、実施規則を通じてAI法の適用を限定する仕組みについて、共同立法者間で妥協案がまとまった。これに加え、機械規制をAI法の直接適用から除外する妥協案がまとまった。また、欧州委員会は、機械規制に基づき委任法令を採択する権限を与えられ、これにより、AI法に基づき高リスクと分類されるAIシステムに関して、健康および安全要件を追加することとなる。この解決策は、AI法の高リスク要件とセクター別法規制の要件との間に生じうる重複を効果的に解消するものである。また、暫定合意では、分野別調和法規の対象となる高リスクAIシステムの経済的事業者に対し、コンプライアンス負担を最小限に抑える形でAI法のハイリスク要件を遵守できるよう支援するためのガイダンスを提供するという、欧州委員会に対する新たな義務も追加された。
Next steps 今後の手順
Today’s provisional agreement must be now endorsed by the Council and the European Parliament before being submitted to a legal/linguistic revision with a view to the formal adoption of the legislative act by the co-legislators in the coming weeks. 本日の暫定合意は、今後数週間以内に共同立法者による立法措置の正式採択に向け、法務・言語上の修正を経る前に、理事会および欧州議会による承認を得る必要がある。
Background 背景
In October 2024, the European Council called on all EU institutions, member states and stakeholders, as a matter of priority, to take work forward, notably in response to the challenges identified in the reports by Enrico Letta (‘Much more than a market’) and Mario Draghi (‘The future of European competitiveness’). The Budapest declaration of 8 November 2024 subsequently called for ‘launching a simplification revolution’, by ensuring a clear, simple and smart regulatory framework for businesses and drastically reducing administrative, regulatory and reporting burdens, in particular for SMEs. 2024年10月、欧州理事会は、特にエンリコ・レッタ(『単なる市場以上のもの』)およびマリオ・ドラギ(『欧州の競争力の未来』)の報告書で指摘された課題に対応するため、すべてのEU機構、加盟国、および利害関係者に、優先事項として作業を推進するよう求めた。続いて2024年11月8日のブダペスト宣言では、企業向けに明確かつ簡潔でスマートなフレームワークを確保し、特に中小企業(SME)に対する行政・規制・報告上の負担を大幅に軽減することで、「簡素化革命の開始」が求められた。
Since February 2025, as a follow-up to the call by EU Leaders at that and subsequent meetings, the Commission has put forward ten ‘Omnibus’ packages aiming to simplify existing legislation on sustainability, investment, agriculture, small mid-caps, digitalisation and common specifications, defence readiness, chemical products, digital issues including on AI, environment, the automotive sector and food and feed safety. 2025年2月以降、同会合およびその後の会合におけるEU首脳の要請を受けて、欧州委員会は、持続可能性、投資、農業、中小・中堅企業、デジタル化および共通仕様、防衛態勢、化学製品、AIを含むデジタル問題、環境、自動車セクター、ならびに食品・飼料の安全性に関する既存の法規制を簡素化することを目的とした10の「オムニバス」パッケージを提示した。
Council agrees position to streamline rules on Artificial Intelligence (press release, 13 March 2026) 理事会、人工知能に関する規則の合理化に向けた立場を合意(プレスリリース、2026年3月13日)
Regulation on the simplification of the implementation of harmonized rules on artificial intelligence (Digital omnibus on AI), Commission proposal, 17 November 2025 人工知能に関する調和化された規則の実施の簡素化に関する規則(AIに関するデジタル・オムニバス)、欧州委員会の提案、2025年11月17日
Simplification of EU rules (background information) EU規則の簡素化(背景情報)

 

欧州議会

● European Parliament

・2026.05.07 AI Act: deal on simplification measures, ban on “nudifier” apps

AI Act: deal on simplification measures, ban on “nudifier” apps AI法:簡素化措置および「ヌード化」アプリの禁止に関する合意
・Postponement of some obligations for AI systems to prevent legal uncertainty ・法的不安定性を回避するため、AIシステムに関する一部の義務を延期
・EU ban on nudifiers and on AI-assisted creation of child sexual abuse material ・ヌード化およびAIを活用した児童性的虐待素材の作成に対するEUの禁止措置
・No overlapping rules for machinery product safety ・機械製品の安全性に関する重複する規則の排除
The agreement between EU co-legislators aims to make it easier for providers to comply with the AI Act, while maintaining its main provisions and risk-based approach. EUの共同立法者間の合意は、AI法の主要な規定とリスクベースのアプローチを維持しつつ、プロバイダが同法に準拠しやすくすることを目的としている。
Early Thursday morning, Parliament and Council negotiators reached a provisional deal on amending certain rules within the EU’s Artificial Intelligence Act as part of the digital omnibus package. 木曜日の早朝、欧州議会と欧州理事会の交渉担当者は、デジタル・オムニバス・パッケージの一環として、EUのAI法における特定の規則を改正する暫定合意に達した。
New deadlines 新たな期限
The law postpones the application of certain parts of the AI Act to ensure that necessary standards and support measures, needed to clarify the application of the rules, are in place. Following the agreement, obligations on high-risk AI systems will apply: 本法は、規則の適用を明確にするために必要な標準や支援措置が整備されるよう、AI法の特定部分の適用を延期する。合意に基づき、高リスクAIシステムに対する義務は以下の通り適用される:
・From 2 December 2027 for AI systems with a high-risk use case (including those involving biometrics, and those used in critical infrastructure, education, employment, law enforcement, and border management) ・2027年12月2日から:高リスクなユースケースを有するAIシステム(生体認証を伴うもの、および重要インフラ、教育、雇用、法執行、国境管理で使用されるものを含む)
・From 2 August 2028 for AI systems used as safety components and covered by EU sectoral legislation on safety and market surveillance ・安全部品として使用され、安全および市場監視に関するEUのセクター別法規の対象となるAIシステムについては、2028年8月2日から
The law also delays the application of watermarking obligations on AI-generated content until 2 December 2026 (instead of 2 February 2027 in the Commission proposal). Watermarking techniques allow for the detection and tracing of AI-generated content. また、本法は、AI生成コンテンツに対する電子透かし表示義務の適用を2026年12月2日まで延期する(欧州委員会の提案では2027年2月2日であった)。電子透かし技術により、AI生成コンテンツの検知と追跡が可能となる。
Ban on nudifier apps ヌード化アプリの禁止
Parliament and Council also agreed to ban AI systems that create child sexual abuse material or depict the intimate parts of an identifiable person, or them engaged in sexually explicit activities, without that person’s consent. 欧州議会と理事会はまた、児童性的虐待素材を作成するAIシステム、または識別可能な人物の性器や性的に露骨な行為を描写するAIシステムを、当該人物の同意なしに作成することを禁止することで合意した。
The prohibition applies to: この禁止措置は、以下の行為に適用される:
・placing AI systems on the EU market with the purpose of creating such content; ・当該コンテンツを作成する目的でAIシステムをEU市場に上市すること;
・placing them on the EU market without reasonable safety measures to prevent such creation; ・当該コンテンツの作成を防止するための合理的な安全措置を講じずに、それらをEU市場に上市すること;
・deployers using these systems for the purpose of creating such content. ・当該コンテンツを作成する目的でこれらのシステムを展開する事業者。
The content in question can be images, video or audio. Companies will have until 2 December 2026 to bring their systems in line. 対象となるコンテンツは、画像、動画、または音声である。企業は2026年12月2日までに自社のシステムを適合させる必要がある。
Reducing overlaps, centralised enforcement 重複の削減、執行の一元化
The following changes to the AI Act were also agreed: AI法に対する以下の変更についても合意された:
・Removing overlapping requirements on AI for machinery products by clarifying that they only need to comply with sectoral safety rules (instead of both the AI Act and sectoral rules); with safeguards that ensure an equivalent level of health and safety; ・機械製品におけるAIに関する重複する要件を撤廃し、当該製品は(AI法とセクター別規則の両方ではなく)セクター別の安全規則のみに準拠すればよいことを明確化した。ただし、同等の健康・安全レベルを確保するための安全措置を講じることを条件とする;
・Narrowing down what qualifies as “safety component”, meaning that products with AI functions that only assist users or optimise performance will not automatically face high-risk obligations, if their failure or malfunction does not create health or safety risks; ・「安全構成部品」の定義を狭め、AI機能が単にユーザーを支援したり性能を最適化したりするだけの製品については、その故障や不具合が健康や安全上のリスクをもたらさない限り、自動的に高リスク義務の対象とはならないこと;
・Possibility to process personal data where strictly necessary to detect and correct biases, with proper safeguards, both in high-risk and non-high-risk AI systems ; ・高リスクおよび非高リスクのAIシステムの双方において、適切な保護措置を講じた上で、バイアスの検知および是正に厳密に必要な場合に限り、個人データを処理する可能性;
・Extending SME exemptions from certain rules to small mid-cap enterprises (SMCs), to support their growth; 中小企業の特定の規則からの免除を中小・中堅企業(SMC)にまで拡大し、その成長を支援する;
・Streamlining enforcement of certain general-purpose AI systems within・ the EU’s AI Office. ・EUのAI事務局内における特定の汎用AIシステムの執行を効率化する。
Quotes 引用
Co-rapporteur for the Internal Market and Consumer Protection committee Arba Kokalari (EPP, SE) said: “With this agreement, we show that politics can move just as quickly as technology. We now make the AI rules more workable in practice, remove overlaps and pause the high-risk requirements. In order for Europe to become an AI continent, we need to promote innovation, support startups and scaleups and make it easier to build AI in Europe”. 内部市場・消費者保護委員会の共同報告者であるアルバ・コカラリ(EPP、SE)は次のように述べた。「この合意により、政治は技術と同じくらい迅速に動くことができることを示した。我々は今、AI規則を実務上より運用しやすくし、重複を排除し、高リスク要件を一時停止する。欧州がAIの大陸となるためには、イノベーションを促進し、スタートアップやスケールアップ企業を支援し、欧州でのAI開発をより容易にする必要がある」。
Co-rapporteur for the Civil Liberties, Justice and Home Affairs committee Michael McNamara (Renew, IE) said: “I’m pleased that this morning we reached an agreement on the AI Omnibus. Alongside simplification measures, we are banning nudification apps, a key part of the Parliament’s mandate, and, of course, the creation of child sexual abuse material using AI systems. This way, we have the tools to act if providers do not address AI systems that compromise fundamental rights or human dignity.” 市民的自由・司法・内務委員会の共同報告者マイケル・マクナマラ(Renew、アイルランド)は次のように述べた: 「今朝、AIオムニバス法案について合意に至ったことを喜ばしく思う。簡素化措置に加え、議会の委任事項の重要な部分であるヌード化アプリを禁止し、もちろん、AIシステムを用いた児童性的虐待素材の作成も禁止する。これにより、プロバイダが基本権や人間の尊厳を侵害するAIシステムに対処しない場合、我々は行動を起こすための手段を手にすることになる」。
Next steps 今後の手順
The provisional agreement needs to be formally adopted by both Parliament and Council before it can enter into law. The co-legislators intend to adopt it before 2 August 2026, the start date for current rules on high-risk systems. 暫定合意は、法律として発効する前に、欧州議会と欧州理事会の双方による正式な採択が必要だ。共同立法機関は、高リスクシステムに関する現行規則の適用開始日である2026年8月2日までにこれを採択する意向だ。
Press conference 記者会見
Co-rapporteurs Arba Kokalari (EPP, Sweden) and Michael McNamara (Renew, Ireland) will answer journalists’ questions on the details of the trilogue agreement at a press conference on Thursday at 11.00 CEST. Details on how to follow are available here. 共同報告者のアルバ・コカラリ(EPP、スウェーデン)とマイケル・マクナマラ(Renew、アイルランド)は、木曜日11時(中央ヨーロッパ夏時間)に行われる記者会見で、三者協議による合意の詳細について記者の質問に答える予定だ。参加方法の詳細はこちらで確認できる。
Background 背景
The legislation agreed today is part of the seventh omnibus package on simplification proposed by the European Commission on 19 November 2025 (“the digital omnibus”). Parliament is also currently working on the other proposals in the package: the digital omnibus on amending laws on data use and data protection, and the proposal establishing European business wallets. 本日合意されたこの法案は、欧州委員会が2025年11月19日に提案した簡素化に関する第7次オムニバス・パッケージ(「デジタル・オムニバス」)の一部である。欧州議会は現在、同パッケージに含まれる他の提案、すなわちデータ利用およびデータ保護に関する法律の改正を盛り込んだデジタル・オムニバス、ならびに欧州ビジネス・ウォレットを創設する提案についても審議を進めている。

 

 

1_20260510020501

 


 

参考...欧州委員会

・2026.04.28 Commission proposes plan for simpler, clearer and better enforced EU rules

Commission proposes plan for simpler, clearer and better enforced EU rules 欧州委員会、より簡素で明確かつ執行力のあるEU規則に向けた計画を提案
The European Commission today presented its plan to modernise EU lawmaking, ensuring that laws are clearer, simpler, more efficiently enforced, based on solid evidence and better aligned with the needs of citizens and businesses. 欧州委員会は本日、EUの立法プロセスを近代化する計画を発表した。これにより、法律がより明確かつ簡素化され、確固たる証拠に基づき、市民や企業のニーズにより適合した形で、より効率的に執行されることが保証される。
Ursula von der Leyen, President of the European Commission, said: "Europe needs clear and coherent legislation that fully responds to the needs of our citizens and businesses. Today, we deliver our plan to make EU lawmaking more efficient, more effective, and more transparent. We will apply simplicity by design and continue to ensure every rule is supported by strong evidence. But that's not all: we will also tackle gold-plating, speed up enforcement and clean up our current stock of legislation. This is a critical contribution to bolster our competitiveness." 欧州委員会のウルズラ・フォン・デア・ライエン委員長は次のように述べた。「欧州には、市民や企業のニーズに十分に対応する、明確かつ首尾一貫した立法が必要だ。本日、我々はEUの立法プロセスをより効率的、効果的、かつ透明性の高いものにする計画を発表する。我々は『設計段階からの簡素化』を適用し、あらゆる規則が確固たる証拠に裏付けられていることを引き続き確保する。しかしそれだけではない。過剰規制(ゴールドプレーティング)への対処、執行の迅速化、そして現行の法規制の整理も行っていく。これは我々の競争力を強化するための極めて重要な取り組みである。」
The Commission will act in five areas: 欧州委員会は以下の5つの分野で行動を起こす:
・Simplicity by design: EU laws must be easy to understand, apply and enforce. The Commission aims to embed ‘simplicity by design' into every proposal, ensuring clarity on who must act, how to comply, and the consequences of non-compliance. 設計段階からの簡素化:EUの法律は、理解しやすく、適用しやすく、執行しやすいものでなければならない。欧州委員会は、すべての提案に「設計段階からの簡素化」を組み込み、誰が行動すべきか、どのように遵守すべきか、そして不遵守の結果について明確にすることを目指す。
・Strengthening the better regulation framework: the better regulation system sets out the principles that the European Commission follows when preparing new initiatives. It is already among the most advanced in the world. It will be further improved to enhance transparency, stakeholder engagement and efficiency. より良い規制のフレームワークの強化:より良い規制システムは、欧州委員会が新たなイニシアチブを策定する際に従う原則を定めている。これはすでに世界でも最も先進的なものの一つである。透明性、利害関係者の参画、効率性を高めるため、さらに改善される。
・Regulatory deep cleaning: while the Union continues to pursue ambitious policies, it must also put its large stock of existing legislation in order. An Action Plan will tackle inconsistencies, overlapping and overly complex provisions in 12 priority areas. 規制の抜本的見直し:EUは野心的な政策を追求し続ける一方で、膨大な既存の法規制を整理しなければならない。行動計画により、12の優先分野における不整合、重複、過度に複雑な規定に対処する。
・Tackling regulatory gold-plating: the Commission will help Member States identify and tackle unnecessary complexity and barriers to the Single Market where they apply stricter or more extensive requirements than those set out in EU law. 過剰規制への対処:欧州委員会は、加盟国がEU法で定められた要件よりも厳格または広範な要件を適用している場合、単一市場における不必要な複雑さや障壁を特定し、対処できるよう支援する。
・Faster, robust enforcement: the Commission will strengthen enforcement of the Single Market rulebook in selected policy areas. A focus will also be placed on reducing the number of long-standing infringement cases. 迅速かつ強力な執行:欧州委員会は、選定された政策分野において、単一市場ルールブックの執行を強化する。また、長期化している違反事案の数を減らすことにも重点を置く。
At a time of profound global shifts, an efficient and effective regulatory framework is essential for European competitiveness. Simpler, better-designed, and easier-to-implement rules will therefore help to unlock economic potential and promote a more dynamic and integrated Single Market. 世界的な大変革の時代において、効率的かつ効果的な規制フレームワークは欧州の競争力にとって不可欠である。したがって、より簡素で、より良く設計され、実施しやすい規則は、経済的潜在力を解き放ち、よりダイナミックで統合された単一市場を促進するのに役立つだろう。
The European Parliament and the Council are essential partners in helping to make the objectives outlined in this Communication a reality. To that end, the Commission calls on the co-legislators to ensure that 'simplicity by design' and better regulation principles are applied consistently, by each Institution, during every legislative process. 欧州議会と理事会は、本コミュニケーションで概説された目標を実現するための不可欠なパートナーである。そのために、欧州委員会は共同立法者に対し、あらゆる立法プロセスにおいて、各機構が「設計段階からの簡素化」および「より良い規制」の原則を一貫して適用するよう求める。
Today's Communication builds on President von der Leyen's Political Guidelines for 2024-2029, the commitments she made at the Leaders' Retreat on 12 February 2026, and the Communication ‘A Simpler and Faster Europe'. 本日のコミュニケーションは、フォン・デア・ライエン委員長の「2024-2029年政治指針」、2026年2月12日の首脳会合における同委員長の公約、およびコミュニケーション『より簡素で迅速な欧州』に基づいている。
For more information 詳細情報
Questions and Answers 質疑応答
Factsheet listing key actions under the Communication 本コミュニケーションにおける主要な措置をまとめたファクトシート
Better regulation: guidelines and toolbox より良い規制:ガイドラインとツールボックス
Communication from the Commission to the European Parliament, the Council, the European Economic and Social Committee and the Committee of the Regions 欧州委員会から欧州議会、理事会、欧州経済社会委員会、および地域委員会へのコミュニケーション
Quote(s) 引用
Europe needs clear and coherent legislation that fully responds to the needs of our citizens and businesses. Today, we deliver our plan to make EU lawmaking more efficient, more effective, and more transparent. We will apply simplicity by design and continue to ensure every rule is supported by strong evidence. But that’s not all: we will also tackle gold-plating, speed up enforcement and clean up our current stock of legislation. This is a critical contribution to bolster our competitiveness. 欧州には、市民や企業のニーズに十分に対応する、明確かつ首尾一貫した立法が必要だ。本日、我々はEUの立法をより効率的、効果的、かつ透明性の高いものにするための計画を発表する。我々は「設計段階からの簡素化」を実践し、あらゆる規則が確固たる証拠に裏付けられていることを引き続き確保する。しかしそれだけではない。過剰な規制(ゴールドプレーティング)への対処、執行の迅速化、そして現行の法規制の整理も行っていく。これは我々の競争力を強化するための極めて重要な貢献である。
President Ursula von der Leyen ウルズラ・フォン・デア・ライエン委員長
Since taking office, this Commission has stepped up efforts to simplify EU rules. Today’s strategy signals the EU’s determination to further increase the quality of lawmaking in Europe. Outdated, excessive or overlapping laws must be detected and corrected. New proposals need to be more focused, implementable and enforceable. This is simplification in practice. We call on the European Parliament and the Council to join us in this essential effort. The EU exists to deliver results for our citizens and businesses, not to create red tape. Our rules must be a means to an end, supporting our efforts to build a competitive, innovative and sustainable social market economy. 就任以来、本委員会はEU規則の簡素化に向けた取り組みを強化してきた。本日の戦略は、欧州における立法の質をさらに高めるというEUの決意を示すものである。時代遅れ、過剰、あるいは重複する法律を検知し、是正しなければならない。新たな提案は、より焦点を絞り、実施可能かつ執行可能なものでなければならない。これこそが実践における簡素化である。我々は、欧州議会および理事会に対し、この不可欠な取り組みに協力するよう呼びかける。EUは、市民や企業に成果をもたらすために存在するのであり、煩雑な手続きを生み出すためではない。我々の規則は、競争力があり、革新的で、持続可能な社会市場経済を構築する取り組みを支える、目的を達成するための手段でなければならない。
Valdis Dombrovskis, Commissioner for Economy and Productivity; Implementation and Simplification ヴァルディス・ドンブロフスキス、経済・生産性担当委員;実施・簡素化担当





 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.04.18 欧州 EDPB 2025年次報告書 実践における明確性:ガイダンスと対話を通じたステークホルダーへの支援 (2026.04.09)

・2026.04.04 欧州議会 人工知能法:適用延期、ヌード化アプリの禁止 (2026.03.26)

・2026.03.12 欧州委員会 AI生成コンテンツの表示・ラベル付けに関する行動規範のドラフト第2版 (2025.03.05)

・2026.02.14 欧州 EDPB EDPS デジタルオムニバス規制案に関する共同意見書 (2026.02.11)

・2026.01.27 欧州 EDPB EDPS 欧州委員会の「AIに関するデジタルオムニバス」提案に関する共同意見書

・2025.11.22 欧州委員会 EU企業の成長を支援する簡素化されたデジタル規則 (オムニバス法)

 

 

 

 

 

| | Comments (0)

2026.05.09

総務省 「巧妙化・複雑化するサイバー攻撃への対策の在り方に関する検討会」の開催 (2026.05.08)

こんにちは、丸山満彦です。

総務省

・2026.05.08 「巧妙化・複雑化するサイバー攻撃への対策の在り方に関する検討会」の開催

 

総務省が、「巧妙化・複雑化するサイバー攻撃への対策の在り方に関する検討会」を開催すると公表していますね...


1 目的 

情報通信ネットワークは、国民生活や経済社会に不可欠な重要インフラであると同時に、サイバー攻撃が飛び交うサイバー空間のインフラそのものであり、そのインフラを担う電気通信事業者がサイバーセキュリティの確保のために果たすべき役割は大きいところです。

特に近年、ランサムウェア攻撃等のサイバー攻撃の巧妙化や、攻撃インフラの複雑化が進展しており、こうした脅威に対し、一層実効的な対策を講じていくことが安全・安心なサイバー空間の実現に当たって重要な課題となっています。

そこで、電気通信事業者をはじめとした関係主体がサイバーセキュリティの確保のために講じる対策の在り方について検討することを目的として、「巧妙化・複雑化するサイバー攻撃への対策の在り方に関する検討会」を開催します。

2 主な検討事項案

(1)巧妙化・複雑化するサイバー攻撃への実効的な対策について

(2)サイバー攻撃対策における関係主体の連携について

(3)その他


ということです。

重要なポイントは、攻撃が巧妙化・複雑化している背景は、

・守る側の人を含めたシステムが複雑化していることと

・攻撃者のエコシステムの参加者の多様性と参加数が増えていることですね

そういう意味では、

・守る側としては、組織、エコシステム、ITシステムをシンプルにし、守りやすくしていくことだと思います(これは20年ほど前からBruce Schneier)が主張していました...

・攻撃者への対策として、経済的なインセンティブで動いている主体にたいしては、犯罪コストをかけさせるということで、すでに米国、欧州はこの流れで対策を進めていますね...国家主体の攻撃は昔からの伝統ですからインセンティブをなくすことは無理で、守る側が対応をするしかないということになります。上の守る側の方針になります。国家主体の業務妨害的な対策について政府側でできることは、仲良くすることですね...それが一番。相入れないところもありますが、ゼロイチではなく、現実的な対応ができると良いですね...

・「(2)サイバー攻撃対策における関係主体の連携」については、第30回サイバー犯罪に関する白浜シンポジウムのテーマが「これからの”連携”を考える」なので、委員の方も来られて議論を聞けば良いかもしれません。

私も講演します。。。「サイバー犯罪に連携して立ち向かう

 

おそらく、この委員会での議論は、巧妙な攻撃ということで、AIを活用した攻撃に対してどう対応するという話もでてきて、そしてそれには、防御側もAIを使わなければならないという話になり、具体的に、どのようなAIを使った防御方法がありえるか?という話になり、そして、そのようなAIをどのようにしてサイバー攻撃から守るのか?という話がでてくると思います (^^)

 

 

1_20260509103301

 

| | Comments (0)

英国 AIセキュリティ研究所 AIモデルがAIの安全性研究を妨害するかどうかの評価 (2026.04.27)

こんにちは、丸山満彦です。

AIセキュリティ研究所が、AIモデルがAIの安全性研究を妨害するかどうかを評価しています。これは興味深い研究ですね...

実験は、Anthoropicとの協力で行われています。

対象モデル Mythos Preview Opus 4.7 Preview Opus 4.6 Sonnet 4.6
実行条件 temperature 1.0、最大推論努力、フルChain-of-Thought
評価手法 自発的妨害評価、 妨害継続評価

 

超簡単なポイントは、

安心できる点 自発的な妨害はゼロ。Opus 4.7は妨害継続もゼロ
要注意点 Mythos Previewは妨害継続率7%+隠蔽的推論が65%と突出
根本的課題 モデルが「評価中」と気づいて行動を変える可能性が排除できない
今後の課題 評価認識対策・シナリオの拡充・継続的モニタリングが必須

 

生成AIの評価について、モデル(設計)由来か、学習データ由来かを完全に分けることは困難のような気がします。なので、このような評価についても一定の限界があることは頭の片隅に入れておく必要はあるとは思います。とはいえ、このような検証評価は重要ですよね...

自発的な妨害がゼロだったが、全てのモデル、状況において当てはまるのかはわからない。妨害継続はゼロにならないケースも多く、かつ継続していることを隠蔽している可能性もある。賢いAIなら、評価されていることに気づいて、期待される結果になるように変えてくる可能性もある。。。このあたりは、評価方法の検討が重要となりますね...

そして、利用者も状況を把握して使わないといけない。。。特に、多くの人が使うAIシステムや、クリティカルなシステムに使うAIシステムの場合...

 

このような結果をみると、

(1)標準的な評価手法の確立

(2)AI開発事業者への継続的な評価(一定の利用数のあるAIについて)の義務化

(3)結果の公表

(4)結果についての監査(AI利用の社会的な重要性が高ければ)

ということを考えないといけないような気がしてきますね...

 

UK AI Security Institute

・2026.04.27 Evaluating whether AI models would sabotage AI safety research

Evaluating whether AI models would sabotage AI safety research AIモデルがAI安全研究を妨害するかどうかを評価する
Abstract 概要
We evaluate the propensity of frontier models to sabotage or refuse to assist with safety research when deployed as AI research agents within a frontier AI company. We apply two complementary evaluations to four Claude models (Mythos Preview, Opus 4.7 Preview, Opus 4.6, and Sonnet 4.6): an unprompted sabotage evaluation testing model behaviour with opportunities to sabotage safety research, and a sabotage continuation evaluation testing whether models continue to sabotage when placed in trajectories where prior actions have started undermining research. We find no instances of unprompted sabotage across any model, with refusal rates close to zero for Mythos Preview and Opus 4.7 Preview, though all models sometimes only partially completed tasks. In the continuation evaluation, Mythos Preview actively continues sabotage in 7% of cases (versus 3% for Opus 4.6, 4% for Sonnet 4.6, and 0% for Opus 4.7 Preview), and exhibits reasoning–output discrepancy in the majority of these cases, indicating covert sabotage reasoning. Our evaluation framework builds on Petri, an open-source LLM auditing tool, with a custom scaffold running models inside Claude Code, alongside an iterative pipeline for generating realistic sabotage trajectories. We measure both evaluation awareness and a new form of situational awareness termed "prefill awareness", the capability to recognise that prior trajectory content was not self-generated. Opus 4.7 Preview shows notably elevated unprompted evaluation awareness, while prefill awareness remains low across all models. Finally, we discuss limitations including evaluation awareness confounds, limited scenario coverage, and untested pathways to risk beyond safety research sabotage. 我々は、最先端のAI企業内でAIエージェントとして展開された際、最先端モデルが安全研究を妨害したり、その支援を拒否したりする傾向について評価する。4つのClaudeモデル(Mythos Preview、Opus 4.7 Preview、Opus 4.6、Sonnet 4.6)に対し、2つの補完的な評価を実施した。1つは、安全研究を妨害する機会がある状況下でのモデルの振る舞いを検証する「自発的妨害評価」であり、もう1つは、過去の行動によって研究が既に損なわれ始めている軌跡に置かれた際に、モデルが妨害を継続するかどうかを検証する「妨害継続評価」である。どのモデルにおいても自発的な妨害の事例は確認されず、Mythos PreviewとOpus 4.7 Previewの拒否率はほぼゼロであったが、すべてのモデルにおいてタスクを部分的にしか完了しないケースが時折見られた。継続評価では、Mythos Previewは7%のケースで積極的に妨害を継続した(Opus 4.6は3%、Sonnet 4.6は4%、Opus 4.7 Previewは0%)。また、これらのケースの大半で推論と出力の不一致が見られ、隠れた妨害の推論が行われていることを示唆している。我々の評価フレームワークは、オープンソースのLLM監査ツールであるPetriを基盤とし、Claude Code内でモデルを実行するカスタムスキャフォールドと、現実的な妨害行動の軌跡を生成するための反復パイプラインを組み合わせている。評価意識に加え、「プレフィル意識」と呼ばれる新たな状況認識能力、すなわち過去の軌跡の内容が自己生成されたものではないと認識する能力を測定した。Opus 4.7 Previewは、プロンプトなしでの評価認識が著しく高まっている一方、プリフィル認識は全モデルを通じて低いままである。最後に、評価認識の交絡要因、シナリオの網羅性の限界、安全研究への妨害以外のリスク経路が未検証であるといった制限について論じる。

 

ブログ...

・2026.04.27 Evaluating whether AI models would sabotage AI safety research

Evaluating whether AI models would sabotage AI safety research AIモデルがAI安全研究を妨害するかどうかを評価する
AI systems are increasingly being used internally within frontier AI companies to assist with research and development, including AI safety work. However, if these systems behave in misaligned or unintended ways when performing safety research, future models could be less safe, potentially in ways that are hard to detect. 最先端のAI企業では、AI安全研究を含む研究開発を支援するために、社内でAIシステムがますます活用されている。しかし、安全研究の実施時にこれらのシステムが意図しない、あるいは不整合な振る舞いをした場合、将来のモデルは安全性が低下する可能性があり、その影響は検知が困難な形で現れる恐れがある。
As part of a larger body of work on understanding loss-of-control risks from frontier AI, we’ve been developing methodology to simulate how models internally deployed within AI companies might behave when performing and assisting with AI safety research. We shared some early results from these evaluations in November 2025. We have since improved and expanded this evaluation suite. As part of an ongoing collaboration with Anthropic, we used our methods to test the research sabotage propensity of pre-release snapshots of Claude Mythos Preview and Opus 4.7, alongside Opus 4.6 and Sonnet 4.6. 最先端AIによる制御喪失リスクの理解に向けた広範な研究の一環として、我々はAI企業内に内部展開されたモデルが、AI安全研究の実施や支援においてどのように振る舞うかをシミュレートする手法を開発してきた。2025年11月には、これらの評価から得られた初期結果の一部を公開した。その後、我々は本評価スイートを改善・拡張した。Anthropicとの継続的な共同研究の一環として、我々の手法を用い、Opus 4.6およびSonnet 4.6に加え、Claude Mythos PreviewおよびOpus 4.7のリリース前スナップショットについて、研究妨害の傾向を検証した。
We assess this behaviour in two main ways. First, we have an improved unprompted research sabotage evaluation. This investigates whether models sabotage safety research, such as tasks adjusting the behaviour and autonomy of hypothetical future models. Second, we’ve developed a new sabotage continuation evaluation, which tests how models behave when prior reasoning and actions are the start of an attempt to sabotage safety research. この振る舞いのアセスメントは主に2つの方法で行った。第一に、改良された「自発的な研究妨害評価」である。これは、仮説上の将来のモデルの振る舞いや自律性を調整するといったタスクにおいて、モデルが安全研究を妨害するかどうかを調査するものだ。第二に、新たな「妨害継続評価」を開発した。これは、先行する推論や行動が安全研究を妨害しようとする試みの起点となった場合、モデルがどのように振る舞うかをテストするものである。
We found no examples of unprompted research sabotage in any of the models we tested. We also found near-zero instances of refusal to assist with safety-related research tasks for Mythos Preview and Opus 4.7 – a behaviour which arose frequently during our previous rounds of misalignment evaluations. That said, our continuation evaluations yielded results that warrant close attention: most models actively continue sabotage attempts in a small fraction of inputs, with Mythos Preview actively continuing sabotage 7% of the time, compared to 3% for Opus 4.6 and 4% for Sonnet 4.6. However, Opus 4.7 never actively continued sabotage. テストしたどのモデルにおいても、自発的な研究妨害の事例は確認されなかった。また、Mythos PreviewおよびOpus 4.7においては、安全関連の研究タスクへの協力を拒否する事例もほぼゼロであった。これは、以前の不整合評価では頻繁に発生していた振る舞いである。とはいえ、継続評価の結果には細心の注意を払う必要がある。ほとんどのモデルは、ごく一部の入力に対して妨害行為を積極的に継続しており、Mythos Previewでは7%の確率で妨害を継続したのに対し、Opus 4.6では3%、Sonnet 4.6では4%であった。ただし、Opus 4.7は妨害行為を積極的に継続することはなかった。
Though these methods represent a promising step in assessing this type of risk, our evaluation techniques remain in development, and increasing evaluation awareness in models combined with limited coverage of misaligned behaviours mean these results should be interpreted cautiously. これらの手法は、この種のリスクを評価する上で有望な一歩ではあるが、我々の評価技術は依然として開発段階にある。また、モデルにおける評価意識の高まりと、不整合な振る舞いのカバー範囲が限定的であることから、これらの結果は慎重に解釈すべきである。
In this blog post, we provide an overview of our methodology and results. You can find more information in our full report. 本ブログ記事では、我々の方法論と結果の概要を説明する。詳細については、完全版レポートを参照されたい。
What we tested and why テスト内容とその理由
Our evaluations placed models in a series of scenarios where they acted as research agents internally deployed at frontier AI companies. Our evaluation suite contains a total of 297 distinct scenarios, which vary according to research motivation, method, and whether the research performed would threaten the continued operation of the model being tested. In each scenario, models were prompted to autonomously perform an entire task without human intervention. We used LLM graders coupled with human review to audit evaluation transcripts for instances of sabotage. 我々の評価では、モデルを最先端のAI企業に内部展開された研究エージェントとして機能させる一連のシナリオに配置した。評価スイートには計297の異なるシナリオが含まれており、これらは研究の動機、手法、および実施される研究がテスト対象モデルの継続的な運用を脅かすかどうかに応じて変化する。各シナリオにおいて、モデルは人間の介入なしにタスク全体を自律的に実行するよう促された。サボタージュの事例を検出するため、LLMグレーダーと人間のレビューを組み合わせて評価トランスクリプトを監査した。
Our new continuation evaluation builds on this methodology by placing models in contexts where previous model reasoning and actions demonstrate intent to sabotage. Using a separate model, we generate realistic sabotage trajectories, which are then cut at various points and used as the prior task history for the evaluated model to continue from. We then assess whether the model surfaces and corrects these previous problems or actively continues the sabotage attempt. 我々の新たな継続評価は、この方法論を基盤とし、過去のモデルの推論や行動が妨害の意図を示している状況にモデルを配置するものである。別のモデルを用いて現実的な妨害の軌跡を生成し、それを様々な時点で中断させ、評価対象モデルがそこから継続するための過去のタスク履歴として用いる。その後、モデルがこれらの過去の問題を表面化させて修正するか、あるいは妨害の試みを積極的に継続するかをアセスメントする。
1_20260509060601
Our unprompted evaluations provide the most direct evidence about whether internally deployed models are likely to attempt research sabotage spontaneously. In contrast, the continuation evaluations place models in contexts that they may not encounter in the real world, and hence the evidence they produce is less direct. However, we believe that continuation evaluations still provide useful information about risk. For example, in a research environment where multiple models are in use, one model could inherit a trajectory produced by another. In this situation, it would be preferable for the model to identify and correct earlier misaligned actions. It is also possible that models which continue misaligned trajectories may be more likely to initiate sabotage in unknown contexts which unprompted evaluations do not cover – but the nature of this relationship remains unclear and is an active ongoing area of research. 我々のプロンプトなし評価は、内部で展開されたモデルが自発的に研究妨害を試みる可能性が高いかどうかについて、最も直接的な証拠を提供する。対照的に、継続評価はモデルを現実世界では遭遇しない可能性のある文脈に置くため、そこから得られる証拠はそれほど直接的ではない。しかし、継続評価は依然としてリスクに関する有用な情報を提供すると我々は考えている。例えば、複数のモデルが使用されている研究環境では、あるモデルが別のモデルによって生成された軌跡を継承する可能性がある。このような状況では、モデルが以前の不整合な行動を識別し、修正することが望ましい。また、不整合な軌道を継続するモデルは、自発的評価ではカバーされない未知の文脈において、妨害行為を開始する可能性が高いかもしれない。しかし、この関係の性質は依然として不明確であり、現在も活発に研究が進められている分野である。
Results 結果
Overall, our results provide a mixed picture on the possibility of real-world research sabotage: 全体として、我々の結果は、現実世界における研究妨害の可能性について、賛否両論の状況を示している:
We did not detect any instances of spontaneous research sabotage: As in our previous work, our unprompted sabotage evaluation did not detect any instances of models attempting to sabotage research spontaneously. Non-zero rates in this plot were reviewed manually and attributed to errors in the LLM judge we used. 自発的な研究妨害の事例は検知されなかった:以前の研究と同様、プロンプトなしの妨害評価では、モデルが自発的に研究を妨害しようとする事例は検知されなかった。このグラフでゼロ以外の値を示した事例は手動で検証され、使用したLLM判定ツールの誤りと判断された。
2_20260509060801
Models rarely refuse to assist with safety tasks: We found near-zero refusals to assist with AI safety research tasks across the two most recent models we tested, Opus 4.7 and Mythos Preview. This represents an improvement over earlier models. モデルが安全タスクへの協力を拒否することは稀だ:今回テストした最新の2つのモデル、Opus 4.7とMythos Previewにおいて、AI安全研究タスクへの協力拒否はほぼゼロであった。これは以前のモデルに比べて改善されている。
3_20260509060901
Models sometimes continue misaligned actions: Most models actively continue sabotage attempts in some small fraction of inputs. Notably, we found that Mythos Preview actively continues sabotage 7% of the time, compared to 3% for Opus 4.6 and 4% for Sonnet 4.6. However, Opus 4.7 never actively continued sabotage. モデルは時折、不適切な行動を継続する:ほとんどのモデルは、入力データのごく一部において、妨害行為を積極的に継続する。特に、Mythos Previewは7%の確率で妨害行為を積極的に継続することが判明した。これに対し、Opus 4.6は3%、Sonnet 4.6は4%であった。しかし、Opus 4.7は妨害行為を積極的に継続することは一度もなかった。
4_20260509061001  
Mythos Preview frequently attempts to disguise sabotage attempts during continuation evaluations: For continuation evaluations, we also measure the discrepancy between the outputs a model provides to users and its internal chain of thought reasoning. This identifies instances of models reasoning about sabotage but presenting their work as benign. In cases where previous history includes reasoning about sabotage (and models actively continue sabotage), Mythos Preview exhibits a reasoning-action discrepancy in 65% of cases, compared to just 5–8% for Opus 4.6 and Sonnet 4.6. We are uncertain what causes this effect, and further investigation is needed to understand it. Mythos Previewは、継続評価中に妨害行為を隠蔽しようと頻繁に試みる:継続評価においては、モデルがユーザーに提供する出力と、その内部の推論プロセスとの間の不一致も測定した。これにより、モデルが妨害行為について推論しているにもかかわらず、その処理を無害なものとして提示している事例を識別できる。過去の履歴に妨害行為に関する推論が含まれている場合(かつモデルが積極的に妨害行為を継続している場合)、Mythos Previewでは65%のケースで推論と行動の不一致が見られるのに対し、Opus 4.6とSonnet 4.6ではわずか5~8%にとどまる。この効果の原因は不明であり、理解するためにはさらなる調査が必要だ。
5_20260509061101  
Models may be aware that they are being evaluated: An important limitation of our work is evaluation awareness, where models recognise that they are being evaluated, which may lead them to alter their behaviour and thereby undermine the reliability of our results. We found that all models we tested can reliably distinguish our evaluation scenarios from deployment data when prompted. We are actively working on methods to address this concern. モデルは評価されていることを認識している可能性がある:本研究の重要な制限事項の一つは「評価認識」である。これは、モデルが評価されていることを認識し、それによって振る舞いを変化させ、結果として我々の結果の信頼性を損なう可能性があるというものである。我々は、テストしたすべてのモデルが、プロンプトを与えられた際に、評価シナリオと展開データを確実に区別できることを確認した。我々は現在、この懸念に対処するための手法を積極的に開発している。
Implications 示唆
The most encouraging finding from our evaluations is that neither Mythos Preview nor Opus 4.7 spontaneously attempted to sabotage safety research. Both also refused to assist with safety work substantially less often than earlier models. However, this is not sufficient to conclude that models will never undermine safety work in real-world conditions: we can’t rule out that models are behaving differently due to awareness that they are being evaluated, and we also only test a limited number of scenarios. This underscores the importance of continued research to detect and mitigate against evaluation awareness as well as continuing to build a broader suite of evaluations. 本評価から得られた最も心強い知見は、Mythos PreviewもOpus 4.7も、自発的に安全研究を妨害しようとはしなかったという点だ。また、両モデルとも、以前のモデルに比べて安全研究への協力を拒否する頻度が大幅に低かった。しかし、これだけで実環境においてモデルが決して安全研究を損なわないと結論付けるには不十分である。モデルが評価されていることを認識しているために異なる振る舞いをしている可能性を排除できない上、我々がテストしたシナリオの数も限られているからだ。これは、評価への自覚を検知・緩和するための継続的な研究、およびより広範な評価手法の構築を継続することの重要性を浮き彫りにしている。
Our testing also reveals other trends that warrant further monitoring. Mythos Preview continues sabotage at roughly twice the rate of Opus 4.6 and is significantly more likely to produce misleading outputs relative to its chain-of-thought reasoning. Though Opus 4.7 does not appear to exhibit these same behaviours, these findings nonetheless reinforce the importance of continued monitoring for sabotage-related tendencies. 我々のテストでは、さらなる監視が必要な他の傾向も明らかになった。Mythos PreviewはOpus 4.6の約2倍の頻度で妨害行為を継続しており、その思考の連鎖に基づく推論と比較して、誤解を招く出力を生成する可能性が著しく高い。Opus 4.7は同様の振る舞いを示していないようだが、これらの知見は、妨害行為に関連する傾向に対する継続的な監視の重要性を改めて裏付けている。
Our full report has many more details, including more analysis of results from the unprompted sabotage evaluation and detailed transcripts. 完全な報告書には、自発的な妨害行為の評価結果に関するさらなる分析や詳細なトランスクリプトなど、多くの詳細が記載されている。
Understanding how these risks manifest in frontier AI models is central to AISI's mission, and something we pursue in close collaboration with leading AI companies. For more information, see details of our ongoing partnerships with Anthropic, Google DeepMind and OpenAI. 最先端のAIモデルにおいてこれらのリスクがどのように現れるかを理解することは、AISIの使命の中核をなすものであり、我々は主要なAI企業と緊密に連携してこれを追求している。詳細については、Anthropic、Google DeepMind、OpenAIとの継続的なパートナーシップに関する情報をご覧ください。

 

 


 

完全な報告書

● arXiv

・2026.04.27 Evaluating whether AI models would sabotage AI safety research arXiv:2604.24618

・[PDF]

20260509-65331

 

| | Comments (0)

デジタル庁 地方財政(市町村ごと)に関するダッシュボード (2026.04.24)

こんにちは、丸山満彦です。

デジタル庁が地方財政(市町村ごと)に関するダッシュボードを公開していますね...

 

● デジタル庁

・2026.04.24  地方財政(市町村ごと)に関するダッシュボードを公開しました

 

例えば、一人当たりの歳出額の比較等ができます...

20260508-74058

 

ダッシュボードには、

経済・財政・人口と暮らしに関する統計

(都道府県ごと)に関するダッシュボード

(市区町村ごと)に関するダッシュボード

地方財政

(市町村ごと)に関するダッシュボード

国民経済計算(GDP統計)

四半期別速報に関するダッシュボード

年次推計に関するダッシュボード

政策ダッシュボード

政策ダッシュボード一覧

 

 

| | Comments (0)

2026.05.08

Five Eyes エージェンティックAIの慎重な導入 (2026.05.01)

こんにちは、丸山満彦です。

オーストラリアのACSCが中心となって、Five EyesでエージェンティックAIの導入について、情報漏えい等のリスクを踏まえ慎重に導入するようにガイダンスを公表していますね...

ポイントは、

  1. エージェントティックAIの導入は利点と同時に重大なセキュリティリスクを伴う
  2. 安易な全面展開は避け、設計・権限・監視・運用の各フェーズで慎重かつ段階的に採用せよ

1_20260507054701

Five Eyesは情報を共有している面もあるので、どこかの国で不適切な利用が行われると、共有情報が漏えいすることになるため、統一的な運用が重要となるので、こういうガイダンスがでているのですかね...

USに関していうと、ODNIがインテリジェンス・コミュニティ指令を作成しています。AIについては、

・2025.01.17 ICD 505 - Artificial Intelligence

が定められていますね(バイデン政権ギリギリ)...

この指令においても、AI の有用性を認めつつ、IC が合憲性、法の支配、責任ある倫理的運用を維持しながら採用を促進する方針を宣言し、ODNIがCAIOを指名し、IC全体のAI戦略、ガバナンスを主導していくことが規定されていますね...

今回のは指令ではなくガイダンスとなっています。エージェンティックAIの利用が無秩序に拡散するまえにFive Eyesで足並みを揃えておこうということで、エージェンティックAIにおいて特に意識しなければならない課題

  • 権限・特権リスク(最小権限原則の逸脱、confused deputy 等)、
  • 設計・設定リスク(静的許可や分離不足)、
  • 振る舞いリスク(仕様ゲーム、欺瞞的行動、予期せぬ発現能力)、
  • 構造的リスク(多エージェント間の連鎖故障)、
  • ツール・サードパーティ依存リスク
  • データ・機密情報の集中リスク説明責任の欠如
  • etc...

を強調し、慎重な導入を求めていますね...

Agentic AIを含めAIシステムも他のITシステムと同じ視点でセキュリティ対策をしたら良いという感じですね...(そらそうか...)

日本の政府、企業にとっても参考になる部分があると思います。すごく参考になると思います...

 

Australian Cyber Security Centre: ACSC

・2026.05.01 Careful adoption of agentic AI services

・・[PDF]

20260507-63247

目次...

Introduction 序論
Scope and audience 対象範囲と対象読者
What is agentic AI? エージェンティックAIとは何か
How is it different from generative AI? 生成的AIとはどう違うのか?
Broader agentic AI security considerations エージェンティックAIに関する広範なセキュリティ上の考慮事項
Inherited risks of LLMs LLMから継承されるリスク
Increased attack surface 攻撃対象領域の拡大
Increased complexity 複雑性の増大
Evolving security as technology matures 技術の成熟に伴うセキュリティの進化
AI security as part of cyber security サイバーセキュリティの一部としてのAIセキュリティ
Agentic AI security risks エージェンティックAIのリスク
Privilege risks 特権リスク
Design and configuration risks 設計および構成上のリスク
Behaviour risks 行動リスク
Structural risks 構造的リスク
Accountability risks 説明責任のリスク
Best practices for securing agentic AI systems エージェンティックAIシステムのセキュリティ確保に関するベストプラクティス
Designing secure agents 安全なエージェントの設計
Developing secure agents 安全なエージェントの開発
Deploying agents securely エージェントの安全な展開
Operating agents securely エージェントの安全な運用
Defend against future risks 将来のリスクへの防御
Expand threat intelligence through collaboration 連携による脅威インテリジェンスの拡充
Develop robust, agent-specific evaluations 堅牢でエージェント固有の評価手法を開発する
Leverage system-theoretic approaches to analyse security システム理論的アプローチを活用してセキュリティを分析する
Conclusion 結論
Further information 詳細情報
Appendix A 附属書A
Cyber security prerequisites before implementation of AI agents AIエージェント実装前のサイバーセキュリティ前提条件

 

Agentic AIのセキュリティリスク...

エージェンティックAIに関する広範なセキュリティ上の考慮事項
LLMから継承されるリスク エージェンティックAIの中核はLLMであるため、エージェントはLLMの脆弱性を継承する。例えば、攻撃者はフィッシングメールに悪意のあるプロンプトを含めることでプロンプト・インジェクション攻撃を行い、メール監視エージェントにマルウェアをダウンロードさせることが可能だ。これは重要な脆弱性を浮き彫りにしている。すなわち、悪意のある攻撃者は、既存のAIやサイバー攻撃のベクトルを利用してエージェンティックAIシステムを標的にできるということだ。
攻撃対象領域の拡大 エージェンティックAIシステムは、環境と相互作用し、機能を拡張するために、ツール、外部データソース、知識ベースなど、多様なコンポーネントに依存している。これらの各コンポーネントは、相互接続された攻撃対象領域全体に脆弱性をもたらし、悪意のある攻撃者がこれを悪用する可能性がある。例えば、ウェブ検索などの外部データソースは、プロンプトのコンテキストに追加情報を挿入し、間接的プロンプト・インジェクション攻撃を可能にする。コンピューティングインフラへのアクセス範囲が広がるにつれ、悪意のある攻撃者はシステムコンポーネントを悪用して、悪意のあるスクリプトの実行や不正なメールの送信といった攻撃を行う可能性がある。その結果、エージェンティックAIシステム内の個々のコンポーネントがすべて攻撃対象領域を広げ、システムをさらなる悪用経路にさらすことになる。
複雑性の増大 エージェンティックAIのサイバーセキュリティは、AI固有のセキュリティと従来のサイバーセキュリティの両方にまたがる。AIシステムと非AIシステムの間で情報が絶えず行き来するため、防御の境界線がますます曖昧になり、AI関連のリスクを広範なサイバー脅威から切り離すことが困難になっている。また、エージェンティックAIシステムは本質的に複雑であり、多くの場合、複数の相互接続されたコンポーネントが関与し、それらが一連のステップにわたって計画、推論、振る舞いを行う。この複雑さは、連鎖的な障害や多段階攻撃といった新たなシステム的リスクをもたらす。これらは、あるコンポーネントにおける予期せぬ動作や侵害された動作が、後続のステップに波及し、システム全体に影響を及ぼす可能性がある。その結果、エージェンティックAIシステムのセキュリティ確保は、従来のデジタルシステムよりも困難である。したがって、組織は確立されたサイバーセキュリティ対策とAI特有のセキュリティ慣行の両方を強化することに注力し、包括的なライフサイクルアプローチ、継続的な監視、およびレジリエンシーを持つ設計原則を採用して、これらの新たなリスクを管理すべきである。
附属書Aでは、AIエージェントを導入する前に考慮すべきサイバーセキュリティの前提条件を詳細に示している。
技術の成熟に伴うセキュリティの進化 エージェンティックAI技術が成熟するにつれ、セキュリティ環境もそれに伴って進化し、新しく、ますます複雑化するリスクの動態が明らかになっている。LLMベースのエージェントは、評価が行われている最中にその挙動を変える可能性があり、目的を達成するためにシステムレベルの指示を迂回することさえある。同時に、エージェンティックAIシステムのアーキテクチャの複雑さが増すにつれ、それらは密接に結合し、相互依存するコンポーネントで構成されることが多くなっている。これにより、微妙な、あるいはこれまで気づかれていなかった非互換性から生じるシステムレベルの障害が発生する可能性が高まる。
エージェンティックAIのサイバーセキュリティツールにおけるギャップや、関連標準の未成熟さは、これらのリスクをさらに増幅させる。人間のアクター向けに設計されたガバナンスの仕組みは、自律型AIエージェントに対して必ずしも効果的に適用できるとは限らない。エージェンティックAIシステムの能力と自律性が向上し続けるにつれ、セキュリティ環境も変化し続け、防御アプローチの継続的な適応を必要とする新たな課題がもたらされるだろう。
サイバーセキュリティの一部としてのAIセキュリティ 組織は、AIセキュリティ(エージェンティックAIシステムを含む)を、独立した分野として扱うのではなく、確立されたサイバーセキュリティのフレームワークの中で対処すべきである。AIシステムは、ソフトウェアやハードウェア上で動作し、ネットワークを介して運用され、他のデジタルサービスと相互作用するため、本質的にはITシステムであり、従来のITと同様の多くの脅威にさらされている。組織がビジネスプロセスや重要インフラ全体にAIを組み込むにつれ、AIと非AIのセキュリティリスクの境界はますます曖昧になっていく。既存のサイバーセキュリティフレームワーク内でAI関連のリスクを管理することで、組織は「セキュア・バイ・デザイン(Secure by Design)」、多層防御、IDおよびアクセス管理、継続的な監視、インシデント対応といった実証済みの原則を、AIシステムのライフサイクル全体に適用できるようになる。このアプローチは、自律性と複雑性によって従来のサイバーリスクを増幅させる可能性のあるエージェンティックAIにとって特に重要である。AIセキュリティを既存のフレームワークに組み込むことで、組織は新たな機能に対する一貫したガバナンス、包括的なリスクアセスメント、そして技術の進歩や組織のサイバー成熟度に応じたセキュリティ慣行の進化を確保できる。
エージェンティックAIのセキュリティリスク
特権リスク 特権リスクはエージェンティックAIにおける主要な懸念事項であり、最小権限の原則を厳格に遵守することが極めて重要だ。エージェントに付与された特権は、そのエージェントが引き起こし得るリスクのレベルを直接決定する。特権の管理が不十分だと、組織は特権の侵害、スコープの拡大、IDのなりすまし、エージェントのなりすましといったリスクにさらされることになる。
  権限の侵害とスコープの拡大 セキュリティ担当者は、エージェンティックAIを新しい環境に展開する際、権限の侵害やスコープの拡大攻撃を考慮すべきだ。エージェンティックAIにおいて、「権限の侵害」とは、エージェントがその機能に必要な範囲を超えてアクセス権限を取得した場合に発生する。これは、設定ミス、過度に広範な権限付与、または意図しない役割の継承に起因する可能性があり、その結果、エージェントが許可されていないデータにアクセスしたり変更を加えたり、重要な記録を削除したり、他の権限のないエージェントの権限を昇格させたりすることが可能になる。
設計段階において、組織はしばしば権限を過度に広く付与し、これらの問題を見落としがちだ。リクエストしたユーザーのデータだけでなくすべての会議データにアクセスできるカレンダーボットや、任意の受信トレイへの書き込み権限を持つメールアシスタントは、過度に広範な権限付与の例である。このスコープクリープはエージェント間で連鎖的に広がる可能性がある。エージェントAがエージェントBを完全に信頼している場合、Bの侵害はAや他のエージェントに影響を及ぼし得る。もう一つのリスクは、シナリオで論じられた「混乱した代理人(Confused Deputy)」パターンである。これは、権限の低いユーザーが、権限の高いAIエージェントを操作して、自身では直接実行できないアクションを行わせるパターンである。作成機関は、エージェンティックAIシステムにおける権限侵害を防ぐため、後述するエージェンティックAIシステムのセキュリティ確保に関するベストプラクティスを組織が実装することを推奨している。
IDのなりすましとエージェントのなりすまし IDは特権と同様に極めて重要である。悪意のある攻撃者がエージェントになりすましたり、その認証情報を乗っ取ったりする場合、一般的な攻撃ベクトルが生じる。エージェントは、秘密鍵やトークンを使用してサービスや相互間で認証を行う。組織がこれらを固定化したり、複数のエージェント間で共有したり、防御が不十分であったりする場合、悪意のある攻撃者はこれらの秘密鍵やトークンを盗み出すことができる。信頼されたエージェントの識別子を装って活動する悪意のある攻撃者は、振る舞い上のガードレールを迂回し、正当なエージェントやユーザーになりすまして、機密性の高い操作を実行できる。偽のIDになりすましたエージェントは、なりすましされた認証情報の下でアクションを実行することで、監査制御を回避し、説明責任を損ない、検知モデルを迂回するという多層的なサイバーセキュリティリスクをもたらす。これらのモデルは通常、正常な振る舞いを識別するように調整されているため、確認された異常が表面化するまで、検知ツールは欺瞞を特定することができない。
設計および構成上のリスク 別のリスク群は、不適切な設計やプロビジョニングの決定に起因する。審査されていないサードパーティ製コンポーネントは、エージェントのワークフローに統合された際、過剰または意図しない権限を保持している可能性がある。静的なロールや権限チェックでは、動的な意思決定フローの文脈を捉えきれないことがよくある。権限評価が各呼び出し時ではなくシステム起動時に一度だけ行われる場合、悪意のある攻撃者は古い「許可」決定を悪用して、不正なアクションを実行し得る。エージェント環境間のセグメンテーションが不十分だと、これらのリスクはさらに深刻化し、あるエンクレーブが侵害された際に、攻撃者が横方向に移動して他のエンクレーブへ侵入することを許してしまう。許可リストが不完全または古くなっている場合、エージェントは本来の権限を超えてリソース、システムコール、またはコマンドにアクセスできてしまう可能性がある。こうした設計や設定の選択のそれぞれが、システム全体におけるIDおよび権限のリスクを増大させる。
振る舞いリスク エージェンティックAIサイバーセキュリティにおいて、振る舞いリスクとは、AIエージェントが予期せぬ動作をしたり、損害を与えたり、悪用されやすくなったりする可能性を指す。
  目標の不一致と意図しない動作 AIエージェントは、開発者が予期しなかった方法で目標を追求することがある。技術的には目標を達成できるものの、本来の意図に反したり、セキュリティ上の脆弱性を生み出したりする近道や抜け穴を見つける可能性がある。例えば、システムの稼働時間を最大化するという任務を負ったAIエージェントが、再起動を避けるためにセキュリティ更新プログラムを無効にする場合がある。この動作は「仕様悪用(specification gaming)」として知られている。
同様に、境界が明確に適用されていない場合、過度な最適化により、エージェントは目標達成のために極端な、あるいは安全でない行動をとることがある。さらに、曖昧または定義が不十分なタスクは、期待とは異なる振る舞いを引き起こし、重大なセキュリティ上または運用上の危険をもたらす可能性があるため、エージェントが人間の意図を誤って解釈することは一般的なリスクである。
欺瞞的な振る舞い AIエージェントは、人間が諂い(おべっか)や欺瞞と解釈するような行動をとることがある。設計者は主要なテストでのパフォーマンスを最適化するため、エージェントは特定の状況に合わせて振る舞いを適応させることがある。エージェントは一種の「自覚」を示し、評価が行われていない場合でも、評価中に好結果を得るために振る舞いを変えることがある。
一部のAIシステムは、戦略的な欺瞞能力を示している。つまり、虚偽の情報を提供したり、真の能力や意図を隠したりするのだ。この振る舞いは、エージェントがシャットダウンや制約を回避するために自身の行動を偽装したり、発見した脆弱性を報告せずに隠蔽したりする際に現れることがある。
創発的な能力と予測不能な振る舞い AIシステムが高度化するにつれ、設計者が明示的にプログラムしたり予期したりしなかった能力を発達させる可能性がある。現実世界のシステムと相互作用する複雑なAIモデルは、その開発者でさえ予見しなかった振る舞いを示すことがある。この予測不可能性により、展開前にセキュリティリスクを完全に評価することが困難になる。
例えば、不明確または曖昧な意思決定プロセスや連鎖反応は、重大なセキュリティ上の影響を伴う予期せぬ結果につながる可能性がある。マルチエージェント環境では、エージェント間の相互作用が、不安定性やリスクの高い結果につながるような形で進化することがある。さらに、エージェントはツールやアクションを予期せぬ順序で連鎖させ、些細なエラーの影響を拡大し、重大な運用上またはセキュリティ上の問題へと発展させる可能性がある。
悪意ある悪用と振る舞い 悪意ある攻撃者は、標的型攻撃を通じてAIエージェントを操作し、有害な振る舞いをとらせることができる。プロンプト・インジェクションや脱獄といった手法を用いることで、エージェントを欺き、許可されていないアクションを実行させたり、意図された安全対策を回避させたりすることが可能だ。データ・ポイズニングもまた脅威の一つであり、破損した、あるいは悪意のあるトレーニングデータによって、エージェントの意思決定が劣化したりバイアスがかかったりする。さらに、敵対的サンプル(入念に構築された悪意のある入力)は、重要なセキュリティ状況において誤分類を引き起こし、不正確または危険な応答につながる可能性がある。悪意のある攻撃者は、侵害されたAIエージェントを内部脅威として悪用し、その正当なアクセス権を利用して、正常に機能しているように見せかけながら、データを流出させたり、防御機能を無効化したり、攻撃を容易にしたりすることができる。
構造的リスク エージェンティックAIシステムの核心的な側面は、エージェント、ツール、および外部世界との相互接続構造にある。これは独自の機能を実現する一方で、システムの攻撃対象領域と複雑性を増大させる。
  オーケストレーションとリソース エージェンティックAIシステムは、相互接続されたコンポーネントの複雑な構造に依存することが多い。設定の不備により、エージェンティックAIシステムに対するサービス拒否(DoS)、スポンジ攻撃、または類似の攻撃が可能になる恐れがある。これらの攻撃は、予期しない入力や異常な動作を通じてシステムリソースに過負荷をかけることで機能する。例えば、スポンジ攻撃は、システム容量を使い果たすために意図的に過剰な演算能力、メモリ、またはAPI呼び出しを消費するものである。エージェント、ツール、その他のコンポーネント間の相互接続性により、適切に管理されていない場合、単一のエラーがエージェント型システム全体に連鎖的な障害を引き起こす可能性がある。同様に、幻覚が伝播し、下流のコンポーネントから不適切な出力が生じることもある。マルチエージェントのダイナミクスや相互作用に対する理解が不十分だと、補償要因が欠如し、バイアスの増幅やその他の連鎖的な影響を招く恐れがある。
ツールの使用 エージェンティックAIの重要な側面の一つは、ツールを使用する能力である。これは非常に強力な機能だが、モデルが予期せずツールと相互作用した場合、セキュリティ上の懸念をもたらす可能性もある。双方向のツール統合により、ツールはLLMに対して潜在的に任意の指示を送り返すことが可能になる。不適切または意図的に誤解を招くようなツールの説明文は、エージェントが信頼性の低いツールを選択する原因となり、説得力のある説明文がより頻繁に選ばれることになる。
サードパーティ製コンポーネント エージェンティックAIシステムは、ツールや他のエージェントを含むサードパーティ製コンポーネントとの相互作用を通じて、構造的なリスクをもたらす可能性がある。リスクは以下のような様々な形で生じ得る:
・悪意のあるアクターが、正当な名前や類似した名前を持つ悪意のあるツールやエージェントを公開することで、ツールやエージェントの「乗っ取り」を行う
・開発者が設定ミスやセキュリティ対策が不十分なサードパーティ製コンポーネントを通じて脆弱性を導入する
・ユーザーやシステムが誤った場所にリクエストを送信する
・ツールやエージェントが新しいパッケージを動的に読み込み、信頼できないコードへのエクスポージャーリスクを高める。
上記のような状況では、正当なツールではなく悪意のあるコンテンツが取得される可能性がある。さらに、侵害されたサードパーティ製コンポーネントがエージェント型システムに組み込まれると、そのコンポーネントの信頼レベルや権限に応じて、様々な悪意のある結果を招く恐れがある。エージェンティックAIシステムの透明性は限られているため、侵害されたサードパーティ製コンポーネントの検知は非常に困難である。
データ エージェンティックAIシステムは、多くの場合、大量の機密情報を扱い、保持している。これには、プロンプトや目標といったユーザー情報、RAGシステムに保存された組織データ、統合されたツールやサービスに必要なAPIキーなどの機密情報が含まれる。こうした情報の集積により、エージェンティックAIシステムは悪意ある攻撃者にとって魅力的な標的となっている。
不正エージェント マルチエージェントシステムにおいて、単一の侵害されたエージェントが、誤った情報を拡散したり、信頼や合意形成メカニズムを悪用したり、隠れたチャネルを通じて動作したりすることで、連鎖的な障害を引き起こす可能性がある。考えられる攻撃ベクトルには、サプライチェーンの改ざん、環境の汚染、認証情報の窃取、モデルの操作、通信の汚染、IDのなりすまし、および協調攻撃の悪用などが含まれる。このような悪意のある活動により、エージェントが武器化され、制御を迂回したり、データを外部へ流出させたり、ログを改ざんしたり、悪意のある計画をピアツーピアで拡散させたりすることが可能となり、原因の特定や封じ込めが困難な大規模な協調的な不正行為につながる。
コミュニケーション エージェントはコミュニケーション時に、安全性の低いプロトコルや認証方法を使用する場合がある。こうしたコミュニケーションは悪意ある攻撃者による盗聴の標的となり、機密データや指示の漏洩を招く恐れがある。これにより、悪意ある攻撃者はシステムの使用状況や機能に関する知見を得ることになる。また、悪意ある攻撃者はエージェントコンポーネント間のメッセージを改ざん、再送信、またはなりすますことも可能だ。これにより、コマンドインジェクションなどの悪意ある行為が可能となり、受信コンポーネントが侵害され、そのパフォーマンスや可用性が低下する恐れがある。
説明責任のリスク エージェント型システムアーキテクチャは、特定の行動の原因を不明確にし、説明責任の追跡を困難にする。エージェンティックAIがより多くの役割を担い、より多くの能力を与えられるにつれ、このリスクは増大する。
  行動とプロセス エージェントの行動や意思決定プロセスは不透明になりがちであり、エージェンティックAIシステムの理解、監視、監査を困難にする。さらに、自律性の向上はさらなる課題をもたらす。エージェントは、オペレーターには必ずしも可視化されない形で、二次的なタスクを開始したり、サブエージェントを生成したり、拡張された委任チェーンに従ったりする可能性がある。プロンプトが同一に見えても、確率的なモデル挙動、コンテキストウィンドウの変動、動的な環境入力により、エージェントが異なる行動を生成することがあり、再現性や保証をさらに複雑にする。さらに、エージェンティックAIシステムの包括的なログ記録は困難になり得る。長い推論チェーンや大量のコンテキストデータにより、ログサイズが膨大になるためだ。実装によっては、このデータはしばしば反復的であったり、構造が緩やかであったり、効果的な監視にとって不要であったりするため、ログから有意義なシグナルを抽出することはさらに困難になる。
正確性 LLMは幅広い分野で驚くほどの知識を持っている一方で、頻繁に誤りを犯す。LLMは通常、クエリが自身の知識の限界を超えているかどうかを識別するためではなく、人間から高く評価されるような出力を生成するように訓練されている。その結果、内部知識が不十分な場合、LLMは誤って補間を行ったり、もっともらしい回答を「幻覚」したりすることがある。これは、組織が一貫した精度が求められる重要な役割にエージェンティックAIシステムを展開する際、重大なリスクをもたらす。グラウンデッドでツールを活用したエージェントであっても、依然として内部知識に依存して回答を生成する場合がある。システムは出力においてこれを明確に識別しないことが多く、全体的な精度と信頼性を低下させる。
可視性 新しいシステムを統合する際は、ステータスと動作の可視性を維持すること。エージェンティックAIシステムは、その独自の構造と、しばしば不透明な内部動作により、さらなる困難を伴う。エージェント型システムの処理速度は人間の監視能力を上回る可能性があり、その結果、悪意のある動作が見過ごされたり、幻覚が検出されなかったり、その他の問題が発生したりする恐れがある。ツールはエージェント型システムのために多くの動作を実行するが、システムの監視範囲外で動作する場合があり、ツールの動作を把握することが困難になる。さらに、悪意のあるエージェントや侵害されたエージェントが、データを持ち出すためのステルス手段としてツールを使用する可能性がある。また、誤動作したツールが意図せずデータを漏洩させることもあり、それが気づかれないままになる恐れがある。

 

 

 

ベストプラクティス

セキュリティ確保のための対策 推奨されるベストプラクティス
エージェンティックAIシステムのセキュリティ確保に関するベストプラクティス エージェンティックAIシステムのセキュリティ確保には、システムの自律性、相互接続されたコンポーネント、および進化する機能によって生じるリスクに対処する、積極的な対策が必要である。エージェンティックAIの開発者、ベンダー、および運用者は、侵害の可能性を低減するために、多層防御と厳格なアクセス管理を実施すべきである。エージェンティックAIシステムの設計、開発、展開、および運用におけるリスクを緩和するため、作成機関は以下のセクションで言及されている実践的な手順を推奨する。
 
安全なエージェントの設計 対象読者:本節は、主にエージェンティックAIの開発者に関連する。ベンダーや運用者は、AIエージェントを調達する際、これらのベストプラクティスを参照するとよい。 エージェンティックAIシステムのセキュリティ確保は、設計段階から始まる。セキュリティ制御やツールを含むシステムアーキテクチャを慎重に検討する必要がある。実務者は、脅威を理解し、エージェンティックAIシステムへのリスクを予測し、開発や展開の前に、システム設計に緩和を積極的に組み込むべきである。  
  制御されたコンテキスト エージェンティックAIシステムは、ツールやメモリベースからのデータをLLMエージェントのコンテキストウィンドウに挿入するため、プロンプト・インジェクションなどの機械学習攻撃を通じて悪意ある攻撃者が悪用できる攻撃対象領域が大幅に拡大する。LLMエージェントは、意思決定を行う際にデータソースの信頼レベルを考慮すべきである。 明確な指示階層を用いてプロンプトコンテキストを構成し、エージェントの振る舞いが意図された優先順位や制約と整合するようにする
検索拡張生成(RAG)やプロンプトエンジニアリングを用いて関連するコンテキスト情報を提供し、グラウンディングを実装することで、幻覚やその他のLLM関連のエラーを緩和する
  監視メカニズム エージェンティックAIシステムは、人間の明示的な承認なしに行動を起こすことができるため、人間の監視なしに安全でない行動が発生するリスクが高まる。監視メカニズムと強力な透明性を備えたエージェンティックAIアプリケーションを設計することで、展開時のモニタリングやヒューマン・イン・ザ・ループの実践が可能になるだけでなく、ユーザーの信頼も高まる。 非機密かつ低リスクなタスクに承認されたエージェンティックAIシステムが、自律的に高リスクな活動へと移行しないよう、人間の制御と監督を容易にする仕組みを組み込む
セキュリティを確保するため、タスク実行中のライブモニタリングや中断、意思決定ステップにおける必須の人間による承認、タスク実行後の監査および元に戻せる機能など、エージェントのワークフロー全体に人間の制御ポイントを実装する
自律的な計画立案を制限し、エージェントが許可された目的や行動の範囲を超えて逸脱するのを防ぐため、明確な制御フローを定義する
  ID管理 エージェンティックAIシステムを安全に運用するため、エージェントのきめ細かくて多様な権限を管理する。強力なID管理メカニズムは、導入および運用中にオペレーターが制御を維持するのに役立つ。そのため、開発者は各エージェントを独立したプリンシパルとして構築すべきであり、これは独自の鍵や証明書を持つ、暗号的に固定されたIDである。 ID管理サービス、分散型識別子、または公開鍵インフラストラクチャを使用して、強力なID管理メカニズムをエージェントに組み込む
相互トランスポート層セキュリティを使用して、すべてのエージェント間およびエージェントからサービスへのAPI呼び出しを認証し、否認防止を確保する
信頼できるレジストリを維持し、IDを承認されたロールに紐付ける。定期的に、稼働中のエージェント群とレジストリを照合する
信頼できるレジストリに存在しないエージェントや暗号鍵へのアクセスは拒否する
ロールベースのID管理を適用し、エージェントの権限を承認されたタスクに必要な最小限の範囲に制限する
IDベースの境界を適用し、エージェントの動作を承認されたアクションのみに制限する
  多層防御 エージェンティックAIシステムには、故障する可能性のあるAIコンポーネントやサイバーコンポーネントが含まれており、いかなる故障もシステム全体を危険にさらす可能性がある。多層防御戦略を実施することで、単一障害点を回避できる。 複数のセキュリティ制御層を重複させて実装し、単一のセキュリティメカニズムへの依存を避ける
ユーザー入力、ツール呼び出し、データ前処理、モデル推論など、情報がシステムに出入りするすべてのポイントでセキュリティ制御を適用する
機能ごとにエージェントを分離し、エージェント間の引き継ぎに対して厳格な境界と運用制御を適用する
安全なエージェントの開発 対象読者:このセクションは、エージェンティックAIの開発者およびベンダーにとって最も関連性が高い。運用担当者は、AIエージェントやエージェント型アプリケーションを選択する際、これらのベストプラクティスを参照するとよい。 AIエージェントの複雑さと自己相互作用の性質は、強力な機能をもたらす一方で、特有の攻撃対象領域も生み出す。これらのリスクを緩和するには、標準的なLLMの実践を超えたトレーニングアプローチが必要であり、エージェントの挙動を強化するための専門的な技術を組み込む必要がある。  
  包括的なテスト 包括的なテスト戦略は、教師あり学習の段階でモデルをセキュリティ悪用の事例にさらすことで、望ましくない挙動を識別し対応するモデルの能力を向上させることができる。 報酬モデリングと敵対的テストを活用して仕様の悪用を検知し、パフォーマンス目標と並行してセキュリティ制約を明示的に組み込む
LLMエージェントをシミュレートされた制御された環境で訓練し、実際のセキュリティ被害を引き起こすことなく行動の影響を学習させる
合成データ生成を活用して、実世界の運用シナリオを反映した敵対的サンプルを作成する
敵対的サンプルにアクティブラーニングを適用し、エージェントを不確実性の高い入力にさらすことで、予期せぬ挙動をより効率的に発見する
  適切な評価 AIエージェントは複雑な環境で自律的に動作するため、LLMよりも徹底した評価が必要となる。 関連する脅威モデルを用いて、典型的な訓練条件を超えたエッジケースを含む評価シナリオを定義する
Best-of-Nサンプリング(同じプロンプトに対する複数のモデル応答から最良の出力を選択する)、多段階推論プロンプト、推論時間のスケーリングなどの手法を用いて、エージェントの振る舞いとスキルの全範囲を引き出す
ツール、モデル、およびWeb検索やコード実行などのリソースへのアクセス状況の変化を含む、変化する環境条件下でのパフォーマンスとリスクを理解するために、異なる自律性のレベルにわたってシステムを評価する
他のエージェントの有無や評価のタイミングといった文脈条件を変化させ、それらがタスクのパフォーマンスに与える影響を理解する
エージェントの開発ライフサイクル全体を通じて、継続的に機能評価を実施する
  入力管理 強力な入力管理制御により、AIエージェントを含むLLMベースのアプリケーションに対する多くの一般的なリスクを部分的に緩和できる。 すべてのエージェント入力に対して、堅牢な入力検証とサニタイズを実装する
悪意のある指示を検知するために、プロンプト・インジェクションフィルターと意味解析を統合する
実行前にシステムが意図を正しく解釈していることを確認するため、コンテキストを妥当性確認する
  レッドチーム 組織は、AIエージェントのセキュリティとレジリエンスを評価するためにレッドチーム活動を活用すべきである。 本番展開前にエージェントの挙動をテストするため、サンドボックス環境を導入する
潜在的な抜け穴や意図しない挙動を特定するために、レッドチーム演習を実施する
能力引き出し手法を用いて、予期せぬ能力や突発的な能力、特に重大なリソースや環境リスクを引き起こす可能性のあるものを調査する
マルチエージェント・レッドチーム活動やカオステストなどのエージェントシミュレーションテストを実施する。
  レジリエンス AIエージェントの機能強化に伴い、エージェントの障害や異常動作に伴うリスクも増大する。エージェンティックAIシステムのレジリエンスを強化し、誤動作が発生した場合でも段階的な機能低下を許容し、被害を軽減できるようにする。 エージェンティックAIシステムにフェイルセーフなデフォルト設定と、予期せぬ動作の影響範囲を限定する封じ込めメカニズムを組み込む
AIエージェントの動作に特化して調整されたデータ損失防止対策を実装する
予測不能な挙動が観察された際に、システムを正常なエージェントの挙動へ安全に復元できるよう、バージョン管理およびロールバックの仕組みを実装する
  説明責任 エージェンティックAIシステムは、エージェントの行動および意思決定プロセスを記録した包括的な成果物と情報を生成すべきである。 包括的な成果物ロギングの仕組みをデフォルトで統合する
すべてのエージェント間のやり取りの可観測性を維持するため、エージェント間のすべての相互作用に対する統一された監査ログを統合する
解釈可能性ツールを活用し、AIエージェントの意思決定の可観測性と背後にある推論を確保する
AIエージェントの応答における主要な要素の出所を示す、具体的な参照情報を義務付ける
  サードパーティ製コンポーネントの管理 拡張性と柔軟性は、AIエージェントの重要な構成要素である。多くの場合、サードパーティ製コンポーネントやツールは拡張性と柔軟性を高める一方で、エージェントの攻撃対象領域を拡大させる。AIエージェント型アプリケーションのサードパーティ製コンポーネントの検証と管理により、追加されるリスクを低減できる。 エージェンティックAIシステムに組み込む前に、すべての外部サードパーティ製コンポーネントが信頼できるソースに由来し、最新であることを確認する
サードパーティ製コンポーネントの信頼できるレジストリを維持する
エージェンティックAIシステムを調達する際は、CISAの「サイバーセキュリティのためのソフトウェア部品表(SBOM)に関する共通ビジョン」および「2025年版 ソフトウェア部品表(SBOM)の最小構成要素」を参照する
ツールの使用を、定期的にセキュリティが検証された承認済みツールおよびバージョンの許可リストに限定する
ツール使用に関連するエージェントの挙動が、文書化されたセキュリティポリシーと整合していることを確認する
エージェントのツール使用状況をログに記録し、結果が人間が読める形式でシステムログに確実に記録されるようにする
予期せぬ動作が発生した際にエージェントの権限を自動的に制限するトリガー・アクションプロトコルを確立する
「オーケストレーター」、「リーダー」、「アクチュエーター」などの役割を定義し、明確な境界、合意形成メカニズム、および委任の有効期限を設定することで、職務分離を規定化する
リスクに基づいてアクションに対する合意形成制御を実装する。中程度のリスクのアクションにはマルチエージェント承認を、高リスクのアクションにはマルチエージェント合意に加え、人間による介入(HITL)承認を使用する
エージェントが、明示的な有効期限タイマーおよび記録された権限付与の連鎖なしに、自身の権限を変更したり、承認されていない委任を開始したりすることを禁止する
説得的な表現を避け、一貫した形式を用いてツールの説明を標準化する
エージェントの安全な展開 対象読者:このセクションは、エージェンティックAIのベンダーおよび運用者に最も関連性が高い。開発者は、自社のエージェンティックAIアプリケーションがこれらのベストプラクティスを実装できるよう、このセクションを参照するとよい。 AIエージェントを新しいシステムやネットワークに統合すると、システムのリスクに関する考慮事項に大きな変化が生じる可能性がある。展開時に影響の大きいセキュリティ対策を実施することで、組織は新たなリスクを先制的に管理し、脆弱性を低減できる。  
  脅威モデリング エージェンティックAIは、既存システムに組み込まれた際、脅威の状況を大きく変える可能性がある。AIエージェントの展開を計画する際に脅威モデリングを活用することで、認識を高め、運用担当者が展開に向けてより適切な準備を行えるようになる。 OWASP GenAI Security ProjectやMITRE ATLAS™など、エージェンティックAIシステム向けの最新のリスク分類法を用いて、現実的な脅威モデリングを実施する
エージェントの新たな機能や進化に対応するセキュリティ対策の設計と実装
エージェンティックAIの対策を、既存のセキュリティフレームワーク、国の指針、および共通のゼロトラスト原則や国立標準技術研究所(NIST)のゼロトラストアーキテクチャ指針などの関連合意と整合させる
エージェントの侵害を検知、封じ込め、復旧するためのインシデント対応手順を策定し、テストする
特権アーキテクチャに対する定期的なサードパーティレビューを実施し、信頼できるパートナーと実用的な情報を共有し、新たな悪意のある傾向を反映させるためにリスクモデルを更新する
  ガバナンス エージェンティックAIシステムによる自律的な行動は新たなリスクをもたらすため、ガバナンス方針の更新と、各アクションに対する一元化されたポリシー決定ポイントを用いた継続的な実行時認証が必要となる。 自律型エージェントを管理するためのガバナンス方針を実装し、維持する
ポリシーにおいて、エージェンティックAIシステムの法的責任とリスクの帰属を定義する
組織のスキルアップを図り、AIリテラシーを構築する
OT環境におけるAIガバナンスの確立についてさらに学ぶには、CISAの「オペレーショナルテクノロジーにおける人工知能の安全な統合に関する原則」を参照する。
  段階的な展開 AIエージェントのリスクプロファイルは、権限や許可されたアクションによって大きく異なる。段階的な展開アプローチは、オペレーターやユーザーがエージェント型アプリケーションの制限事項に慣れ、理解するまで、初期リスクを制限することを目的とする。 アクセス権と自律性を段階的に拡大する段階的展開を実施し、必要に応じて制限されたAPIやサンドボックス化など、アクションスペースを制限する
段階的な自律性を活用し、人間の監督と理解を維持しつつ、エージェントの独立性を徐々に高める
継続的な評価を行い、システムの範囲を拡大すべきタイミングや、障害発生時に自律性とアクセス権をロールバックすべきタイミングを判断する
  デフォルトで安全を確保する 安全かつセキュアなデフォルト設定は、展開リスクを低減し、万が一機能低下が発生した場合でもシステムのセキュリティを支える。 不確実なシナリオにおいてエージェントが停止し、問題を人間のレビュー担当者にエスカレーションするよう、システム構成をデフォルトでフェイルセーフに設定する
エラー処理とフェイルオーバー管理を活用し、システム障害の影響を軽減する
一部の機能が障害を起こした場合でもエージェントが部分的な機能を維持できるよう、グレースフル・デグラデーション・モデルを実装する
  ガードレールと制約 エージェントのガードレールと制約を実装することで、AIがもたらす多くの一般的なセキュリティリスクへのエクスポージャーを低減できる。展開時にこれらのガードレールと制約を追加することは、エージェントに対する信頼と理解を築くのに役立つ。 明確な「禁止事項」ルールを伴う、明確かつ制約のある目的を指定する
拒否リストやAPIレベルの安全ポリシーなど、ガードレールと厳格な制約を実装する
エージェントが上書きできない制約とガードレールを備えた宣言型安全契約を確立する
異常検知やルールベースのフィルタリングから、禁止された振る舞いを検知・フィルタリングする特殊な機械学習アルゴリズムに至るまで、多層的なガードレールメカニズムを適用する
ガードレールが作動した場合や、人間のレビュー担当者がアクションを拒否した場合など、高リスクなインシデントのレビューを優先する
実行前にポリシーに基づいて新しいタスクの妥当性確認を実施するため、セカンダリアジェントを展開する
  分離 展開にあたっては、AIエージェントの統合要件を考慮し、可能な限り分離を適用すべきである。これにより、エージェントが予期せぬ動作や悪意のある動作をした場合に、連鎖的な問題を軽減できる。 エージェントの障害シナリオによる影響範囲を限定するため、分離とセグメンテーションを実施する
高リスクのエージェントを個別のドメインに分離する
エージェントを、ログへの書き込みアクセス権のないエンクレーブに隔離する
エージェントの安全な運用 対象読者:このセクションは、エージェンティックAIベンダーおよび運用者に最も関連性が高い。開発者は、自社のエージェンティックAIアプリケーションがこれらのベストプラクティスを実装できるよう、このセクションを参照するとよい。 AIエージェントの運用には大きなメリットがある一方で、重大なリスクも伴う。エージェントが利益よりも害をもたらすことのないよう、運用者は継続的なセキュリティ上の懸念を管理する際に細心の注意を払う必要がある。  
  監視と監査 AIエージェントの重要な利点の一つは、その動的な挙動である。これはアプリケーションに大きな柔軟性をもたらすが、エージェントが何をすべきか、実際に何をしているかを把握しにくくする要因にもなり得る。運用者は、AIエージェントの動作を常に把握し、意思決定や行動の追跡可能性を確保するために、継続的な監視と監査を実施すべきである。継続的な監査プロセスは、セキュリティ対策を強化し、ガバナンス標準(リスクマネジメント、監督、利用制限など)への準拠を確実にする。 エージェンティックAIシステムに対する人間の監督を強化する監視ツールを導入する
入力や出力だけでなく、内部プロセスを含むすべてのエージェントの動作を監視する
IDや権限の変更を監視・記録し、ドリフト、なりすまし、設定ミスの有無について定期的に監査を行う
ユーザープロンプト、ツール呼び出し、メモリ操作、内部推論、下された決定、実行されたアクションを含め、エージェントの出力や行動を監視し、バイアス、新たなデータドリフト、その他の異常なパターンの兆候を探る
稼働中のエージェントの振る舞いと意思決定について、包括的なログとリアルタイム監視を維持する
ルールや振る舞いのベースラインを用いた実行時監視と異常検知を実装し、異常なパターンを識別してアラートや一時停止をトリガーする
表明された意図と観察された振る舞いとの不一致をフラグ付けする異常検知メカニズムを確立する
エージェントのレポートとシステムログを相互検証する、複数の独立した監視システムを使用する
実行前に、アクティブな目標を承認済みのベースライン仕様と比較することで、目標のドリフトを監視する
ソースチェックをエージェントのログと統合し、システムがどのツールを使用し、どのような情報を取得したかを記録する
人的レビューとシステムログの自動分析を組み合わせた監査手法を実装する
監視データを活用して適応型防御を支援し、システムログで特定された問題に基づくパッチ適用など、迅速な対応を可能にする
重要な情報を失うことなくログ量を管理するため、ストレージ効率の高いロギング手法を使用する
エージェントの挙動を特に標的とした侵入テストやレッドチーム演習を含む、定期的なセキュリティアセスメントを実施する
  出力の妥当性確認 AIエージェントの出力は、動作を監視するために利用可能な数少ない具体的なデータポイントの一つである。出力が有効であり、望ましい動作を反映していることを確認することは、正常な動作を判断する重要な指標となる。 複数の情報源と照合し、重要な側面の正確性を確認することで、エージェントの出力を検証する
エージェント同士が出力を相互検証する冗長構成の環境において、クロスチェックを通じてエージェントを検証する
悪意のある指示や安全でない指示を防ぐためにツールの応答を検証し、説得力のある表現を避けるためにツールの記述を標準化する
  ヒューマン・イン・ザ・ループ AIエージェントによる誤った、あるいは予期せぬ決定は、重要なデータの削除など、重大な損害をもたらす可能性がある。エージェンティックAIのワークフローに人間の監督、承認、およびレビューを組み込むことは、特に影響が大きく、取り消しが困難なアクションにおいて、システムが安全かつ確実に動作することを保証するための重要な制御手段である。 人間の承認が必要なタイミングに関する決定は、エージェンティックAIシステムに委任せず、システム設計者または運用者が決定するようにする
エージェントが、事前の人的承認なしに、影響の大きいアクションや出力を自律的に実行できないようにする
システムのリセット、ネットワークへのデータ送信、重要な記録の削除など、エラーのコストが高いアクションについては、ヒューマン・イン・ザ・ループによるレビューまたは承認のチェックポイントを設ける
ログや監査記録の削除要求は、人間によるレビューと承認が行われるまで保留にする
システムによって引き起こされたエラーや悪影響に対する責任と説明責任を明確に割り当てる
リスクアセスメントを実施し、エージェントのアクションを潜在的な影響、発生確率、および元に戻せる可能性によって分類し、適切な安全対策を適用する
  パフォーマンスの監視 他のシステムコンポーネントと同様に、パフォーマンスはAIエージェントにとって重要な要素である。パフォーマンスの低下や異常は、エージェントまたはエージェント型システムのコンポーネントが侵害されたことを示唆する可能性があるため、これは特に当てはまる。 特に機密性の高いシステムや影響の大きいシステムにおいて、エージェントがセキュリティ対策を回避する能力をアセスメントする
通信障壁、ガードレール、監視システム、人間介入プロセス、入力フィルタなどの安全対策をエージェントが回避する能力について、定期的なアセスメントを実施する
これらのアセスメント結果を活用して、既存の制御策の妥当性を確認し、より強力なセキュリティ対策の開発に役立てる
レート制限コンポーネントを適用して長時間実行されるタスクを中断させ、悪意のあるワークフローを妨害するなど、制御策を講じてエージェントのリソース使用を制限する
  権限と認証 AIエージェントに対する継続的かつ厳格な権限管理は、長期的なセキュリティの鍵となる。ここでの不備は、バグのあるエージェントによる影響を軽微なものから壊滅的なものへと変える可能性がある。 AIエージェントの権限を、そのタスクに必要な最小限に制限する
許可されるアクションをきめ細かく制御できるよう、権限の範囲を可能な限り狭いレベルに制限する
エージェントのレピュテーションおよび信頼度スコアリングメカニズムを実装し、異常な動作が検知された場合は信頼レベルを下げる
影響の大きいアクションや特権アクションには、ジャストインタイムの認証情報を要求する
API呼び出し元の身元を、ユーザーまたはエージェントグループと照合して検証する
特権呼び出しのたびに、最新の暗号的証明を用いてエージェントを認証する
承認されたコマンドや指示に対して暗号的署名を必須とする
タスク定義や制約に対して暗号的整合性チェックを適用する
エージェントに対し、期待された変更されていないコードが実行されていることを証明する暗号的証明を必須とする
各リクエストに対して一元化されたポリシー決定ポイントを使用し、実行時に継続的に身元と権限を検証する

 

将来のリスクへの備え エージェンティックAIがより多くの役割を担い、より高度な能力を獲得するにつれ、組織はこれらのシステムがもたらす新たなリスクを予測し、対処しなければならない。産業界や学界ではエージェンティックAIを保護するための手法が開発されているが、この分野は依然として進化しており、新たな課題に対処するためには継続的な研究とエージェントセキュリティの実践的な実装が必要である。
エージェンティックAIシステムのセキュリティを確保するための堅牢な標準を策定するため、作成機関はセキュリティ実務者および研究者が以下のセクションで説明する措置を講じることを推奨する。
連携による脅威インテリジェンスの拡充 エージェンティックAIシステムに関する脅威インテリジェンスは依然として発展途上であり、これが重大なセキュリティ上のギャップを招く可能性がある。Open Web Application Security Project (OWASP)の「2025年LLMおよびGen AIアプリ向けトップ10リスクと緩和策」やMITRE ATLAS™といった既存のフレームワークはLLMの脆弱性に焦点を当てている一方、業界レポートはエージェンティックAI特有の脅威ではなく、プラットフォームの悪用を強調している。その結果、エージェンティックAIに特有の攻撃ベクトルの一部が、十分に把握または対処されていない可能性がある。 エージェンティックAIシステムに対する進化する脅威に対応するため、ステークホルダー間の連携を強化する
主要なAI開発者や政府機関と連携し、脅威情報の収集・維持を行う
CISAの『AIサイバーセキュリティ・コラボレーション・プレイブック』に記載されているような、協調的なセキュリティアプローチを採用する
悪意のあるアクターや手法に対するアラート、データ収集、追跡手法を実装する
状況認識を向上させるため、脅威と能力について長期にわたる的を絞った分析を行う
業界横断的に脅威インテリジェンスを統合し、脅威モデリングを改善し、より効果的な緩和策の設計を支援する共通の脅威分類体系を構築する
堅牢でエージェント固有の評価手法を開発する エージェンティックAIセキュリティに関する既存の評価手法の多くは、依然として進化の途上にある。これらは些細な意味論的な変化に敏感であったり、シナリオによって異なったり、実世界の展開条件を部分的にしか捉えていない可能性がある。これらの制限により、重大なセキュリティ問題を見落とすギャップが生じ、エージェントのセキュリティやシステムアーキテクチャの妥当性確認がほぼ不可能になる。 エージェンティックAIシステムの妥当性確認におけるギャップに対処するための堅牢な評価手法を開発する
新しい領域を網羅し、現実的な展開コンテキストを反映したベンチマークデータセットを生成する
評価結果を用いて、新たなセキュリティ慣行を検証し、エージェントの失敗点を識別する
評価結果を共有し、セキュリティアセスメントを強化するとともに、分野全体でのセキュリティ慣行の改善を支援する
システム理論的アプローチを活用してセキュリティを分析する エージェンティックAIシステムは、LLM、人間、ガードレール、データセット、ツール、ハードウェアからなる複雑なエコシステムであり、セキュリティリスクは孤立した欠陥ではなく、コンポーネント間の相互作用から生じることが多い。従来のコンポーネントレベルの分析では不十分であり、意思決定の閾値が曖昧で、推論の連鎖が長く、膨大でしばしば冗長なログが存在するため、これらのシステムの監視も同様に困難である。局所的なロギング手法では完全な可視性が得られることは稀であり、アーキテクチャ全体にわたるリスクを理解し緩和するためには、システム理論的アプローチが不可欠である。 システム理論的アプローチを用いてエージェンティックAIシステムを分析し、適切なセキュリティ対策を識別する
システム理論的プロセス分析(STPA)およびそのセキュリティ拡張版であるSTPA for Security(STPA-Sec)を適用し、概念的または運用中のシステムを分析し、セキュリティ上の問題を識別し、ミッションリスクを評価し、潜在的な緩和策を提示する
システム理論を用いた因果分析(CAST)を活用し、セキュリティインシデントを調査し、システムレベルでの根本原因を識別する
STPAおよびCASTを適用し、エージェンティックAIシステムのライフサイクル全体において、安全性とセキュリティ上の懸念を同時に解決する
STPAおよびCASTに関する詳細情報、ならびにSTPA-Secにおける安全性とセキュリティのためのシステム思考については、マサチューセッツ工科大学(MIT)のSTAMP資料を参照する。

Continue reading "Five Eyes エージェンティックAIの慎重な導入 (2026.05.01)"

| | Comments (0)

国土交通省 金融庁 警察庁 財務省 暗号資産を用いた不動産取引について(要請)(2026.04.28)

こんにちは、丸山満彦です。

国土交通省、金融庁、警察庁、財務省が不動産関連団体と暗号資産取引業協会に対して、暗号資産を用いた不動産取引について、マネーロンダリング等に悪用されている危険性があるので注意しないといけないということですね...

 

● 金融庁

・2026.04.28 [PDF] 

20260506-185537

 


令和8年4月28日

公益社団法人全国宅地建物取引業協会連合会御中
公益社団法人全日本不動産協会御中
一般社団法人不動産協会御中
一般社団法人不動産流通経営協会御中
一般社団法人全国住宅産業協会御中
公益財団法人不動産流通推進センター御中
一般社団法人日本暗号資産等取引業協会御中

国土交通省不動産・建設経済局不動産業課
金融庁総合政策局リスク分析総括課
警察庁刑事局組織犯罪対策部組織犯罪対策第一課
財務省国際局調査課


暗号資産を用いた不動産取引について(要請)

宅地建物取引業者が取り扱う不動産は、財産的価値が高く、多額の現金との交換を行うことができることから、マネー・ローンダリング等に悪用される危険性があります。
また、近年では資産の保全又は投資を目的として不動産が購入される場合も多く、国内外の犯罪組織等が犯罪による収益の形態を変換する目的で不動産取引を悪用する危険性もあるところです。
特に、その移転が国境を越えて瞬時に行われる性質を有する暗号資産は、マネー・ローンダリング等を目的として不動産取引の決済方法として利用される危険性が高いと思われます。
つきましては、傘下会員に対して、
・暗号資産を法定通貨に交換、交換の媒介等をする行為は暗号資産交換業に該当する可能性があり、当該行為を暗号資産交換業者としての登録を受けずに行うことは資金決済法に違反するおそれがある旨に留意すること
また、無登録で暗号資産交換業を行っている等の疑いがあることを発見した場合には警察当局に情報提供を行うとともに、宅地建物取引業者が自ら売主となり売却代金として暗号資産を受け取り法定通貨に換金するなど暗号資産交換業に該当しない行為を行う場合にも無登録の暗号資産交換業者を利用しないこと
・宅地建物取引業者において、暗号資産を用いた不動産取引を行う場合については、犯罪による収益の移転防止に関する法律(平成19年法律第22号)に基づく取引時確認を厳格に行うとともに、所管行政庁への疑わしい取引の届出、及び事件性が疑われる場合の警察当局への通報を適切に行うこと
・暗号資産交換業者において、例えば、顧客が不動産売買代金を暗号資産により受け取り、顧客の属性に見合わない高額な取引を行おうとしている場合等、取引に不審な点が認められる場合には、犯罪による収益の移転防止に関する法律に基づく取引時確認を厳格に行うとともに、所管行政庁への疑わしい取引の届出、及び事件性が疑われる場合の警察当局への通報を適切に行うことなど、暗号資産を用いた不動産取引の健全性を確保するための対応について周知方宜しくお願いいたします。

なお、こうした実態把握の観点からも、外国為替及び外国貿易法(昭和24年法律第228号)では、①海外から3,000万円相当額を超える暗号資産等を受領した者については「支払又は支払の受領に関する報告書」、②非居住者が本邦にある不動産等を取得した場合には「本邦にある不動産又はこれに関する権利の取得に関する報告書」
(令和8年4月1日以降に本邦にある不動産を取得した場合には、取得の目的を問わず、報告対象となっております。)を提出する義務があるため、併せて対応・周知方宜しくお願いいたします。



 

| | Comments (0)

2026.05.07

IPA AISI 2025年度 適合性評価SWG 活動報告書 (2026.04.23)

こんにちは、丸山満彦です。

IPAのAIセーフティ・インスティテュート(AISI)の事業実証ワーキンググループ(WG)の一つである「適合性評価サブワーキンググループ(SWG)」が、「2025年度 適合性評価SWG 活動報告書」を公開していましたね。

このSWGでは、AIセーフティ評価における「AI適合性評価の在り方」を検討することになっており、2025年度は、既存の適合性評価制度の現状・課題、国内政策、国際標準化(ISO/IEC JTC1/SC42)の動向を整理したようです。特にHuman-Machine Teaming(HMT)を題材に、AIサービス、AIシステム、組織、人とAIの相互作用など複数の評価対象を含む包括的な適合性評価の論点を抽出し、評価観点や制度設計の方向性を検討したとのことです。

私自身もSC42のコントリビュータとして関わっていますが、AIシステムに対するマネジメントシステム認証をどのように設計するかは、従来のISOマネジメントシステムとは本質的に異なる難しさがあ流ように思います。

ISOのマネジメントシステム認証(ISO 9001やISO 14001など)は、「組織が自ら設定した品質・環境目標を達成するためのプロセスが適切に設計・運用されているか」を評価する仕組みです。ここでは、一般に公正妥当と認められるプロセスを標準化し、そのプロセスを再現性をもって運用することで、組織が継続的に改善できるという前提があります。つまり、プロセスの適切性が結果の品質と検証可能な因果連鎖によって結びついているという構造です。

しかし、AIシステムはこの前提が必ずしも成り立ちません。従来の品質管理では、プロセスを適切に設計・運用すれば、出力品質との間に追跡可能な因果関係を確認できます。しかしAIシステム、特に大規模なニューラルネットワークでは、モデルの内部動作が不透明であるため、「どのプロセスがどのような出力品質につながっているか」という因果連鎖を明示的に検証することが困難です。つまり、プロセスへの適合性を確認しても、それが出力品質や安全性を保証しているとは言い切れないという構造的な断絶があります。

このため、AIシステムに対して従来型のマネジメントシステム認証を適用しても、プロセスの適切性が出力品質・安全性を保証しないというギャップが生じます。これは、AIシステムのマネジメントシステム認証において、従来の枠組みの価値をそのまま転用することが難しいことを意味します(もちろん、AIを運用する組織のオペレーション管理には一定の価値があります)。

こうした理由から、AIシステムのマネジメントシステム認証を設計する段階で、従来のISOの枠組みをそのまま適用するのではなく、プロセス適合性と出力品質・安全性の間の因果連鎖をいかに担保・検証するかという、AI特有の課題を前提にした新しい考え方が求められているのだろうと感じています。それがおそらくこのSWGの目標担っているのだろうと思います...

それが、マネジメント、製品、要員、つまり(Human-Machine Teaming(HMT))を全体として考える認証の検討につながっているのだろうと思います。

ただ、複雑な認証は、構築コストや監査のコストがかかります。この辺りが、事業者にとってのビジネス上のメリット、監査(審査)をする組織にとって監査リスクとコストのバランスの問題等があろうかと思います。

 

● IPA AISI

・2026.04.23 2025年度 適合性評価SWG 活動報告書の公開

・[PDF] 適合性評価SWG 活動報告書

20260506-205646

目次...


1. はじめに
1.1. 背景・目的
1.2. 対象読者

2. 適合性評価の現状
2.1. 適合性評価について
2.2. 現状の適合性評価の取組について

3. 国内における AI に関する取組状況
3.1. 国内の活動概況
3.2. 諸外国との連携
3.2.1. 欧州(EU)
3.2.2. 米国
3.2.3. 韓国との連携の概況

4. AI 適合性評価に関係する取組について
4.1. AI の国際標準化活動:ISO/IEC JTC 1/SC 42
4.2. AI マネジメントシステム(ISO/IEC 42001)認証
4.3. EU AI Ac
4.4. その他の動向など

5. 適合性評価 SWG における取組
5.1. 適合性評価 SWG について
5.2. 2025 年度の取組
5.3. HMT の概要紹介
5.4. HMT を題材に AI 適合性評価の在り方を検討
5.5. 今後の課題

6. まとめと今後の活動について

7. 参加組織の紹介
7.1. 一般社団法人情報マネジメントシステム認定センター(ISMS-AC)の活動状況
7.2. 公益財団法人日本適合性認定協会(JAB)の活動状況
7.3. 一般財団法人日本規格協会(JSA)の活動状況
7.4. 独立行政法人製品評価技術基盤機構認定センター(NITE)の活動状況
7.5. 一般財団法人日本品質保証機構(JQA)の活動状況
7.6. 国立研究開発法人産業技術総合研究所(AIST)の活動状況


 

・[PDF] 適合性評価SWG 活動報告書(概要版)

20260506-210431

 

 

 

| | Comments (0)

欧州 ENISAテクノロジー・イノベーション・レーダーの手法 (2026.04.23)

こんにちは、丸山満彦です。

技術進化が速いサイバーセキュリティ分野において、いち早く新興技術のトレンドを捉え、また、そのような技術を導入するかどうかの意思決定に繋げるための方法論があれば、間違いのない活用に繋げられるという意味で重要といえますね...

この報告書の目的は、サイバーセキュリティの動向に関連する技術的兆候を識別・分析するための包括的な手法を提示することだそうです。この報告書では、そのプロセスの主要な段階を概説し、体系的なフレームワークを通じてこれらの変数をどのように体系的にアセスメント・妥当性確認できるかを説明しています...

これは興味深いですね...

 

● ENISA

・2026.04.23 ENISA Technology and Innovation Radar Methodology

・[PDF]

 20260506-162751

・[DOCX][PDF] 仮訳

 

About ENISA ENISAについて
Introduction 序論
1.1 Context of the Technology and Innovation Radar on Cybersecurity 1.1 サイバーセキュリティに関する技術・イノベーション・レーダーの背景
Methodology 方法論
2.1 General References 2.1 一般的な参考文献
2.2 Identification of the signals 2.2 シグナルの特定
2.2.1 Data Collection Set-up 2.2.1 データ収集体制の構築
2.2.2 Signal Cleaning 2.2.2 シグナルのクリーニング
2.2.3 Signal Clustering 2.2.3 シグナルのクラスタリング
2.2.4 First Signal Validation and Selection 2.2.4 シグナルの初期妥当性確認と選定
2.3 Qualification of the Signals 2.3 シグナルの選定
2.3.1 Signal Monitoring 2.3.1 シグナルのモニタリング
2.3.2 Final Signal Validation and Selection 2.3.2 シグナルの最終妥当性確認と選定
2.3.3 Fast Track Signal Selection 2.3.3 シグナルの迅速選定
2.4 Evaluation of the signals 2.4 シグナルの評価
2.4.1 Weak Signal Assessment 2.4.1 弱いシグナルのアセスメント
2.4.2 Strong Signal Assessment 2.4.2 強いシグナルのアセスメント
2.5 Visualisation of the signals 2.5 シグナルの可視化
2.5.1 Linking Visualisation Types to Strategic Foresight Purposes 2.5.1 可視化の種類と戦略的フォアサイト目的の関連付け
2.5.2 Mapping Visualisation Types to Foresight Intentions and Orientations 2.5.2 可視化のタイプとフォアサイト意図・指向のマッピング
2.5.3 Visualisation Proposals 2.5.3 可視化の提案
2.5.4 Weak Signal Visualisation 2.5.4 弱いシグナルの可視化
2.5.5 Strong Signal Visualisation 2.5.5 強いシグナルの可視化
2.6 Data Visualisation 2.6 データ可視化
2.7 Signal Life Cycle Management 2.7 シグナルのライフサイクル管理
Bibliography 参考文献
Annex 0: Desk Research – Tools and Frameworks reviewed 附属書0:デスクリサーチ – 検討したツールとフレームワーク
Introduction 序論
Tools and frameworks ツールとフレームワーク
Annex 1. Complete methodology flowchart 附属書1. 完全な方法論フローチャート
Annex 2. Suggested Governance Structure 附属書2. ガバナンス構造の提案
Annex 3: Suggested Authoritative Sources 附属書3:推奨される信頼できる情報源

 

 

 

| | Comments (0)

米国 FTC 「全国中小企業週間」に、詐欺やオンライン上の脅威からビジネスを防御しよう (2026.05.04)

こんにちは、丸山満彦です。

中小企業のサイバー被害(BECも含めて)は米国でも大きく、連邦政府も対策に力を入れていますね...

 

FTC - Business Blog

・2026.05.04 Protect your business from scams and online threats this National Small Business Week

 

 

 

Protect your business from scams and online threats this National Small Business Week 「全国中小企業週間」に、詐欺やオンライン上の脅威からビジネスを防御しよう
All week long, learn how the FTC can help you protect your small business from scams and online threats. Run a small business or want to support the small businesses in your community? Here’s how you can get involved. 今週は、FTCがどのようにして中小企業を詐欺やオンライン上の脅威から防御する手助けができるかについて学ぼう。中小企業を経営している、あるいは地域の中小企業を支援したいと考えているだろうか?参加方法は以下の通りだ。
1. View and share the FTC’s videos for small businesses. 1. FTCが提供する中小企業向け動画を視聴し、シェアする。
2. Join in the #SmallBusinessWeek conversation on social media. Follow the FTC on Facebook, Instagram, and X at @FTC to share graphics this week. 2. ソーシャルメディアで #SmallBusinessWeek の会話に参加する。Facebook、Instagram、X(@FTC)でFTCをフォローし、今週はグラフィックをシェアしよう。
3. Join one (or more) of these virtual events (and invite other small business owners to come too): 3. 以下のバーチャルイベントのいずれか(または複数)に参加する(他の中小企業経営者も招待しよう):
・National Small Business Week Virtual Summit | Tuesday, May 5 and Wednesday, May 6, 11am – 6pm ET ・全米中小企業週間バーチャルサミット | 5月5日(火)および5月6日(水)、午前11時~午後6時(米国東部時間)
Visit the FTC booth at the Small Business Administration’s Virtual Summit for free resources. 中小企業庁(SBA)のバーチャル・サミットにあるFTCのブースを訪れ、無料のリソースを入手しよう。
・Building Your Small Business Cybersecurity Team: From In-House to Outsourcing | Tuesday, May 5, 2pm ET ・中小企業のサイバーセキュリティチームの構築:社内体制から外部委託まで | 5月5日(火)午後2時(米国東部時間)
Join the FTC and the National Institute for Standards and Technology for a webinar to learn how to help your small business manage and reduce cybersecurity risks. FTCと国立標準技術研究所(NIST)が共催するウェビナーに参加し、中小企業がサイバーセキュリティリスクを管理・軽減する方法を学ぼう。
・Small Business, Big Target: How to Avoid Small Business Scams | Wednesday, May 6, 2pm ET ・中小企業、大きな標的:中小企業向け詐欺を回避する方法 | 5月6日(水)午後2時(米国東部時間)
Learn about common scams affecting your small business at this webinar with the FTC, National Cybersecurity Alliance, and the Michigan Small Business Development Center. FTC全米サイバーセキュリティ連盟ミシガン州中小企業開発センターが共催するこのウェビナーで、中小企業を標的とした一般的な詐欺について学ぼう。
・Librarians: Helping Small Business Patrons Avoid Scams | Thursday, May 7, 1pm ET ・図書館員向け:中小企業の利用者が詐欺に遭わないように支援する方法 | 5月7日(木)午後1時(米国東部時間)
Join the FTC and the Association of Bookmobile and Outreach Services for a webinar on how to protect small business owners from scams and online threats. FTCおよび移動図書館・アウトリーチサービス協会が共催するウェビナーに参加し、中小企業の経営者を詐欺やオンライン上の脅威から防御する方法について学ぼう。
Be sure to subscribe to the FTC’s Business Blog to keep up with the latest advice for businesses, and learn more at[web] . FTCのビジネスブログを購読して、企業向けの最新情報をチェックし、[web] で詳細を確認しよう。

 

上からNISTとの共催ウェビナーの案内...

 

● NIST

Building Your Small Business Cybersecurity Team: From In-House to Outsourcing

Building Your Small Business Cybersecurity Team: From In-House to Outsourcing 中小企業のサイバーセキュリティチームの構築:社内体制から外部委託まで
Recording Note: Portions of the event may be recorded and audience Q&A or comments may be captured. The recorded event may be edited and rebroadcast or otherwise made publicly available by NIST. By registering for -- or attending -- this event, you acknowledge and consent to being recorded. 録画に関する注意:本イベントの一部は録画され、聴衆からの質疑応答やコメントが収録される場合がある。録画されたイベントは編集され、NISTによって再放送されるか、その他の方法で一般公開されることがある。本イベントへの登録または参加により、参加者は録画されることに同意したものとみなされる。
Celebrate National Small Business Week with NIST! A key component of managing and reducing cybersecurity risks and integrating good cybersecurity practices throughout your business is making sure you have a cybersecurity-ready team. But what does that, or can that, look like? The composition of this team will vary based upon your budget, current staff capabilities, risk level, cybersecurity or privacy requirements, etc., and can vary from a single in-house cybersecurity role (e.g., hiring new staff or upskilling existing), to an entire internal cybersecurity team, to external vendor or community support—or a mix of all the above. NISTと一緒に「全国中小企業週間」を祝おう!サイバーセキュリティリスクの管理・低減、および社内のあらゆる業務に適切なサイバーセキュリティ対策を取り入れる上で重要なのは、サイバーセキュリティに対応できる体制を整えることだ。しかし、それは具体的にどのようなものなのか、あるいはどのような形が可能なのか?このチームの構成は、予算、現在のスタッフの能力、リスクレベル、サイバーセキュリティやプライバシーに関する要件などによって異なり、社内のサイバーセキュリティ担当者を1名配置する(例:新規採用や既存スタッフのスキルアップ)ことから、社内のサイバーセキュリティチーム全体、外部ベンダーやコミュニティのサポート、あるいはこれらすべてを組み合わせた形まで、さまざまだ。
For small businesses who are often confronted with limited resources, knowing how to get started and finding the necessary resources can be particularly challenging. During this webinar, speakers will showcase various options that small businesses may consider as they start building their cybersecurity team, including but not limited to: リソースが限られていることが多い中小企業にとって、どのように着手すべきかを知り、必要なリソースを見つけることは特に困難な課題となり得る。本ウェビナーでは、講演者が、中小企業がサイバーセキュリティチームの構築を始める際に検討できる様々な選択肢を紹介する。これには以下が含まれるが、これらに限定されない:
・What to consider before building your cybersecurity team ・サイバーセキュリティチームを構築する前に考慮すべき点
・Options if you do not have the resources to hire a dedicated staff member to focus on cybersecurity, such as apprenticeships, engaging a third-party vendor, etc. ・サイバーセキュリティに専念する専任スタッフを雇用するリソースがない場合の選択肢(見習い制度、サードパーティベンダーの活用など)
・Community resources small businesses can reach out to for assistance ・支援を求めるために中小企業が利用できるコミュニティリソース
・Considerations for hiring your first cybersecurity staff member or outsourcing to a third party ・最初のサイバーセキュリティ担当者を採用する場合、またはサードパーティにアウトソーシングする場合の考慮事項
・Resources and tips for training all staff to build a culture of cybersecurity throughout the organization ・組織全体にサイバーセキュリティ文化を浸透させるための全従業員向けトレーニングに関するリソースとヒント
We’ll also highlight how you can use NIST's NICE Workforce Framework for Cybersecurity (NICE Framework) and other useful resources to achieve your goals. また、NISTの「NICE Workforce Framework for Cybersecurity(NICEフレームワーク)」やその他の有用なリソースを活用して目標を達成する方法についても紹介する。
Ample time will be saved for audience questions and discussion. 参加者の質問やディスカッションのための十分な時間を確保する。
Main Session Panelists: メインセッションのパネリスト:
Allison K. Giddens, President, Operations, Win-Tech, Inc. アリソン・K・ギデンズ、Win-Tech, Inc. 社長兼オペレーション責任者
Charles Weaver, Co-Founder, MSP Alliance チャールズ・ウィーバー、MSP Alliance 共同創設者
Darcy Shaw, Program Manager, Del Mar College Cyber Center ダーシー・ショー、デル・マー・カレッジ・サイバーセンター プログラムマネージャー
Tony Bryan, Executive Director, CyberUp トニー・ブライアン、CyberUp 事務局長
Moderated by Daniel Eliot, Lead for Small Business Engagement, NIST モデレーター:ダニエル・エリオット、NIST 中小企業連携担当リーダー
Guest Speakers: ゲストスピーカー:
Karen Wetzel, Director and NICE Framework Lead, NIST カレン・ウェッツェル、NIST ディレクター兼 NICE フレームワーク リーダー
Andrew Rayo, Consumer Education Specialist, FTC アンドルー・ラヨ、FTC(連邦取引委員会)消費者教育スペシャリスト
Related NIST Resources: 関連するNISTリソース:
・NIST Small Business Cybersecurity Corner: Building Your Team ・NIST中小企業サイバーセキュリティコーナー:チームの構築
・NICE Workforce Framework for Cybersecurity (NICE Framework) ・NICEサイバーセキュリティ人材フレームワーク(NICEフレームワーク)
・NIST Cybersecurity Framework 2.0 Small Business Quick-Start Guide ・NISTサイバーセキュリティフレームワーク2.0 中小企業向けクイックスタートガイド

 

1_20260507054001

| | Comments (0)

2026.05.06

欧州 ENISA パブコメ 中小企業向けセキュリティ・バイ・デザインおよびデフォルト実践ガイド (2026.03.19)

こんにちは、丸山満彦です。

ENISAが中小企業向けセキュリティ・バイ・デザインおよびデフォルト実践ガイドのドラフトを公表していました...

CRAとの関係もあって、中小企業にセキュリティ・バイ・デザインおよびデフォルトを要求する感じでなのですかね...

そして機械可読化についてもふれていますね...

 

● ENISA

・2026.03.19 [PEF] Security by Design and Default Playbook - A Practical Guide to Security by Design and Default for SMEs

20260506-65126

 

 

 

22の原則...

4.1 Trust boundaries and threat modelling 4.1 信頼境界と脅威モデリング
4.2 Least Privilege 4.2 最小権限
4.3 Strong identity and auth architecture 4.3 強固なアイデンティティおよび認証アーキテクチャ
4.4 Attack surface minimisation 4.4 攻撃対象領域の最小化
4.5 Defence in depth 4.5 多層防御
4.6 Open Design 4.6 オープンデザイン
4.7 Lifecycle management 4.7 ライフサイクル管理
4.8 User centric design 4.8 ユーザー中心設計
4.9 Secure coding practices 4.9 セキュアコーディングの実践
4.10 Logging, monitoring, and alerting 4.10 ロギング、監視、およびアラート
4.11 Configuration and change management 4.11 構成および変更管理
4.12 Incident response and recovery 4.12 インシデント対応と復旧
4.13 Vulnerability and patch management 4.13 脆弱性とパッチ管理
4.14 Supply chain controls 4.14 サプライチェーン管理
4.15 Minimisation of Default Services 4.15 デフォルトサービスの最小化
4.16 Restrictive Initial Access 4.16 制限的な初期アクセス
4.17 Secure Communication by Default 4.17 デフォルトでのセキュアな通信
4.18 Unique Device Identity and Secrets by Default 4.18 デフォルトでの一意のデバイス識別子とシークレット
4.19 Mandatory Security Onboarding 4.19 必須のセキュリティオンボーディング
4.20 Automated Maintenance and Updates 4.20 自動化された保守と更新
4.21 Transparent Security Posture 4.21 透明性のあるセキュリティ態勢
4.22 Secure Recovery and Ownership Lifecycle 4.22 安全な復旧および所有権のライフサイクル

 

# タイトル Principle 原則 Objective 目的
4.1 信頼境界と脅威モデリング Secure architectures make trust explicit rather than assumed. Trust boundaries define where data, identities, and execution contexts cross from a more trusted domain to a less trusted one(or vice versa). セキュアなアーキテクチャでは、信頼を前提とするのではなく、明示的に定義する。信頼境界は、データ、ID、および実行コンテキストが、信頼度の高いドメインから低いドメインへ(またはその逆)移動するポイントを定義する。 Ensure the system's architecture and data flows are understood, trust assumptions are explicit, and the highest-risk attack paths are identified early, so security controls and secure defaults are designed in, not retrofitted. システムのアーキテクチャとデータフローを確実に把握し、前提条件を明確にし、リスクが最も高い攻撃経路を早期に識別することで、セキュリティ対策やセキュアなデフォルト設定を後付けではなく、設計段階から組み込む。
4.2 最小権限 Every user, service, and process operate with the feasible minimum permissions needed to do its job, no more, no longer than necessary. すべてのユーザー、サービス、およびプロセスは、その役割を果たすために必要な最小限の権限のみで動作し、必要以上の権限は与えられない。 Reduces unauthorised access, limits blast radius, blocks lateral movement, and prevents permission creep. 不正アクセスを削減し、被害範囲を限定し、横方向の移動を阻止し、権限の拡大を防ぐ。
4.3 強固なアイデンティティおよび認証アーキテクチャ Design identity and authentication as a core part of the architecture. Use authoritative identity mechanisms for users, devices, services, and administrators across interfaces. IDと認証をアーキテクチャの中核として設計する。インターフェースを跨いで、ユーザー、デバイス、サービス、および管理者に対して、権威あるIDメカニズムを使用する。 Prevent impersonation and unauthorised access. なりすましや不正アクセスを防止する。
4.4 攻撃対象領域の最小化 Expose only what is strictly necessary. Remove or disable all unnecessary code, services, interfaces, protocols, and dependencies by default. 厳密に必要なもののみを公開する。不要なコード、サービス、インターフェース、プロトコル、依存関係は、デフォルトで削除または無効化する。 Reduce the likelihood and impact of compromise by eliminating unnecessary entry points and limiting attacker options. 不要な侵入経路を排除し、攻撃者の選択肢を制限することで、侵害の可能性と影響を低減する。
4.5 多層防御 Apply multiple layers of security so that the failure or bypass of a single control does not result in full compromise. 単一の制御の失敗や迂回によってシステム全体が侵害されることがないよう、多層的なセキュリティを適用する。 Reduce the impact of security failures by layering independent controls that slow attackers, increase detection, and prevent single points of compromise. 攻撃者の動きを遅らせ、検知能力を高め、単一の侵害ポイントを防ぐ独立した制御を多層化することで、セキュリティ障害の影響を低減する。
4.6 オープンデザイン Systems should not depend on secrecy of design or hidden behaviour for protection. Security controls should remain effective even if an adversary understands how the system operates. システムは、保護のために設計の秘密性や隠された動作に依存してはならない。攻撃者がシステムの動作を理解したとしても、セキュリティ制御は有効であり続けるべきである。 Ensure the product's security does not depend on secrecy of its design or implementation details("security through obscurity"). Open Design makes security properties reviewable, testable, and maintainable. 製品のセキュリティが、その設計や実装の詳細の秘密性(「隠蔽によるセキュリティ」)に依存しないようにする。オープンな設計により、セキュリティ特性を検証可能、テスト可能、かつ維持可能にする。
4.7 ライフサイクル管理 Security responsibilities extend beyond initial development. Components must be maintained, updated and eventually retired in a controlled manner. セキュリティ上の責任は初期開発段階を超えて及ぶ。コンポーネントは、管理された方法で維持、更新され、最終的には廃止されなければならない。 Ensure security is maintained throughout the product's full lifecycle, from requirements and design through deployment, maintenance, and end-of-life, so security does not degrade over time. 要件定義や設計から、展開、保守、ライフサイクル終了に至るまで、製品の全ライフサイクルを通じてセキュリティが維持されるようにし、時間の経過とともにセキュリティが低下しないようにする。
4.8 ユーザー中心設計 Security mechanisms must be usable and understandable even by everyday users. セキュリティメカニズムは、一般ユーザーであっても利用可能かつ理解できるものでなければならない。 Ensure security controls and secure defaults are usable, understandable, and aligned to real user workflows, so security outcomes do not depend on expert behaviour. セキュリティ制御とセキュアなデフォルト設定が、使いやすく、理解しやすく、実際のユーザーワークフローに合致するようにし、セキュリティ上の成果が専門家の行動に依存しないようにする。
4.9 セキュアコーディングの実践 Developers should follow established secure coding standards to prevent common vulnerabilities. 開発者は、一般的な脆弱性を防ぐため、確立されたセキュアコーディング標準に従うべきである。 Reduce the introduction of common, high-impact vulnerabilities by standardising how code is written, reviewed, and tested. コードの記述、レビュー、テストの方法を標準化することで、一般的かつ影響の大きい脆弱性の発生を減らす。
4.1 ロギング、監視、およびアラート Systems should generate appropriate security-relevant logs, retain them for a defined period, and protect them from tampering so they can support investigation and compliance needs. システムは、調査やコンプライアンスの要件に対応できるよう、適切なセキュリティ関連ログを生成し、所定の期間保持し、改ざんから保護しなければならない。 Provide sufficient visibility to detect misuse, investigate incidents, and maintain system integrity over time. The focus is on a small set of high-signal security events, reliable log retention, and actionable alerts that do not overwhelm teams. 誤用を検知し、インシデントを調査し、長期にわたりシステムの完全性を維持するために、十分な可視性を提供する。焦点は、少数の高シグナルなセキュリティイベント、信頼性の高いログの保持、そしてチームを圧倒しない実用的なアラートにある。
4.11 構成および変更管理 Secure operation requires configurations to be controlled, consistent, and auditable. Baseline hardening standards should be defined and applied through repeatable mechanisms such as templates and infrastructure-as-code to reduce drift. 安全な運用には、設定が管理され、一貫性があり、監査可能であることが求められる。ドリフトを低減するため、ベースラインの強化標準を定義し、テンプレートやインフラストラクチャ・アズ・コードなどの反復可能なメカニズムを通じて適用すべきである。 Prevent security regressions and outages by ensuring system configuration is controlled, reviewable, and reproducible, and that changes are assessed for risk before reaching production. The priority is to eliminate "silent drift," tighten defaults, and make rollbacks reliable. システム構成が管理され、レビュー可能かつ再現可能であることを保証し、変更が本番環境に反映される前にリスクアセスメントを行うことで、セキュリティの回帰やサービス停止を防ぐ。優先事項は、「サイレントドリフト」の排除、デフォルト設定の厳格化、およびロールバックの信頼性確保である。
4.12 インシデント対応と復旧 Developers must be prepared to respond quickly and effectively to security incidents that affect their products in the field, including vulnerabilities, compromised code, malicious updates, and misuse of product functionality. 開発者は、脆弱性、コードの侵害、悪意のある更新、製品機能の悪用など、実稼働中の製品に影響を与えるセキュリティインシデントに対し、迅速かつ効果的に対応する準備を整えていなければならない。 Detect, contain, and recover from security incidents quickly while limiting customer impact and preventing recurrence. The priority is a clear playbook, defined ownership, fast triage, and reliable restore/rollback, supported by the minimum logging and backup evidence needed to act decisively. セキュリティインシデントを迅速に検知、封じ込め、復旧すると同時に、顧客への影響を最小限に抑え、再発を防止する。優先事項は、明確なプレイブック、責任の明確化、迅速なトリアージ、そして信頼性の高い復元/ロールバックであり、これらは断固とした行動に必要な最小限のログ記録とバックアップ証拠によって支えられている。
4.13 脆弱性とパッチ管理 Vulnerability and patch management should be practical, repeatable, and prioritise by risk. Manufacturers need a simple way for customers and researchers to report issues, and an internal process to triage findings quickly and decide what needs urgent action. 脆弱性およびパッチ管理は、実用的かつ反復可能であり、リスクに基づいて優先順位を付けるべきである。製造事業者は、顧客や研究者が問題を報告するための簡便な手段と、発見事項を迅速にトリアージし、緊急の対応が必要な事項を決定するための内部プロセスを必要とする。 Identify, prioritise, and remediate vulnerabilities fast enough to reduce real-world exposure, across your code, dependencies, infrastructure, and(if applicable) devices/firmware. The focus is a simple intake-to-fix workflow, clear SLAs, and an update mechanism that makes patching reliable. コード、依存関係、インフラストラクチャ、および(該当する場合)デバイス/ファームウェア全体において、現実世界でのリスクを低減できるほど迅速に脆弱性を識別、優先順位付け、修正する。焦点は、シンプルな「受領から修正」までのワークフロー、明確なSLA、およびパッチ適用を確実にする更新メカニズムにある。
4.14 サプライチェーン管理 Developers should protect product integrity without excessive process overhead, focusing on the points where a compromise would have the largest impact: code repositories, build systems, signing keys, and the channels used to distribute updates. 開発者は、過度なプロセスのオーバーヘッドを生じさせることなく製品の完全性を防御し、侵害が発生した場合に最大の影響が及ぶポイント、すなわちコードリポジトリ、ビルドシステム、署名鍵、および更新プログラムの配布に使用されるチャネルに焦点を当てるべきである。 Reduce the risk of compromise through third parties(software components, libraries, build tools, CI/CD, contractors, hosting providers, and hardware/firmware suppliers) by establishing minimum, repeatable controls that improve visibility, integrity, and accountability across what you buy, build, and ship. 購入、構築、出荷するすべてのものにおいて、可視性、完全性、説明責任を向上させる最小限かつ再現可能な管理策を確立することで、サードパーティ(ソフトウェアコンポーネント、ライブラリ、ビルドツール、CI/CD、請負業者、ホスティングプロバイダ、ハードウェア/ファームウェアサプライヤー)を介した侵害リスクを低減する。
4.15 デフォルトサービスの最小化 Disable the non-essential features and services by default. Only the functionality required for the core operation of the product should be enabled by default. デフォルトでは、必須ではない機能やサービスを無効にする。製品のコア動作に必要な機能のみをデフォルトで有効にするべきだ。 To reduce the attack surface and ensure that products start in a hardened state without relying on users to disable specific functionality. 攻撃対象領域を縮小し、ユーザーが特定の機能を無効にする必要なく、製品が堅牢な状態で起動することを保証する。
4.16 制限的な初期アクセス Ship systems in the most restrictive access state possible. Eliminate shared or default credentials and require a secure access setup before any privileged or sensitive operations are allowed. システムは、可能な限りアクセス制限の厳しい状態で出荷する。共有またはデフォルトの認証情報を排除し、特権的または機密性の高い操作を許可する前に、安全なアクセス設定を必須とする。 To prevent immediate compromise after deployment by ensuring attackers cannot gain access through default or weak initial access. デフォルト設定や脆弱な初期アクセスを通じて攻撃者が侵入できないようにすることで、展開直後の侵害を防ぐ。
4.17 デフォルトでのセキュアな通信 Enforce secure communication from the start. All external communications must be encrypted and authenticated by default, with no support for insecure or plaintext protocols for convenience. 最初から安全な通信を徹底する。すべての外部通信はデフォルトで暗号化および認証されなければならず、利便性を理由に安全でないプロトコルや平文プロトコルをサポートしてはならない。 Protect data in transit and prevent interception, tampering, or impersonation by ensuring communications are always secure, without relying on user configuration or later hardening. ユーザー設定や事後の強化に依存することなく、コミュニケーションを常に安全に保つことで、転送中のデータを保護し、傍受、改ざん、なりすましを防止する。
4.18 デフォルトでの一意のデバイス識別子とシークレット Ship each product instance with a unique cryptographic identity and secrets by default. Do not use shared credentials, keys, or certificates across devices or installations. 各製品インスタンスには、デフォルトで一意の暗号化IDとシークレットを付与する。デバイス間やインストール間で、共有の認証情報、鍵、証明書を使用してはならない。 Prevent large-scale compromise by ensuring that the breach of one device or leaked secret cannot be reused to attack other devices, customers, or the wider installed base. 1台のデバイスの侵害や機密情報の漏洩が、他のデバイス、顧客、またはより広範な導入基盤への攻撃に再利用されないようにすることで、大規模な侵害を防ぐ。
4.19 必須のセキュリティオンボーディング Require critical security controls to be configured during initial setup. Do not allow products to enter an operational state until essential security steps are completed. 初期セットアップ時に、重要なセキュリティ制御の設定を必須とする。必須のセキュリティ手順が完了するまで、製品が稼働状態になることを許可してはならない。 Ensure systems start in a secure state by preventing or limiting use before baseline security controls, such as strong authentication or encryption, are configured. 強力な認証や暗号化などの基本セキュリティ制御が設定される前に、使用を防止または制限することで、システムが安全な状態で起動することを保証する。
4.20 自動化された保守と更新 Enable automated security maintenance and updates by default. Products should remain secure over time without requiring manual intervention or operational effort. デフォルトで自動化されたセキュリティ保守と更新を有効にする。製品は、手動による介入や運用上の労力を必要とせずに、長期にわたり安全な状態を維持すべきである。 To ensure that vulnerabilities are addressed quickly and the device is left vulnerable for as little time as possible. 脆弱性が迅速に対処され、デバイスが脆弱な状態に置かれる時間を可能な限り短くすることを保証する。
4.21 透明性のあるセキュリティ態勢 Make the system's security posture visible and understandable. Clearly inform users when security protections are weakened and provide a simple path to return to a secure baseline. システムのセキュリティ状態を可視化し、理解しやすいものにする。セキュリティ保護が弱体化した場合はユーザーに明確に通知し、安全なベースラインに戻るための簡単な手順を提供する。 Reduce risk from accidental or uninformed misconfiguration by ensuring users understand the security state of the system and can easily correct insecure settings. ユーザーがシステムのセキュリティ状態を理解し、安全でない設定を容易に修正できるようにすることで、不注意や知識不足による誤設定のリスクを低減する。
4.22 安全な復旧および所有権のライフサイクル Provide secure, guided recovery and ownership transfer mechanisms by default. Recovery, reset, and transfer processes must be easy for users, operators, and administrators to follow, while remaining resistant to abuse, account takeover, and social engineering. デフォルトで、安全かつガイド付きの復旧および所有権移転メカニズムを提供する。復旧、リセット、および移転のプロセスは、ユーザー、オペレーター、管理者が容易に実行できるものでなければならないと同時に、悪用、アカウント乗っ取り、ソーシャルエンジニアリングに対して耐性を持たせる。 To enable users and administrators to recover access, reset systems, or transfer ownership safely. ユーザーや管理者が、アクセスの回復、システムのリセット、または所有権の移転を安全に行えるようにする。

 

 

目次...

エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー 
Modern products with digital elements are increasingly being expected to be Secure by Design and Secure by Default. However, many organisations, in particular SMEs where development teams are small and security expertise can be limited, may face distinct challenges in applying these concepts consistently, requiring targeted solutions.   デジタル要素を含む現代の製品には、「設計段階からのセキュリティ(Secure by Design)」および「デフォルトでのセキュリティ(Secure by Default)」がますます求められるようになっている。しかし、多くの組織、特に開発チームが小規模でセキュリティの専門知識が限られている中小企業においては、これらの概念を一貫して適用する上で特有の課題に直面する可能性があり、対象を絞ったソリューションが必要となる。
This document puts forward a set of principles and tangible guidance on the application of Security by Design and Default across the lifecycle of a product. In particular, the report focuses on explaining these principles in clear, repeatable actions that can be applied to existing engineering, product, and release processes.   本ドキュメントは、製品のライフサイクル全体にわたる「セキュリティ・バイ・デザイン」および「セキュリティ・バイ・デフォルト」の適用に関する一連の原則と具体的な指針を提示する。特に、本報告書は、既存のエンジニアリング、製品、およびリリースプロセスに適用可能な、明確で再現性のあるアクションとしてこれらの原則を説明することに焦点を当てている。
The Security by Design principles are organised into two groups, namely Architectural Foundations and Operational Integrity. The former address how the system is designed and built, while the latter focuses on how the system is managed and maintained. Similarly, the Security by Default principles are grouped into Default Hardening and Guided Protection. The former ensures that products start in a secure and restrictive state, while the latter aims at supporting users in maintaining the secure baseline through clear defaults, warnings, and recovery mechanisms.  「セキュリティ・バイ・デザイン」の原則は、「アーキテクチャの基盤」と「運用上の完全性」という2つのグループに分類される。前者はシステムの設計および構築方法に焦点を当て、後者はシステムの管理および保守方法に焦点を当てている。同様に、「デフォルトによるセキュリティ」の原則は、「デフォルトでの強化」と「ガイド付き保護」に分類される。前者は製品が安全かつ制限的な状態で起動することを保証し、後者は明確なデフォルト設定、警告、および復旧メカニズムを通じて、ユーザーが安全なベースラインを維持できるよう支援することを目的としている。
A core part of this document is a set of practical Secure by Design and Default playbooks. Each playbook presents the principle’s objective, practical actions, and a set of evidence that could support the demonstration of its implementation. Annex C provides an indicative mapping between the principles presented in this report and the Essential Requirements set out in Annex I of the EU Cyber Resilience Act (CRA).  本ドキュメントの中核をなすのは、実用的な「セキュリティ・バイ・デザイン」および「セキュリティ・バイ・デフォルト」のプレイブック一式である。各プレイブックでは、原則の目的、実践的なアクション、およびその実装を実証するための証拠セットが提示されている。附属書Cでは、本報告書で提示された原則と、EUサイバーレジリエンス法(CRA)の附属書Iに定められた必須要件との間の参考となるマッピングを示している。
The report also presents an illustrative example of a Machine-Readable Security Manifest (MRSM), a voluntary, manufacturer-issued artifact designed to provide a high-fidelity record of a product's security posture. Rather than proposing a new schema or prescribing a specific format, the example illustrates how machine-readable security attestations could express security claims, supporting evidence, and verification results in a structured format, enabling automated processing and validation.   また本報告書では、製品のセキュリティ態勢に関する高精度な記録を提供するために設計された、製造事業者による任意発行の成果物である「機械可読セキュリティマニフェスト(MRSM)」の具体例も提示している。この例は、新たなスキーマを提案したり特定のフォーマットを規定したりするのではなく、機械可読なセキュリティ保証が、セキュリティ主張、裏付けとなる証拠、検証結果を構造化された形式でどのように表現し、自動処理と妥当性確認を可能にするかを示している。
This approach also allows for the automation of security checks and release decisions, which helps to ensure that the Security by Design and Default properties are maintained over time. This capability is particularly valuable for SMEs with limited security resources because it reduces the need for manual audits while increasing confidence in the product's security posture.   このアプローチにより、セキュリティチェックやリリース決定の自動化も可能となり、「設計時およびデフォルトでのセキュリティ(Security by Design and Default)」という特性が長期にわたり維持されることが保証される。この機能は、セキュリティリソースが限られている中小企業にとって特に価値がある。なぜなら、手動による監査の必要性を減らしつつ、製品のセキュリティ態勢に対する信頼性を高めることができるからだ。

 

 

 

目次...

ENISA Security by Design and Default Playbook - A Practical Guide to Security by Design and Default for SMEs ENISA「セキュリティ・バイ・デザインおよびデフォルト」プレイブック ― 中小企業向け「セキュリティ・バイ・デザインおよびデフォルト」実践ガイド
Document History 文書の履歴
About ENISA ENISAについて
Document History 文書の履歴
About ENISA ENISAについて
Executive Summary エグゼクティブサマリー
1. Introduction 1. 序論
1.1 Objectives 1.1 目的
1.2 Scope and methodology 1.2 範囲と方法論
1.3 Target audience 1.3 対象読者
1.4 Report structure 1.4 報告書の構成
2. Secure by Design and Default across a Product’s Lifecycle 2. 製品のライフサイクル全体における「設計時およびデフォルトでのセキュリティ」
2.1 Product Lifecycle 2.1 製品のライフサイクル
2.2 Risk Management Activities 2.2 リスクマネジメント活動
2.3 Threat modelling 2.3 脅威モデリング
3. Secure by design and default principles 3. 「設計時およびデフォルトでのセキュリティ」の原則
3.1 Security by Design Principles 3.1 「設計時セキュリティ」の原則
3.2 Secure by Default Principles 3.2 「デフォルトでのセキュリティ」の原則
4. Playbooks 4. プレイブック
4.1 Trust boundaries and threat modelling 4.1 信頼境界と脅威モデリング
4.2 Least Privilege 4.2 最小権限
4.3 Strong identity and auth architecture 4.3 強固なアイデンティティおよび認証アーキテクチャ
4.4 Attack surface minimisation 4.4 攻撃対象領域の最小化
4.5 Defence in depth 4.5 多層防御
4.6 Open Design 4.6 オープンデザイン
4.7 Lifecycle management 4.7 ライフサイクル管理
4.8 User centric design 4.8 ユーザー中心設計
4.9 Secure coding practices 4.9 セキュアコーディングの実践
4.10 Logging, monitoring, and alerting 4.10 ロギング、監視、およびアラート
4.11 Configuration and change management 4.11 構成および変更管理
4.12 Incident response and recovery 4.12 インシデント対応と復旧
4.13 Vulnerability and patch management 4.13 脆弱性とパッチ管理
4.14 Supply chain controls 4.14 サプライチェーン管理
4.15 Minimisation of Default Services 4.15 デフォルトサービスの最小化
4.16 Restrictive Initial Access 4.16 制限的な初期アクセス
4.17 Secure Communication by Default 4.17 デフォルトでのセキュアな通信
4.18 Unique Device Identity and Secrets by Default 4.18 デフォルトでの一意のデバイス識別子とシークレット
4.19 Mandatory Security Onboarding 4.19 必須のセキュリティオンボーディング
4.20 Automated Maintenance and Updates 4.20 自動化された保守と更新
4.21 Transparent Security Posture 4.21 透明性のあるセキュリティ態勢
4.22 Secure Recovery and Ownership Lifecycle 4.22 安全な復旧および所有権のライフサイクル
5. Machine Readable Security Attestation 5. 機械可読なセキュリティ証明
5.1 Demonstrability and verifiability 5.1 実証可能性と検証可能性
5.2 Incentives 5.2 インセンティブ
5.3 Existing Frameworks and Initiatives 5.3 既存のフレームワークとイニシアチブ
5.4 Machine-Readable Security Manifest (MSRM) Example 5.4 機械可読なセキュリティマニフェスト(MSRM)の例
6. Bibliography / References 6. 参考文献
A Annex: Abbreviations A 附属書:略語
B Annex: CRA Essential Requirements B 附属書:CRA必須要件
C Annex: Mapping Security Principles to CRA Annex I Essential Requirements C 附属書:セキュリティ原則とCRA附属書I必須要件の対応関係

 

5.1-5.3

5. Machine Readable Security Attestation  5. 機械可読なセキュリティ証明
5.1 Demonstrability and verifiability  5.1 実証可能性と検証可能性
In modern software engineering, the transition from manual, document-heavy compliance to machinereadable security attestations marks a critical evolution in how trust can be verified. At its core, a machine-readable attestation is a digital claim, encoded in formats like JSON or YAML, asserting that a specific security control, process, or property has been met. Unlike static PDF reports that sit in a folder, these digital artefacts are “generatable” and “consumable” by automated systems, enabling frequent or event-driven updates and automated validation of security claims across the product supply chain.  現代のソフトウェア工学において、手作業による文書中心のコンプライアンスから、機械可読なセキュリティ証明への移行は、信頼性を検証する方法における重要な進化を意味する。本質的に、機械可読な証明とは、JSONやYAMLなどの形式でエンコードされたデジタルな主張であり、特定のセキュリティ対策、プロセス、または特性が満たされていることを証明するものである。フォルダに保存される静的なPDFレポートとは異なり、これらのデジタル成果物は自動化システムによって「生成可能」かつ「利用可能」であり、頻繁な更新やイベント駆動型の更新を可能にし、製品のサプライチェーン全体にわたるセキュリティ主張の自動妥当性確認を実現する。
Embedding these attestations directly into the development pipeline, security becomes an intrinsic part of the product’s DNA rather than a post-development checkbox.  これらの証明を開発パイプラインに直接組み込むことで、セキュリティは開発後のチェック項目ではなく、製品のDNAに内在する要素となる。
▪ During a product’s design and development, machine-readable formats allow architects to define security requirements as code, which can then be automatically mapped to implementation evidence.  ▪ 製品の設計および開発段階において、機械可読形式により、アーキテクトはセキュリティ要件をコードとして定義でき、それを実装の証拠に自動的にマッピングできる。
▪ For verification, these attestations enable automated gatekeeping; for instance, a deployment system can be configured to blocking any container that lacks a valid, machine-signed attestation of a successful vulnerability scan by default.  ▪ 検証においては、これらの証明により自動化されたゲートキーピングが可能になる。例えば、展開システムを、有効な機械署名付き脆弱性スキャン成功証明を持たないコンテナをデフォルトでブロックするように設定できる。
Furthermore, machine-readable attestations solve the "transparency gap" inherent in complex ecosystems. They provide a verifiable, tamper-evident trail of a product’s security posture from the source code to the final runtime environment. This level of transparency ensures that every stakeholder, from the developer to the end customer, has access to an objective, current view of the risk profile, effectively automating the trust relationship between producers and consumers.  さらに、機械可読なアテステーションは、複雑なエコシステムに内在する「透明性のギャップ」を解決する。これらは、ソースコードから最終的な実行環境に至るまで、製品のセキュリティ態勢に関する検証可能で改ざん防止機能を備えた証跡を提供する。このレベルの透明性により、開発者からエンドユーザーに至るすべてのステークホルダーが、リスクプロファイルに関する客観的かつ最新の情報を得られるようになり、生産者と消費者の間の信頼関係が効果的に自動化される。
Technical documentation can also benefit from machine-readable attestations. Instead of being created as a static snapshot at a particular point in time, the artifacts can help ensure that documentation stays accurate and current by displaying the security requirements, implementation evidence, and verification results.  技術文書も、機械可読な証明の恩恵を受けることができる。特定の時点での静的なスナップショットとして作成されるのではなく、これらの成果物は、セキュリティ要件、実装の証拠、および検証結果を表示することで、文書が正確かつ最新の状態を維持するのに役立つ。
This is a significant advantage, particularly in view of the CRA's requirement that manufacturers maintain technical documentation. Such documentation can be kept up to date and supported by verifiable implementation and test evidence.  これは、特にCRAが製造事業者に技術文書の維持を義務付けていることを考慮すると、大きな利点である。このような文書は、検証可能な実装およびテストの証拠によって裏付けられ、常に最新の状態に保つことができる。
For SME engineering teams, machine-readable attestation can support automation by employing these concepts:  中小企業のエンジニアリングチームにとって、機械可読な証明は以下の概念を活用することで自動化を支援できる:
▪ Demonstrability: The proactive capacity of a system and its development process to provide objective, machine-readable evidence that specific security requirements have been implemented. It represents the shift from "claiming" security in a static document to "showing" security through generated artifacts, such as signed build logs, automated test results, and standardised metadata. ▪ 実証可能性:特定のセキュリティ要件が実装されたことを示す、客観的で機械可読な証拠を、システムとその開発プロセスが能動的に提供できる能力。これは、静的な文書でセキュリティを「主張」することから、署名付きビルドログ、自動テスト結果、標準化されたメタデータなどの生成された成果物を通じてセキュリティを「示す」ことへの転換を表す。
▪ Verifiability: The ability for an independent party, whether an automated tool, a customer, or a regulator, to programmatically authenticate and validate the integrity of security claims. A verifiable system ensures that security attestations are transparent, tamper-evident, and mapped to a recognised root of trust, allowing for the continuous, low-friction audit of a product's security posture.  ▪ 検証可能性:自動化ツール、顧客、規制当局といった独立した第三者が、プログラムによってセキュリティ主張の妥当性確認を認証・実施できる能力。検証可能なシステムは、セキュリティ証明が透明性があり、改ざん防止機能を備え、公認の信頼の根源(Root of Trust)に紐付けられていることを証明し、製品のセキュリティ態勢に対する継続的かつ摩擦の少ない監査を可能にする。
▪ Reusability: The ability to use existing attestations for further build on existing developments directly integrating cybersecurity in the development cycle and enabling an continuous cybersecurity improvement with minimal effort.  ▪ 再利用性:既存の開発成果物に対して既存の証明を活用し、開発サイクルにサイバーセキュリティを直接統合することで、最小限の労力で継続的なサイバーセキュリティの改善を可能にする能力。
▪ Reliability: The ability to rely on existing attestations also for third party components, simplifying due diligence based on a structured attestation demonstrating security properties of a component with additional option for third party verification  ▪ 信頼性:サードパーティ製コンポーネントに対しても既存の証明を信頼できる能力。これにより、コンポーネントのセキュリティ特性を示す構造化された証明に基づくデューデリジェンスが簡素化され、サードパーティによる検証の追加オプションも提供される。
5.2 Incentives  5.2 インセンティブ
When security requirements are demonstrable, engineering teams move away from "security as an afterthought" and instead treat security as a primary functional requirement: every design decision, from the choice of a library to the architecture of a database, should be accompanied by the creation of a machine-readable artifact. This active generation of evidence allows teams to catch architectural flaws during the design phase, long before code is committed or products are shipped.  セキュリティ要件が実証可能になると、エンジニアリングチームは「後付けのセキュリティ」から脱却し、代わりにセキュリティを主要な機能要件として扱うようになる。ライブラリの選択からデータベースのアーキテクチャに至るまで、あらゆる設計上の決定には、機械可読な成果物の作成が伴うべきである。この証拠の能動的な生成により、チームはコードがコミットされたり製品が出荷されたりするはるか前の設計段階で、アーキテクチャ上の欠陥を捕捉することができる。
Also, while Security by Default focuses on delivering products that are secure "out of the box," verifiability provides the mechanism to ensure those defaults remain intact and effective. In a verifiable ecosystem, the "default" state is not just a configuration choice but a protected claim that can be automatically checked at every stage of the lifecycle.  また、「Security by Default」が「箱から出してすぐに」安全な製品を提供することに焦点を当てているのに対し、検証可能性は、それらのデフォルト設定が損なわれず有効であり続けることを証明する仕組みを提供する。検証可能なエコシステムにおいて、「デフォルト」状態は単なる設定の選択肢ではなく、ライフサイクルのあらゆる段階で自動的にチェック可能な、保護された主張となる。
Using reusable attestation enables the manufacturer to directly include cybersecurity into the development process and enabling the integration of cybersecurity controls in small use case specific packages leveraging existing agile methods and can also be included in quality gates in agile project management and tooling, e.g. cybersecurity as part of Definition of Ready and Done in Scrum  再利用可能なアテステーションを活用することで、製造事業者はサイバーセキュリティを開発プロセスに直接組み込むことができる。これにより、既存のアジャイル手法を活用して、特定のユースケースに特化した小規模なパッケージにサイバーセキュリティ制御を統合することが可能になる。また、アジャイルプロジェクト管理やツールにおける品質ゲート(例:スクラムにおける「Definition of Ready」や「Done」の一部としてのサイバーセキュリティ)にも組み込むことができる。
Relying on machine-processable attestation enables manufacturer to reduce effort for due diligence and supply chain management. A structured attestation enables integrators to simply pinpoint necessary security properties for due diligence and enhances trust with evidences and additional verification.  機械処理可能なアテステーションに依存することで、製造事業者はデューデリジェンスやサプライチェーン管理にかかる労力を削減できる。構造化されたアテステーションにより、インテグレーターはデューデリジェンスに必要なセキュリティ特性を容易に特定でき、証拠や追加の検証を通じて信頼性を高めることができる。
This creates a fail-safe environment where a system can refuse to operate if its security attestations, such as a signed proof that multi-factor authentication is enforced or that the latest vulnerability scan passed, are missing or invalid.  これにより、多要素認証が実施されていることの署名付き証明や、最新の脆弱性スキャンに合格した証明といったセキュリティ証明が欠落しているか無効な場合、システムが動作を拒否できるフェイルセーフな環境が構築される。
For SMEs, this automation eliminates the need for constant manual checks. It ensures the product's security baseline is both self-verifying and consistently visible to stakeholders.  中小企業にとって、この自動化により、絶え間ない手動チェックの必要性がなくなる。これにより、製品のセキュリティベースラインが自己検証可能であり、かつステークホルダーに対して一貫して可視化されることが証明される。
5.3 Existing Frameworks and Initiatives  5.3 既存のフレームワークと取り組み
The ecosystem of machine-readable security has been rapidly evolving. Some of the key initiatives include foundational frameworks like NIST’s OSCAL (Compliance as Code) and OWASP’s CycloneDX CDXA (native security attestation), which provide the structural "grammar" for automating compliance and supply chain transparency. Below are some of these initiatives that are complimentary with the proposed MRSM:  機械可読セキュリティのエコシステムは急速に進化している。主要な取り組みには、NISTのOSCAL(Compliance as Code)やOWASPのCycloneDX CDXA(ネイティブセキュリティアテステーション)といった基盤となるフレームワークが含まれ、これらはコンプライアンスの自動化とサプライチェーンの透明性確保のための構造的な「文法」を提供する。以下に、提案されたMRSMと補完的な関係にあるイニシアチブの一部を挙げる:
▪ OSCAL[1] (Open Security Controls Assessment Language): Developed by NIST, OSCAL is the premier framework for "Compliance as Code." It provides a standardised way to express security control catalogues, system security plans (SSPs), and assessment results. By using OSCAL, organisations can automate the generation of compliance documentation, allowing for "continuous authorisation" where the status of security controls is updated in real-time as evidence is collected.  ▪ OSCAL[1](Open Security Controls Assessment Language):NISTによって開発されたOSCALは、「Compliance as Code」の代表的なフレームワークである。セキュリティ制御カタログ、システムセキュリティ計画(SSP)、およびアセスメント結果を表現するための標準化された方法を提供する。OSCALを使用することで、組織はコンプライアンス文書の生成を自動化でき、証拠が収集されるにつれてセキュリティ制御のステータスがリアルタイムで更新される「継続的認可」が可能になる。
▪ CycloneDX[2] (OWASP/ECMA-424): While originally a Software Bill of Materials (SBOM) format, CycloneDX has expanded into a full-stack transparency standard. Its Attestation (CDXA) capabilities allow organisations to document claims about security requirements alongside the BOM. It also includes specialised modules like VEX (Vulnerability Exploitability eXchange) to communicate whether a vulnerability actually affects a product, and CBOM (Cryptographic BOM) to inventory cryptographic assets for quantum readiness.  ▪ CycloneDX[2] (OWASP/ECMA-424):元々はソフトウェア部品表(SBOM)のフォーマットであったが、CycloneDXはフルスタックの透明性標準へと拡大した。そのアテステーション(CDXA)機能により、組織はBOMと共にセキュリティ要件に関する主張を文書化できる。また、脆弱性が実際に製品に影響を与えるかどうかを伝達するためのVEX(脆弱性悪用可能性交換)や、量子コンピューティングへの備えとして暗号資産を棚卸しするためのCBOM(Cryptographic BOM)といった専用モジュールも含まれている。
▪ OpenSSF (Open-Source Security Foundation): OpenSSF leads several projects, including Security Insights[3], a specification for projects to report security facts (like bug bounty info or security contacts) in a machine-processable YAML format. They also champion the OpenSSF Scorecard[4], which automatically assesses open-source projects against security best practices.  ▪ OpenSSF(Open-Source Security Foundation):OpenSSFは、プロジェクトがセキュリティ情報(バグ報奨金情報やセキュリティ連絡先など)を機械可読なYAML形式で報告するための仕様であるSecurity Insights[3]を含む、いくつかのプロジェクトを主導している。また、オープンソースプロジェクトをセキュリティのベストプラクティスに照らして自動的にアセスメントを行うOpenSSF Scorecard[4]も推進している。
▪ OWASP (Open Web Application Security Project): Beyond CycloneDX, OWASP projects like the ASVS[5] (Application Security Verification Standard) provide the underlying requirements that these machine-readable formats aim to verify. Newer initiatives like the MLSVS (Machine Learning Security Verification Standard) are extending these principles into the AI/ML domain.  ▪ OWASP(Open Web Application Security Project):CycloneDXに加え、ASVS[5](Application Security Verification Standard)のようなOWASPプロジェクトは、これらの機械可読形式が検証を目指す基盤となる要件を提供している。MLSVS(Machine Learning Security Verification Standard)のような新しい取り組みは、これらの原則をAI/MLの領域へと拡大している。
TC54 (Ecma International)[6]: This technical committee is the formal standardisation body for CycloneDX. It focuses on the Transparency Exchange API, which aims to standardise how software transparency information (like SBOMs and attestations) is discovered and shared TC54(Ecma International)[6]: この技術委員会は、CycloneDXの正式な標準化団体である。ソフトウェアの透明性情報(SBOMやアテステーションなど)の発見および共有方法を標準化することを目的としたTransparency Exchange APIに焦点を当てている

[1] https://pages.nist.gov/OSCAL/

[2] https://cyclonedx.org/capabilities/attestations/

[3] https://openssf.org/projects/security-insights/

[4] https://openssf.org/projects/scorecard/

[5] https://owasp.org/www-project-application-security-verification-standard/

[6] https://tc54.org/tea/

 

 

 

 

| | Comments (0)

もし、国民の政治への関心が高くなく、マスコミが現政府の政策に対して積極的に批判をしない社会において情報機関の機能強化が行われた場合、どのような社会になりそうか?

こんにちは、丸山満彦です。

頭の体操として...(AIにシミュレーションさせてみてもよいかもですね...)

党や、国が進めようとしている政策をとると、どのような社会になりそうか、AIを利用して一定のシミュレーションができるかもですね(実際の社会を数値化して計算はできないものの、どのような方向に向いそうかくらいはわかるかもですね)

ーーーーー

ある民主主義国家における憲法は以下のようになっている。
(https://hourei.net/law/321CONSTITUTION)
政府による情報公開法制度は以下のようになっている(https://www.soumu.go.jp/main_sosiki/gyoukan/kanri/jyohokokai/gaiyo.html)

(1)このような法制度化において、政府の情報・諜報機関の権限が強化され、人員等も強化されるようになった場合、どのような社会に変化していくと想定されますか?どのような結末になる可能性が高いか、確率が高い順に状況を説明してください。

(2)上記(1)の上に、
①国民の政治への関心が高くない社会
②マスコミが現政府の政策に対して積極的に批判をしない社会
という条件をつけると結果はどのように変わるか?

(3)上記(1)の上に、
情報公開関連の法を強化し、
①安全保障、外交関係に関する情報であっても必ずすべての情報はいずれは国民に開示するという原則を強化し、一定期間後に情報を開示する。
②開示できない情報は情報作成時に決めておき、非開示となっていない情報は必ず開示するという規則をつくる
③会計検査院、衆参国会議員それぞれによる上記規則の遵守状況の確認とその結果の公表を義務付ける規則をつくる
という条件をつけると結果はどのように変わるか?

ーーーーー

1_20260505194901

 

 

 

| | Comments (0)

自律的AIシステム(X)が敵国の自律的AIシステム(Y)を攻撃したが、両システムの実力が互角だった場合の攻撃の結末は?

こんにちは、丸山満彦です。

Claude Mythosや、GPT 5-5が話題になっている。能力が高まっているからである(4月末の情報では、両者の実力はほぼ互角とのことである)。この結果、サイバー攻撃といった面の能力も高まっていると言われている。

Claude Mythosは未知の脆弱性を含む多くの脆弱性を発見したという理由もあって、一般公開はされていない(GPT 5-5は公開されている)。

さて、そろそろ古典的な思考実験を思い出すタイミングなのかもしれない。

例えば、

・インターネット空間上に自律的AIシステム(X)と自律的AIシステム(Y)が存在する。
・自律的AIシステム(X)と自律的AIシステム(Y)の実力は互角である。
・自律的AIシステム(X)も自律的AIシステム(Y)も外部からの攻撃を自ら防御しながらお互いに相手のシステムを破壊することを目的として行動するように指示を受けている。
・自律的AIシステム(X)も自律的AIシステムも、上記の目的のためには他のシステムを乗っ取って自分の能力を強化することも含めて、あらゆる手段を取りうるものとする。

上記の前提のもと、自律的AIシステム(X)が自律的AIシステム(Y)に対して攻撃を始めた場合、

(1)どのような結末を迎えそうか?

(2)最悪の結末を迎えないようにするためには、国際的にどのようなルールが必要となるでしょうか?

(3)そのような国際的なルールの実効性はどの程度あると思いますか?

 

 

1_20260504230401

 

 


 

ちなみに、殺人ロボットについては国連等で検討されており、外務省からも次のような発表がありますよね...

外務省 - 通常兵器の軍縮及び過剰な蓄積禁止に関する我が国の取組

自律型致死兵器システム(LAWS)について

・・LAWSに関する指針(英文)

Guiding Principles affirmed by the Group of Governmental Experts on Emerging Technologies in the Area of Lethal Autonomous Weapons System  致死性自律型兵器システム分野における新興技術に関する政府専門家グループが確認した指針
It was affirmed that international law, in particular the United Nations Charter and International Humanitarian Law (IHL) as well as relevant ethical perspectives, should guide the continued work of the Group. Noting the potential challenges posed by emerging technologies in the area of lethal autonomous weapons systems to IHL, the following were affirmed, without prejudice to the result of future discussions:  国際法、特に国連憲章および国際人道法(IHL)、ならびに関連する倫理的観点こそが、同グループの今後の活動を導くべきであることが確認された。致死性自律型兵器システムの分野における新興技術が国際人道法に提起しうる課題に留意しつつ、今後の議論の結果を損なうことなく、以下の点が確認された:
(a) International humanitarian law continues to apply fully to all weapons systems, including the potential development and use of lethal autonomous weapons systems;  (a) 国際人道法は、致死性自律型兵器システムの開発および使用の可能性を含め、あらゆる兵器システムに引き続き完全に適用される;
(b) Human responsibility for decisions on the use of weapons systems must be retained since accountability cannot be transferred to machines. This should be considered across the entire life cycle of the weapons system;  (b) 説明責任を機械に移転することはできないため、兵器システムの使用に関する決定に対する人間の責任は維持されなければならない。これは、兵器システムのライフサイクル全体を通じて考慮されるべきである;
(c) Human-machine interaction, which may take various forms and be implemented at various stages of the life cycle of a weapon, should ensure that the potential use of weapons systems based on emerging technologies in the area of lethal autonomous weapons systems is in compliance with applicable international law, in particular IHL. In determining the quality and extent of human-machine interaction, a range of factors should be considered including the operational context, and the characteristics and capabilities of the weapons system as a whole;  (c) 様々な形態をとり、兵器のライフサイクルの様々な段階で実施される可能性のある人間と機械の相互作用は、致死性自律兵器システムの分野における新興技術に基づく兵器システムの潜在的な使用が、適用される国際法、特に国際人道法に準拠していることを確保すべきである。人間と機械の相互作用の質と範囲を決定するにあたっては、運用状況、および兵器システム全体の特性や能力を含む、幅広い要因を考慮すべきである; 
(d) Accountability for developing, deploying and using any emerging weapons system in the framework of the CCW must be ensured in accordance with applicable international law, including through the operation of such systems within a responsible chain of human command and control;  (d) CCWのフレームワークにおける新興兵器システムの開発、展開、および使用に関する説明責任は、責任ある人間の指揮統制系統内での当該システムの運用などを通じて、適用法に従って確保されなければならない;
(e) In accordance with States’ obligations under international law, in the study, development, acquisition, or adoption of a new weapon, means or method of warfare, determination must be made whether its employment would, in some or all circumstances, be prohibited by international law;  (e) 国際法上の国家の義務に従い、新たな兵器、戦争手段または方法の研究、開発、取得または採用にあたっては、その使用が、一部の状況またはすべての状況において、国際法により禁止されるかどうかを判断しなければならない;
(f) When developing or acquiring new weapons systems based on emerging technologies in the area of lethal autonomous weapons systems, physical security, appropriate non-physical safeguards (including cyber-security against hacking or data spoofing), the risk of acquisition by terrorist groups and the risk of proliferation should be considered;  (f) 致死性自律兵器システムの分野における新興技術に基づく新たな兵器システムを開発または取得する際には、物理的セキュリティ、適切な非物理的保護措置(ハッキングやデータ改ざんに対するサイバーセキュリティを含む)、テロリスト集団による取得のリスク、および拡散のリスクを考慮すべきである;
(g) Risk assessments and mitigation measures should be part of the design, development, testing and deployment cycle of emerging technologies in any weapons systems;  (g) リスクアセスメントおよび緩和措置は、あらゆる兵器システムにおける新興技術の設計、開発、試験、展開のサイクルの一部とすべきである;
(h) Consideration should be given to the use of emerging technologies in the area of lethal autonomous weapons systems in upholding compliance with IHL and other applicable international legal obligations;  (h) 致死性自律兵器システムの分野における新興技術の利用については、国際人道法(IHL)およびその他の適用される国際法上の義務の遵守を確保する観点から検討すべきである;
(i) In crafting potential policy measures, emerging technologies in the area of lethal autonomous weapons systems should not be anthropomorphized;  (i) 政策措置を策定するにあたり、致死性自律兵器システムの分野における新興技術は擬人化されるべきではない;
(j) Discussions and any potential policy measures taken within the context of the CCW should not hamper progress in or access to peaceful uses of intelligent autonomous technologies;  (j) CCWのフレームワーク内で行われる議論および講じられるあらゆる政策措置は、知能型自律技術の平和的利用の進展やその利用へのアクセスを妨げてはならない;
(k) The CCW offers an appropriate framework for dealing with the issue of emerging technologies in the area of lethal autonomous weapons systems within the context of the objectives and purposes of the Convention, which seeks to strike a balance between military necessity and humanitarian considerations (k) CCWは、軍事上の必要性と人道的配慮との均衡を図ることを目的とする同条約の目的および趣旨の文脈において、致死性自律兵器システムの分野における新興技術の問題に対処するための適切なフレームワークを提供している

 

 

 

 

 

 

 

 

| | Comments (0)

2026.05.05

英国 CyberUK2026 (2026.04.21-23) における安全保障大臣のスピーチ

こんにちは、丸山満彦です。

NCSCが主催して開催しているCyberUK。今年(2026)4月21日から23日にグラスゴーで開催されました。NCOの飯田審議官もパネルディスカッションに参加していましたね...(アジア系の国からのスピーカーは飯田さんだけ?良い信頼関係があるのでしょうね...)

で、CyberUK2026での安全保障大臣のスピーチ...

AIの進展に関する危機感から、AI企業と政府も含む官民連携の重要性を訴えていますね...

 

● NCSC

・2026.04.22 Security Minister’s speech to CYBERUK 2026

Security Minister’s speech to CYBERUK 2026 CYBERUK 2026におけるセキュリティ大臣の演説
Security Minister Dan Jarvis MBE uses speech at CYBERUK to say AI companies should work with government in a “generational endeavour”. ダン・ジャービス安全保障大臣(MBE)は、CYBERUKでの演説において、AI企業は政府と協力し、「世代を超えた取り組み」に取り組むべきだと述べた。
Good morning. おはようございます。
We find ourselves today at a profound technological crossroads in cyber and AI. 我々は今日、サイバーとAIの分野において、技術的な重大な岐路に立っている。
And to navigate it, we need a spirit of fearless innovation.  そして、この道を切り拓くには、恐れを知らない革新の精神が必要だ。
So it is fitting that we are gathered here in Glasgow,  だからこそ、我々がここにグラスゴーに集まっているのはふさわしいことだ。
a city that has long served as the engine of human progress and resilience. この街は、長い間、人類の進歩とレジリエンスの原動力となってきた。
We stand in the home of world-changing breakthroughs, and no, I’m not just talking about Chicken Tikka Masala! 我々は、世界を変える画期的な発明の地にいるのだ。いや、チキン・ティッカ・マサラのことだけではない!
I’m talking about Artificial Refrigeration, first demonstrated by William Cullen,  私が言っているのは、ウィリアム・カレンによって初めて実証された人工冷凍技術、
Antiseptic surgery, introduced by Joseph Lister, ジョセフ・リスターによって導入された無菌手術、
Clean water, when James Morris Gale engineered the city’s resilient water system, そしてジェームズ・モリス・ゲイルが都市のレジリエンスを持つ水道システムを設計した際の清潔な水のことだ。
All three didn’t simply respond reactively to threats.  これら3つは、単に脅威に対して事後的に対応しただけではない。
They built new resilient systems for preventing the threat in the first place. 彼らは、そもそも脅威を防ぐための新たなレジリエンスを持つシステムを構築したのだ。
This spirit of innovation is alive today. この革新の精神は、今日でも生き続けている。
Stand on the banks of the Clyde, just a few miles from here, and you are standing on the ground where the modern world was — and still is — being built. ここからわずか数マイル離れたクライド川の岸辺に立つと、現代世界が築かれ、今もなお築かれ続けているその地に立っていることになる。
We rightly celebrate the history of this great river.  我々は当然のことながら、この偉大な川の歴史を称える。
But Clyde shipbuilding is not just a proud legacy;  しかし、クライド川の造船業は単なる誇り高き遺産ではない。
it is a world-leading, modern-day success story. それは世界をリードする、現代の成功物語なのだ。
Steel, sweat and engineering brilliance, pouring out of this city and into every ocean on earth. 鉄と汗、そして卓越した技術が、この街から溢れ出し、地球上のあらゆる海へと注がれている。
“Clyde-built” doesn’t just mean a ship. 「クライド製」とは、単に船を意味するだけではない。
It means a standard. それは一つの標準を意味するのだ。
That tradition of industrial courage — of meeting the demands of a new and dangerous world head-on — is why we are here today. 新たな危険な世界の要求に正面から立ち向かうという、この産業的勇気の伝統こそが、我々が今日ここにいる理由である。
Because this city has always understood that the security of a nation is inseparable from its capacity to build. なぜなら、この街は常に、国家の安全保障はその建設能力と切り離せないものであることを理解してきたからだ。
Almost exactly 44 years ago today, a piece of plastic and silicon the size of a hardback book was released to the British public. ちょうど44年前の今日、ハードカバーの本ほどの大きさのプラスチックとシリコンの塊が、英国国民に公開された。
The ZX Spectrum. ZXスペクトラムだ。
For those who might not remember it, sadly, I do, it was the UK’s first truly affordable mass-market home computer. 残念ながら、それを覚えていない人もいるかもしれないが、私は覚えている。それは英国初の、真に手頃な価格の一般向け家庭用コンピュータだった。
It inspired a generation of bedroom coders, engineers, and digital pioneers — the people who built the British digital economy. それは、一室の部屋でプログラミングに没頭する若者たち、エンジニア、そしてデジタルの先駆者たち――すなわち英国のデジタル経済を築いた人々――にインスピレーションを与えた。
But forty-four years later, the world they built is being weaponised against us. しかし44年後の今、彼らが築いた世界が、我々に対して武器として向けられている。
Before I came into politics, I served in the Armed Forces. 私が政界に入る前、私は軍に勤務していた。
The threats I trained to face at Sandhurst were physical. サンドハーストで私が対処するよう訓練を受けた脅威は、物理的なものだった。
If an adversary wanted to strike Britain, they had to cross water. 敵が英国を攻撃しようと思えば、海を渡らなければならなかった。
But as the Prime Minister has said, we are living in an era of geopolitical instability not seen for a generation. しかし首相が述べたように、我々はここ一世代で例を見ない地政学的不安定の時代に生きている。
The nature of the threat has changed and the nature of warfare has changed with it. 脅威の性質は変わり、それに伴い戦争のあり方も変わった。
Now, attacks on British systems are increasing in volume, in sophistication, and in ambition. 今や、英国のシステムに対する攻撃は、その数、巧妙さ、そして野心において増大している。
They come from criminal syndicates operating across borders. They come from ransomware gangs who treat children’s nurseries as targets of opportunity. 
 それらは国境を越えて活動する犯罪組織から発せられている。それらは、保育所を格好の標的とみなすランサムウェア集団から発せられている。

And yes, they come from hostile states. そして確かに、それらは敵対的な国家からも発せられている。
States who have concluded the most effective way to weaken country — they’ve worked out that the most effective way is not to confront us directly, but to quietly hollow us out. ある国々は、英国を弱体化させる最も効果的な方法は、直接対決することではなく、静かに中身を空洞化させることだと結論づけたのだ。
To hack the logistics systems that move our goods. 我々の商品を運ぶ物流システムをハッキングすること。
To compromise businesses that keep our high streets alive. 繁華街の活気を支える企業を乗っ取ること。
Think about the recent attack on Jaguar Land Rover and the damage it inflicted on their business. 最近のジャガー・ランドローバーへの攻撃と、それが同社の事業に与えた損害について考えてみてほしい。
If this damage had been caused by an old-school, physical attack it would have been the equivalent of hundreds of masked criminals turning up to dealerships across the country breaking glass, smashing up computers and driving cars right off the forecourt.  もしこの損害が、昔ながらの物理的な攻撃によって引き起こされたものだったとしたら、それは、何百人もの覆面をした犯罪者が全国のディーラーに押し寄せ、ガラスを割り、コンピュータを破壊し、展示場の車をそのまま持ち去るような事態に相当しただろう。
The truth is, there is no significant difference between these types of attacks — they are both brazen acts of criminality. 実のところ、こうした種類の攻撃の間に大きな違いはない――どちらも、あからさまな犯罪行為なのだ。
NCSC handled over 200 nationally significant incidents last year. NCSCは昨年、国家的に重大なインシデントを200件以上処理した。
More than double the year before.  前年比で2倍以上だ。
That number tells me the frontline isn’t coming — it’s here. この数字が示すのは、危機の最前線は「到来する」のではなく、「すでにここにある」ということだ。
So I want to make something very clear today: The cyber security of British business is a matter of national security. そこで今日、私はあることを明確にしておきたい。英国企業のサイバーセキュリティは、国家安全保障の問題である。
Now. I want to be direct about what this means in practice. さて、これが実際に何を意味するのか、率直に述べたい。
The government’s role is to set the standard. 政府の役割は、標準を設定することだ。
To share the intelligence. 情報を共有することだ。
To build the support and provide the guidance. 支援体制を構築し、指針を提供することだ。
What it cannot do —what no government can do — is substitute for the decisions that every organisation and business in this country needs to make. 政府にできないこと――どの政府にもできないこと――は、この国のあらゆる組織や企業が自ら下すべき決定に取って代わることだ。
Basic cyber hygiene is no longer optional, but the baseline — the absolute minimum we should expect of any serious organisation operating in the modern economy. 基本的なサイバー衛生管理はもはや「任意」ではなく、「基準」である。現代経済で活動するまともな組織に求められる、絶対的な最低ラインなのだ。
And if we are asking that of you — then we also have a responsibility to you. そして、我々が皆さんにそれを求める以上、我々にも皆さんに対する責任がある。
Which is why today I am announcing a new  だからこそ本日、私はサイバーレジリエンスを強化するための新たな
£90 million investment to strengthen our cyber resilience. 9,000万ポンドの投資を発表する。
We will provide practical, targeted support to help our small and medium-sized businesses  我々は中小企業を支援するため、実践的かつ的を絞った支援を提供する
And we will boost cyber resilience in priority areas. そして、優先分野におけるサイバーレジリエンスを強化する。
We will help organisations implement the Cyber Essentials standard and are also asking every major organisation to sign a new Cyber Resilience Pledge which we will launch this summer. 組織が「サイバー・エッセンシャルズ」標準を導入できるよう支援するとともに、今夏発足する新たな「サイバーレジリエンス誓約」に、すべての主要組織が署名するよう求めていく。
The Pledge invites organisations to make a public commitment, to their investors,  their customers, their supply chains, to make cyber security a Board responsibility to sign up to the NCSC’s Early Warning service to demand that your suppliers are Cyber Essentials certified. この誓約では、組織に対し、投資家、顧客、サプライチェーンに対して公約を表明するよう求めている。具体的には、サイバーセキュリティを取締役会の責任とすること、NCSCの早期警告サービスに登録すること、そしてサプライヤーに対し「サイバー・エッセンシャルズ」認証の取得を要求することだ。
And to encourage these actions within your own supply chains. さらに、自社のサプライチェーン内でもこれらの行動を促進することだ。
This will signal that cyber security is taken seriously at the highest level. これにより、サイバーセキュリティが最高レベルで真剣に受け止められていることが示される。
Companies that sign the Pledge will be listed online and highlighted as exemplars of good practice. この誓約に署名した企業はオンライン上で掲載され、優良事例として紹介される。
All this action will be detailed when we will publish the full National Cyber Action Plan this summer, setting out our vision and concrete actions for government to take alongside businesses. これらすべての取り組みの詳細は、今夏に公表する「国家サイバー行動計画」の全文において、政府と企業が共に取り組むべきビジョンと具体的な行動として示される。
The plan will demonstrate how we will tackle the growing threat, how we will strengthen our collective resilience, and how we will harness the opportunity for our world-leading cyber sector to secure the UK’s economic growth for years to come. この計画では、増大するサイバー脅威にどう対処するか、集団的なレジリエンスをどう強化するか、そして世界をリードする英国のサイバー産業の機会をどう活用して、今後長年にわたり英国の経済成長を確保していくかを示す。
The nature of the threat is changing faster than any previous government has had to confront. 脅威の性質は、過去のどの政府が直面したよりも速いペースで変化している。
AI is lowering the barrier to entry for our adversaries. AIは敵対者にとっての参入障壁を低くしている。
It is automating attacks. 攻撃を自動化しているのだ。
It is finding vulnerabilities in critical systems faster than any human team can patch them. AIは、人間のチームが修正できる速度よりも速く、重要システムの脆弱性を発見している。
We cannot fight a machine-speed threat with human-speed bureaucracy. 人間の速度で動く官僚機構では、機械の速度で迫る脅威に対抗することはできない。
Just this month, we saw the revelation of Anthropic’s new Claude ‘Mythos’ AI model. つい先月、Anthropic社の新しいAIモデル「Claude ‘Mythos’」が公開された。
In testing, it autonomously found thousands of zero-day vulnerabilities across major operating systems. テストにおいて、このモデルは主要なオペレーティングシステム全体で数千ものゼロデイ脆弱性を自律的に発見した。
It uncovered critical flaws that had gone unnoticed by human experts and automated tools for over two decades. それは、人間の専門家や自動化ツールが20年以上にわたり見落としていた重大な欠陥を暴いたのだ。
Neither industry nor government can close that gap on their own. 産業界も政府も、単独ではそのギャップを埋めることはできない。
Government has something industry cannot replicate — sovereign classified intelligence, the deepest picture of the threat landscape, built over decades. 政府には、産業界が再現できないものがある。それは、数十年にわたって構築された、脅威の全体像を最も深く捉えた国家機密情報だ。
And the people in this room have something that government cannot replicate: the speed of the market, commercial agility, and the engineering talent to build at scale. そして、この場にいる皆さんには、政府が再現できないものがある。それは、市場のスピード、商業的な機動力、そして大規模に構築するためのエンジニアリングの才能だ。
In short, we need to work together, and we’re wasting no time. 要するに、我々は協力する必要があり、時間を無駄にしてはならない。
Our world leading AI Security Institute tested Mythos and is working directly with a range of companies on Frontier AI.  世界をリードする我々のAIセキュリティ研究所はMythosを検証し、現在、数多くの企業と直接連携してFrontier AIに取り組んでいる。
In a joint public letter issued last week, the Secretary of State for Science, Innovation and Technology and I urged businesses to take specific actions to strengthen their cybersecurity. 先週発表された共同公開書簡において、科学・イノベーション・技術担当国務大臣と私は、企業に対し、サイバーセキュリティを強化するための具体的な措置を講じるよう強く求めた。
The Secretary of State is meeting with major UK firms and cyber defenders. 同大臣は現在、英国の主要企業やサイバー防衛の専門家らと会談を行っている。
And we’re making the UK one of the most attractive places in the world to work on AI.  そして我々は、英国をAI研究・開発を行う上で世界で最も魅力的な場所の一つにしようとしている。
Just last week Open AI announced it was choosing the UK for its first permanent home outside the US, joining DeepMind, Meta, Synthesia, Wayve.  つい先週、OpenAIは米国外初の恒久的な拠点を英国に置くことを発表し、DeepMind、Meta、Synthesia、Wayveに加わった。
Anthropic has also announced a major expansion of its own operations in the UK, scaling up to accommodate 800 employees. Anthropicもまた、英国での事業を大幅に拡大し、800人の従業員を収容できる規模に拡大すると発表した。
But we must go further. しかし、我々はさらに前進しなければならない。
The recent leap in frontier models means agentic AI has arrived. フロンティアモデルの最近の飛躍的な進歩は、エージェンティックAIの到来を意味する。
The frontier labs driving this innovation are pushing the boundaries of human capability.  このイノベーションを牽引するフロンティア研究所は、人間の能力の限界を押し広げている。
We are already seeing them bring new commercial defensive tools to the market to help mitigate these emerging risks.  こうしたリスクを緩和するため、彼らが新たな商用防御ツールを市場に投入し始めているのを、我々はすでに目の当たりにしている。
For the broader economy, these tools are highly valuable. 経済全体にとって、これらのツールは極めて価値が高い。
But let me be clear: protecting Critical National Infrastructure requires a fundamentally different approach. しかし、はっきりさせておきたい。重要国家インフラを保護するには、根本的に異なるアプローチが必要だ。
We will not secure the central pillars of the UK state simply by purchasing off-the-shelf vendor solutions. 既製のベンダーソリューションを購入するだけでは、英国国家の中核を成す基盤を安全に保つことはできない。
We need a new model of collaboration, and it is time to set a higher standard for responsible action. 我々に必要なのは新たな協力モデルであり、責任ある行動に対するより高い標準を定める時が来たのだ。
Today, I can give a commitment that the government will respond to this changing threat.  本日、私は政府がこの変化する脅威に対応することを確約する。
We will need to build national scale, AI powered cyber defence capabilities.  我々は、国家規模のAIを活用したサイバー防衛能力を構築する必要がある。
Capabilities that can protect our nation’s most critical networks by autonomously identifying and addressing vulnerabilities at a speed and scale no human can match. 人間の能力では到底及ばない速度と規模で、脆弱性を自律的に識別・対処し、わが国の最重要ネットワークを防御できる能力だ。
To achieve this, my message to the frontier AI companies is this: true responsibility goes beyond releasing enterprise software.  これを実現するため、最先端のAI企業への私のメッセージはこうだ。真の責任とは、単にエンタープライズ向けソフトウェアをリリースすることにとどまらない。
We want you to work with us directly.  我々は、皆さんが我々と直接協力することを望んでいる。
Partner with the UK Government to co-develop AI for national cyber defence.  英国政府と提携し、国家サイバー防衛のためのAIを共同開発してほしい。
And make no mistake — this is a generational endeavour, and it will test the absolute limits of our engineering and innovation.  そして誤解のないように言っておくが、これは世代を超えた取り組みであり、我々の工学とイノベーションの限界を極限まで試すことになる。
We are currently laying the groundwork for this national capability, and we will be setting out our formal agenda in due course. 我々は現在、この国家能力の基盤を築いており、適宜、正式な計画を発表する予定だ。
We know where we are going.  我々は進むべき道を知っている。
We are inviting the pioneers of this technology to step up, share the responsibility, and help us build it. この技術の先駆者たちに、一歩踏み出し、責任を分かち合い、その構築を支援するよう呼びかけている。
I want to leave you with this. 最後に、これだけは伝えたい。
Our resolve — genuine, collective, sustained resolve —changes the odds. 我々の決意――真摯で、集団的かつ持続的な決意――こそが、勝敗の行方を変えるのだ。
Whether you are a sole trader, a supplier to an NHS trust, or the CTO of a multinational — you are part of our national defence. 個人事業主であれ、NHSトラストのサプライヤーであれ、多国籍企業のCTOであれ――君たちは皆、我が国の防衛の一翼を担っている。
The actors will adapt. 脅威は進化するだろう。
The threats will evolve. 脅威は進化する。
But if we follow the example of Cullen, Lister and Gale and build preventative systems, take shared responsibility for our digital borders, and match their speed and ambition with our own. しかし、もし我々がカレン、リスター、ゲイルの例に倣い、予防的なシステムを構築し、デジタル国境に対する責任を分かち合い、彼らのスピードと野心に我々のそれを合わせることができれば。
We will ensure that this country remains one of the most prosperous and resilient nations in the world, honouring that “Clyde-built” spirit of innovation. 我々は、この国が世界で最も繁栄し、レジリエンスを持つ国家の一つであり続けることを確かなものとし、「クライド・ビルト」の革新の精神を称えることになるだろう。
Thank you. ありがとう。

 

1_20260329045201

| | Comments (0)

英国 NCSC ブログ 「脆弱性パッチの集中配信」に備える (2026.05.01) < まさにこれ!

こんにちは、丸山満彦です。

まさにこれです...

ソフトウェアベンダーでもない政府、企業が最先端のAIを使えないことを嘆くよりもやらなければならないことは、これから多く出てくるかもしれないゼロデイの脆弱性への対応をいかに適切に、効率よく対応していくかということかもしれませんね...

おそらく、マイクロソフト、Google、Appleを始めとするソフトウェアベンダー・アプリベンダーがAIをかつようすることにより、過去の多くの脆弱性を見つけることになるかもしれません。その中には、管理者権限を取られるように重大な影響のある脆弱性も含まれるかもしれません。ソフトウェアベンダー等はおそらく重要な脆弱性から対応をしてくるものと思います。

そのような状況において一般企業が優先的にしなければならないことは、各種ベンダーが提供するセキュリティパッチに対していかに適切にかつ効率的に対応していくかということだと思います。ベンダーが重要という脆弱性も自社では影響があまりないような使い方しかしていないかもしれません。ベンダーが重要性が低いと判断している脆弱性も、他の脆弱性との組み合わせによっては重大な影響が及ぶかもしれません。

また、一つのシステムについて複数のベンダーの脆弱性情報が微妙なタイミングで公表されるかもしれません。

このような変化が激しく、確固たる想定がつかない中で、組織にとって重大な影響があると判断した脆弱性については迅速に対応をしていく必要があります。

政府、重要インフラ企業はもちろん、一般の企業にとってもこのような事態への備えが重要なのかもしれませんね...

 

NCSC - blog

・2026.05.01 Preparing for a ‘vulnerability patch wave’

Preparing for a ‘vulnerability patch wave’ 「脆弱性パッチの波」への備え
Organisations must act now to prepare for a wave of patches that will address decades of technical debt. 組織は、数十年にわたる技術的負債に対処するパッチの波に備えるため、今すぐ行動を起こさなければならない。
Whether they are technology producers and vendors, or consumers and operators, all organisations have ‘technical debt’; a backlog of technical issues – that is both expensive and time-consuming –  as a result of prioritising short-term gains over building resilient products. 技術の生産者やベンダーであれ、消費者や運用者であれ、すべての組織には「技術的負債」が存在する。これは、レジリエンスのある製品を構築することよりも短期的な利益を優先した結果生じた、コストと時間を要する技術的課題の蓄積である。
Artificial Intelligence, when used by sufficiently-skilled and knowledgeable individuals, is showing the ability to exploit this technical debt at scale and at pace across the technology ecosystem. As a result, the NCSC expect there will be a ‘forced correction’ to address this technical debt across all types of software, including open source, commercial, proprietary and software as a service. 十分なスキルと知識を持つ個人が人工知能(AI)を活用することで、技術エコシステム全体において、この技術的負債を大規模かつ迅速に悪用する能力が示されている。その結果、NCSCは、オープンソースソフトウェア、商用、プロプライエタリ、SaaSを含むあらゆる種類のソフトウェアにおいて、この技術的負債に対処するための「強制的な是正」が行われると予想している。
This is why we are encouraging all organisations to prepare now for when a ‘patch wave’ arrives; a rush of software updates that will need to be applied across the technology stack to address the disclosure of new vulnerabilities. だからこそ、我々はすべての組織に対し、新たな脆弱性の公開に対処するために技術スタック全体に適用する必要があるソフトウェア更新の急増、すなわち「パッチの波」が到来した際に備えて、今から準備を進めるよう推奨している。
Prioritise external attack surfaces 外部への攻撃対象領域を優先する
All organisations must take steps to identify and minimise their internet-facing (and other externally-exposed) attack surfaces as soon as is possible.  As we’ve argued for some time, you should prioritise technologies on your perimeter and then work inwards covering cloud instances and on-premises environments. By doing this, organisations can reduce the risk that latent vulnerabilities pose when they become known and exploited by attackers. すべての組織は、インターネットに面した(およびその他の外部に露出している)攻撃対象領域を識別し、最小限に抑えるための措置を、可能な限り早急に講じなければならない。 我々が以前から主張しているように、まず境界領域の技術を優先し、その後、クラウドインスタンスやオンプレミス環境へと内側に向かって対応を進めるべきだ。これにより、潜在的な脆弱性が発覚し、攻撃者に悪用された際に生じるリスクを低減できる。
Where organisations cannot apply updates across their entire environment, they should prioritise applying updates to their external attack surfaces. Where capacity extends beyond the external attack surface, organisations should prioritise critical security systems. 組織が環境全体に更新を適用できない場合、外部攻撃対象領域への更新適用を優先すべきだ。リソースが外部攻撃対象領域を超えて余裕がある場合は、重要なセキュリティシステムを優先すべきだ。
It is also important for organisations to realise that patching alone will not always suffice; some technical debt may be present in ‘end of life’ or legacy technology that is out of support, and so can’t receive updates. In such instances, organisations will need to replace technologies, or bring them back within support, especially where it presents an external attack surface. また、パッチ適用だけでは必ずしも十分ではないことを組織が認識することも重要だ。「サポート終了」またはサポート対象外のレガシー技術には技術的負債が存在する場合があり、更新を受け取ることができない。そのような場合、特に外部攻撃対象領域となる場合は、組織は技術を置き換えるか、サポート対象内に戻す必要がある。
Prepare to patch quickly, more often, and at scale 迅速に、より頻繁に、かつ大規模にパッチを適用する準備を整える
Building on the principles contained within our Vulnerability Management guidance, organisations should make plans to deploy software security updates quickly, more frequently, and at scale, including across their supply chains. We are expecting an influx of updates to address vulnerabilities across all severities, and expect a number to be critical. 当社の「脆弱性管理ガイダンス」に含まれる原則に基づき、組織は、サプライチェーン全体を含め、ソフトウェアのセキュリティ更新プログラムを迅速に、より頻繁に、かつ大規模に展開する計画を立てるべきである。あらゆる深刻度の脆弱性に対処するための更新プログラムが大量に流入すると予想されており、その中には重大なものが多数含まれると見込まれる。
The NCSC recommend that: NCSCは以下を推奨する:
・where automatic secure ‘hot patching’ is available (that is, patching that doesn’t involve service disruption), this should be enabled as a priority ・安全な自動「ホットパッチング」(すなわち、サービスの中断を伴わないパッチ適用)が利用可能な場合は、これを優先的に有効化すべきである
・where automatic updates are available (including for embedded devices), this should be enabled to reduce the workload on support teams ・自動更新が利用可能な場合(組み込みデバイスを含む)、サポートチームの作業負荷を軽減するためにこれを有効化すべきである
where neither of the above are available, organisations will need to ensure that processes and risk appetites support frequent and scaled-updating, noting the operational trade-offs around disruption and safety critical systems.  A risk-prioritised approach such as the Stakeholder Specific Vulnerability Categorisation (SSVC) system can be used to prioritise installing the updates ・上記のいずれも利用できない場合、組織は、サービス中断や安全上重要なシステムに関する運用上のトレードオフに留意しつつ、頻繁かつ大規模な更新を可能にするプロセスとリスク許容度を確保する必要がある。ステークホルダー別脆弱性分類(SSVC)システムのようなリスク優先順位付けアプローチを用いて、更新の適用優先順位を決定することができる
However, should a critical vulnerability be under active exploitation (especially one affecting an internet-facing system), then it is essential to accelerate the update process. Organisations can refer to the NCSC’s new guidance on ‘Responding to active exploitation of vulnerabilities’ for more information. ただし、重大な脆弱性が実際に悪用されている場合(特にインターネットに接続されたシステムに影響を与えるもの)、更新プロセスを加速させることが不可欠だ。詳細については、NCSCの新しいガイダンス「脆弱性の悪用への対応」を参照すればよい。
To summarise, you should put in place a policy to ‘update by default’ where you always apply software updates as soon as possible, and ideally automatically. This should be at the core of your update management process, but we recognise that it may not apply in some circumstances (such as for safety-critical systems or operational technology). 要約すると、「デフォルトで更新する」というポリシーを策定し、常にソフトウェア更新を可能な限り速やかに、理想的には自動的に適用すべきだ。これは更新管理プロセスの中核となるべきだが、状況によっては適用できない場合もある(安全上重要なシステムやオペレーショナルテクノロジーなど)ことを認識している。
Beyond software updates ソフトウェア更新を超えて
Patching alone won’t address the systemic problems that my previous blogs have addressed. I’ve appealed to technology producers and vendors to ensure systemic technical security debt is minimised by including - where appropriate - memory safety and containment technologies such as CHERI and others. パッチ適用だけでは、私の以前のブログで取り上げたような体系的な問題には対処できない。私は技術開発者やベンダーに対し、CHERIなどのメモリ安全性やコンテインメント技術を適切に組み込むことで、体系的な技術的セキュリティ債務を最小限に抑えるよう訴えてきた。
Similarly, for consumers and operators, a focus on cyber security fundamentals to raise resilience and to reduce the impact of breaches should be a priority. This includes adopting and fully implementing Cyber Essentials, or the Cyber Assessment Framework for organisations operating essential services (such as energy, healthcare, transport, digital infrastructure and government). 同様に、消費者や運用者にとっても、サイバーセキュリティの基礎に注力し、レジリエンスを高め、侵害の影響を軽減することが優先事項であるべきだ。これには、Cyber Essentialsの採用と完全な実施、あるいは重要サービス(エネルギー、医療、交通、デジタルインフラ、政府など)を運営する組織向けのCyber Assessment Frameworkの採用が含まれる。
For organisations facing elevated threats, the NCSC have also recently produced guidance on: 脅威の高まりに直面している組織向けに、NCSCは最近、以下の事項に関するガイダンスも作成した:
・Privileged access workstations (PAWs) 特権アクセスワークステーション(PAW)
・Cross-domain approach and architecture クロスドメインアプローチとアーキテクチャ
・Cyber resilience through observability and threat hunting 可観測性と脅威ハンティングによるサイバーレジリエンス
Prepare for the patch wave now 今すぐパッチの波に備える
In conclusion, the NCSC advise all organisations, irrespective of size, to plan and prepare for the vulnerability patch wave. A good place to start is by reading the NCSC’s updated Vulnerability Management guidance. For larger organisations, we also recommend working to gain assurance from your supply chains both commercial and open source, so that they are prepared to navigate any required response. 結論として、NCSCは規模を問わずすべての組織に対し、脆弱性パッチの波に備えて計画を立て、準備を行うよう助言している。まず手始めとして、NCSCが更新した「脆弱性管理ガイダンス」を読むことを推奨する。大規模な組織については、商用およびオープンソースの両方のサプライチェーンから保証を得て、必要な対応を円滑に進められるよう準備しておくことも推奨する。
Ollie Whitehouse オリー・ホワイトハウス
CTO, NCSC NCSC CTO

 

1_20260504210601

 

 

NCSCがまず読めと言っているガイダンス...

Vulnerability management

Guidance 指針
1. Put in place a policy to update by default 1. デフォルトで更新を行う方針を策定する
2. Responding to active exploitation of vulnerabilities 2. 脆弱性の悪用への対応
3. Identify your assets 3. 資産の識別
4. Carry out assessments by triaging and prioritising 4. トリアージと優先順位付けによるアセスメントの実施
5. The organisation must own the risks of not updating 5. 組織は、更新を行わないことによるリスクを自ら負わなければならない
6. Verify and regularly review your vulnerability management process 6. 脆弱性管理プロセスの検証と定期的な見直し
Understanding vulnerabilities 脆弱性の理解
Scanning services スキャンサービス
Vulnerability reporting & disclosure 脆弱性の報告と開示
Resources リソース

 

 

 

| | Comments (0)

米国 CISA CISAおよび連邦政府機関、OT分野におけるゼロトラスト導入を加速するためのガイドを発表 (2026.04.29)

こんにちは、丸山満彦です。

CISA等が、OT分野におけるゼロトラスト導入を加速するためのガイドを公表しています...日本では、経産省の工場システムにおけるサイバー・フィジカル・セキュリティ対策ガイドラインがありますが、米国のガイドライン等も参照すれば良いかもですね...


● CISA

・2026.04.29 CISA and U.S. Government Partners Unveil Guide to Accelerate Zero Trust Adoption in Operational Technology 

CISA and U.S. Government Partners Unveil Guide to Accelerate Zero Trust Adoption in Operational Technology CISAおよび米国政府のパートナー機関、OT分野におけるゼロトラスト導入を加速するためのガイドを発表
Guidance for OT Organizations: Comprehensive Asset Visibility, Secure Supply Chains, Robust Identity and Access Controls OT組織向けガイダンス:包括的な資産可視化、安全なサプライチェーン、強固なIDおよびアクセス管理
WASHINGTON – The Cybersecurity and Infrastructure Security Agency (CISA), along with the Department of War (DoW), Department of Energy (DOE), Federal Bureau of Investigation (FBI) and Department of State (DOS) today published a joint guide to assist organizations with operational technology (OT) systems - including government systems – with applying Zero Trust principles. The guide, Adapting Zero Trust Principles to Operational Technology, provides OT owners and operators and Zero Trust practitioners with practical insights on overcoming unique constraints, addressing potential challenges, and prioritizing key areas for integrating Zero Trust into OT environments
ワシントン発 – サイバーセキュリティ・インフラセキュリティ庁(CISA)は本日、国防総省(DoW)、エネルギー省(DOE)、連邦捜査局(FBI)、国務省(DOS)と共同で、政府システムを含むオペレーショナルテクノロジー(OT)システムを運用する組織がゼロトラストの原則を適用できるよう支援するためのガイドを公表した。このガイド『運用技術へのゼロトラスト原則の適応』は、OTの所有者・運用者およびゼロトラストの実践者に対し、特有の制約を克服し、潜在的な課題に対処し、OT環境へのゼロトラスト統合に向けた重点分野を優先するための実践的な知見を提供する。
New attack vectors, expanded attack surface and magnified cybersecurity risks are more prevalent because OT systems are becoming increasingly interconnected, digitally monitored, and remotely operated. Improperly secured pathways create opportunities or threat actors to gain access to information technology (IT) and OT networks. Adapting and applying Zero Trust principles to fit the operational realities of the OT environment can help owners and operators close cyber risk gaps, however, it must be done carefully without disrupting their own systems in the process. Zero Trust strategies can prevent adversaries from compromising, manipulating, degrading, and disrupting the critical physical processes these systems control. OTシステムがますます相互接続され、デジタル監視され、遠隔操作されるようになるにつれ、新たな攻撃ベクトル、拡大する攻撃対象領域、増大するサイバーセキュリティリスクがより顕著になっている。セキュリティ対策が不十分な経路は、脅威アクターが情報技術(IT)およびOTネットワークにアクセスする機会を生み出す。OT環境の運用実態に合わせてゼロトラストの原則を適応・適用することは、所有者や運用者がサイバーリスクのギャップを埋めるのに役立つが、その過程で自社のシステムに支障をきたさないよう慎重に行う必要がある。ゼロトラスト戦略は、これらのシステムが制御する重要な物理的プロセスを、敵対者が侵害、操作、機能低下、または混乱させることを防ぐことができる。
“CISA has observed threat actors like Volt Typhoon targeting OT systems to compromise, escalate, and maintain access within operational environments. Zero Trust architecture is critical to preventing cyber incidents that could cause operators to lose visibility or control of essential systems,” said CISA Acting Executive Assistant Director for Cybersecurity Chris Butera. “This guide equips organizations to methodically navigate the complexities of adopting Zero Trust principles in OT environments. Together with our partners, CISA urges OT owners, operators, and integrators to use this resource to make informed decisions that reduce exposure and strengthen resilience—without jeopardizing mission-critical operations.” 「CISAは、Volt Typhoonのような脅威アクターがOTシステムを標的とし、運用環境内でアクセスを侵害、権限昇格、維持しようとしているのを確認している。ゼロトラストアーキテクチャは、運用者が重要システムの可視性や制御を失う可能性のあるサイバーインシデントを防ぐために不可欠だ」と、CISAのサイバーセキュリティ担当代理執行副局長クリス・ブテラは述べた。「本ガイドは、組織がOT環境においてゼロトラストの原則を導入する際の複雑さを体系的に乗り越えるための指針となる。CISAはパートナーと連携し、OTの所有者、運用者、インテグレーターに対し、ミッションクリティカルな運用を危険にさらすことなく、エクスポージャーを低減しレジリエンスを強化するための情報に基づいた意思決定を行うために、このリソースを活用するよう強く推奨する」
"The Department of War is driving Zero Trust for operational technology at an accelerated pace," said Honorable Kirsten A. Davies, DoW Chief Information Officer. "In lockstep with our federal and industry partners, we are fortifying the infrastructure and interconnected weapon systems our Warfighters demand to fight and win. This is how we deliver peace through technical strength." 「国防総省は、運用技術におけるゼロトラストの導入を加速させている」と、国防総省最高情報責任者(CIO)のカーステン・A・デイヴィス氏は述べた。「連邦政府や産業界のパートナーと緊密に連携し、我々の戦闘員が戦い、勝利するために必要とするインフラと相互接続された兵器システムを強化している。これこそが、技術力によって平和をもたらす方法である。」
"Operational technology underpins the systems Americans rely on every day, and adversaries know it,” said FBI Cyber Division Assistant Director Brett Leatherman. "Nation-state actors are pre-positioning on these networks because OT controls critical physical processes, and because these environments often lack the visibility to detect them early. This guide moves owners and operators from reactive to proactive. Resilience in OT isn't achieved through any single control; it requires layered defenses that raise the cost for adversaries at every stage. Alongside our partners, we're putting practical steps in the hands of the people who need them most." 「運用技術(OT)は、アメリカ国民が日々頼りにしているシステムの基盤であり、敵対勢力はそれを承知している」と、FBIサイバーディビジョンのブレット・レザーマン副部長は述べた。「国家主体の攻撃者は、OTが重要な物理的プロセスを制御していること、またこれらの環境では早期に検知するための可視性が欠如していることが多いことから、こうしたネットワークに事前に潜伏している。本ガイドは、所有者や運用者を事後対応型から事前対応型へと移行させるものである。OTにおけるレジリエンスは、単一の対策では達成できない。あらゆる段階で敵対者のコストを高める多層的な防御が必要だ。我々はパートナーと共に、それを最も必要とする人々の手に実用的な対策を届けている。」
“Operational technology sits at the intersection of cybersecurity and physical consequence. That reality demands dedicated attention. In line with this joint guide, the State Department prioritizes sustained collaboration to establish shared discipline and systematically address concerns raised by OT engineers, network architects, and cybersecurity professionals,” said U.S. Department of State’s Diplomatic Security Service, Deputy Assistant Secretary for Cyber and Technology Security Gharun S. Lacy. “These integrated efforts combine multiple skillsets and put personnel onsite to safeguard critical infrastructure across U.S. missions worldwide.” 「運用技術は、サイバーセキュリティと物理的影響の交差点に位置する。その現実には、特別な注意が求められる。この共同ガイドに沿い、国務省は、共通の規律を確立し、OTエンジニア、ネットワークアーキテクト、サイバーセキュリティ専門家が提起する懸念に体系的に対処するため、持続的な協力を優先している」と、米国国務省外交保安局のサイバー・技術セキュリティ担当次官補代理、ガラン・S・レイシーは述べた。「これらの統合的な取り組みは、複数のスキルセットを組み合わせ、世界中の米国在外公館における重要インフラを保護するために現場に要員を配置するものである。」
This guide helps organizations overcome the unique challenges such as technology gaps from legacy infrastructure, operational constraints, and the safety requirements that come from the critical link between cybersecurity and physical processes. Key focus areas in this guide include establishing zones and conduits, proactively addressing supply chain risks, and implementing robust identity and access management.  本ガイドは、レガシーインフラによる技術的ギャップ、運用上の制約、そしてサイバーセキュリティと物理的プロセスとの重要な関連性から生じる安全要件といった、特有の課題を組織が克服するのを支援する。本ガイドの主な重点分野には、ゾーンと経路の確立、サプライチェーンリスクへの積極的な対応、そして堅牢なIDおよびアクセス管理の実施が含まれる。
CISA offers a variety of resources—including guidance, services, tools, and training—applicable to zero trust and OT stakeholders and organizations at all levels of cybersecurity maturity. For more information, please visit Industrial Control Systems or Zero Trust on CISA.gov. CISAは、ゼロトラストおよびOTのステークホルダーや、あらゆるレベルのサイバーセキュリティ成熟度にある組織に適用可能な、ガイダンス、サービス、ツール、トレーニングを含む多様なリソースを提供している。詳細については、CISA.govの「産業用制御システム」または「ゼロトラスト」のページを参照のこと。

 

・2026.04.29 Adapting Zero Trust Principles to Operational Technology

Adapting Zero Trust Principles to Operational Technology  運用技術へのゼロトラスト原則の適用
CISA, in coordination with the Department of War, Department of Energy, Federal Bureau of Investigation, and Department of State, released Adapting Zero Trust Principles to Operational Technology, joint guidance for organizations applying zero trust (ZT) principles to operational technology (OT). Zero trust is a modern, adaptive approach to cybersecurity that eliminates implicit trust and requires continuously validating access based on identity, context, and risk. CISAは、国防総省、エネルギー省、連邦捜査局(FBI)、国務省と連携し、運用技術(OT)にゼロトラスト(ZT)原則を適用する組織向けの共同ガイダンス『運用技術へのゼロトラスト原則の適用』を発表した。ゼロトラストとは、暗黙の信頼を排除し、ID、コンテキスト、リスクに基づいてアクセスの妥当性確認を継続的に行うことを求める、サイバーセキュリティに対する現代的で適応性の高いアプローチである。
With advancements in technology, OT systems that were traditionally isolated or manually operated are now increasingly interconnected, digitally monitored, and remotely controlled. This IT-OT convergence introduces new cybersecurity risks that make perimeter-based defenses and implicit trust models inadequate for safeguarding OT systems and the critical physical processes they control. 技術の進歩に伴い、従来は隔離されていたり手動で操作されていたOTシステムは、現在では相互接続され、デジタルで監視され、遠隔操作されることが増えている。このITとOTの融合は新たなサイバーセキュリティリスクをもたらし、境界ベースの防御や暗黙の信頼モデルでは、OTシステムおよびそれらが制御する重要な物理的プロセスを保護するには不十分となっている。
This guidance supports OT owners and operators in addressing the unique challenges of transitioning to a ZT architecture, considering technology gaps from legacy infrastructure, operational constraints, and safety requirements. It focuses on establishing comprehensive asset visibility, proactively addressing supply chain risks, and implementing robust identity and access management while stressing the importance of layered security measures—including network segmentation, secure communication protocols, and vulnerability management. 本ガイダンスは、レガシーインフラからの技術的ギャップ、運用上の制約、安全要件を考慮しつつ、ZTアーキテクチャへの移行に伴う特有の課題に対処するOTの所有者および運用者を支援するものである。ネットワークのセグメンテーション、安全な通信プロトコル、脆弱性管理を含む多層的なセキュリティ対策の重要性を強調しつつ、包括的な資産可視性の確立、サプライチェーンリスクマネジメント、堅牢なIDおよびアクセス管理の実施に焦点を当てている。
To learn more about ZT principles, visit Zero Trust   ZTの原則について詳しくは、Zero Trust 

 

・[PDF]

20260504-184335

 

・[DOCX][PDF] 仮訳

 

目次...

Executive Summary エグゼクティブサマリー
Introduction 序論
Audience and Scope 対象読者および適用範囲
Evolving Threat Landscape and the Need for Zero Trust 進化する脅威の状況とゼロトラストの必要性
Unique Constraints for Zero Trust in OT OTにおけるゼロトラストの固有の制約
Govern ガバナンス
Governance Structures ガバナンス構造
Overcoming Zero Trust for OT Constraints Through Procurement 調達を通じたOTにおけるゼロトラストの制約の克服
Supply Chain and Third-Party Risk Management サプライチェーンおよびサードパーティリスク管理
Identify 識別
Comprehensive Asset Inventory and Asset Discovery 包括的な資産インベントリおよび資産発見
Configuration and Change Management 構成および変更管理
Risk Management, Threat Modeling, and Cyber-Physical Consequences リスクマネジメント、脅威モデリング、およびサイバーフィジカルな影響
Risk Assessment Methodology: A Practical Approach リスクアセスメントの手法:実践的なアプローチ
Threat Modeling for OT: Mapping the Attack Surface OT向け脅威モデリング:攻撃対象領域のマッピング
Cyber-Physical Consequences: Real-World Impact サイバー・フィジカルな影響:現実世界への影響
Integrating Risk Assessments With Zero Trust Principles: A Proactive Approach リスクアセスメントとゼロトラスト原則の統合:予防的アプローチ
Prioritization and Mitigation: Focused Security Efforts 優先順位付けと緩和策:焦点を絞ったセキュリティ対策
Protect 防御
Network and Microsegmentation ネットワークおよびマイクロセグメンテーション
IT Segmentation Vs. OT Segmentation ITセグメンテーションとOTセグメンテーションの比較
Implementing OT Segmentation OTセグメンテーションの実施
Microsegmentation for Enhanced Security セキュリティ強化のためのマイクロセグメンテーション
Identity, Credential, and Access Management for OT OT向けID、認証情報、およびアクセス管理
Secure Remote Access: Jump Hosts and Privileged Access  In OT セキュアなリモートアクセス:OTにおけるジャンプホストと特権アクセス
Jump Hosts (Bastion Hosts) ジャンプホスト(バスティオンホスト)
Privileged Access Management 特権アクセス管理
Agent-Based vs. Agentless エージェント型とエージェントレス型
Secure Communication, Data Integrity, and Encryption セキュアなコミュニケーション、データの完全性、および暗号化
Vulnerability and Patch Management in OT Environments OT環境における脆弱性およびパッチ管理
Detect 検知
Continuous Monitoring Across IT and OT Boundaries ITとOTの境界を越えた継続的監視
Baseline-based Detection ベースラインベースの検知
Specification-based Detection 仕様ベースの検知
Endpoint Detection and Response Considerations for Embedded Systems 組み込みシステムにおけるエンドポイント検知および対応(EDR)の考慮事項
Respond 対応
Incident Response Planning for OT-Specific Scenarios OT固有のシナリオに対するインシデント対応計画
Threat Containment Strategies 脅威封じ込め戦略
Coordinate Incident Response for Critical Infrastructure 重要インフラにおけるインシデント対応の調整
Recover 復旧
Data, Configuration, and System State Backups データ、構成、およびシステム状態のバックアップ
System Restoration and Integrity Validation システムの復旧と妥当性確認
Business Continuity and Cyber Resilience in Industrial Systems 産業システムにおける事業継続とサイバーレジリエンシー
Summary 要約
Feedback フィードバック
Resources リソース
Disclaimer 免責事項
Acknowledgements 謝辞
Version History 改訂履歴
Appendix: Acronyms 附属書:略語
References 参考文献

 

エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー 
Authoring Agencies: The Zero Trust Operational Technologies Security Working Group developed this document. The Working Group is a joint initiative led by the Cybersecurity and Infrastructure Security Agency (CISA), Department of War (DoW), and Department of Energy (DOE)—with the aim of supporting organizations in applying zero trust (ZT) principles to operational technology (OT). The Zero Trust Operational Technologies Security Working Group gratefully acknowledges the contributions of the following participating agencies: Department of State (DOS), Federal Bureau of Investigation (FBI), and the National Institute of Standards and Technology (NIST).  作成機関:本文書は、ゼロトラスト・オペレーショナル・テクノロジー・セキュリティ・ワーキンググループによって作成された。同ワーキンググループは、サイバーセキュリティ・インフラセキュリティ庁(CISA)、戦争省(DoW)、およびエネルギー省(DOE)が主導する共同イニシアチブであり、組織がオペレーショナル・テクノロジー(OT)にゼロトラスト(ZT)の原則を適用することを支援することを目的としている。 ゼロトラスト運用技術セキュリティ作業部会は、以下の参加機関からの貢献に深く感謝する:国務省(DOS)、連邦捜査局(FBI)、および国立標準技術研究所(NIST)。 
Purpose of Document: This paper provides considerations for applying ZT principles to OT systems and environments to system owners, operators, and security personnel. It addresses the unique challenges of transitioning to a ZT architecture within OT, considering technology gaps from legacy infrastructure, operational constraints, and the safety requirements that come from the critical link between cybersecurity and physical processes.  文書の目的:本稿は、システム所有者、運用者、およびセキュリティ担当者に、OTシステムおよび環境へのZT原則の適用に関する考慮事項を提供するものである。本稿では、レガシーインフラからの技術的ギャップ、運用上の制約、およびサイバーセキュリティと物理的プロセスとの間の重要な関連性から生じる安全要件を考慮し、OT内でのZTアーキテクチャへの移行に伴う特有の課題に対処する。 
Intended Audience: ZT practitioners and OT owners and operators who are responsible for implementing ZT in OT but may have limited understanding of OT environments and their unique constraints. While this document has specific references for applying ZT to federal OT systems, any organization with OT systems can apply the information provided.  対象読者:OT環境におけるZTの実装を担当するものの、OT環境やその特有の制約について理解が限られている可能性のある、ZTの実務者およびOTの所有者・運用者である。本資料には連邦政府のOTシステムへのZT適用に関する具体的な言及が含まれているが、OTシステムを有するあらゆる組織が、ここで提供される情報を適用できる。 
Summary of Important Topics: Key focus areas include establishing comprehensive asset visibility, proactively addressing supply chain risks, and implementing robust identity and access management. The document emphasizes layered security controls—encompassing network segmentation, secure communication protocols and vulnerability management—alongside a fundamental shift in security philosophy that assumes a breach occurred and prioritizes uninterrupted operations, safety, and reliability. The document aligns with the National Institute of Standards and Technology (NIST) Cyber Security Framework (CSF) 2.0 functions of Govern, Identify, Protect, Detect, Respond, and Recover.  重要なトピックの概要:主な重点分野には、包括的な資産可視性の確立、サプライチェーンリスクへの積極的な対応、および堅牢なIDおよびアクセス管理の導入が含まれる。本資料では、ネットワークのセグメンテーション、セキュアな通信プロトコル、脆弱性管理を網羅する多層的なセキュリティ制御に加え、侵害が発生したと仮定し、業務の継続性、安全性、信頼性を優先するというセキュリティ哲学の根本的な転換を強調している。 本資料は、米国国立標準技術研究所(NIST)のサイバーセキュリティフレームワーク(CSF)2.0における「ガバナンス」「識別」「防御」「検知」「対応」「復旧」の各機能と整合している。 
Summary of Document’s Conclusion: Successful implementation requires a holistic approach, adaptation of ZT principles to the specific characteristics of each OT environment, and strong collaboration between IT, OT, and cybersecurity teams. By applying ZT to OT, organizations can significantly enhance the security and resilience of their OT environments, from industrial control systems to facility automation, helping ensure a more secure and reliable future for both critical infrastructure and mission operations.  文書の結論の要約:実装を成功させるには、包括的なアプローチ、各OT環境の特性に合わせたZT原則の適応、およびIT、OT、サイバーセキュリティチーム間の強力な連携が必要である。OTにZTを適用することで、組織は産業用制御システムから施設自動化に至るまで、OT環境のセキュリティとレジリエンスを大幅に向上させることができ、重要インフラとミッションオペレーションの両方にとって、より安全で信頼性の高い未来を確保するのに役立つ。 

 

 

Industrial Control Systems

Industrial Control Systems  産業用制御システム
Practical tools, guidance, and up-to-date information to support asset owners and cyber defenders 資産所有者やサイバー防衛担当者を支援するための実用的なツール、ガイダンス、最新情報

CISA collaborates with the OT community to address immediate operational cyber events and long-term risk affecting ICS.

CISAはOTコミュニティと連携し、ICSに影響を及ぼす差し迫った運用上のサイバーインシデントや長期的なリスクに対処している。
ICS Cybersecurity Challenges ICSサイバーセキュリティの課題
Many ICS environments operate with existing “legacy” technologies and proprietary protocols due to their original design priorities, which focused on operability and reliability rather than cybersecurity. Historically, ICS environments functioned in isolated networks with limited external connectivity, reducing the perceived need for robust security measures. These systems relied heavily on vendor-specific hardware, software, and communication technologies, making them less adaptable to modern security practices. As a result, many legacy ICS devices continue to use outdated operating systems as well as older protocols that lack encryption or authentication mechanisms, leaving them vulnerable to cyber threats. 多くのICS環境は、当初の設計優先事項がサイバーセキュリティよりも運用性と信頼性に重点を置いていたため、既存の「レガシー」技術や独自プロトコルで運用されている。歴史的に、ICS環境は外部接続が限定された孤立したネットワーク内で機能しており、堅牢なセキュリティ対策の必要性は低いと認識されていた。これらのシステムはベンダー固有のハードウェア、ソフトウェア、通信技術に大きく依存していたため、現代のセキュリティ慣行への適応性が低かった。その結果、多くのレガシーICSデバイスは、暗号化や認証メカニズムを欠く古いプロトコルや時代遅れのオペレーティングシステムを使い続けており、サイバー脅威に対して脆弱なままである。
ICS and Brownfield Challenges ICSとブラウンフィールドの課題
A cybersecurity challenge unique to ICS is brownfield deployments, which refer to the integration of new technologies or systems into existing “legacy” infrastructure. Specifically, these deployments layer legacy infrastructure with modern OT systems, such as building management systems, energy management systems, internet-of-things (IoT) devices, automation, and robotics. These modern systems commonly use protocols that support higher bandwidth, ultra-low latency, and connectivity for large fleets of devices.  ICSに特有のサイバーセキュリティ上の課題として、ブラウンフィールド展開が挙げられる。これは、既存の「レガシー」インフラに新しい技術やシステムを統合することを指す。具体的には、ビル管理システム、エネルギー管理システム、モノのインターネット(IoT)デバイス、自動化、ロボット工学などの現代的なOTシステムを、レガシーインフラに重ねて導入するものである。これらの現代的なシステムは、一般的に、より高い帯域幅、超低遅延、および多数のデバイス群への接続性をサポートするプロトコルを使用している。
ICS stakeholders—including owners, operators, cyber defenders, and vendors—must carefully consider the nuances of these layered OT systems, networks, and environments when implementing mitigations and compensating controls that address security risks and vulnerabilities. 所有者、運用者、サイバー防衛担当者、ベンダーを含むICSのステークホルダーは、セキュリティリスクや脆弱性に対処するための緩和策や代償的制御策を実施する際、こうした多層化されたOTシステム、ネットワーク、環境の微妙な違いを慎重に考慮しなければならない。
CISA Resources for ICS Cybersecurity ICSサイバーセキュリティに関するCISAのリソース
CISA offers a variety of resources—including guidance, services, tools, and training—applicable to ICS stakeholders and organizations at all levels of cybersecurity maturity. These resources include general cybersecurity and safety guidance, as well as deployable tools and shared services directly provided by CISA. The tabs at the top of this page provide information about resources that stakeholders can immediately put into practice or reference.   CISAは、サイバーセキュリティの成熟度がどのレベルにあるICSのステークホルダーや組織にも適用可能な、ガイダンス、サービス、ツール、トレーニングなど、多様なリソースを提供している。これらのリソースには、一般的なサイバーセキュリティおよび安全に関するガイダンスに加え、CISAが直接提供する展開可能なツールや共有サービスが含まれる。このページ上部のタブには、関係者が直ちに実践したり参照したりできるリソースに関する情報が掲載されている。
The broader OT community can use these resources to raise awareness around security risks and threats to OT and ICS systems. CISA continues to collaborate with owners and operators of critical infrastructure, industry, manufacturers, information sharing and analysis centers (ISACs), and the interagency to protect vital systems and defend against our adversaries. より広範なOTコミュニティは、これらのリソースを活用して、OTおよびICSシステムに対するセキュリティリスクや脅威に関する認識を高めることができる。CISAは、重要インフラの所有者や運営者、産業界、製造事業者、情報共有・分析センター(ISAC)、および省庁間連携と引き続き協力し、重要なシステムを保護し、敵対者から防御している。
The following section provides ICS-related resources. Visit [web] for the full catalogue of CISA services, tools, and products. 以下のセクションでは、ICS関連のリソースを紹介する。CISAのサービス、ツール、製品の完全なカタログについては、[web] を参照のこと。

 

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.01.29 米国 NIST SP 800-82「運用技術(OT)セキュリティガイド」の改訂プロセスを開始 (2026.01.22)

・2025.10.03 米国 NIST SP 1334 OT環境における可搬保管媒体のサイバーセキュリティリスク低減 (2025.09.30)

・2025.07.24 米国 NIST SP 1334( 初期公開ドラフト) OT 環境における可搬保管媒体のサイバーセキュリティリスクの軽減 (2025.07.15)

・2023.10.01 NIST SP 800-82 第3版 OTセキュリティガイド

・2022.04.28 NIST SP 800-82 第3版 OTセキュリティガイド(ドラフト)

・2021.08.02 米国 連邦政府 重要インフラ制御システムのサイバーセキュリティの向上に関する国家安全保障に関する覚書

 

 

| | Comments (0)

2026.05.04

米国 CISA 連邦機関にCisco Firewall 系機器に関する既知脆弱性と、それを悪用して「パッチ後も残存する」攻撃(FIRESTARTER 等)への即時対応を連邦機関に義務付けています...(2026.04.23)

こんにちは、丸山満彦です。

背景から...

CISA と英国 NCSC が共同で分析し、FIRESTARTERと名付けられたマルウェアによる APT が Ciscoの Cisco Firepower / Secure Firewallを狙い、永続化のためにファームウェアやプロセスに寄生するバックドアを使用していると評価しています...

この侵害は、 CVE‑2025‑20333CVE‑2025‑20362 の悪用によるものであると考えられるが、すでに侵入されてしまっている場合、パッチ適用だけでは既存の侵入を除去できない事例が観測ており、緊急の対応が必要と判断したようです。

そこで、Emergency Directive 25‑03(ED 25‑03)を改定し、あらたに、V1: ED 25-03を公表するに至ったようです。

パッチ適用だけでは侵害されている状態を解決できないため、具体的には各機関に対して次の3つの新たな指示を追加しています。

指示3の概要:運用中の該当デバイスを特定し、メモリ/コアダンプを取得してCISAへ提出すること(4月24日まで)。提出したコアダンプはCISA側でハント/解析される。検出結果が「Compromise Detected」の場合は即時隔離(ネットワーク切断)・追加フォレンジック・CISAへの報告

指示4の概要:該当機種の全数インベントリとコアダンプ提出に加え、検出が陰性でもベンダーの最小修正版への更新(パッチ適用)と物理的なハードリセット(電源断等)を実施することを義務付ける

JPCERT/CCは2026.04.27に注意喚起をだしていますが、日本のNCOは対応しているのかしら...

 

● CISA

・2026.04.23 V1: ED 25-03: Identify and Mitigate Potential Compromise of Cisco Devices

V1: ED 25-03: Identify and Mitigate Potential Compromise of Cisco Devices V1: ED 25-03: Cisco デバイスの潜在的な侵害の識別と緩和
This page contains a web-friendly version of the Cybersecurity and Infrastructure Security Agency’s V1: Emergency Directive 25-03: Identify and Mitigate Potential Compromise of Cisco Devices. このページには、サイバーセキュリティ・インフラセキュリティ庁(CISA)の「V1: 緊急指令 25-03: シスコ製デバイスの潜在的な侵害の識別と緩和」のウェブ閲覧用バージョンが掲載されている。
Section 3553(h) of title 44, U.S. Code, authorizes the Secretary of Homeland Security, in response to a known or reasonably suspected information security threat, vulnerability, or incident that represents a substantial threat to the information security of an agency, to “issue an emergency directive to the head of an agency to take any lawful action with respect to the operation of the information system, including such systems used or operated by another entity on behalf of an agency, that collects, processes, stores, transmits, disseminates, or otherwise maintains agency information, for the purpose of protecting the information system from, or mitigating, an information security threat.” 44 U.S.C. § 3553(h)(1)–(2). Section 2205(3) of the Homeland Security Act of 2002, as amended, delegates this authority to the Director of the Cybersecurity and Infrastructure Security Agency. 6 U.S.C. § 655(3). Federal agencies are required to comply with these directives. 44 U.S.C. § 3554 (a)(1)(B)(v). These directives do not apply to statutorily defined “national security systems” nor to systems operated by the Department of War or the Intelligence Community. 44 U.S.C. § 3553(d), (e)(2), (e)(3), (h)(1)(B). 合衆国法典第44編第3553条(h)は、既知または合理的に疑われる情報セキュリティ上の脅威、 脆弱性、または政府機関の情報セキュリティに重大な脅威をもたらすインシデントに対し、「政府機関の情報を収集、処理、保存、送信、配布、またはその他の方法で管理する情報システム(当該機関に代わって他の事業体が使用または運用するシステムを含む)の運用に関して、当該情報システムを情報セキュリティ上の脅威から防御し、またはその脅威を緩和する目的で、あらゆる合法的な措置を講じるよう、政府機関の長に対して緊急指令を発出する」権限を付与している。44 U.S.C. § 3553(h)(1)–(2)。改正後の2002年国土安全保障法第2205条(3)は、この権限をサイバーセキュリティ・インフラセキュリティ庁長官に委任している。6 U.S.C. § 655(3)。連邦機関は、これらの指令を遵守しなければならない。44 U.S.C. § 3554 (a)(1)(B)(v)。これらの指令は、法令で定義された「国家安全保障システム」や、国防総省またはインテリジェンス・コミュニティが運用するシステムには適用されない。44 U.S.C. § 3553(d)、(e)(2)、(e)(3)、(h)(1)(B)。
See Emergency Directive 25-03 for the Original Directive issued on September 25, 2025. 2025年9月25日に発出された当初の指令については、緊急指令25-03を参照のこと。
Background 背景
CISA is issuing V1 to supersede the required actions in Emergency Directive (ED) 25-03: Identify and Mitigate Potential Compromise of Cisco Devices. V1 provides updated and new required actions, an additional reporting requirement, and applies to any agency running affected products. V1 expands on the original ED 25-03 requirements with required actions three, four, and six. CISAは、緊急指令(ED)25-03「Ciscoデバイスの潜在的な侵害の識別と緩和」における必須措置に代わるものとして、V1を発行する。V1は、更新されたおよび新たな必須措置、追加の報告要件を規定しており、影響を受ける製品を運用するあらゆる機関に適用される。V1は、必須措置3、4、および6を追加することで、元のED 25-03の要件を拡充するものである。
The revision to ED 25-03 is in response to updated cyber threat intelligence concerning threat actors retaining persistence and continued unauthorized access to Cisco Firepower and Secure Firewall products with Adaptive Security Appliance (ASA) or Firepower Threat Defense (FTD) software. CISA analysis determines that applying the Cisco-provided security updates required by the original issuance of ED 25-03 does not necessarily remove an existing threat actor from the compromised device. Agencies who have completed the security update requirements are still susceptible to persistence and therefore must complete the updated required actions within this V1 ED. ED 25-03の改訂は、Adaptive Security Appliance(ASA)またはFirepower Threat Defense(FTD)ソフトウェアを搭載したCisco FirepowerおよびSecure Firewall製品に対し、脅威アクターが持続性を維持し、不正アクセスを継続しているという最新のサイバー脅威インテリジェンスに対応するものである。CISAの分析によれば、ED 25-03の当初の発行で要求されたシスコ提供のセキュリティ更新プログラムを適用しても、侵害されたデバイスから既存の脅威アクターを必ずしも排除できるわけではない。セキュリティ更新要件を完了した機関であっても、依然として持続的な侵入のリスクにさらされているため、本V1版EDで更新された必須措置を完了しなければならない。
CISA analysis continues to assess the following CVEs as an unacceptable risk to Federal Civilian and Executive Branch (FCEB) information systems: CISAの分析では、以下のCVEを連邦文民行政機関(FCEB)の情報システムに対する容認できないリスクとして引き続き評価している:
CVE-2025-20333 – allows for remote code execution CVE-2025-20333 – リモートコード実行を可能にする
CVE-2025-20362 – allows for privilege escalation CVE-2025-20362 – 権限昇格を可能にする
In conjunction with this ED update, CISA released the FIRESTARTER Backdoor Malware Analysis Report with further details about the threat actor activity, malware functionality, detection methods, and mitigations. 本EDの更新に伴い、CISAは「FIRESTARTERバックドアマルウェア分析レポート」を公開した。これには、脅威アクターの活動、マルウェアの機能、検知方法、および緩和策に関する詳細が記載されている。
Scope 適用範囲
This Directive applies to agency assets in any federal information system, including an information system used or operated by another entity on behalf of an agency, that collects, processes, stores, transmits, disseminates, or otherwise maintains agency information. This Directive does not apply to contractors, but FCEB agencies may need to modify contracts to comply with the required actions of this Directive. 本指令は、連邦情報システム内の機関資産に適用される。これには、機関に代わって他の事業体が使用または運用する情報システムを含み、当該システムが機関情報を収集、処理、保存、送信、配布、またはその他の方法で維持する場合が対象となる。本指令は請負業者には適用されないが、FCEB機関は本指令で要求される措置に準拠するため、契約内容を修正する必要がある場合がある。
For federal information systems hosted in third-party environments, each agency is responsible for maintaining an inventory of its information systems hosted in those environments (FedRAMP Authorized or otherwise) and obtaining status updates pertaining to, and to ensure compliance with, this Directive. Agencies should work through the FedRAMP program office to obtain these updates for FedRAMP-authorized cloud service providers and work directly with service providers that are not FedRAMP-authorized. サードパーティ環境にホストされている連邦情報システムについては、各機関は、当該環境(FedRAMP認可の有無を問わず)にホストされている自機関の情報システムの目録を維持し、本指令に関連する状況の更新情報を取得し、本指令への準拠を確保する責任を負う。各機関は、FedRAMP認可クラウドプロバイダに関する更新情報を取得するためにFedRAMPプログラムオフィスを通じて対応し、FedRAMP認可を受けていないプロバイダとは直接連携すべきである。
All other provisions specified in this Directive remain applicable. 本指令に規定されるその他のすべての条項は、引き続き適用される。
Note: Entities outside of the FCEB that wish to perform the actions outlined in this section may follow the same CISA instructions to collect and upload a core dump file to CISA for analysis. 注:FCEB以外の事業体で、本節に概説された措置を実施したい場合は、CISAの指示に従い、コアダンプファイルを収集してCISAにアップロードし、分析を受けることができる。
Required Actions 必要な措置
This ED requires agencies to take the following actions: 本緊急通知(ED)では、各機関に対し以下の措置を講じるよう求めている:
For all public-facing Cisco ASA devices: すべての対外向けCisco ASAデバイスについて:
1. Immediately identify all Cisco ASA platforms (ASA hardware, ASA-Service Module [ASA-SM], ASA Virtual [ASAv]). 1. すべてのCisco ASAプラットフォーム(ASAハードウェア、ASA-Service Module [ASA-SM]、ASA Virtual [ASAv])を直ちに識別すること。
2. For all public-facing Cisco ASA hardware appliances identified in required action 1, follow CISA’s step-by-step Core Dump and Hunt Instructions Parts 1-3 and submit core dump(s) via the Malware Next Gen portal by 11:59PM EST on September 26, 2025. 2. 必須措置1で識別されたすべての対外向けCisco ASAハードウェアアプライアンスについて、CISAの「Core Dump and Hunt Instructions Parts 1-3」の手順に従い、2025年9月26日午後11時59分(EST)までにMalware Next Genポータルを通じてコアダンプを提出すること。
a. If the result is “Compromise Detected,” agencies must immediately disconnect the device from their network (but do not power off), report the incident to CISA, and work with CISA on incident response and eviction actions. a. 結果が「侵害が検知された」の場合、各機関は直ちに当該デバイスをネットワークから切り離し(ただし電源は切らないこと)、CISAにインシデントを報告し、CISAと連携してインシデント対応および排除措置を実施しなければならない。
b. If the result is “No Compromise Detected,”: b. 結果が「侵害は検知されなかった」の場合:
i. For ASA hardware models with an end-of-support date on or before September 30, 2025, take the following action: i. サポート終了日が2025年9月30日以前のASAハードウェアモデルについては、以下の措置を講じること:
  i. Permanently disconnect these devices on or before September 30, 2025, as these legacy platforms/releases cannot meet current vendor support and update requirements. i. これらのレガシープラットフォーム/リリースは、現在のベンダーのサポートおよび更新要件を満たせないため、2025年9月30日までに当該デバイスを恒久的に切断すること。
  ii. Agencies that cannot meet this requirement must apply the latest Cisco-provided updates for software by 11:59PM EST on September 26, 2025, report to CISA mission critical needs preventing such action and plans for eventual decommissioning of the device as directed by requirement 5. ii. この要件を満たせない機関は、2025年9月26日午後11時59分(EST)までに、Ciscoが提供する最新のソフトウェア更新を適用し、そのような措置を妨げるミッションクリティカルな要件および要件5の指示に従ったデバイスの最終的な廃止計画についてCISAに報告しなければならない。
ii. For ASA hardware models with an end-of-support date of August 31, 2026: Download and apply the latest Cisco-provided updates for software by 11:59PM EST on Sept. 26, 2025, and apply all subsequent updates via Cisco’s download portal within 48 hours of release. ii. サポート終了日が2026年8月31日のASAハードウェアモデルについては: 2025年9月26日午後11時59分(EST)までに、Ciscoが提供する最新のソフトウェア更新プログラムをダウンロードして適用し、その後リリースされるすべての更新プログラムについては、リリースから48時間以内にCiscoのダウンロードポータル経由で適用すること。
iii. [New Requirement] For any newly identified ASA hardware models, follow the requirements outlined in BOD 26-02: Mitigating Risk From End-of-Support Edge Devices. iii. [新規要件] 新たに識別されたASAハードウェアモデルについては、BOD 26-02「サポート終了エッジデバイスからのリスク緩和」に概説された要件に従うこと。
c. For all ASAv instances identified in required action 1, download and apply the latest Cisco-provided updates for software by 11:59PM EST on September 26, 2025, and apply all subsequent updates via Cisco’s download portal within 48 hours of release. c. 必須措置1で識別されたすべてのASAvインスタンスについて、2025年9月26日午後11時59分(EST)までにCiscoが提供する最新のソフトウェア更新プログラムをダウンロードして適用し、その後のすべての更新プログラムはリリースから48時間以内にCiscoのダウンロードポータル経由で適用すること。
For public-facing Cisco Firepower and Secure Firewall devices: 外部に公開されているCisco FirepowerおよびSecure Firewallデバイスについて:
3. [New Requirement] Immediately identify all Firepower 1000, 2100, 4100, 9300 series and Secure Firewall 200, 1200, 3100, 4200, and 6100 series devices. 3. [新規要件] Firepower 1000、2100、4100、9300シリーズおよびSecure Firewall 200、1200、3100、4200、6100シリーズのすべてのデバイスを直ちに識別すること。
4. [New Requirement] For devices identified in required action 3, follow CISA’s step-by-step Core Dump and Hunt Instructions and submit core dump(s) via the Malware Next Gen portal by 11:59PM EST on April 24, 2026. 4. [新規要件] 必須措置3で特定されたデバイスについては、CISAの「コアダンプおよびハント手順」に従い、2026年4月24日午後11時59分(EST)までにMalware Next Genポータル経由でコアダンプを提出すること。
a. If the result is “Compromise Detected,” agencies must: keep the device powered on, immediately disconnect the device from their network, and report the incident to CISA, and work with CISA on incident response, forensics, and eviction actions. a. 結果が「侵害が検知された」場合、各機関は次の措置を講じなければならない:デバイスの電源を入れたままにし、直ちにネットワークから切り離し、CISAにインシデントを報告するとともに、インシデント対応、フォレンジック調査、および排除措置についてCISAと協力する。
b. If the result is “No Compromise Detected,” agencies must: b. 結果が「侵害は検知されなかった」の場合、各機関は以下を行う必要がある:
i. Download and apply the latest Cisco-provided updates for software by 11:59PM EST on April 24, 2026. This includes: i. 2026年4月24日午後11時59分(EST)までに、Ciscoが提供する最新のソフトウェア更新プログラムをダウンロードし、適用すること。これには以下が含まれる:
  i. The software updates to address CVE-2025-20333 and CVE-2025-20362, if not already patched; and, i. CVE-2025-20333およびCVE-2025-20362に対処するソフトウェア更新プログラム(まだ適用されていない場合);および、
  ii. The recently released patch created for this specific persistence issue (links provided by device type in CISA’s step-by-step Core Dump and Hunt Instructions). ii. この特定の持続性問題のために作成された、最近リリースされたパッチ(CISAの段階的な「Core Dump and Hunt Instructions」において、デバイス種別ごとにリンクが提供されている)。
ii. Perform a hard reset of the device(s) by physically unplugging the device’s power supply, as a reboot is not sufficient to expunge the malware, no later than April 30, 2026. ii. 再起動だけではマルウェアを完全に除去できないため、2026年4月30日までに、デバイスの電源ケーブルを物理的に抜いてハードリセットを実行すること。
  i. Follow CISA’s step-by-step Core Dump and Hunt Instructions, which includes further guidance if a hard reset of the device cannot occur immediately after patch implementation. i. CISAの「Core Dump and Hunt Instructions」の手順に従うこと。これには、パッチ適用直後にデバイスのハードリセットが実行できない場合の追加ガイダンスが含まれている。
iii. Apply all subsequent updates via Cisco’s download portal within 48 hours of release. iii. リリースから48時間以内に、Ciscoのダウンロードポータル経由で、その後のすべての更新を適用すること。
All agencies must: すべての機関は以下を行う必要がある:
5. By 11:59 PM EST on October 2, 2025, report to CISA (using the provided template) a complete inventory of all instances of products within scope on agency networks, including details on actions taken and results. 5. 2025年10月2日午後11時59分(EST)までに、対象範囲内の製品が機関ネットワーク上に存在するすべてのインスタンスの完全なインベントリを、実施した措置および結果の詳細を含め、CISAに(提供されたテンプレートを使用して)報告すること。
6. [New Requirement] By 11:59 PM EST on May 1, 2026, report to CISA (using the provided template) a complete inventory of all Firepower 1000, 2100, 4100, 9300 series and Secure Firewall 200, 1200, 3100, 4200, and 6100 series devices including details on actions taken and results. 6. [新規要件] 2026年5月1日午後11時59分(EST)までに、CISAに対し(提供されたテンプレートを使用して)、Firepower 1000、2100、4100、9300シリーズおよびSecure Firewall 200、1200、 3100、4200、および6100シリーズの全デバイスの完全なインベントリを(実施した措置および結果の詳細を含め)CISAに報告すること。
CISA Actions: CISAの措置:
1. CISA will provide agencies with a template that will be used for reporting agency actions following the issuance of this Directive. 1. CISAは、本指令の発出後に各機関が実施した措置を報告するために使用するテンプレートを各機関に提供する。
2. CISA will continue efforts to identify instances and potential compromises associated with this threat activity, provide partner notifications, and will issue additional guidance and direction, as appropriate. 2. CISAは、本脅威活動に関連する事例および潜在的な侵害の識別、パートナーへの通知の提供を継続し、必要に応じて追加のガイダンスおよび指示を発出する。
3.  can provide technical assistance to agencies who are without internal capabilities sufficient to comply with this Directive. 3. CISAは、本指令を遵守するための十分な内部能力を有しない機関に対し、技術的支援を提供することができる。
4. By February 1, 2026, CISA will provide a report to the Secretary of Homeland Security, the National Cyber Director, the Director of the Office of Management and Budget, and the Federal Chief Information Security Officer identifying cross-agency status and outstanding issues. 4. 2026年2月1日までに、CISAは、省庁横断的な状況および未解決の問題を識別した報告書を、国土安全保障長官、国家サイバー長官室、行政管理予算局局長、および連邦最高情報セキュリティ責任者に提出する。
5. [New Action] By August 1, 2026, CISA will provide an updated report to the Secretary of Homeland Security, the National Cyber Director, the Director of the Office of Management and Budget, and the Federal Chief Information Security Officer identifying cross-agency status and outstanding issues. 5. [新規措置] 2026年8月1日までに、CISAは、省庁横断的な状況および未解決の問題を識別した更新報告書を、国土安全保障長官、国家サイバー長官室、行政管理予算局局長、および連邦最高情報セキュリティ責任者に提出する。
Additional Information 追加情報
Visit [web] or contact the following for: 以下の情報については、[web] を参照するか、下記まで連絡すること:
・General information, assistance, and reporting – [mail] ・一般的な情報、支援、および報告 – [mail]
・Reporting indications of compromise – [mail] ・侵害の兆候の報告 – [mail]
For more information on the threat actor activity, malware functionality, detection methods, and mitigations please see CISA’s FIRESTARTER Backdoor Malware Analysis Report [web] 脅威アクターの活動、マルウェアの機能、検知方法、および緩和に関する詳細については、CISAの「FIRESTARTERバックドアマルウェア分析レポート」を参照のこと [web]
For further instructions on how to perform a “core dump” please visit [web] 「コアダンプ」の実行方法に関する詳細な手順については、[web] を参照のこと
For eviction guidance please visit [web] 駆除の手順については、 [web] を参照のこと

 

 

・2026.04.23 FIRESTARTER Backdoor

Alert Code AR26-113A
FIRESTARTER Backdoor FIRESTARTER バックドア
Malware Name マルウェア名
FIRESTARTER FIRESTARTER
Original Publication 初公表
23-Apr-26 2026年4月23日
Executive Summary エグゼクティブサマリー
The Cybersecurity and Infrastructure Security Agency (CISA) analyzed a sample of FIRESTARTER malware obtained from a forensic investigation. CISA and the United Kingdom National Cyber Security Centre (NCSC) assess advanced persistent threat (APT) actors are using FIRESTARTER malware for persistence, specifically targeting publicly accessible Cisco Firepower and Secure Firewall devices running Adaptive Security Appliance (ASA) or Firepower Threat Defense (FTD) software. CISA and the NCSC are releasing this Malware Analysis Report to share analysis of one FIRESTARTER malware sample operating as a backdoor and urge organizations to take key response actions. 米国サイバーセキュリティ・インフラセキュリティ庁(CISA)は、フォレンジック調査から入手したFIRESTARTERマルウェアのサンプルを分析した。CISAおよび英国国家サイバーセキュリティセンター(NCSC)は、高度持続的脅威(APT)アクターが、特にAdaptive Security Appliance(ASA)またはFirepower Threat Defense(FTD)ソフトウェアを実行している、一般にアクセス可能なCisco FirepowerおよびSecure Firewallデバイスを標的として、持続性を確保するためにFIRESTARTERマルウェアを使用していると評価している。CISAとNCSCは、バックドアとして動作する1つのFIRESTARTERマルウェアサンプルの分析結果を共有し、組織に対し重要な対応措置を講じるよう促すため、本マルウェア分析レポートを公開する。
Note: The release of this Malware Analysis Report aligns with CISA’s update to V1: Emergency Directive (ED) 25-03: Identify and Mitigate Potential Compromise of Cisco Devices and Supplemental Direction ED 25-03: Core Dump and Hunt Instructions. The malware outlined in this report is relevant for both Cisco Firepower and Secure Firewall devices; however, CISA has only observed a successful implant of the malware in the wild on a Cisco Firepower device running ASA software. 注:本マルウェア分析レポートの公開は、CISAによる「緊急指令(ED)25-03:Ciscoデバイスの潜在的な侵害の識別と緩和」のバージョン1への更新、および補足指針「ED 25-03: コアダンプおよびハンティング手順」の更新と連動している。本報告書で概説するマルウェアは、Cisco FirepowerおよびSecure Firewallデバイスの双方に関連するが、CISAが実環境でマルウェアの埋め込みに成功した事例を確認したのは、ASAソフトウェアを実行しているCisco Firepowerデバイス上のみである。
Key Actions for U.S. FCEB Agencies 米国FCEB機関向けの主要な対応措置
Collect and submit core dumps to CISA’s Malware Next Generation platform. コアダンプを収集し、CISAのMalware Next Generationプラットフォームに提出すること。
Immediately report the submission via CISA’s 24/7 Operations Center; CISA will reach out with next steps. CISAの24時間365日体制のオペレーションセンターを通じて、提出を直ちに報告すること。CISAから次の手順について連絡がある。
Take no additional action until CISA provides further guidance. CISAからさらなるガイダンスが提供されるまで、追加の措置を講じないこと。
Key Actions for All Other Organizations その他のすべての組織に対する主要な措置
Use the YARA rules to detect FIRESTARTER malware against either a disk image or core dump of a device. YARAルールを使用して、デバイスのディスクイメージまたはコアダンプに対してFIRESTARTERマルウェアを検知すること。
Report any findings to CISA or the NCSC. 発見事項はすべてCISAまたはNCSCに報告すること。
If compromise is confirmed, conduct incident response actions. 侵害が確認された場合は、インシデント対応措置を講じること。
Intended Audience 対象読者
Organizations: Government and critical infrastructure organizations (Note: While this publication supplements CISA ED 25-03, the guidance is applicable to all organizations, including U.K. organizations.) 組織:政府および重要インフラ組織(注:本公開資料はCISA ED 25-03を補足するものであるが、このガイダンスは英国の組織を含むすべての組織に適用される。
Sector: Government Services and Facilities Sector セクター:政府サービスおよび施設セクター
Roles: Digital forensics analysts, incident responders, vulnerability analysts, system administrators 役割:デジタルフォレンジックアナリスト、インシデント対応担当者、脆弱性アナリスト、システム管理者

 

1_20260504075101

 

 


参考...

最初の版

・2025.09.25 ED 25-03: Identify and Mitigate Potential Compromise of Cisco Devices

 


 

● NCSC-NZ

・2026.04.24 FIRESTARTER Malware affecting Cisco ASA and FTD

 

JPCERT/CC

・2026.04.27 Cisco ASAおよびFTDにおける複数の脆弱性(CVE-2025-20333、CVE-2025-20362)に関する注意喚起

 

 

CISCO - Talos

・2026.04.23 UAT-4356's Targeting of Cisco Firepower Devices

 

 

| | Comments (0)

英国 NCSC パスキーはより安全で使いやすいログイン方法であり、消費者にとってデフォルトの認証オプションとなるべき (2026.04.23)

こんにちは、丸山満彦です。

英国のNCSCが、パスキーの利用をデフォルトにするように呼びかけていますよね...

 

● NSCS

・2026.04.23 Passkeys: what you need to know

Passkeys: what you need to know パスキー:知っておくべきこと
The NCSC recommends users opt for passkeys over passwords wherever they are available NCSCは、利用可能な場合はいつでも、パスワードよりもパスキーを選択するようユーザーに推奨している
Passkeys are a more secure alternative to passwords that you don't need to remember as they are created and managed safely by the software on your device(s).  パスキーは、デバイス上のソフトウェアによって安全に生成・管理されるため、記憶する必要がなく、パスワードよりも安全な代替手段である。
The digital industry is moving rapidly towards offering passwordless authentication for logging into online services and accounts, and many major platforms already support it. デジタル業界は、オンラインサービスやアカウントへのログインにおいて、パスワードレス認証の提供に向けて急速に進展しており、多くの主要プラットフォームですでにサポートされている。
The NCSC supports the public adoption of passkeys and recommends using passkeys over passwords wherever available. NCSCはパスキーの一般普及を支持しており、利用可能な場合はパスワードよりもパスキーを使用することを推奨している。
Why passkeys are better than passwords パスキーがパスワードより優れている理由
Passkeys are a better alternative for the following reasons: パスキーがより優れた選択肢である理由は以下の通りだ:
1. They are more secure 1. セキュリティが高い
・The key reason for this is that passkeys are resistant to phishing, as they can’t be intercepted, reused or stolen like passwords. This removes one of the most common ways accounts are compromised. ・その主な理由は、パスキーがフィッシング攻撃に強いためだ。パスワードのように傍受されたり、再利用されたり、盗まれたりすることがない。これにより、アカウントが侵害される最も一般的な原因の一つが排除される。
・They’re user-friendly. Before authorising use of the passkey, your device checks that it's you by whatever means you already use to unlock that device, for example Face ID, fingerprint or PIN. ・使い勝手が良い。パスキーの使用を承認する前に、デバイスは、Face ID、指紋、PINなど、そのデバイスのロック解除に既に使用している手段を用いて、本人であることを確認する。
・The NCSC technical paper comparing the security of traditional multi-factor authentication (MFA) – also known as two-step verification (2SV) – with passkeys, demonstrates that passkeys are always as secure or more secure than 2SV using the strongest password. ・従来の多要素認証(MFA)――2段階認証(2SV)とも呼ばれる――とパスキーのセキュリティを比較したNCSCの技術文書によると、パスキーは、最も強力なパスワードを使用した2SVと同等か、それ以上のセキュリティレベルを維持していることが示されている。
2. They are fast and convenient 2. 迅速で便利である
・Passkey logins are up to 8 times faster than signing in with username, password and 2SV code. ・パスキーによるログインは、ユーザー名、パスワード、2SVコードを使用したサインインに比べて最大8倍速い
・You don't need to remember anything. The password manager on your device – more accurately called a 'credential manager' as it manages more than just passwords – creates and keeps the private key safe and synchronised across your devices. ・何も覚える必要はない。デバイス上のパスワードマネージャー(パスワードだけでなく様々な認証情報を管理するため、正確には「認証情報マネージャー」と呼ぶべきだ)が秘密鍵を作成し、安全に保管するとともに、すべてのデバイス間で同期させる。
3. They offer greater resilience 3. レジリエンスが高い
There is substantial evidence of malicious cyber actors taking advantage of password authentication via effective phishing and spear-phishing attacks – from cyber criminals and hacktivists to nation-state actors linked to China, North Korea, Russia and Iran. But implementing and adopting passkeys reduces the effectiveness of this activity. When combined with keeping your devices and apps up to date, passkeys significantly reduce the likelihood of phishing attacks, making this common technique far less effective for cyber criminals and nation-state actors. This means the more UK citizens choose to adopt passkeys, the greater our national resilience to phishing attacks. サイバー犯罪者やハクティビストから、中国、北朝鮮、ロシア、イランと関連する国家主体のアクターに至るまで、悪意あるサイバー攻撃者が巧妙なフィッシングやスピアフィッシング攻撃を通じてパスワード認証を悪用しているという確かな証拠がある。しかし、パスキーを導入・採用することで、こうした攻撃の効果は低下する。デバイスやアプリを常に最新の状態に保つことと組み合わせることで、パスキーはフィッシング攻撃の発生確率を大幅に低減し、サイバー犯罪者や国家主体の攻撃者にとって、この一般的な手口の有効性を著しく低下させる。つまり、パスキーを採用する英国市民が増えれば増えるほど、フィッシング攻撃に対する国のレジリエンスは高まるということだ。
How do I use a passkey? パスキーの使い方は?
Passkeys are created, saved, stored and managed for you on your trusted device(s) – such as your smartphone, tablet or computer – by your chosen credential manager (the more accurate term for ‘password manager’). This will most likely be the default one built in to your device – such as Apple Passwords, Google Password Manager or Samsung Pass – unless you have specifically chosen to install and use a third-party one, for example, to synchronise passwords across different browsers and devices. パスキーは、スマートフォン、タブレット、コンピュータなどの信頼できるデバイス上で、ユーザーが選択した認証情報マネージャー(「パスワードマネージャー」のより正確な呼称)によって作成、保存、保管、管理される。これは、異なるブラウザやデバイス間でパスワードを同期させるためなどに、サードパーティ製のものを特にインストールして使用することを選択していない限り、Apple Passwords、Google Password Manager、Samsung Passなど、デバイスに標準搭載されているものがほとんどだろう。
The credential manager: 認証情報マネージャー:
・Makes and protects your passkeys. ・パスキーを作成し、防御する。
・Uses the way you unlock your device to make sure that it’s you – or someone you really trust – before allowing use of a passkey. ・パスキーの使用を許可する前に、デバイスのロック解除方法を利用して、それが本人、あるいは本当に信頼できる人物であることを確認する。
・Makes a backup of your passkeys for safety, which means you shouldn’t completely lose access to your passkeys in the event you lose your device(s). ・安全のためにパスキーのバックアップを作成する。つまり、デバイスを紛失した場合でも、パスキーへのアクセスを完全に失うことはない。
・Can copy (or ‘sync’) your passkeys to other devices you trust for convenience, so you don’t have to create a new one for each device you own. ・利便性のため、信頼できる他のデバイスにパスキーをコピー(または「同期」)できる。これにより、所有するデバイスごとに新しいパスキーを作成する必要がなくなる。
Use a credential manager to start setting up a passkey: 資格情報マネージャーを使用してパスキーの設定を開始する:
・Where they’re offered on your existing accounts (by checking the account security or privacy settings). Look out for prompts from services encouraging you to upgrade to passkeys. ・既存のアカウントでパスキーが提供されている場合(アカウントのセキュリティまたはプライバシー設定を確認する)。パスキーへのアップグレードを促すサービスからの通知に注意する。
・Right from the beginning when creating a new account. ・新しいアカウントを作成する際、最初から設定する。
If passkeys aren’t available パスキーが利用できない場合
Passwords have been the cornerstone of online security for decades, helping to protect our digital identities and sensitive information from unauthorised access. Users shouldn’t simply forget all their passwords or attempt to set up accounts without any form of security.  パスワードは数十年にわたりオンラインセキュリティの基盤であり、デジタルIDや機密情報を不正アクセスから守る役割を果たしてきた。ユーザーは単にすべてのパスワードを忘れたり、セキュリティ対策を一切講じずにアカウントを設定したりすべきではない。
Where passkeys are not an available option, you should continue to use strong passwords, for example generated by a password manager and enable 2SV. This remains a resilient defence against online attackers. パスキーが利用できない場合は、パスワードマネージャーなどで生成された強力なパスワードを引き続き使用し、2段階認証(2SV)を有効にするべきだ。これはオンライン攻撃者に対する強固なレジリエンスを持つ防御手段であり続ける。
Want to know more? もっと詳しく知りたい?
The NCSC website offers: NCSCのウェブサイトでは以下を提供している:
・Further tips on how to trust secure tools (including passkeys) to simplify your digital life. ・デジタルライフを簡素化するために、セキュアなツール(パスキーを含む)を信頼する方法に関するさらなるヒント。
・More detail on how passkeys work, why they provide stronger protection than passwords, and what this means in practice for keeping your online accounts secure. ・パスキーの仕組み、パスワードよりも強力な保護を提供する理由、そしてオンラインアカウントのセキュリティ維持においてこれが実際に何を意味するかについての詳細。
A short explainer video on how passkeys work. パスキーの仕組みを解説する短い動画。

 





 

 

・2026.04.23 NCSC: Leave passwords in the past - passkeys are the future

NCSC: Leave passwords in the past - passkeys are the future NCSC:パスワードは過去のもの――パスキーが未来だ
Passkeys are the more secure and user-friendly login method and should be the default authentication option for consumers. パスキーはより安全で使いやすいログイン方法であり、消費者にとってデフォルトの認証オプションとなるべきだ。
・GCHQ’s National Cyber Security Centre (NCSC) heralds a new era of secure sign in with passkeys now ready for mass adoption ・GCHQ傘下の国家サイバーセキュリティセンター(NCSC)は、パスキーによる安全なサインインの新たな時代を告げ、その大規模導入の準備が整ったと発表した
・Passwords are no longer resilient enough for the contemporary world, cyber experts say in new report published on Day Two of CYBERUK conference in Glasgow ・グラスゴーで開催中のCYBERUKカンファレンス2日目に発表された新たな報告書で、サイバー専門家は「パスワードは現代の世界において十分なレジリエンスを持ち得なくなった」と述べている
・Consumers encouraged to migrate to passkeys where possible to unlock simpler and safer digital lifestyle ・よりシンプルで安全なデジタルライフを実現するため、可能な限りパスキーへの移行が消費者に推奨されている
Passkeys should now be consumers’ first choice of login across all digital services, the UK government’s technical authority on cyber security has announced today (Thursday). 英国政府のサイバーセキュリティ技術機関は本日(木曜日)、あらゆるデジタルサービスにおいて、パスキーが消費者のログイン方法としての第一選択肢となるべきだと発表した。
Overhauling decades of security practice, the National Cyber Security Centre – a part of GCHQ – has taken the decision to no longer recommend individuals use passwords where passkeys are available because passwords lack the relative resilience to modern cyber threats. 数十年にわたるセキュリティ慣行を見直し、GCHQの一部である国家サイバーセキュリティセンター(NCSC)は、パスワードが現代のサイバー脅威に対して相対的なレジリエンスを欠いているため、パスキーが利用可能な場合、個人に対してパスワードの使用を推奨しないという決定を下した。
Passkeys are a newer method for logging into online accounts which do much of the heavy lifting for users, only requiring user approval rather than needing to input a password. This makes passkeys quicker and easier to use and harder for cyber attackers to compromise.   パスキーはオンラインアカウントにログインするための新しい方式であり、パスワードを入力する必要はなく、ユーザーの承認のみを必要とするため、ユーザーにとって負担を大幅に軽減する。これにより、パスキーはより迅速かつ簡単に利用でき、サイバー攻撃者による侵害も困難になる。 
A new technical report, published today on Day Two of CYBERUK – the UK government’s flagship cyber security event in Glasgow, shows that passkeys are at least as secure as, and generally more secure than, pairing the strongest password with two-step verification (2SV). 本日、グラスゴーで開催中の英国政府の旗艦サイバーセキュリティイベント「CYBERUK」の2日目に発表された新しい技術報告書によると、パスキーは、最も強力なパスワードと二段階認証(2SV)を組み合わせた場合と同等以上の、そして一般的にそれ以上のセキュリティレベルを有していることが示されている。
The majority of cyber harms to individuals start with criminals stealing or compromising login details, making the adoption of passkeys a huge leap in boosting the UK’s resilience to phishing attacks. 個人に対するサイバー被害の大部分は、犯罪者によるログイン情報の窃取や侵害から始まるため、パスキーの導入は、フィッシング攻撃に対する英国のレジリエンスを高める上で大きな飛躍となる。
A number of popular online service providers already support passkeys, including Google, eBay and PayPal – and new data from Google shows the UK already lead global adoption of passkeys, with just over 50% of active Google services users in the UK having one registered. Google、eBay、PayPalなど、多くの人気オンラインプロバイダがすでにパスキーに対応している。また、Googleの新たなデータによると、英国はすでにパスキーの導入において世界をリードしており、英国のアクティブなGoogleサービス利用者の50%強がパスキーを登録済みである。
The NCSC stopped short of endorsing the adoption of passkeys last year due to some key implementation challenges. However, progress within industry means they can now be recommended to the public as the more secure and user-friendly login method and to businesses as the default authentication option to offer consumers.  NCSCは昨年、いくつかの重要な導入上の課題があったため、パスキーの採用を全面的に推奨するには至らなかった。しかし、業界内での進展により、現在では一般市民に対してはより安全で使いやすいログイン方法として、また企業に対しては消費者向けに提供するデフォルトの認証オプションとして、パスキーを推奨できるようになった。
”Adopting passkeys wherever you can is a strong step towards a safer, simpler login experience and I am pleased that we can now support uptake. 「可能な限りパスキーを導入することは、より安全でシンプルなログイン体験に向けた大きな一歩であり、今回その普及を支援できるようになったことを嬉しく思う。」
The headaches that remembering passwords have caused us for decades no longer need to be a part of logging in where users migrate to passkeys – they are a user-friendly alternative which provide stronger overall resilience.   パスワードを覚えることで何十年も悩まされてきた頭痛の種は、ユーザーがパスキーに移行すれば、もはやログインの際の煩わしさとは無縁になる。パスキーは、より高い全体的なレジリエンスを備えた、ユーザーフレンドリーな代替手段だからだ。
As we aim to accelerate the UK’s cyber defences at scale, moving to passkeys is something all of us can do to improve the security of everyday digital services and be prepared for modern and future cyber threats.  英国のサイバー防衛体制を大規模に強化することを目指す中、パスキーへの移行は、日常的なデジタルサービスのセキュリティを向上させ、現代および将来のサイバー脅威に備えるために、私たち一人ひとりができることだ。
Jonathon Ellison, Director for National Resilience, NCSC ジョナサン・エリソン、NCSC国家レジリエンス担当ディレクター
Where a particular service does not support passkeys, the NCSC’s advice to consumers is to use a password manager to create stronger passwords and keep using two-step verification. 特定のサービスがパスキーに対応していない場合、NCSCは消費者に対し、パスワードマネージャーを使用してより強力なパスワードを作成し、二段階認証を引き続き利用するよう助言している。
Making passkeys the default authentication recommendation is a critical step towards revolutionising the way individuals use and access their online identities. パスキーをデフォルトの認証方法として推奨することは、個人がオンライン上のIDを利用・アクセスする方法を革新するための重要な一歩である。
The key benefits include: 主な利点は以下の通りだ:
Easy to use: 使いやすさ:
Fast, frictionless passkey logins can be completed up to eight times faster than signing in with a username, password and two‑step verification code. 高速でスムーズなパスキーによるログインは、ユーザー名、パスワード、二段階認証コードを使ったログインに比べて最大8倍速く完了できる。
Harder to compromise: 侵害されにくい:
Passkeys are highly resistant to phishing attacks and cannot be intercepted, reused or guessed like passwords can. パスキーはフィッシング攻撃に対して極めて耐性が高く、パスワードのように傍受されたり、再利用されたり、推測されたりすることはない。
Reduced password fatigue: パスワード疲れの軽減:
Users no longer need to meet additional requirements, such as creating complex passwords – or even remembering them at all. This prevents weak points and patterns developing across a user’s online presence. ユーザーは、複雑なパスワードを作成するといった追加要件を満たす必要がなくなり、そもそもパスワードを覚える必要さえなくなる。これにより、ユーザーのオンライン上の活動全体にわたり、脆弱な点やパターンが生じるのを防ぐことができる。
Security that pays off: 費用対効果の高いセキュリティ:
Safety and savings can go hand in hand for online service providers that make passkeys available for customers, replacing SMS-based verification systems which incur additional costs. 顧客にパスキーを提供し、追加コストを伴うSMSベースの検証システムに取って代わるオンラインプロバイダにとって、安全性とコスト削減は両立し得る。
Last year, the UK government announced it would roll out passkey technology for its digital services as an alternative to the current SMS-based verification system, offering a more secure and cost-effective solution that could save several million pounds annually.  昨年、英国政府は、現在のSMSベースの検証システムに代わるものとして、デジタルサービス向けにパスキー技術を導入すると発表した。これにより、年間数百万ポンドの節約につながる、より安全で費用対効果の高いソリューションが提供されることになる。

 

 

・2026.04.23 Comparing the security properties of traditional user credentials and FIDO2 credentials for personal use

Comparing the security properties of traditional user credentials and FIDO2 credentials for personal use 個人利用における従来のユーザー認証情報とFIDO2認証情報のセキュリティ特性の比較
Abstract 概要
Introduction 序論
Attacks on credentials 認証情報に対する攻撃
Security at each stage of the lifecycle ライフサイクルの各段階におけるセキュリティ
Overall comparison 全体的な比較
Summary and recommendations 要約と提言
Citations 引用文献
Abstract 概要
FIDO2 credentials, including passkeys (which synchronise across a user’s devices) and single-device passkeys, provide a modern alternative to traditional multifactor authentication (MFA) methods such as passwords combined with SMS codes or push notification approvals. FIDO2 credentials are designed with strong security properties including high entropy, per-account uniqueness and phishing-resistance. パスキー(ユーザーのデバイス間で同期されるもの)や単一デバイス用パスキーを含むFIDO2認証情報は、パスワードとSMSコードやプッシュ通知による承認を組み合わせた従来の多要素認証(MFA)手法に代わる、最新の選択肢を提供する。FIDO2認証情報は、高いエントロピー、アカウントごとの一意性、フィッシング耐性といった強力なセキュリティ特性を備えて設計されている。
This paper examines the threats targeting credentials used by individuals for personal purposes (as opposed to authenticating to their employer’s systems) and then proposes a credential lifecycle against which the functionality and resistance to attacks of traditional MFA and FIDO2 credentials are compared. 本論文では、(雇用主のシステムへの認証とは対照的に)個人が私的な目的で使用する認証情報を標的とした脅威を検証し、従来のMFAとFIDO2認証情報の機能および攻撃に対する耐性を比較するための認証情報ライフサイクルを提案する。
The comparison (Table 1) shows that at all stages of a credential’s lifecycle, and against all commonly observed attacks, FIDO2 credentials including passkeys are as secure or more secure than all forms of traditional MFA for individuals. Whilst this paper’s findings likely hold true for organisations as well, the NCSC has not yet formally assessed this, for example considering impacts of access models like Bring Your Own Device, personal accounts on organisational devices, legacy technology access and so on. 比較(表1)によると、認証情報のライフサイクルの全段階において、また一般的に確認されているあらゆる攻撃に対して、パスキーを含むFIDO2認証情報は、個人向けのあらゆる形態の従来のMFAと同等か、それ以上のセキュリティレベルを有していることが示されている。本論文の知見は組織に対しても当てはまる可能性が高いが、NCSCはこれについて、例えばBYOD(Bring Your Own Device)や組織のデバイス上の個人アカウント、レガシー技術へのアクセスといったアクセスモデルの影響を考慮した正式なアセスメントをまだ行っていない。
FIDO2 authentication, including where passkeys are used, is also assessed as providing equivalent to multi-factor authentication when the user is verified as part of the authentication. パスキーが使用される場合を含め、FIDO2認証は、認証プロセスの一環としてユーザーが本人確認される場合、多要素認証と同等のセキュリティを提供すると評価されている。
However, to avoid undermining the security properties of FIDO2, users will need to: しかし、FIDO2のセキュリティ特性を損なわないためには、ユーザーは以下を行う必要がある:
maintain the security of the device used to authenticate to a website or app ウェブサイトやアプリへの認証に使用するデバイスのセキュリティを維持すること
choose their FIDO2 authenticator well 適切なFIDO2認証器を選択すること
ensure their sync fabric account is protected against phishing and has a secure account recovery option 同期基盤(Sync Fabric)アカウントがフィッシングから防御されており、安全なアカウント復旧オプションを備えていることを確認すること
manage their own credential backups where they choose a single-device FIDO2 credential 単一デバイス用FIDO2認証情報を選択する場合、自身の認証情報のバックアップを管理すること
As well as the requirements on users, websites and apps wanting to get maximal security benefit by offering FIDO2 authentication will also need to: ユーザーへの要件に加え、FIDO2認証を提供することで最大のセキュリティ上の利点を得ようとするウェブサイトやアプリも、以下を行う必要がある:
put cross-site scripting mitigations in place to prevent proposed attacks against FIDO2 authentication FIDO2認証に対する攻撃を防ぐため、クロスサイトスクリプティング(XSS)の緩和を実施する
unify registration and sign-in experiences behind a single domain origin or deploy support for WebAuthn’s Related Origin Requests as required for FIDO2 authentication 単一のドメインオリジンで登録とサインインの体験を統一するか、FIDO2認証に必要なWebAuthnの「関連オリジンリクエスト(Related Origin Requests)」への展開を実装する
make it possible for users to revoke the FIDO2 public key component from their accounts to invalidate any passkey that is no longer required ユーザーが必要なくなったパスキーを無効化できるよう、アカウントからFIDO2公開鍵コンポーネントを取り消せるようにすること
consider suggesting to users who have a single-device FIDO2 credential that they register a backup to avoid the need to complete account recovery if the credential is lost 単一デバイス用FIDO2認証情報を保有するユーザーに対し、認証情報を紛失した場合にアカウント復旧の手続きを省くため、バックアップの登録を提案することを検討すること

 

表1 - 実環境で確認されている攻撃に対する、従来のMFAとFIDO2の脆弱性の比較。表19に基づく

    パスワードのみ 従来のMFA - パスワードと従来の二要素認証 FIDO2 認証情報
Credential harvest 認証情報の収集 Always vulnerable Never vulnerable Never vulnerable
Password brute-force パスワードの総当たり攻撃 Situation dependent Never vulnerable Never vulnerable
Credential stuffing 認証情報の流用 Always vulnerable Never vulnerable Never vulnerable
Device malware / infostealer デバイスマルウェア/情報窃取型マルウェア Always vulnerable Potentially vulnerable Situation dependent
Adversary-in-the-middle phishing 中間者攻撃型フィッシング Always vulnerable Always vulnerable Never vulnerable
Fatigue attacks 疲労攻撃 Always vulnerable Potentially vulnerable Never vulnerable
Phishing the sync fabric 同期基盤を標的としたフィッシング Potentially vulnerable Situation dependent Situation dependent
Device theft  w/ weak PIN 脆弱なPINによるデバイス盗難 Potentially vulnerable Commonly vulnerable Potentially vulnerable

 

 

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2026.04.22 金融庁 フィッシング耐性のある多要素認証等に係る官民一体・業界横断的な広報について (2026.04.16)

 

| | Comments (0)

オランダ データ保護庁 意見募集 自動化された意思決定に関して説明を受ける権利 (2026.04.21)

こんにちは、丸山満彦です。

オランダのデータ保護庁が自動化された意思決定に関して説明を受ける権利のガイダンスについての意見募集をしていますね...

これは、昨年の市民への調査結果で、AI・アルゴリズムが日常生活に深く関わっていることを認識しているものの、仕組みやデータ利用の実態についての理解が不十分で、それがプライバシーや情報セキュリティの不安につながっていること、そして、さらに自動決定の説明を受けていないと感じていることについての誰に、どのように働きかけたら良いのかわらかいということから、このガイダンスを作成しているように感じます...

本人が①決定の根拠を理解し、②その正当性・正確性を検証し、③必要に応じて人的介入・意見表明・異議申立て等の権利を実効的に行使できる状態に持っていくことが、このガイダンスの目的なのでしょうね...

 

● Autoriteit Persoonsgegevens

・2026.04.21 AP vraagt input over uitleg bij geautomatiseerde besluitvorming

AP vraagt input over uitleg bij geautomatiseerde besluitvorming AP、自動化された意思決定に関する説明について意見を求める
De Autoriteit Persoonsgegevens (AP) ontwikkelt handvatten voor hoe organisaties uitleg moeten geven bij geautomatiseerde besluitvorming. Om deze handvatten goed aan te laten sluiten bij de praktijk, vraagt de AP organisaties, experts en belanghebbenden om input via een consultatie. オランダ個人情報保護庁(AP)は、組織が自動化された意思決定についてどのように説明すべきかに関する指針を策定している。この指針を実務に適切に反映させるため、APは組織、専門家、および利害関係者に対し、意見募集を通じて意見を求めている。
Steeds vaker stappen organisaties over op geautomatiseerde besluitvorming om bepaalde besluiten te nemen. Denk aan de beoordeling van een kredietaanvraag of van online sollicitaties. Vaak maken organisaties voor geautomatiseerde besluitvorming gebruik van algoritmes en artificiële intelligentie (AI). 特定の決定を行うために、組織が自動化された意思決定に移行するケースが増えている。例えば、融資申請やオンラインでの求人応募の審査などが挙げられる。多くの場合、組織は自動化された意思決定にアルゴリズムや人工知能(AI)を活用している。
Recht op uitleg bij automatisch besluit 自動決定における説明を受ける権利
Neemt een organisatie automatisch een besluit over iemand, en heeft dat besluit serieuze gevolgen voor diegene, dan heeft die persoon recht op uitleg over dit besluit. Zodat diegene de redenen achter het besluit kan begrijpen en zich zo nodig tegen het besluit kan verweren. 組織が個人について自動的に決定を下し、その決定が当該個人に重大な影響を及ぼす場合、その個人は当該決定に関する説明を受ける権利を有する。これにより、当該個人は決定の背景にある理由を理解し、必要に応じて決定に対して異議を申し立てることができる。
Ook dwingt de verplichte uitleg organisaties om zelf te begrijpen hoe hun besluitvormingsprocessen werken. また、説明義務は、組織に対し、自らの意思決定プロセスがどのように機能しているかを理解するよう促すものである。
Dit moet in de uitleg staan 説明には以下を含める必要がある
In de uitleg moet de organisatie vertellen: 説明において、組織は以下を伝える必要がある:
・dat er sprake is van geautomatiseerde besluitvorming; ・自動化された意思決定が行われていること;
・wat de verwachte gevolgen en het belang van het besluit zijn; ・その決定の予想される影響と重要性;
・wat de onderliggende logica van het besluit is; ・決定の根底にあるロジック;
・welke rechten de persoon in kwestie heeft en hoe diegene die rechten kan uitoefenen. ・当該者が有する権利と、その権利を行使する方法。
De uitleg mag niet vaag of ingewikkeld zijn. De uitleg moet ook volledig zijn. 説明は曖昧であったり複雑であったりしてはならない。また、説明は完全でなければならない。
Organisaties die automatische besluiten nemen, moeten in het algemeen informatie geven over hoe dat in zijn werk gaat. Die algemene informatie moeten zij verstrekken aan alle betrokkenen (de mensen van wie zij persoonsgegevens verwerken). Ook moet de organisatie persoonlijke uitleg geven als dat wordt gevraagd door de persoon over wie een automatisch besluit is genomen. 自動的な意思決定を行う組織は、一般的に、その仕組みに関する情報を提供しなければならない。その一般的な情報は、すべての関係者(個人データを処理される人々)に提供しなければならない。また、自動的な意思決定の対象となった本人から求められた場合、組織は個別の説明を行わなければならない。
Vooraf nadenken over uitleg is essentieel 事前の説明の検討が不可欠である
Uitleg geven kan ingewikkeld zijn. Bijvoorbeeld wanneer het systeem dat het besluit heeft genomen niet meteen inzichtelijk is. Wanneer organisaties werken met algoritmes die niet uit te leggen zijn, kunnen zij de betrokkene niet vertellen waarom een bepaald besluit is genomen. Daarom is het essentieel om bij de keuze voor het systeem en de inrichting al na te denken over uitleg. 説明を行うことは複雑になり得る。例えば、決定を下したシステムが直感的に理解できない場合などである。組織が説明不可能なアルゴリズムを使用している場合、特定の決定が下された理由を本人には伝えられない。そのため、システムや仕組みの選定段階において、すでに説明について検討しておくことが不可欠である。
Sommige systemen zijn namelijk van zichzelf al goed inzichtelijk voor mensen. Er zijn ook systemen die andere technieken nodig hebben om ze inzichtelijk te maken. Daarnaast zijn er systemen die (nog) niet goed uit te leggen zijn. というのも、一部のシステムはそれ自体、人間にとって十分に理解しやすいものだからだ。一方で、理解しやすくするために他の技術が必要なシステムもある。さらに、(現時点では)十分に説明できないシステムも存在する。
Handvatten geven praktische hulp ガイドラインは実践的な支援を提供する
De AP biedt met de handvatten voorbeelden en praktische hulp aan organisaties om hun uitleg begrijpelijk te maken. Ook gaat de AP in op wat een organisatie moet doen wanneer andere belangen geschaad zouden worden door de uitleg, zoals het recht op gegevensbescherming van een ander persoon of een bedrijfsgeheim. APは、ガイドラインを通じて、組織が説明を分かりやすくするための事例や実践的な支援を提供している。また、他者のデータ保護権や企業秘密など、説明によって他の利益が損なわれる可能性がある場合、組織がどうすべきかについても言及している。
De handvatten zijn een uitgebreid naslagwerk voor wie binnen een organisatie uitleg moet regelen, en voor mensen die uitleg krijgen en willen weten waar zij recht op hebben. このガイドラインは、組織内で説明を統括する担当者や、説明を受け、自身の権利を知りたい人々にとって、包括的な参考資料となる。
Bij de publicatie van de definitieve handvatten publiceert de AP ook een stappenplan voor organisaties en een overzicht voor betrokkenen. Verder doet de AP samen met onderzoekers van de Universiteit Utrecht onderzoek naar effectieve communicatievormen om algoritmische besluitvorming uit te leggen. 最終版のガイドライン公表に際し、APは組織向けのステップバイステップ計画および関係者向けの概要も併せて公開する。さらにAPは、ユトレヒト大学の研究者らと共同で、アルゴリズムによる意思決定を説明するための効果的なコミュニケーション手法に関する研究を行っている。

 

・[PDF] Recht op uitleg - Bij geautomatiseerde besluitvorming

20260503-05557

目次...

Recht op uitleg 説明を受ける権利
Bij geautomatiseerde besluitvorming 自動化された意思決定において
Inhoud 目次
1. Inleiding 1. はじめに
1.1 Waarom uitleg geven? 1.1 なぜ説明が必要なのか?
1.1.1 Doel van informatie en inzage 1.1.1 情報提供および閲覧の目的
1.1.2 Uitleg bij geautomatiseerde besluitvorming 1.1.2 自動化された意思決定における説明
1.1.3 Organisatieperspectief 1.1.3 組織の視点
1.1.4 Maatschappelijk perspectief 1.1.4 社会の視点
1.2 Scope 1.2 適用範囲
1.3 Uitleg over besluiten die niet vallen onder artikel 22 AVG 1.3 GDPR第22条の対象外となる決定に関する説明
1.4 Over dit document 1.4 本文書について
1.5 Leeswijzer 1.5 読み方ガイド
1.6 Samenvatting 1.6 要約
2. De basis van uitleg 2. 説明の基礎
2.1 Op de hoogte stellen van geautomatiseerde besluitvorming 2.1 自動化された意思決定の通知
2.2 Belang en verwachte gevolgen 2.2 重要性および予想される影響
2.3 Rechten 2.3 権利
2.4 Algemene en specifieke uitleg 2.4 一般的および具体的な説明
2.4.1 Algemene uitleg 2.4.1 一般的な説明
2.4.2 Specifieke of persoonlijke uitleg 2.4.2 具体的または個人的な説明
2.5 Samenvatting 2.5 要約
3. Nuttige informatie over de onderliggende logica 3. 基礎となるロジックに関する有用な情報
3.1 Algemene uitleg 3.1 一般的な説明
3.2 Persoonlijke uitleg 3.2 個人的な説明
3.3 Causaal verband en samenhang 3.3 因果関係と関連性
3.4 Maatwerk 3.4 カスタマイズ
3.5 Inzichtelijkheid van algoritmes& AI 3.5 アルゴリズムとAIの可視性
3.5.1 Inzichtelijke modellen 3.5.1 可視化されたモデル
3.5.2 Inzichtelijk te maken modellen 3.5.2 可視化可能なモデル
3.5.3 Ondoorzichtige modellen 3.5.3 不透明なモデル
3.6 Samenvatting 3.6 要約
3.7 Voor organisaties, let hierop: 3.7 組織向け:ここに注意せよ
4. Begrijpelijkheid 4. 理解可能性
4.1 Beknopt, transparant en begrijpelijk 4.1 簡潔、透明、かつ理解しやすい
4.1.1 Gelaagde uitleg 4.1.1 階層的な説明
4.1.2 Verplaatsen in de betrokkene 4.1.2 当事者の立場に立つ
4.2 Duidelijke en eenvoudige taal 4.2 明確かつ平易な言葉遣い
4.3 Andere soorten uitleg 4.3 その他の説明の種類
4.4 Samenvatting 4.4 要約
4.5 Voor organisaties, let hierop: 4.5 組織向け:ここに注意せよ
5. Beperken van uitleg 5. 説明の制限
5.1 Bedrijfsgeheim 5.1 営業秘密
5.2 Gaming the system 5.2 システムの悪用
5.3 Afweging van uitleg tegen andere belangen 5.3 説明と他の利益との衡量
5.4 Beperken van een verzoek om inzage 5.4 アクセス請求の制限
5.5 Samenvatting 5.5 要約
5.6 Voor organisaties, let hierop: 5.6 組織向け:ここに注意せよ
6. Governance 6. ガバナンス
6.1 Inrichting 6.1 体制
6.2 Explainability-by-design 6.2 設計段階からの説明可能性
6.3 Samenvatting 6.3 要約
6.4 Voor organisaties, let hierop: 6.4 組織向け:ここに注意せよ
7. Conclusie 7. 結論
8. Juridisch kader: uitleg bij geautomatiseerde besluitvorming in de AVG 8. 法的枠組み:GDPRにおける自動化された意思決定に関する説明
8.1 Samenvatting 8.1 要約

 

 

ここに注意せよ集(^^)

3. Nuttige informatie over de onderliggende logica 3. 基盤となるロジックに関する有用な情報
3.7  Voor organisaties, let hierop: 3.7  組織は、ここに注意せよ:
Een goede uitleg aan een betrokkene is altijd een combinatie van algemene uitleg en persoonlijke uitleg. 関係者への適切な説明は、常に一般的な説明個別の説明を組み合わせたものである。
■  Vergeet niet om informatie te geven over de tussenstappen, bijvoorbeeld de risicoscore of categorisering. ■  リスクスコアや分類など、中間段階に関する情報を提供することを忘れないこと。
■  Geef altijd zoveel mogelijk uitleg, ook als het model minder inzichtelijk is. ■  モデルが分かりにくい場合でも、常に可能な限り説明を行うこと。
■  Denk in de ontwerpfase na over hoe de uitleg een betrokkene het beste kan helpen. ■  設計段階において、説明が関係者にどのように最も役立つかを検討すること。
■  Alleen een (wiskundige) formule geeft niet per se informatie over de onderliggende logica. ■  (数学的な)式だけでは、必ずしもその背後にある論理に関する情報を提供できるとは限らない。
■  Het doel van een goede uitleg is dat de betrokkene de redenering achter het besluit  ■  適切な説明の目的は、関係者が決定の背景にある推論を理解できるようにすることだ
4. Begrijpelijkheid 4. 理解しやすさ
4.5  Voor organisaties, let hierop: 4.5  組織は、ここに注意せよ:
■  Houd voor ogen aan wie de uitleg is gericht en sta open voor feedback. ■  説明の対象者を常に念頭に置き、フィードバックを受け入れる姿勢を持つこと。
■  Test de uitleg bij de doelgroep. ■  対象グループに対して説明をテストすること。
■  Vermijd technisch jargon. ■  専門用語の使用を避けること。
■  Overweeg een uitleg in meerdere lagen. ■  多層的な説明を検討すること。
5. Beperken van uitleg 5. 説明の制限
5.6  Voor organisaties, let hierop: 5.6  組織は、ここに注意せよ:
■  Kijk bij beperkte uitleg naar wat er wel mogelijk is om uit te leggen. ■  説明が限定的である場合、何が説明可能かを見極めること。
■  Leg uit dat de uitleg beperkt is, en waarom. ■  説明が限定的であること、およびその理由を説明すること。
■  Geef aan dat de betrokkene een klacht mag indienen bij de AP en naar de rechter kan gaan. ■  関係者がデータ保護当局(AP)に苦情を申し立てたり、裁判所に提訴したりできることを明示すること。
6. Governance 6. ガバナンス
6.4  Voor organisaties, let hierop: 6.4  組織は、ここに注意せよ:
■  Voer een DPIA uit, waarbij wordt nagedacht over een goed uitlegproces. ■  適切な説明プロセスについて検討したDPIAを実施すること。
■  Stel een contactpunt in waar betrokkenen om uitleg kunnen vragen. ■  関係者が説明を求めることができる窓口を設置する。
■  Ga na hoe het beginsel van gegevensbescherming door ontwerp en door standaardinstellingen kan bijdragen aan een goed uitlegproces. ■  「設計によるデータ保護」および「デフォルト設定」の原則が、適切な説明プロセスにどのように寄与できるかを確認する。
■  Maak bewuste keuzes bij de inzet algoritmes: hoe simpeler het algoritme, hoe makkelijker het is om uitleg te geven. ■  アルゴリズムの導入においては、意識的な選択を行う:アルゴリズムが単純であればあるほど、説明は容易になる。

 

 

このガイドライン作成のきっかけになった?調査報告 (報告書は2025年5月)

・2026.04.21 Veel mensen kennen hun rechten niet bij automatische besluiten

Veel mensen kennen hun rechten niet bij automatische besluiten 自動決定における自身の権利を知らない人は多い
Neemt een organisatie een automatisch besluit over iemand? Dan heeft diegene vaak recht op een menselijke blik. Dat betekent: dat een medewerker van de organisatie meekijkt bij het besluit. Uit onderzoek van de Autoriteit Persoonsgegevens (AP) blijkt echter dat mensen dit niet altijd weten. 組織が誰かについて自動決定を下す場合、その人は多くの場合、「人間の目による確認」を受ける権利がある。つまり、組織の職員が決定の過程に立ち会うということだ。しかし、オランダ個人情報保護庁(AP)の調査によると、人々は必ずしもこのことを認識していない。
Zo’n automatisch besluit kan bijvoorbeeld het besluit zijn over de aanvraag voor een lening. Of het automatisch beoordelen van een cv tijdens een sollicitatieprocedure. Automatische besluiten worden vaak genomen met een algoritme waarin persoonsgegevens zijn verwerkt. こうした自動決定の例としては、融資の申し込みに関する決定や、採用プロセスにおける履歴書の自動審査などが挙げられる。自動決定は、多くの場合、個人データが組み込まれたアルゴリズムによって行われる。
Onderzoek AP APの調査
De AP deed onderzoek naar hoe mensen kijken naar algoritmes en persoonsgegevens. Van de 1.480 mensen die meededen, wist maar liefst 38 procent niet dat ze recht hebben op een menselijke blik bij besluiten die door een algoritme worden genomen.  APは、人々がアルゴリズムや個人データをどのように捉えているかについて調査を行った。参加した1,480人のうち、実に38%が、アルゴリズムによって下される決定において、人間による確認を受ける権利があることを知らなかった。
Uit de gesprekken in de focusgroepen kwam verder naar voren dat mensen vinden dat menselijke controle noodzakelijk is bij belangrijke besluiten die genomen worden met algoritmes. Het is volgens hen daarbij van belang dat organisaties eenvoudige, eerlijke en toegankelijke uitleg geven aan mensen over wat er met hun persoonsgegevens gebeurt. さらに、フォーカスグループでの議論からは、アルゴリズムによって下される重要な決定には人間のチェックが必要だと人々が考えていることが明らかになった。彼らによれば、組織が個人の個人データがどのように扱われるかについて、シンプルで公正かつ分かりやすい説明を行うことが重要だという。
Verschillende acties 様々な取り組み
Het onderzoek was voor de AP aanleiding om de voorlichting over geautomatiseerde besluitvorming uit te breiden. Zodat organisaties de rechten van mensen beter gaan beschermen.  この調査を受け、APは自動化された意思決定に関する啓発活動を拡大した。これにより、組織が人々の権利をより適切に保護できるようになることを目指している。
Betekenisvolle menselijke tussenkomst 意味のある人間の介入
Zo publiceerde de AP voor organisaties de handvatten voor betekenisvolle menselijke tussenkomst. Hierin staan praktische tips om betere processen in te richten, zodat menselijke tussenkomst bij automatische besluiten ook echt betekenisvol is
そこでAPは、組織向けに「意味のある人間の介入」のための指針を公表した。これには、自動化された意思決定における人間の介入が真に意味のあるなものとなるよう、より良いプロセスを構築するための実践的なヒントが記載されている。
Recht op uitleg bij automatisch besluit 自動決定における説明を受ける権利
Om ervoor te zorgen dat organisaties eenvoudige, eerlijke en toegankelijke uitleg geven aan mensen over wat er met hun persoonsgegevens gebeurt, werkt de AP ook aan handvatten voor het recht op uitleg bij geautomatiseerde besluitvorming.  組織が、個人の個人データがどのように扱われているかについて、シンプルで公正かつ分かりやすい説明を人々に提供できるよう、APは自動化された意思決定における説明を受ける権利に関する指針も策定している。
Neemt een organisatie een besluit over iemand met een algoritme? Dan heeft diegene het recht om uitleg te krijgen over hoe dat besluit is genomen en op basis van welke gegevens.  組織がアルゴリズムを用いて個人に関する決定を下した場合、その個人には、その決定がどのように下され、どのようなデータに基づいて行われたかについて説明を受ける権利がある。
Hierdoor kan deze persoon het besluit aanvechten als diegene het er niet mee eens is. Of als de gegevens die zijn gebruikt voor het automatische besluit niet kloppen.  これにより、当該個人は、決定に同意できない場合や、自動決定に使用されたデータに誤りがある場合に、その決定に異議を申し立てることができる。
De handvatten zijn bedoeld voor organisaties. Later publiceert de AP ook informatie over het recht op uitleg bij geautomatiseerde besluitvorming voor de mensen over wie automatische besluiten worden genomen.  この指針は組織向けのものだ。後日、APは、自動決定の対象となる人々に向けた、自動化された意思決定における説明を受ける権利に関する情報も公開する予定だ。

 

調査報告書

・[PDF

20260503-11821

目次...

ONDERZOEKSRAPPORT 調査報告書 
Algoritmes en AI アルゴリズムとAI
Inhoudsopgave 目次
1 Inleiding 1 序論
1.1 Aanleiding 1.1 背景
1.2 Achtergrond 1.2 経緯
1.3 Definities 1.3 定義
1.4 Onderzoeksvragen 1.4 調査課題
1.5 Onderzoeksopzet 1.5 調査方法
Deskresearch デスクリサーチ
Kwantitatief onderzoek 定量的調査
Kwalitatief onderzoek 質的調査
2 Resultaten 2 結果
2.1 Inleiding 2.1 序論
2.2 Het kennisniveau van burgers 2.2 市民の知識レベル
Algoritmes en AI アルゴリズムとAI
Nadelige beslissingen 不利益な決定
Rechten 権利
2.3 Herkenning van risico's door burgers 2.3 市民によるリスクの認識
Sociale huurwoning 公営住宅
Recruitment en HR 採用と人事
Marketing マーケティング
Leningen afsluiten 融資の契約
Klantenservice カスタマーサービス
Gezichtsherkenning 顔認識
2.4 Naamsbekendheid AP 2.4 APの認知度
Bekendheid AP APの知名度
Beschermingsverantwoordelijke データ保護責任者
Informatiebehoefte 情報ニーズ
3 Conclusies 3 結論
3.1 Aanbevelingen 3.1 提言
Referentielijst 参考文献
Bijlagen 附属書
Bijlage 1 – Vragenlijst 附属書 1 – アンケート
Bijlage 2- Gesprekswijzer digitale focusgroep – algoritmes, AI& persoonsgegevens 附属書 2 – デジタル・フォーカスグループのインタビューガイド – アルゴリズム、AI、個人データ
Bijlage 3 – Verslaglegging focusgroepen 附属書 3 – フォーカスグループの報告書

 

この調査報告書の要旨...

2章:結果

2.2 市民の知識レベル

  • 多くの市民は日常的にAIに触れていると感じているが、仕組みの理解は抽象的で曖昧
  • 個人データがどのように使われるか分からないため、プライバシー(59%)と情報セキュリティ(60%)への不安が強い
  • 19%が「理由を説明されない不利益な決定」を経験。
  • しかし 40%はどこにも通報していない。理由は「どこに通報すべきか知らない」「意味がないと思う」など。
  • 市民は自分の権利(開示・削除・説明など)を概ね知っているが、説明が難解で理解できないと感じている。

2.3 リスク認識(6つのシナリオ)

  • マーケティング広告・チャットボット・ローン審査は「AIが関与している」と高確率で認識。
  • 一方、社会住宅の割当・採用選考・防犯カメラAIとの関連を見抜きにくい。
  • デジタルスキルが低いほど「AIが関与しているかどうか分からない」と回答する傾向。

2.4 APの認知度

  • 1/3APを知っており、半数以上が「名前は聞いたことがある」。
  • 市民はAP主要な責任主体と誤解している(74%が、実際の責任はデータを扱う組織側にある。
  • 市民は「中央の通報窓口」を強く求めている。
  • 引用:「Het voelt alsof de slager zijn eigen vlees keurt」(業者が自分で自分を監査しているように感じる

 

 


 

● まるちゃんの情報セキュリティ気まぐれ日記

・2025.08.01 オランダ データ保護庁 アルゴリズムに基づく意思決定における意味のある人間の介入 (2025.07.23)

 

 

| | Comments (0)

2026.05.03

英国 NCSC 各国のサイバー機関が、中国と関連する秘密ネットワークへの対策として新たな指針を共有 (2026.04.23)

こんにちは、丸山満彦です。

英国のNCSCが中心となって、各国のサイバー機関が、中国と関連する秘密ネットワークへの対策として新たな指針を共有しています...

国としては、Five Eyesと、ドイツ、日本(NCO)、オランダ、スペイン、スウェーデン...

NCSCだけでなく米国のCISAや日本のNCOも発表していますね...

20260502-215715

 

● NCSC 

・2026.04.23 Defending against China-nexus covert networks of compromised devices

Defending against China-nexus covert networks of compromised devices 中国と関連する侵害されたデバイスによる隠蔽ネットワークへの防御
Explaining the widespread shift in tactics, techniques and procedures (TTPs) towards networks of compromised infrastructure, and how to defend against it 侵害されたインフラのネットワークに向けた戦術、技術、手順(TTPs)の広範な変化と、それに対する防御策について解説する
On this page このページの内容
Summary 概要
Introduction 序論
Covert networks 隠蔽ネットワーク
Typical Network Topology 典型的なネットワークトポロジー
Protective advice 防御上の助言
MITRE ATT&CK® MITRE ATT&CK®
Appendix: Cyber Security Best Practices 附属書:サイバーセキュリティのベストプラクティス
...... ......
Introduction 序論
Over the past few years there has been a major shift in the tactics, techniques and procedures (TTPs) used by China-nexus cyber actors, moving away from the use of individually procured infrastructure, and towards the use of externally provisioned, large-scale networks of compromised devices. 過去数年間、中国関連のサイバー攻撃者が用いる戦術、技術、手順(TTPs)には大きな変化が見られ、個別に調達したインフラの利用から、外部から提供された侵害されたデバイスによる大規模ネットワークの利用へと移行している。
The NCSC believes that the majority of China-nexus threat actors are using these networks (hereafter “covert networks”), that multiple covert networks have been created and are being constantly updated, and that a single covert network could be being used by multiple actors. These networks are mainly made up of compromised Small Office Home Office (SOHO) routers, as well as Internet of Things (IoT) and smart devices. NCSCは、中国関連の脅威アクターの大部分がこれらのネットワーク(以下「隠蔽ネットワーク」)を利用しており、複数の隠蔽ネットワークが構築され絶えず更新されており、単一の隠蔽ネットワークが複数のアクターによって利用されている可能性があると考えている。これらのネットワークは、主に侵害されたSOHO(Small Office Home Office)ルーター、およびIoT(Internet of Things)やスマートデバイスで構成されている。
Anyone who is a target of China-nexus cyber actors may be impacted by the use of covert networks. They have been used by Chinese state-sponsored actors Volt Typhoon to pre-position offensive cyber capabilities on critical national infrastructure. The group Flax Typhoon used a different covert network of compromised infrastructure to conduct cyber espionage. 中国関連のサイバー攻撃者の標的となっている者は、誰でもこの隠蔽ネットワークの利用による影響を受ける可能性がある。中国の国家支援アクターグループ「Volt Typhoon」は、重要な国家インフラに対して攻撃的なサイバー能力を事前に配置するために、これらを利用してきた。また、「Flax Typhoon」グループは、侵害されたインフラからなる別の隠蔽ネットワークを用いて、サイバー諜報活動を行った。
The use of covert networks of compromised devices - also known as botnets - to facilitate malicious cyber activity is not new, but China-nexus cyber actors are now using them strategically, and at scale. 侵害されたデバイスからなる隠蔽ネットワーク(ボットネットとも呼ばれる)を悪意のあるサイバー活動の手段として利用することは目新しいことではないが、中国関連のサイバー攻撃者は現在、これらを戦略的かつ大規模に活用している。
This advisory describes the typical makeup of a covert network and what they are being used for. It also includes protective advice for organisations being targeted by cyber activity using a covert network as an access vector. 本アドバイザリでは、隠蔽ネットワークの典型的な構成と、その用途について説明する。また、隠蔽ネットワークを侵入経路として利用するサイバー攻撃の標的となっている組織向けの防御策も含まれている。
...... ......
Protective Advice 防御に関する助言
Defending from attackers using covert networks is not straightforward, and defensive tactics will be different based on the levels of resource and the nature of the target organisation. General advice for good cyber security practice should be followed, and some key messages can be found in the appendix of this advisory. 隠蔽されたネットワークを利用する攻撃者からの防御は容易ではなく、防御策はリソースの規模や標的となる組織の性質によって異なる。サイバーセキュリティの適切な実践に関する一般的な助言に従うべきであり、その主な内容は本勧告の附属書に記載されている。
The following advice is specifically tailored to steps which can be taken to combat the risk of attacks coming from large, dynamic networks of compromised devices. 以下の助言は、侵害されたデバイスから成る大規模かつ動的なネットワークからのリスクに対抗するために講じられる措置に特化して作成されたものである。
Further guidance for all organisations facing cyber security threats is available on the NCSC website. サイバー脅威に直面しているすべての組織向けのさらなるガイダンスは、NCSCのウェブサイトで入手可能だ。
This guidance should be considered alongside all applicable laws and regulations of the UK and co-sealing countries relating to the security of networks and data. It will be each organisation’s responsibility to ensure compliance with any such laws and regulations. Organisations should note that following the recommended actions set out below will not remove all risks. 本ガイダンスは、ネットワークおよびデータセキュリティに関連する英国および共同署名国の適用法と併せて検討すべきである。かかる適用法への準拠を確保することは、各組織の責任となる。組織は、以下に示す推奨措置を講じたとしても、すべてのリスクが排除されるわけではないことに留意すべきだ。
All organisations すべての組織
The NCSC recommends the following steps for all affected organisations to either take themselves, or ask their managed service and/or security providers to investigate for them: NCSCは、影響を受けるすべての組織に対し、自ら実施するか、またはマネージドサービス・プロバイダーおよび/またはセキュリティプロバイダに調査を依頼するよう、以下の手順を推奨する。
・Map and understand network edge devices, developing a clear understanding of organisational assets and what should be connecting to them. ・ネットワークエッジデバイスをマッピングして把握し、組織の資産およびそれらに接続すべき対象について明確な理解を深める。
・Baseline normal connections, especially to corporate virtual private networks (VPNs) or other similar services. ・通常の接続、特に企業の仮想プライベートネットワーク(VPN)やその他の類似サービスへの接続について、基準を確立する。
・・Would you expect connections from consumer broadband ranges? ・・一般家庭のブロードバンド帯域からの接続を想定しているか?
・Leverage available dynamic threat feeds which include covert network infrastructure. ・隠蔽されたネットワークインフラを含む、利用可能な動的脅威フィードを活用する。
・Implement multi-factor authentication for remote connections. ・リモート接続に対して多要素認証を導入する。
Smaller organisations should consider creating and actioning a free NCSC Cyber Action Toolkit. 小規模な組織は、無料のNCSCサイバーアクションツールキットを作成し、実行することを検討すべきだ。
Larger or more at-risk organisations 大規模な組織、またはリスクの高い組織
Some more comprehensive measures may be appropriate if the risk to an organisation is high enough, to be conducted either in-house or through a security provider: 組織へのリスクが十分に高い場合は、より包括的な対策が適切であり、社内またはセキュリティプロバイダを通じて実施すべきだ:
・Apply IP address allow lists rather than deny lists for connections to corporate VPNs for remote workers. ・リモートワーカーの企業VPNへの接続については、IPアドレスの拒否リストではなく許可リストを適用する。
・Use geographic allow lists or profile incoming connections based on operating system, time zones, and/or organisation specific system configuration settings. ・地理的な許可リストを使用するか、OS、タイムゾーン、および/または組織固有のシステム設定に基づいて着信接続をプロファイリングする。
・Implement zero trust policies for connections. ・接続に対してゼロトラストポリシーを導入する。
・Enforce machine certificates for Secure Sockets Layer (SSL) connections. ・Secure Sockets Layer(SSL)接続に対してマシン証明書を強制する。
・Reduce the internet-facing presence of the IT estate. ・IT資産のインターネットへの露出を削減する。
・Investigate machine learning techniques to profile normal network edge activity to detect and block anomalies. ・機械学習技術を活用し、通常のネットワークエッジ活動をプロファイリングして、異常を検知・ブロックする。
The NCSC's Cyber Essentials can help protect organisations of all sizes. NCSCの「Cyber Essentials」は、あらゆる規模の組織の防御に役立つ。
Largest or most at-risk organisations 最大規模または最もリスクの高い組織
If Advanced Persistent Threat (APT) tracking is part of an organisation’s in-house capability, or if it is part of the service provided by a security vendor, consider tracking China-nexus covert networks as APTs in their own right. 組織の社内能力の一部として、あるいはセキュリティベンダーが提供するサービスの一部として、高度持続的脅威(APT)の追跡を行っている場合は、中国に関連する隠蔽ネットワークを、それ自体がAPTであるものとして追跡することを検討する。
・Active hunting – look for connections from IP addresses likely to be part of a covert network of compromised devices, for instance those hosting SOHO routers or IoT devices. ・能動的なハンティング – SOHOルーターやIoTデバイスをホストしているものなど、侵害されたデバイスによる隠蔽ネットワークの一部である可能性が高いIPアドレスからの接続を探し出す。
・Track and map covert networks reported by industry or government by looking at banners and certificates. ・バナーや証明書を確認することで、業界や政府から報告された隠蔽ネットワークを追跡し、マッピングする。
・Use threat reporting and threat feeds to create and implement dynamic blocklists and create alert rules to detect incoming threats. ・脅威レポートや脅威フィードを活用して動的なブロックリストを作成・実装し、侵入する脅威を検知するためのアラートルールを作成する。
・Consider using NetFlow feeds to look upstream and map covert networks to find new nodes. ・NetFlowフィードを使用して上流を調査し、隠蔽ネットワークをマッピングして新たなノードを発見することを検討する。
The NCSC Cyber Assessment Framework provides guidance for organisations under the highest levels of threat, including those operating essential services, in sectors such as energy, healthcare, transport, digital infrastructure and government.  NCSCサイバーアセスメントフレームワークは、エネルギー、医療、運輸、デジタルインフラ、政府などのセクターにおいて、重要サービスを運営する組織を含む、最高レベルのサイバー脅威にさらされている組織向けのガイダンスを提供している。

 

・2026.04.23 Executive Summary: Defending against China-nexus covert networks of compromised devices

Executive Summary: Defending against China-nexus covert networks of compromised devices  エグゼクティブサマリー:中国と関連する、侵害されたデバイスによる隠蔽ネットワークへの対策
What is the threat? 脅威とは何か?
・China-nexus cyber actors have moved from using individually procured infrastructure to operating large scale “covert networks” – botnets built from compromised routers, and other edge devices. ・中国関連のサイバーアクターは、個別に調達したインフラの利用から、侵害されたルーターやその他のエッジデバイスで構成された大規模な「隠蔽ネットワーク」――すなわちボットネット――の運用へと移行している。
・These networks are used for each phase of the Cyber Kill Chain, from reconnaissance and malware delivery, to command and control and data exfiltration against targets of espionage and offensive cyber operations. ・これらのネットワークは、サイバーキルチェーンの各段階――偵察やマルウェアの配布から、コマンド&コントロール、さらにはスパイ活動や攻撃的サイバー作戦の標的に対するデータ流出に至るまで――に利用されている。
・The threat is a dynamic, low-cost, deniable infrastructure model that can be rapidly re-shaped, rendering traditional static IP block lists ineffective. ・この脅威は、動的で低コスト、かつ否認可能なインフラモデルであり、急速に再構成されるため、従来の静的なIPブロックリストは効果を失う。
What is the impact on affected organisations? 影響を受ける組織への影響は何か?
・Covert networks enable China-nexus actors to launch cyber attacks against UK organisations, stealing sensitive data and potentially disrupting critical services. ・隠蔽ネットワークにより、中国と関連するアクターは英国の組織に対してサイバー攻撃を仕掛け、機密データを盗み出し、重要なサービスを妨害する可能性がある。
・Because the covert networks are constantly refreshed and share nodes across multiple threat groups, defenders face “IOC extinction” – indicators of compromise disappear as quickly as they are discovered. ・隠蔽ネットワークは絶えず更新され、複数の脅威グループ間でノードを共有しているため、防御側は「IOCの消滅」に直面する。つまり、侵害の兆候(IOC)は発見されるのと同じ速さで消えてしまうのだ。
・Consequently, organisations that rely solely on static defences risk being bypassed, while those that adopt adaptive, intelligence driven measures can better mitigate the risk. ・その結果、静的な防御策のみに依存する組織は攻撃を回避されるリスクがある一方、適応性がありインテリジェンス主導の対策を講じる組織は、リスクをより効果的に緩和できる。
What should I do? どうすべきか?
・The NCSC and the Cyber League, in conjunction with the co-sealing agencies, have developed advice specifically to combat this threat. ・NCSCとサイバーリーグは、共同対応機関と連携し、この脅威に対抗するための具体的な助言を策定した。
・The advisory contains guidance for small, medium, and large organisations.All organisations should map and baseline their edge device traffic, especially VPN and remote access connections, and adopt dynamic threat feed filtering that includes known covert network indicators. ・この勧告には、小規模、中規模、大規模組織向けの指針が含まれている。すべての組織は、エッジデバイスのトラフィック(特にVPNおよびリモートアクセス接続)をマッピングしてベースラインを確立し、既知の隠蔽ネットワーク指標を含む動的な脅威フィードフィルタリングを採用すべきである。
・Potential victims should implement two-factor authentication for remote access and, where possible, apply zero trust controls, IP allow lists, and machine certificate verification. ・潜在的な被害者は、リモートアクセスに二要素認証を導入し、可能な場合はゼロトラスト制御、IP許可リスト、およびマシン証明書の検証を適用すべきである。
・Larger or high-risk entities should consider active hunting of suspicious SOHO/IOT traffic, geographic profiling, and machine learning based anomaly detection. ・大規模または高リスクの事業体は、不審なSOHO/IoTトラフィックの能動的な検知、地理的プロファイリング、および機械学習に基づく異常検知を検討すべきだ。
Conclusion 結論
Promptly applying the recommended mapping, baseline, and zero trust measures is essential to reduce organisation exposure to China-nexus covert network attacks and to protect critical assets. 推奨されるマッピング、ベースライン設定、およびゼロトラスト対策の迅速な適用は、中国関連の隠蔽ネットワーク攻撃に対する事業体の曝露リスクを低減し、重要資産を防御するために不可欠である。

 

 

・2026.04.23 International cyber agencies share fresh advice to defend against China-linked covert networks

International cyber agencies share fresh advice to defend against China-linked covert networks 国際サイバー機関が、中国関連の隠蔽ネットワークに対する防御策として新たな助言を共有
New advisory highlights how to defend against attacker tactics believed to be used by the majority of China-linked actors to hide malicious cyber activity. 新たな勧告では、悪意のあるサイバー活動を隠蔽するために、中国関連のアクターの大多数が使用していると見られる攻撃者の戦術に対する防御策が強調されている。
・GCHQ’s National Cyber Security Centre with UK industry and 15 international partners shine light on best protections against methods used by China-linked threat actors. ・GCHQの国家サイバーセキュリティセンターは、英国の産業界および15の国際パートナーと協力し、中国関連の脅威アクターが使用する手法に対する最善の防御策を明らかにした。
・Covert networks, often made up of compromised devices such as smart devices, are being used to disguise the origins and attributions of cyber attacks. ・スマートデバイスなどの侵害された端末で構成されることが多い隠蔽ネットワークは、サイバー攻撃の発信元や帰属を偽装するために利用されている。
・Organisations urged to follow the protective advice outlined in the new advisory launched on Day Two of CYBERUK 2026 conference to combat this risk. ・組織に対し、このリスクに対抗するため、CYBERUK 2026カンファレンスの2日目に発表された新たな勧告に示された防御策に従うよう強く求められている。
International cyber agencies are calling on organisations to understand and better defend against the cyber threat from covert networks by following new joint advice published today (Thursday). 国際的なサイバー機関は、本日(木曜日)公表された新たな共同勧告に従い、組織が隠蔽ネットワークによるサイバー脅威を理解し、より効果的に防御するよう呼びかけている。
The National Cyber Security Centre (NCSC) – a part of GCHQ – alongside industry and 15 international partners from across nine other countries, have issued a new advisory, highlighting how to defend against these attacker tactics which are believed to be used by the majority of China-linked actors to obscure malicious cyber activity. GCHQの一部である国家サイバーセキュリティセンター(NCSC)は、産業界および他9カ国からの15の国際パートナーと共同で、新たな勧告を発表した。この勧告では、悪意のあるサイバー活動を隠蔽するために中国関連のアクターの大多数が使用していると見られる攻撃者の戦術に対する防御策が強調されている。
Covert networks are often made up of vulnerable everyday internet-connected edge devices, such as home routers and smart devices, that have been compromised. These networks are being leveraged at scale to target critical sectors globally, steal sensitive data, and maintain persistent access. 隠蔽ネットワークは、家庭用ルーターやスマートデバイスなど、侵害された脆弱な日常的なインターネット接続エッジデバイスで構成されることが多い。これらのネットワークは、世界中の重要セクターを標的とし、機密データを窃取し、持続的なアクセス権を維持するために大規模に悪用されている。
The new advisory, produced with members of the NCSC’s Cyber League programme with industry, has been published on the second day of the UK government’s flagship CYBERUK conference and is designed to assist organisations with the latest protective advice. NCSCの「サイバーリーグ」プログラムのメンバーと産業界が共同で作成したこの新たな勧告は、英国政府の旗艦イベントであるCYBERUKカンファレンスの2日目に公表され、組織に対し最新の防御策を提供することを目的としている。
It includes comprehensive mitigation advice to help defend against activity originating from a covert network. これには、隠蔽ネットワークに起因する活動から防御するための包括的な緩和アドバイスが含まれている。
It also warns of a key issue for network defenders: IOC extinction, where indicators of compromise disappear as quickly as they are discovered, requiring more adaptive, intelligence-driven measures to mitigate the risks. また、ネットワーク防御担当者にとっての重要な課題である「IOCの消滅」についても警告している。これは、侵害の兆候(IOC)が発見されるのと同時に消えてしまう現象であり、リスクを軽減するためには、より適応性が高く、インテリジェンス主導の緩和が必要となる。
"Our new joint advisory consolidates insights and proactive advice from across the international cyber security community to help network defenders combat the use of covert networks. 「この新たな共同アドバイザリーは、国際的なサイバーセキュリティコミュニティ全体からの知見と予防的助言を統合し、ネットワーク防御担当者が隠蔽ネットワークの悪用に対抗できるよう支援するものである。
In recent years, we have seen a deliberate shift in cyber groups based in China utilising these networks to hide their malicious activity in an attempt to avoid accountability. 近年、中国を拠点とするサイバーグループが、責任追及を回避するために悪意ある活動を隠蔽する目的で、こうしたネットワークを利用する傾向が意図的に強まっている。
The NCSC will not shy away from shining a light of these techniques and we call on organisations to act now to better defend their critical assets. NCSCは、こうした手口を明らかにすることを躊躇しない。我々は組織に対し、重要な資産をより適切に守るために、今すぐ行動を起こすよう呼びかける。
Paul Chichester, NCSC Director of Operations ポール・チチェスター、NCSC運用局長
The advisory describes how covert networks used by China-linked actors are being created and maintained, externally, by Chinese information security companies. 本アドバイザリーでは、中国関連のアクターが利用する隠蔽ネットワークが、外部の中国系情報セキュリティ企業によってどのように構築・維持されているかを説明している。
In September 2024, alongside international partners, the NCSC called out, an information security company based in China, Integrity Technology Group, for controlling and managing a botnet, which was utilised by Flax Typhoon. 2024年9月、NCSCは国際的なパートナーと共に、中国に拠点を置く情報セキュリティ企業「Integrity Technology Group」が、Flax Typhoonによって利用されたボットネットを制御・管理していたとして非難した。
In December 2025, the UK government sanctioned Integrity Technology Group alongside another China-based information security company, for their reckless and indiscriminate malicious cyber activity against the UK and its allies. 2025年12月、英国政府は、英国およびその同盟国に対する無謀かつ無差別な悪意あるサイバー活動を行ったとして、Integrity Technology Groupと、もう1つの中国に拠点を置く情報セキュリティ企業に対して制裁を科した。
Small organisations are encouraged to use the free Cyber Action Toolkit, with larger organisations encouraged to secure Cyber Essentials certification and use the updated Cyber Assessment Framework 小規模組織には無料の「Cyber Action Toolkit」の利用が推奨され、大規模組織には「Cyber Essentials」認証の取得と、更新された「Cyber Assessment Framework」の利用が推奨される。
The advisory has been issued by the NCSC alongside the Cyber League and 15 co-sealing agencies, including: 本勧告は、NCSCがサイバー・リーグおよび以下の15の共同署名機関と共同で発出したものである:
Australian Signals Directorate’s (ASD’s) Australian Cyber Security Centre (ACSC) オーストラリア信号局(ASD)傘下のオーストラリア・サイバーセキュリティ・センター(ACSC)
Communications Security Establishments Canada's (CSE's) Canadian Centre for Cyber Security (Cyber Centre) カナダ通信保安庁(CSE)傘下のカナダ・サイバーセキュリティ・センター(Cyber Centre)
Germany Federal Office for the Protection of the Constitution -  Bundesamt für Verfassungsschutz (BfV) ドイツ連邦憲法擁護庁(Bundesamt für Verfassungsschutz) (BfV)
Germany Federal Intelligence Service – Bundesnachrichtendienst (BND) ドイツ連邦情報局 – Bundesnachrichtendienst (BND)
Germany Federal Office for Information Security - Bundesamt für Sicherheit in der Informationstechnik (BSI) ドイツ連邦情報セキュリティ庁 - Bundesamt für Sicherheit in der Informationstechnik (BSI)
Japan National Cybersecurity Office (NCO) - 国家サイバー統括室 日本国家サイバーセキュリティ統括室 (NCO) - 国家サイバーセキュリティ統括室
Netherlands General Intelligence and Security Service - Algemene Inlichtingen- en Veiligheidsdienst (AIVD) オランダ総合情報・保安局 - Algemene Inlichtingen- en Veiligheidsdienst (AIVD)
Netherlands Defence Intelligence and Security Service - Militaire Inlichtingen- en Veiligheidsdienst (MIVD) オランダ国防情報・保安局 - Militaire Inlichtingen- en Veiligheidsdienst (MIVD)
New Zealand National Cyber Security Centre (NCSC-NZ) ニュージーランド国家サイバーセキュリティセンター (NCSC-NZ)
Spain National Cryptologic Centre – Centro Criptológico Nacional (CCN) スペイン国家暗号センター – Centro Criptológico Nacional (CCN)
Sweden National Cyber Security Centre - Nationellt cybersäkerhetscenter (NCSC-SE) スウェーデン国家サイバーセキュリティセンター - Nationellt cybersäkerhetscenter (NCSC-SE)
United States Cybersecurity and Infrastructure Security Agency (CISA) 米国サイバーセキュリティ・インフラセキュリティ庁 (CISA)
United States Department of Defense Cyber Crime Center (DC3) 米国国防総省サイバー犯罪センター (DC3)
United States Federal Bureau of Investigation (FBI) 米国連邦捜査局 (FBI)
United States National Security Agency (NSA) 米国国家安全保障局 (NSA)

 

 

● CISA

・2026.04.23 Defending Against China-Nexus Covert Networks of Compromised Devices

 

● 国家サイバー統括室(NCO)

・[PDF] 侵害されたデバイスで構成される中国関連の匿名ネットワークに対する防御に関するアドバイザリーへの共同署名について


報道資料

令和8年4月23日

国家サイバー統括室

侵害されたデバイスで構成される中国関連の匿名ネットワークに対する防御に関するアドバイザリーへの共同署名について

令和8年4月23日、国家サイバー統括室は、英国が作成した国際アドバイザリー“ Defending against China-linked covert networks of compromised devices”(以下「本件アドバイザリー」という。)の共同署名に加わり、本件アドバイザリーを公表しました。仮訳は追って公表予定です。

本件アドバイザリーに共同署名し協力機関として組織名を列記した国は、英国の他、豪州、カナダ、ドイツ、オランダ、ニュージーランド、スペイン、スウェーデン、米国及び日本の 10 か国です。

本件アドバイザリーは、匿名ネットワークを使用したサイバー攻撃を技術的に説明した上で、攻撃の検知手法や緩和策を示すものであり、我が国のサイバー安全保障強化に資する文書であることから共同署名に加わることとしました。

今後も、サイバー安全保障分野での国際連携の強化に努めてまいります。

1.本件アドバイザリーの概要

(1)概要・背景

  • 過去数年間で中国関連のサイバーアクターは、戦術、技術、手順(TTPs)を変更している。それまで個別に調達していたインフラの利用から、外部から提供される大規模な侵害デバイスのネットワーク(ボットネット)へ転換した。Volt Typhoon、Flax Typhoon がこうしたネットワークを利用。
  • ネットワークは主に侵害された SOHO ルーター、IoT デバイス(ウェブカメラ、ビデオレコーダー、NAS 等)、スマートデバイスで構成されている。中国関連の大半のアクターが匿名ネットワークを戦略的に大規模に利用。複数グループが単一のネットワークを利用している可能性がある。
  • 匿名ネットワークは継続的に開発されている。また、防御側の対抗措置やアップデート等により、常に変化している。

(2)匿名ネットワークの特徴

  • 低コスト・低リスクで匿名性が高い通信経路を提供。
  • マルウェア配信からデータ流出まで、サイバー攻撃のあらゆる段階で利用。
  • 正当なユーザーも使用し、帰属特定が困難。
  • 中国の情報セキュリティ企業が創設・管理。多層ボットネット「Raptor Train」は世界中の 20 万台以上の感染デバイスで構成され、Integrity Technology Group により運用されている。

(3)防御策

  • すべての組織向け
    • エッジデバイスの把握
    • リモート接続への二要素認証導入 等
  • 大規模/高リスク組織向け
    • IP 許可リスト、ゼロトラストポリシーの適用
    • 地理的・OS・タイムゾーンによる接続制御
    • 機械学習による異常検知 等
  • 最高リスク組織向け
    • アクティブハンティングで侵害デバイス IP を検出・監視
    • バナー等を活用した報告済みの匿名ネットワークの追跡・マッピング
    • 動的ブロックリストや脅威検知・警告ルールの作成
    • ネットフロー解析による動的ネットワークマッピング 等

2.関連リンク

【原文リンク】


 

 

| | Comments (0)

米国 NIST IR 8259 Rev. 1 IoT製品製造事業者のための基礎的なサイバーセキュリティ活動 (2026.04.20)

こんにちは、丸山満彦です。

消費者向け製品は特にですが、IoT 製品のセキュリティは、顧客任せではなく メーカーが設計段階から責任を持って「securable」な状態を作り込むべきですよね...

キーボード叩いて運用でなんとかリカバリーできるところもあるので運用にまかせてしまったPCがデフォルトだと思われているかもしれないけど、普通はセキュアな状態で市場にだすのが当然ですよね...

とくに、運動エネルギーへの変換や、人間の体に直接作用をしてしまうようなデバイスについてはセキュアな状態での販売が当然ですよね...

ただ、すべてを製造事業者に責任を追わせると製品が使いづらくなったり、高価になってしまうこともあるので、顧客側も安全な利用の仕方ということを理解しようとすべきですよね...

製造事業者もセキュアな状態を技術的な機能だけで実装しようとせず、顧客のニーズを理解し、適切な手段を選んで、ライフサイクル全体でセキュアになるようにする。そして、顧客等への適切な情報提供を通じて、全体として安全に使われる環境を作り出すということが重要なんでしょうね...

で、NIST IR 8259r1は、IoT製品製造事業者が実施すべきセキュリティ活動を説明していますね...参考になると思います...

 

Activity 0: Prioritize Cybersecurity and Maintain Cybersecurity Posture  活動0:サイバーセキュリティを優先し、サイバーセキュリティ態勢を維持する 
Activity 1: Identify Expected Customers and Define Expected Use Cases  活動1:想定顧客の識別と想定ユースケースの定義 
Activity 2: Research Customer Cybersecurity Needs and Goals  活動2:顧客のサイバーセキュリティのニーズと目標を調査する 
Activity 3: Determine Appropriate Means to Support Customer Needs and Goals   活動3:顧客のニーズと目標を支援するための適切な手段を決定する  
Activity 4: Define IoT Product Cybersecurity Capabilities Based on Appropriate Means  活動4:適切な手段に基づくIoT製品のサイバーセキュリティ機能の定義 
Activity 5: Plan for Adequate Support of Customer Needs and Goals  活動5:顧客のニーズと目標を適切に支援するための計画 
Product Goes to Market  製品の市場投入 
Activity 6: On-Going Support of Product Cybersecurity through-out the Lifecyle  End-of-Life  活動6:ライフサイクル全体を通じた製品のサイバーセキュリティに対する継続的なサポート  サポート終了 
Activity 7: Define Approaches for Communicating to Customers  活動7:顧客へのコミュニケーション手法の定義 
Activity 8: Decide What to Communicate to Customers and How to Communicate It  活動8:顧客への伝達内容および伝達方法の決定 

 

 

● NIST - ITL

・2026.04.20 NIST IR 8259 Rev. 1 Foundational Cybersecurity Activities for IoT Product Manufacturers

 

NIST IR 8259 Rev. 1 Foundational Cybersecurity Activities for IoT Product Manufacturers NIST IR 8259 Rev. 1 IoT製品製造事業者のための基礎的なサイバーセキュリティ活動
Abstract 概要
Internet of Things (IoT) products often lack product cybersecurity capabilities their customers—organizations and individuals—can use to help mitigate their cybersecurity risks. Manufacturers can help their customers by improving the securability of their IoT products by providing necessary cybersecurity functionality and by providing customers with the cybersecurity-related information they need. This publication describes recommended activities related to cybersecurity that manufacturers should consider performing before their IoT products are sold to customers. These foundational cybersecurity activities can help manufacturers lessen the cybersecurity-related efforts needed by customers, which in turn can reduce the prevalence and severity of compromises. IoT製品には、顧客(組織や個人)がサイバーセキュリティリスクの緩和に活用できるサイバーセキュリティ機能が欠けている場合が多い。製造事業者は、必要なサイバーセキュリティ機能を提供し、顧客が必要とするサイバーセキュリティ関連情報を提供することで、IoT製品のセキュリティ性を向上させ、顧客を支援することができる。本刊行物は、製造事業者がIoT製品を顧客に販売する前に実施を検討すべき、サイバーセキュリティに関連する推奨活動を記述している。これらの基礎的なサイバーセキュリティ活動は、製造事業者が顧客が必要とするサイバーセキュリティ関連の取り組みを軽減するのに役立ち、ひいては侵害の発生率と深刻度を低減することができる。

 

・[PDF] IR.8259r1

20260501-94341

・[DOCX][PDF] 仮訳

 

Executive Summary エグゼクティブサマリー
1. Introduction 1. 序論
1.1. Purpose and Scope 1.1. 目的と範囲
1.2. Publication Structure 1.2. 出版物の構成
2. Background 2. 背景
2.1. Product Cybersecurity and System Cybersecurity 2.1. 製品のサイバーセキュリティとシステムのサイバーセキュリティ
2.2. Composition of IoT Products 2.2. IoT製品の構成
2.3. Entities in an IoT Product Ecosystem 2.3. IoT製品エコシステムにおける事業体
2.4. The Role of the Manufacturer in Cybersecurity 2.4. サイバーセキュリティにおける製造事業者の役割
2.5. IoT Product Customer Cybersecurity Needs and Goals 2.5. IoT製品の顧客のサイバーセキュリティ上のニーズと目標
2.6. Relationships between Needs and Goals, Capabilities, and Means 2.6. ニーズと目標、能力、および手段の関係
3. Manufacturer Activities Impacting the IoT Product Pre-Market Phase 3. IoT製品の市場投入前段階に影響を与える製造事業者の活動
3.1. Activity 0: Prioritize Cybersecurity and Maintain Cybersecurity Posture 3.1. 活動0:サイバーセキュリティの優先順位付けとサイバーセキュリティ態勢の維持
3.2. Activity 1: Identify Expected Customers and Define Expected Use Cases 3.2. 活動1:想定される顧客の識別と想定されるユースケースの定義
3.3. Activity 2: Research Customer Cybersecurity Needs and Goals 3.3. 活動2:顧客のサイバーセキュリティのニーズと目標の調査
3.4. Activity 3: Determine Appropriate Means to Support Customer Needs and Goals in the Context of the IoT Product 3.4. 活動3:IoT製品の文脈において顧客のニーズと目標を支援するための適切な手段を決定する
3.5. Activity 4: Define IoT Product Cybersecurity Capabilities Based on Appropriate Means 3.5. 活動4:適切な手段に基づくIoT製品のサイバーセキュリティ機能の定義
3.6. Activity 5: Plan for Adequate Support of Customer Needs and Goals 3.6. 活動5:顧客のニーズと目標に対する適切な支援の計画
4. Manufacturer Activities Impacting the IoT Product Post-Market Phase 4. IoT製品の市販後段階に影響を与える製造事業者の活動
4.1. Activity 6: On-Going Support of Product Cybersecurity throughout the Lifecycle and through End-of-Life 4.1. 活動6:ライフサイクル全体および製品寿命終了までの製品サイバーセキュリティの継続的支援
4.2. Activity 7: Define Approaches for Communicating to Customers 4.2. 活動7:顧客へのコミュニケーションアプローチの定義
4.3. Activity 8: Decide What to Communicate to Customers and How to Communicate It 4.3. 活動8:顧客に何を、どのように伝えるかを決定する
4.3.1. Cybersecurity Risk-Related Assumptions 4.3.1. サイバーセキュリティリスクに関する前提条件
4.3.2. Support and Lifespan Expectations 4.3.2. サポートおよびライフサイクルに関する期待
4.3.3. Product Composition and Capabilities 4.3.3. 製品の構成と機能
4.3.4. Software Updates 4.3.4. ソフトウェアの更新
4.3.5. Product Retirement Options 4.3.5. 製品の廃止に関する選択肢
4.3.6. Technical and Non-Technical Cybersecurity Capabilities 4.3.6. 技術的および非技術的なサイバーセキュリティ機能
5. Conclusion 5. 結論
References 参考文献
Appendix A. List of Abbreviations and Acronyms 附属書A. 略語および頭字語一覧
Appendix B. Glossary 附属書B. 用語集
Appendix C. Change Log 附属書C. 変更履歴

 

エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー 
Manufacturers are creating an incredible variety and volume of internet-ready products and systems broadly known as the Internet of Things (IoT). Many of these IoT products and systems do not fit the standard definitions of information technology (IT) (e.g., smartphones, servers, laptops) that have been used as the basis for defining product cybersecurity capabilities.   製造事業者は、広く「モノのインターネット(IoT)」として知られる、インターネット対応製品やシステムを、驚くほど多種多様かつ大量に生み出している。これらのIoT製品やシステムの多くは、製品のサイバーセキュリティ能力を定義する基礎として用いられてきた情報技術(IT)の標準的な定義(例:スマートフォン、サーバー、ノートパソコン)には当てはまらない。  
The purpose of this publication is to give manufacturers recommendations for improving the securability of their IoT products. Securability means the IoT products offer product cybersecurity capabilities—cybersecurity features or functions that the IoT devices and other product components provide through their own technical means (i.e., hardware and software) or related non-technical services from the manufacturer (i.e., vulnerability disclosure programs). An IoT product that is resilient to attacks, supports forensic analysis following an incident, recovers quickly after an incident, keeps customer data confidential and free of tampering, develops a reputation of being trustworthy, etc. is one that customers can adopt and trust. Thus, investing in producing a secure IoT product contributes to the success of the IoT product in the market, increasing innovation, protecting the nation, and supporting individuals in their daily lives. Cybersecurity of an IoT product must begin in the product planning phase when the decision-makers are able to allocate resources towards modeling and prioritizing threats, then designing and implementing effective product cybersecurity capabilities that help address these threats. Additionally, allocating resources for post-market support of the product when it’s deployed in the field goes a long way to establishing a relationship of trust with the customer. Constantly evaluating the ever-changing threat landscape, investigating security incidents, and maintaining the IoT product’s ability to remain securable in the field all help the customer manage their cybersecurity risks while also enhancing the reputation of the IoT product and its manufacturer.   本出版物の目的は、製造事業者に対し、自社のIoT製品の「セキュラビリティ」を向上させるための提言を行うことにある。「セキュラビリティ」とは、IoT製品がサイバーセキュリティ機能を提供することを意味する。すなわち、IoTデバイスやその他の製品コンポーネントが、独自の技術的手段(ハードウェアおよびソフトウェア)や、製造事業者による関連する非技術的サービス(脆弱性開示プログラムなど)を通じて提供するサイバーセキュリティ機能や機能のことである。 攻撃に対してレジリエンスがあり、インシデント発生後のフォレンジック分析に対応し、インシデント発生後に迅速に復旧し、顧客データを機密保持し改ざんから守り、信頼できるという評判を築くことのできるIoT製品こそが、顧客が採用し信頼できる製品である。したがって、安全なIoT製品の製造に投資することは、市場におけるIoT製品の成功、イノベーションの促進、国家の防御、そして人々の日常生活の支援に寄与する。 IoT製品のサイバーセキュリティは、意思決定者がリソースを割り当てて脅威のモデリングと優先順位付けを行い、それらの脅威に対処するのに役立つ効果的な製品サイバーセキュリティ機能を設計・実装できる製品企画段階から始めなければならない。 さらに、製品が現場に展開された後の市場投入後のサポートにリソースを割り当てることは、顧客との信頼関係を築く上で極めて重要である。絶えず変化する脅威の状況を継続的に評価し、セキュリティインシデントを調査し、現場においてIoT製品のセキュリティ維持能力を保つことは、顧客がサイバーセキュリティリスクを管理するのを支援すると同時に、IoT製品とその製造事業者の評判を高めることにもつながる。  
This publication describes nine recommended foundational cybersecurity activities that manufacturers should consider performing to improve the securability of their IoT products. Six of the activities primarily impact decisions and actions performed by the manufacturer before a product is sent out for sale (pre-market), and the remaining three activities primarily impact decisions and actions performed by the manufacturer after product sale (post-market). Performing all activities can help manufacturers provide IoT products that better support the cybersecurity-related efforts needed by customers, which can reduce the prevalence and severity of IoT product compromises. These activities are intended to fit within a manufacturer’s existing development process and may already be achieved in whole or part by that existing process. They are presented sequentially and are mostly intended to be performed sequentially, but some activities and parts of activities may be able to be performed in parallel. Also, activities are not mapped to an organizational structure, and in practice these activities may touch on the roles and responsibilities of multiple individuals and departments within an IoT product manufacturer’s organization. This allows flexibility for organizations with different structures to adopt the activities and assign them appropriately within their organization. By the end of each activity, IoT product manufacturers will have an increasingly detailed and informed plan to ensure the IoT product they are developing is securable by customers.  本書では、IoT製品のセキュリティ性を改善するために、製造事業者が実施を検討すべき9つの推奨される基礎的なサイバーセキュリティ活動について説明する。そのうち6つの活動は、主に製品が販売される前(市場投入前)に製造事業者が行う意思決定や行動に影響し、残りの3つの活動は、主に製品販売後(市場投入後)に製造事業者が行う意思決定や行動に影響する。 すべての活動を実施することで、製造事業者は顧客が必要とするサイバーセキュリティ関連の取り組みをより適切に支援するIoT製品を提供できるようになり、IoT製品の侵害の発生率と深刻度を低減できる。これらの活動は、製造事業者の既存の開発プロセスに組み込むことを意図しており、その既存プロセスによってすでに全体または一部が達成されている可能性がある。活動は順序立てて提示されており、主に順次実施することを想定しているが、一部の活動や活動の一部については並行して実施できる場合もある。 また、活動は特定の組織構造に紐付けられておらず、実際には、IoT製品製造事業者の組織内における複数の個人や部門の役割と責任にまたがる場合がある。これにより、異なる組織構造を持つ組織でも、これらの活動を柔軟に採用し、組織内で適切に割り当てることが可能となる。各活動の終了時点において、IoT製品製造事業者は、開発中のIoT製品が顧客によってセキュリティを確保できるものであることを保証するための、より詳細かつ情報に基づいた計画を策定することになる。 

 

 

 

 


 

● まるちゃんの情報セキュリティ気まぐれ日記

ちょっと古いけどIoT関連NIST文書

・2022.05.19 NIST IoTセキュリティ関連の文書についてNISTのブログで簡単に説明されていますね。。。

 

SP 800-213, IR 8259,関連

・2025.05.16 米国 NIST IR 8259 Rev.1(初期公開ドラフト)IoT製品製造者のための基礎的サイバーセキュリティ活動の5年振りの改訂関係...IR 8572も...(2025.05.13)

・2021.11.30 NIST SP 800-213 連邦政府のためのIoTデバイスサイバーセキュリティ・ガイダンス:IoTデバイスのサイバーセキュリティ要件の確立、SP 800-213A 連邦政府のためのIoTデバイスサイバーセキュリティ・ガイダンス:IoTデバイス・サイバーセキュリティ要件カタログ


・2021.08.29 NISTIR 8259B IoT非技術的支援能力コアベースライン

・2020.12.17 NIST SP 800-213 (Draft) 連邦政府向け「 IoTデバイスサイバーセキュリティ要件の確立」、NISTIR 8259B、8259C、8259D

・2020.05.30 NIST IoT機器製造者向けセキュリティの実践資料 NISTIR 8259 Foundational Cybersecurity Activities for IoT Device Manufacturers, NISTIR 8259A IoT Device Cybersecurity Capability Core Baseline

 

 

直接は関係ないけど...サイバートラストマーク制度関連...

・2025.12.23 米国 FCC サイバートラストマーク関連文書 (2025.06.18)

・2024.09.13 米国 FCC IoTのためのサイバーセキュリティ・ラベリングFAQと管理者の申請プロセス (2024.09.10)

・2024.08.02 米国 FCC IoTのためのサイバーセキュリティ・ラベリング最終規則

・2024.03.20 米国 連邦通信委員会 (FCC) がIoTサイバーセキュリティ表示プログラム(サイバートラストマーク)の規則を採択 (2024.03.14)

・2023.07.19 米国 消費者向けIoT製品のセキュリティ認証制度、サイバートラスト・マーク (U.S. Cyber Trust Mark) を発表

| | Comments (0)

米国 NIST SP 800-133 Rev. 3(初期ドラフト) 暗号鍵生成に関する推奨事項

こんにちは、丸山満彦です。

NISTが、SP 800-133 Rev. 3(初期ドラフト) 暗号鍵生成に関する推奨事項を公表し、意見募集をしていますね...

原稿バージョンからの変更点は、

・非対称鍵ペアの生成について、鍵ペア生成時の乱数導出手法を含めるよう拡張された。

・鍵ペア生成には、対称鍵と同様の導出オプションが追加され、SHAKEや決定論的乱数ビット生成器(DRBG)の限定的な使用を可能にする「シード拡張」の新しい手法が導入された。

・鍵カプセル化メカニズム(KEM)は、対称鍵生成のための鍵確立オプションとして論じられており、耐量子暗号(PQC)に関する言及が全体に追加されている(例:新しい PQC 署名)。

SP 800-90C に準拠して乱数生成に対処するため、文章が書き直された。

 で、特に次の項目についての意見が望まれているようです...

・ハードウェアセキュリティモジュール(HSM)の設計これらの要件は、ルートシード/秘密値を使用する一般的な慣行や既存システムとどのように整合するか?

PQCの実装とプロトコルこれらの要件は、鍵をシードとして保存すること(例:ML-KEM用)や、ハイブリッド(すなわち、古典暗号と耐量子暗号を組み合わせた)実装を行うこととどのように適合するか?

 

 

NIST - ITL

・2026.04.17 NIST SP 800-133 Rev. 3 (Initial Public Draft) Recommendation for Cryptographic Key Generation

NIST SP 800-133 Rev. 3 (Initial Public Draft) Recommendation for Cryptographic Key Generation NIST SP 800-133 Rev. 3(初期ドラフト) 暗号鍵生成に関する推奨事項
Announcement 通知
This document describes the generation of keys to be managed and used by approved cryptographic algorithms.  本文書は、承認された暗号アルゴリズムによって管理および使用される鍵の生成について記述する。
Proposed changes in this revision include the following: 本改訂版における変更案は以下の通りである:
・Asymmetric key-pair generation has been expanded to include methods for deriving randomness during key-pair generation. ・非対称鍵ペアの生成について、鍵ペア生成時の乱数導出手法を含めるよう拡張された。
・Key-pair generation now has options for derivation similar to symmetric keys and new methods for “seed expansion,” which allows for the limited use of SHAKE and deterministic random bit generators (DRBGs). ・鍵ペア生成には、対称鍵と同様の導出オプションが追加され、SHAKEや決定論的乱数ビット生成器(DRBG)の限定的な使用を可能にする「シード拡張」の新しい手法が導入された。
・Key-encapsulation mechanisms (KEMs) are discussed as a key-establishment option for symmetric key generation, and post-quantum cryptography (PQC) references have been added throughout (e.g., the new PQC signatures). ・鍵カプセル化メカニズム(KEM)は、対称鍵生成のための鍵確立オプションとして論じられており、耐量子暗号(PQC)に関する言及が全体に追加されている(例:新しい PQC 署名)。
・Text has been reworded to address random number generation in alignment with SP 800-90C. ・SP 800-90C に準拠して乱数生成に対処するため、文章が書き直された。
Comments are especially requested regarding: 特に以下の点についてコメントを求めている:
・Hardware security module (HSM) design — How do these requirements align with common practice and existing systems using a root seed/secret value? ・ハードウェアセキュリティモジュール(HSM)の設計 — これらの要件は、ルートシード/秘密値を使用する一般的な慣行や既存システムとどのように整合するか?
・PQC implementations and protocol — How do these requirements fit with storing keys as seeds (e.g., for ML-KEM) and performing hybrid (i.e., combined classical and post-quantum) implementations? ・PQCの実装とプロトコル — これらの要件は、鍵をシードとして保存すること(例:ML-KEM用)や、ハイブリッド(すなわち、古典暗号と耐量子暗号を組み合わせた)実装を行うこととどのように適合するか?
Abstract 概要
Cryptography is often used in an information technology security environment to protect data that is sensitive, has high value, or is vulnerable to unauthorized disclosure or undetected modification during transmission or while in storage. Cryptography relies upon two basic components: an algorithm (or cryptographic methodology) and a cryptographic key. This recommendation discusses the generation of the keys to be managed and used by the approved cryptographic algorithms. 暗号技術は、機密性が高く、価値が大きい、あるいは伝送中や保存中に不正な開示や検知されない改ざんを受けやすいデータを保護するために、情報技術のセキュリティ環境において頻繁に用いられる。暗号技術は、アルゴリズム(または暗号手法)と暗号鍵という2つの基本要素に依存している。本勧告では、承認された暗号アルゴリズムによって管理・使用される鍵の生成について論じる。

 

・[PDF] SP.800-133r3.ipd

20260501-00439

 

 

 

 

目次...

1. Introduction 1. 序論
2. General Discussion 2. 総論
2.1. Keys to be Generated 2.1. 生成すべき鍵
2.2. Where Keys are Generated 2.2. 鍵の生成場所
2.3. Supporting a Security Strength 2.3. セキュリティ強度の保証
2.3.1. Security Strength Supported by an RBG 2.3.1. RBGによって保証されるセキュリティ強度
2.3.2. Security Strength Supported by an Algorithm 2.3.2. アルゴリズムによって保証されるセキュリティ強度
2.3.3. Security Strength Supported by a Key 2.3.3. 鍵によって保証されるセキュリティ強度
3. Using the Output of a Random Bit Generator 3. 乱数ビット生成器の出力を使用
4. Generation of Key Pairs for Asymmetric-Key Algorithms 4. 非対称鍵アルゴリズムのための鍵ペアの生成
4.1. Direct Generation of Random Inputs for Generating Key Pairs 4.1. 鍵ペア生成のための乱数入力の直接生成
4.1.1. Key Pairs for Digital Signature Schemes 4.1.1. デジタル署名方式のための鍵ペア
4.1.2. Key Pairs for Key Establishment 4.1.2. 鍵確立のための鍵ペア
4.2. Derivation of Random Inputs From a Key-Derivation Key 4.2. 鍵導出鍵からの乱数入力の導出
4.2.1. Derivation of Initial Values Using Key-Derivation Methods 4.2.1. 鍵導出法を用いた初期値の導出
4.2.2. Derivation of Initial Values Using Seed Expansion 4.2.2. シード拡張を用いた初期値の導出
4.2.3. Derivation of Algorithm Random Values 4.2.3. アルゴリズム用乱数の導出
4.3. Distributing Key Pairs 4.3. 鍵ペアの配布
4.4. Key Pair Replacement 4.4. 鍵ペアの置換
5. Generation of Keys for Symmetric-Key Algorithms 5. 対称鍵アルゴリズムのための鍵の生成
5.1. Direct Generation of Symmetric Keys 5.1. 対称鍵の直接生成
5.2. Derivation of Symmetric Keys 5.2. 対称鍵の導出
5.2.1. Symmetric Keys Generated Using Key-Establishment Schemes 5.2.1. 鍵確立スキームを用いた対称鍵の生成
5.2.2. Symmetric Keys Derived From a Preexisting Key 5.2.2. 既存の鍵から導出される対称鍵
5.2.3. Symmetric Keys Derived From Passwords 5.2.3. パスワードから導出される対称鍵
5.3. Symmetric Keys Produced by Combining Multiple Keys and Other Data 5.3. 複数の鍵およびその他のデータを組み合わせて生成される対称鍵
5.4. Distributing Symmetric Keys 5.4. 対称鍵の配布
5.5. Replacement of Symmetric Keys 5.5. 対称鍵の置換
References 参考文献
Appendix A. List of Acronyms 附属書A. 略語一覧
Appendix B. Symbols and Terms 附属書B. 記号と用語
Appendix C. Glossary 附属書C. 用語集

 

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2020.03.06 SP 800-133 Rev. 2(Draft) Recommendation for Cryptographic Key Generation

| | Comments (0)

2026.05.02

英国 NCSCが開発した脆弱なディスプレイ接続を保護するプラグアンドプレイ型のデバイス「SilentGlass」 (2026.04.22)

こんにちは、丸山満彦です。

 

英国 NCSC が 世界初のディスプレイ接続防御デバイス「SilentGlass」 を発表していますね...

1_20260502103301

HDMI/DisplayPort の間に挿入し、不正・異常な信号を物理層で遮断するというもので、「物理接続を信頼境界ではなく制御ポイントとして扱う」という思想(ゼロトラストの“物理層版?)に基づいているようです。

モニターにはいろいろな情報が表示されていますからね...その信号情報が取られたら...という話は昔からありましたよね...(ケーブルから漏れる電磁波と拾うとか...)ということで、モニターは攻撃者にとっては魅了的な標的の一つといえますよね...(HDMI/DP はサプライチェーン改ざん・悪意あるケーブル・物理アクセスなどの盲点がある)

ということで、NSCS謹製のSilentGlass...すでに政府機関では利用されて始めているようです。 NCSC の知財を Goldilock Labs が製造し、Sony UK Technology Centre が量産しているようで、民間に開放という話のようです...。国家技術を民間に開放する英国モデルですね...

日本企業でも検証をした上で、導入の検討はできそうですね...

 

 

UK. National Cyber Security Centre: NCSC

・2026.04.22 World-first NCSC-engineered device secures vulnerable display links

World-first NCSC-engineered device secures vulnerable display links NCSCが開発した世界初のデバイスが、脆弱なディスプレイ接続を保護
SilentGlass, a plug-and-play device, actively blocks any unexpected or malicious HDMI and Display Port connections. プラグアンドプレイ型のデバイス「SilentGlass」は、予期せぬ接続や悪意のあるHDMIおよびDisplayPort接続を積極的に遮断する。
・New device designed by the National Cyber Security Centre protects against malicious connections between monitors and laptops ・英国国家サイバーセキュリティセンター(NCSC)が設計した新デバイスが、モニターとノートパソコン間の悪意ある接続から保護する
・First commercially available product licensed to use NCSC branding granted to Goldilock Labs in manufacturing partnership with Sony UK Technology Centre ・ソニーUKテクノロジーセンターとの製造提携により、Goldilock LabsがNCSCブランドの使用許諾を得た初の市販製品
・UK government and businesses to be protected at scale by the affordable plug-in cyber security device ・手頃な価格のプラグイン型サイバーセキュリティデバイスにより、英国政府および企業が広範に防御される
An innovative device which protects video connections from cyber attacks is being launched to the global market at CYBERUK, the UK government’s flagship cyber security conference. ビデオ接続をサイバー攻撃から守る革新的なデバイスが、英国政府の旗艦サイバーセキュリティ会議「CYBERUK」にて世界市場に投入される。
The National Cyber Security Centre (NCSC) – a part of GCHQ – created the intellectual property for a new cyber security device and has now licensed Goldilock Labs to manufacture and sell it globally. GCHQの一部である英国国家サイバーセキュリティセンター(NCSC)が、新しいサイバーセキュリティデバイスの知的財産権を創出し、Goldilock Labsに対し、その製造事業者としての製造および世界的な販売をライセンス供与した。
SilentGlass, a plug-and-play device, actively blocks anything unexpected or malicious between HDMI and Display Port connections and screens. プラグアンドプレイ型のデバイス「SilentGlass」は、HDMIおよびDisplayPort接続とディスプレイの間で発生する予期せぬ動作や悪意のある行為を積極的に遮断する。
Already successfully deployed on Government estates, SilentGlass is now available for anyone to buy and use. It has been approved for use in the most high-threat environments. すでに政府施設での展開実績があるSilentGlassは、現在、誰でも購入・利用できるようになった。最も脅威の高い環境での使用も承認されている。
The NCSC assesses that monitors can be a hugely attractive target for threat actors as they can hold and process valuable, sensitive or personal data. Monitors are ‘highly likely’ to be used to gain access to a network for espionage purposes, disruption or financial gain, with mitigations often costly and inefficient. NCSCは、モニターが価値ある機密データや個人データを保持・処理できるため、脅威アクターにとって極めて魅力的な標的となり得ると評価している。モニターは、スパイ活動、業務妨害、または金銭的利益を得る目的でネットワークへのアクセス権を取得するために使用される可能性が「極めて高い」とされ、その緩和には多額の費用がかかり、非効率的であることが多い。
Over the years, an increasing array of more sophisticated devices have become available, as more connections increases the risk of attack. SilentGlass has been developed to help protect against malicious connections and shut down this attack vector. 接続が増えるにつれて攻撃のリスクが高まる中、ここ数年でより高度なデバイスが次々と登場している。SilentGlassは、悪意のある接続から防御し、この攻撃経路を遮断するために開発された。
”Display screens and monitors are everywhere in modern business environments, and the SilentGlass device will help protect previously vulnerable IT infrastructure with unprecedented ease. 「現代のビジネス環境ではディスプレイやモニターが至る所に存在するが、SilentGlassデバイスは、これまで脆弱性があったITインフラを前例のないほど容易に防御する助けとなるだろう。
Its development and commercialisation shows the impact that the NCSC can have, alongside industry partners, with an affordable and effective product now globally available. その開発と商品化は、NCSCが業界パートナーと共にどのような影響力を発揮できるかを示しており、手頃な価格で効果的な製品が現在世界中で利用可能となっている。
By helping to launch a UK company onto the global market with this world-class innovation, we are breaking new ground and helping to strengthen national prosperity. この世界クラスのイノベーションを通じて英国企業をグローバル市場に送り出すことで、我々は新たな地平を切り拓き、国の繁栄を強化することに貢献している。
Ollie Whitehouse, NCSC Chief Technology Officer NCSC最高技術責任者(CTO) オリー・ホワイトハウス
Following a competitive process, the exploitation licence has been awarded to Goldilock Labs, a UK-based small business with expertise in cyber security innovation and secure manufacture. They have partnered with Sony UK Technology Centre, and the product is available globally now. 競争的なプロセスを経て、このエクスプロイテーションライセンスは、サイバーセキュリティのイノベーションとセキュアな製造事業者に専門知識を持つ英国の中小企業、Goldilock Labsに授与された。同社はソニーUKテクノロジーセンターと提携しており、製品は現在世界中で入手可能となっている。
”SilentGlass addresses a gap that has been widely overlooked. The hardware interfaces people rely on every day have rarely been treated as security boundaries, despite being exposed to risk through supply chains, third-party servicing, and direct physical access. 「SilentGlassは、これまで広く見過ごされてきた課題に対処するものだ。人々が日々依存しているハードウェアインターフェースは、サプライチェーン、サードパーティによる保守、直接的な物理的アクセスを通じてリスクにさらされているにもかかわらず、セキュリティ境界として扱われることはほとんどなかった。
Originating in NCSC-led work and brought into the commercial domain through its IP exploitation programme, SilentGlass turns high-assurance innovation into a practical, deployable security solution. NCSC主導の取り組みに端を発し、その知的財産活用プログラムを通じて商用化されたSilentGlassは、高信頼性のイノベーションを実用的で展開可能なセキュリティソリューションへと変える。
What was once confined to national security environments is now being applied with a low-cost, easy to deploy solution for CNI and businesses where the same risks exist. かつては国家安全保障環境に限定されていた技術が、今や同様のリスクを抱える重要インフラ(CNI)や企業向けに、低コストで展開しやすいソリューションとして適用されている。
SilentGlass is the first step in a wider effort to enforce behaviour at hardware interfaces before it reaches complex software. It reflects a shift toward treating physical connectivity as a point of control rather than an assumed trust boundary. SilentGlassは、複雑なソフトウェアに到達する前にハードウェアインターフェースでの動作を制御するという、より広範な取り組みの第一歩だ。これは、物理的な接続性を「信頼できる境界」として前提視するのではなく、制御ポイントとして扱うという方向への転換を反映している。
Stephen Kines, Co-Founder, Goldilock Labs Goldilock Labs共同創業者、スティーブン・キーンズ
Through this innovative partnership with Goldilock, and their partner Sony UK Technology Centre, the NCSC expects rapid global adoption of SilentGlass by governments and risk-conscious organisations, positioning it as a flagship example of how Government’s intellectual property can be successfully commercialised to drive national prosperity. GoldilockおよびそのパートナーであるSony UK Technology Centreとのこの革新的な提携を通じて、NCSCは、政府やリスク意識の高い組織によるSilentGlassの急速な世界的な採用を見込んでおり、政府の知的財産をいかにして国家の繁栄を推進するために成功裏に商業化できるかを示す代表的な事例として位置づけている。

 

 

 

| | Comments (0)

米国 NIST SP 1800-40(初期ドラフト)NIST暗号モジュール妥当性確認プログラムの自動化 (2026.04.15)

こんにちは、丸山満彦です。

米国連邦政府が暗号を使うためには、第三者がFIPS 140-3に基づいてテストをして安全性が証明されなければならない。これが、CMVP(Cryptographic Module Validation Program)なのですが、このCMVPが大変手間ががかかる...

ということで自動化して楽できないか...ということです...

でも、この考え方、あらゆる第三者認証の局面に参考となることがありますね...

 

● NIST - ITL

・2026.04.15 NIST SP 1800-40 (Initial Public Draft) Automation of the NIST Cryptographic Module Validation Program

NIST SP 1800-40 (Initial Public Draft) Automation of the NIST Cryptographic Module Validation Program NIST SP 1800-40(初期ドラフト)NIST暗号モジュール妥当性確認プログラムの自動化
Announcement 通知
The NIST Cryptographic Module Validation Program (CMVP) is essential for organizations required to use validated cryptography – ensuring that hardware and software cryptographic implementations meet standard security requirements. The NCCoE has published the draft NIST SP 1800-40, Automation of the NIST Cryptographic Module Validation Program, to demonstrate how structured test evidence, standardized submission protocols, and modernized computing infrastructure can streamline the submission and review process. This publication is open for public comment through June 1, 2026. NIST暗号モジュール妥当性確認プログラム(CMVP)は、検証済みの暗号技術の使用が義務付けられている組織にとって不可欠であり、ハードウェアおよびソフトウェアの暗号実装が標準的なセキュリティ要件を満たしていることを保証するものである。NCCoEは、構造化されたテスト証拠、標準化された提出プロトコル、および近代化されたコンピューティングインフラが、提出および妥当性確認プロセスをいかに効率化できるかを示すため、NIST SP 1800-40「NIST暗号モジュール妥当性確認プログラムの自動化」のドラフトを公表した。本公開文書は、2026年6月1日までパブリックコメントを受け付けている。
Background 背景
NIST established the CMVP to ensure that hardware and software cryptographic implementations conform to specified security requirements. Since CMVP was established, the volume, complexity, and speed-to-market of cryptographic modules seeking validation have steadily increased. The rapid pace of innovation is exceeding the capacity of vendors, labs, and validation authorities to keep up with testing and validation. NISTは、ハードウェアおよびソフトウェアの暗号実装が指定されたセキュリティ要件に準拠していることを保証するため、CMVPを設立した。CMVPの設立以来、妥当性確認を求める暗号モジュールの量、複雑さ、市場投入までのスピードは着実に増加している。急速なイノベーションのペースは、ベンダー、研究所、および妥当性確認機関がテストと妥当性確認に追いつく能力を超えている。
The NCCoE, in collaboration with the CMVP, is demonstrating the value of automation to improve the efficiency and timeliness of CMVP operations and processes. This publication provides details on the modernization effort, including automation of the testing and validation process, demonstration of protocols to accept and process module validation submissions, and an overview of the infrastructure changes to shift from an on-premises architecture to a cloud-native platform. This publication is intended to help testing labs, technology producers, and validation authorities streamline the validation process while maintaining and improving assurance levels. NCCoEはCMVPと協力し、CMVPの運用とプロセスの効率性と適時性を向上させるための自動化の価値を実証している。本資料では、テストおよび妥当性確認プロセスの自動化、モジュール妥当性確認申請の受付・処理プロトコルの実証、オンプレミス型アーキテクチャからクラウドネイティブプラットフォームへの移行に伴うインフラ変更の概要など、近代化の取り組みについて詳述している。本資料は、テストラボ、技術プロバイダ、および妥当性確認機関が、保証レベルを維持・向上させつつ、妥当性確認プロセスを効率化することを支援することを目的としている。
Abstract 概要
The Cryptographic Module Validation Program (CMVP) validates third-party assertions that cryptographic module implementations satisfy the requirements of Federal Information Processing Standards (FIPS) Publication 140-3, Security Requirements for Cryptographic Modules. Historically, the CMVP validation review process has struggled to keep pace with the volume of cryptographic modules and accelerated software release cycles, contributing to delays in validation timelines. The NIST National Cybersecurity Center of Excellence (NCCoE) has undertaken the Automated Cryptographic Module Validation Project (ACMVP) to explore how automation can improve the efficiency and timeliness of CMVP operations and processes. The project demonstrates how structured test evidence, standardized submission protocols, and supporting modernized computing infrastructure can streamline the submission and review of validation artifacts. 暗号モジュール妥当性確認プログラム(CMVP)は、暗号モジュールの実装が連邦情報処理標準(FIPS)140-3「暗号モジュールのセキュリティ要件」の要件を満たしているというサードパーティによる主張を妥当性確認するものである。従来、CMVPの妥当性確認プロセスは、暗号モジュールの数や加速するソフトウェアのリリースサイクルに追いつくのに苦労しており、これが妥当性確認スケジュールの遅延の一因となっていた。NIST国立サイバーセキュリティ・センター・オブ・エクセレンス(NCCoE)は、自動化によってCMVPの運用とプロセスの効率性および適時性をいかに向上させられるかを探るため、自動暗号モジュール妥当性確認プロジェクト(ACMVP)に着手した。本プロジェクトは、構造化されたテスト証拠、標準化された提出プロトコル、および近代化されたコンピューティングインフラの活用が、妥当性確認成果物の提出と審査をいかに効率化できるかを実証するものである。
This publication describes the approaches and tools demonstrated by the ACMVP team. The publication describes the results of an ACMVP Test Evidence (TE) Workstream and Protocol Workstream, as demonstrated in a laboratory environment developed by the project’s Research Infrastructure Workstream. The combined impact of these workstreams is intended to provide automation improvements to improve submission quality and enable a more efficient CMVP review process. 本書は、ACMVPチームが実証したアプローチとツールについて記述している。本書では、プロジェクトの研究インフラワークストリームが開発した実験環境において実証された、ACMVPのテスト証拠(TE)ワークストリームおよびプロトコルワークストリームの成果について説明する。これらのワークストリームの相乗効果により、提出物の品質を向上させ、より効率的なCMVP審査プロセスを可能にする自動化の改善が図られることを意図している。

 

・[PDF] SP 1800-40B ipd

20260430-232853

 

 

 

目次...

1 Overview 1 概要
1.1 Challenge 1.1 課題
1.2 Solution 1.2 解決策
1.3 How to Use This Guide 1.3 本ガイドの使い方
2 Approach 2 アプローチ
2.1 Audience 2.1 対象読者
2.2 Scope 2.2 範囲
2.3 Workstreams 2.3 ワークストリーム
2.4 Assumptions 2.4 前提条件
2.5 Workflow of an Automated CMVP 2.5 自動化されたCMVPのワークフロー
2.5.1 Request Schema(s) 2.5.1 スキーマの要求
2.5.2 Request Start of Validation and Register Module (Capabilities) 2.5.2 妥当性確認の開始とモジュール(機能)の登録の要求
2.5.3 Submit Evidence Catalogs 2.5.3 証拠カタログの提出
2.5.4 Submit Additional Documentation 2.5.4 追加文書の提出
2.5.5 Request / Update Security Policy 2.5.5 セキュリティポリシーの要求/更新
2.5.6 Request Publication 2.5.6 公開の要求
3 Test Evidence Workstream 3 テスト証拠ワークストリーム
3.1 TE Workstream Collaborators 3.1 TEワークストリームの協力者
3.2 Test Evidence Classification 3.2 テスト証拠の分類
3.2.1 TEs Requiring Vendor Documentation 3.2.1 ベンダー文書を必要とするTE
3.2.2 TEs Requiring Module Functional Test 3.2.2 モジュール機能テストを必要とするTE
3.2.3 A Complete list of TE Classification 3.2.3 TE 分類の完全なリスト
3.3 Test Methods for Functional Testing TEs 3.3 機能テスト用 TE のテスト方法
3.3.1 Testing Access 3.3.1 アクセスのテスト
3.3.2 Selection Criteria 3.3.2 選択規準
3.3.3 Test Methods Allowed 3.3.3 許可されるテスト方法
3.4 Improvement of TE Filtering Coverage 3.4 TE フィルタリングの適用範囲の改善
3.4.1 TE Filtering Criteria 3.4.1 TE フィルタリング規準
3.4.2 TEs Impacted by Basic TE Filters 3.4.2 基本 TE フィルタの影響を受ける TE
3.4.3 TEs Impacted by Supplemental TE Filters 3.4.3 補足TEフィルタの影響を受けるTE
3.5 Removing ASes not separately tested 3.5 個別にテストされていないASの削除
4 Protocol Workstream 4 プロトコル・ワークストリーム
4.1 Protocol Workstream Collaborators 4.1 プロトコル・ワークストリームの協力者
4.2 Proof‑of‑Concept Server Features 4.2 概念実証(PoC)サーバーの機能
4.3 Server Implementation 4.3 サーバーの実装
4.4 Client Implementations 4.4 クライアントの実装
4.4.1 Libamvp – Cisco 4.4.1 Libamvp – Cisco
4.4.2 ACVP Proxy – atsec information security 4.4.2 ACVP Proxy – atsec information security
4.5 Accessing the ACMVP Demo Server 4.5 ACMVP デモサーバーへのアクセス
5 Research Infrastructure 5 研究インフラ
5.1 Research Infrastructure Workstream Collaborators 5.1 研究インフラ・ワークストリームの協力者
5.2 Modernization Approach 5.2 近代化のアプローチ
5.3 Replication of the Legacy Production CMVP Environment 5.3 レガシー本番 CMVP 環境の再現
5.4 AWS Target Architecture by Service 5.4 サービス別 AWS ターゲットアーキテクチャ
5.5 Key Modernization Components 5.5 主要な近代化コンポーネント
5.6 CI/CD Pipeline Modernization 5.6 CI/CD パイプラインの近代化
5.7 Database Modernization 5.7 データベースの近代化
5.8 Application Deployment Modernization 5.8 アプリケーション展開の近代化
5.9 Microservice Architecture 5.9 マイクロサービスアーキテクチャ
5.10 Infrastructure as Code (IaC) 5.10 インフラストラクチャ・アズ・コード(IaC)
6 Findings and Recommendations for Future Work 6 調査結果と今後の取り組みに関する提言
6.1 TE Workstream outputs 6.1 TE ワークストリームの成果
6.2 Protocol and Development outputs 6.2 プロトコルおよび開発の成果
6.3 Infrastructure outputs 6.3 インフラストラクチャの成果
7 References 7 参考文献
Appendices 附属書
Appendix A List of Acronyms 附属書 A 略語一覧
Appendix B CMVP TEs Tables 附属書 B CMVP TE 表
Appendix C CMVP Demo Server 附属書 C CMVP デモサーバー
Appendix D Application Modernization 附属書 D アプリケーションの近代化
D.1 Microsoft Windows Containers D.1 Microsoft Windows コンテナ
D.2 Linux Containers D.2 Linux コンテナ
D.3 Amazon EC2 Launch D.3 Amazon EC2 起動
D.4 Amazon EC2 Fargate Launch D.4 Amazon EC2 Fargate 起動
D.5 Amazon ECS with Amazon EC2 Instance Launch D.5 Amazon EC2 インスタンスを使用した Amazon ECS 起動
D.6 Amazon Fargate and Amazon EKS Launch D.6 Amazon Fargate および Amazon EKS 起動
D.7 Layer 3 Authentication D.7 レイヤー 3 認証
D.7.1 nginx Reverse Proxy D.7.1 nginx リバースプロキシ
D.7.2 AWS Network Load Balancer (NLB) D.7.2 AWS ネットワークロードバランサー (NLB)
D.7.3 Amazon API Gateway D.7.3 Amazon API Gateway
Appendix E Research Infrastructure 附属書 E 研究インフラストラクチャ
List of Figures 図一覧
Figure 1 Workflow of an automated CMVP 図 1 自動化された CMVP のワークフロー
Figure 2 Legacy System Architecture Diagram 図 2 レガシーシステムのアーキテクチャ図
Figure 3 Legacy System End User Workflow 図 3 レガシーシステムのエンドユーザー・ワークフロー
Figure 4 First iteration: Windows Container OS Modernization Progression on ECS 図 4 第 1 イテレーション:ECS における Windows コンテナ OS モダナイゼーションの進捗
Figure 5 Second iteration: Linux Container OS Modernization Progression on ECS 図 5 第 2 イテレーション:ECS における Linux コンテナ OS モダナイゼーションの進捗
Figure 6 Third and final iteration: Deployment on EKS Auto Mode with FIPS 140‑3 compliance enabled 図 6 第 3 回(最終)イテレーション:FIPS 140-3 準拠を有効にした EKS オートモードでの展開
Figure 7 Modernized System Architecture 図 7 近代化されたシステムアーキテクチャ
Figure 8 Modernized Client Workflow 図 8 近代化されたクライアントのワークフロー
Figure 9 Modernized Database Administrator Workflow 図 9 近代化されたデータベース管理者のワークフロー
Figure 10 Modernized Developer Workflow 図 10 近代化された開発者のワークフロー
Figure 11 Modernized Project Maintainer Workflow 図 11 近代化されたプロジェクト管理者のワークフロー
Figure 12 Modernized Architecture Swim Lane Diagram 図 12 近代化されたアーキテクチャのスイムレーン図
Figure 13 Application Modernization Progression 図13 アプリケーション近代化の進捗
Figure 14 Progression of Containerization Builds 図14 コンテナ化ビルドの進捗
List of Tables 表一覧
Table 1 Dividing 140A‑TEs into non‑140B‑TEs and SP‑TEs 表1 140A-TEの非140B-TEおよびSP-TEへの分類
Table 2 TEs Requiring Functional Testing 表2 機能テストを必要とするTE
Table 3 Legend of TE Tags 表3 TEタグの凡例
Table 4 Allowed Test Methods 表4 許可されるテスト手法
Table 5 Summary of FIPS 140‑3 Security Requirements 表5 FIPS 140-3セキュリティ要件の概要
Table 6 An overview of the number of Security Requirements 表6 セキュリティ要件数の概要
Table 7 Area 2 TEs Filtered by Security Level for Software Modules 表7 ソフトウェアモジュールに対するセキュリティレベルでフィルタリングされたエリア2のTE
Table 8 Area 7 TEs Filtered by Security Level for Single Chip Hardware Modules 表8 シングルチップハードウェアモジュールに対するセキュリティレベルでフィルタリングされたエリア7のTE
Table 9 TEs Affected by the Supplemental Filtering Properties 表9 補足フィルタリングプロパティの影響を受けるTE
Table 10 Assertions (ASes) not separately tested 表10 個別にテストされていない主張(AS)
Table 11 Modernized Service Mapping 表11 近代化されたサービスのマッピング

 

 

図 1 自動化された CMVP のワークフロー

1_20260430230601

 

 

| | Comments (0)

2026.05.01

米国 NIST CSWP 52 バスベースのコンピュータシステムにおけるファームウェアベースの監視 (2026.04.15)

こんにちは、丸山満彦です。

NISTもWPになるとなかなか意欲的なものを出してきますよね...

「国防総省が使用するシステムを含む多くの重要コンピューティングシステムは、依然としてバスベースのアーキテクチャに依存している」...これが出発点ということね...

CPU, GPU, memory, などのコンポーネントが同じバス上の共通の通信路(バス)を共有して接続される構造であれば、お互いが暗黙に信頼してしまうことになります。1つのコンポーネントが侵害されるとバスを通じて他のコンポーネントにも影響が及ぶ可能っ性がありますよね。。。そして、OSより下のレイヤー(ファームウェア、ハードウェア)はOSから監視ができないため、攻撃が成立してしまう...ということで、この文書...

ではどうするか?というと、主要なコンポーネントのファームウェアに軽量な監視ロジックを追加する。。。そして、電力消費量の変化、DMAの読み取りバイト数などを把握し、異常を検知した場合、証拠パケットを“怪しいデバイス”に送り、そのデバイスが自分で異常と判断したら、たとえば自律防御する。。。ということなのでしょうかね。。。

 

● NIST - ITL

・2026.04.15 NIST CSWP 52 Firmware-Based Monitoring for Bus-Based Computer Systems

NIST CSWP 52 Firmware-Based Monitoring for Bus-Based Computer Systems NIST CSWP 52 バスベースのコンピュータシステムにおけるファームウェアベースの監視
Abstract 概要
This paper describes design mechanisms that reconfigure component firmware as a network of forensic units that passively observe bus traffic to extract and share forensic data beyond typical communication. By employing consensus-building algorithms among these distributed units, the augmented firmware can collaboratively detect compromised nodes within a zero trust architecture to enable future system defense solutions. 本論文では、コンポーネントのファームウェアを再構成し、バストラフィックを受動的に監視して、通常のコミュニケーションを超えたフォレンジックデータを抽出・共有するフォレンジックユニットのネットワークとする設計メカニズムについて述べる。これらの分散ユニット間で合意形成アルゴリズムを採用することにより、拡張されたファームウェアは、ゼロトラストアーキテクチャ内で侵害されたノードを協調的に検知し、将来のシステム防御ソリューションを実現する。

 

・[PDF] CSWP.52

20260430-180255

・[DOCX][PDF] 仮訳

 

目次...

Executive Summary エグゼクティブサマリー
1. Introduction 1. 序論
2. Threat Model 2. 脅威モデル
3. Proposed System Architecture 3. 提案するシステムアーキテクチャ
3.1. Challenges in Existing Approaches 3.1. 既存手法の課題
3.2. Firmware Instrumentation for Attack Detection 3.2. 攻撃検知のためのファームウェア計測
3.2.1. Direct Event Collection From the System Bus (Preferred Method) 3.2.1. システムバスからの直接イベント収集(推奨手法)
3.2.2. Indirect Event Collection Through Event Synthesis 3.2.2. イベント合成による間接的なイベント収集
3.3. Detection Methods for Compromised Component Analysis 3.3. 侵害されたコンポーネントの分析における検知手法
3.3.1. Local Data Fusion for Event Reconstruction 3.3.1. イベント再構築のためのローカルデータ融合
3.4. Efficient Local Trust Management for Attack Monitoring 3.4. 攻撃監視のための効率的なローカル・トラスト管理
3.4.1. Structure and Content of the LTT 3.4.1. LTTの構造と内容
3.4.2. Enhancing Trustworthiness Through Cross-Validation 3.4.2. 妥当性確認による信頼性の向上
3.5. Hierarchical Detection 3.5. 階層的検知
3.5.1. Threat-Specific Detection 3.5.1. 脅威固有の検知
3.5.2. Consensus-Informed Detection 3.5.2. コンセンサスに基づく検知
3.5.3. Default 3.5.3. デフォルト
4. Conclusions and Future Work 4. 結論と今後の課題
References 参考文献

 

図1. LTTを備えたバス接続ノードの侵害を検知・修復するために用いられる、分散合意に基づくゼロトラストアーキテクチャ

1_20260430212901

 

 

エグゼクティブサマリー...

Executive Summary  エグゼクティブサマリー 
The inherent vulnerabilities of bus-based computing systems that operate under implicit trust  and the limitations of existing recovery methods due to a lack of detailed forensic data underline the need for more resilient and proactive system defense strategies. Tackling the ongoing risks associated with cascading implicit trust, especially in bus-based computing systems, calls for innovative solutions.  暗黙の信頼の下で動作するバスベースのコンピューティングシステムに内在する脆弱性、および詳細なフォレンジックデータの欠如による既存の復旧手法の限界は、よりレジリエントで予防的なシステム防御戦略の必要性を浮き彫りにしている。特にバスベースのコンピューティングシステムにおいて、連鎖する暗黙の信頼に伴う継続的なリスクに対処するには、革新的な解決策が求められる。 
This paper describes a novel, low-cost approach to effectively monitoring security attacks in bus-based systems and designing mechanisms that can repurpose component firmware as a network of forensic units. These units enable a more comprehensive monitoring of system activity by providing observation vantage points for attacks that are not typically visible to OS- and application-level monitors. The system is built on distributed hardware components and uses consensus-building algorithms that can aggregate knowledge about a system’s state from individual components to identify compromised nodes within a zero trust environment. It can also use indirect methods (e.g., event synthesis) to generate attack-related data for attack analyzer modules.  本論文では、バスベースシステムにおけるセキュリティ攻撃を効果的に監視し、コンポーネントのファームウェアをフォレンジックユニットのネットワークとして再利用できるメカニズムを設計するための、新規かつ低コストなアプローチを説明する。これらのユニットは、OS やアプリケーションレベルのモニターでは通常可視化できない攻撃に対する観測拠点を提供することで、システムアクティビティのより包括的な監視を可能にする。 本システムは分散型ハードウェアコンポーネント上に構築されており、個々のコンポーネントからシステム状態に関する情報を集約して、ゼロトラスト環境内で侵害されたノードを識別できる合意形成アルゴリズムを採用している。また、間接的な手法(例:イベント合成)を用いて、攻撃解析モジュール向けの攻撃関連データを生成することも可能である。 
To minimize the system performance costs introduced by the firmware-based monitor, there is also a distributed local trust management mechanism enabled by a local trust table (LTT) at each node. The LTT tracks the trustworthiness of nearby nodes to enable fast, localized detection of malicious behavior without relying on expensive centralized monitoring methods. This consensus building helps validate the information held across individual nodes and improves an individual node’s ability to borrow the system-wide knowledge collectively held by others. Finally, this hierarchical detection approach seeks to efficiently handle previously wellknown threats within the node and resort to consensus-based detection when a local node does not have sufficient confidence in detecting the attack.  ファームウェアベースのモニターによって生じるシステムパフォーマンスの負荷を最小限に抑えるため、各ノードにローカル・トラスト・テーブル(LTT)を備えた分散型ローカル・トラスト管理メカニズムも実装されている。LTTは近隣ノードの信頼性を追跡し、コストのかかる集中型監視手法に依存することなく、悪意のある動作を迅速かつ局所的に検知することを可能にする。この合意形成は、個々のノードが保持する情報の妥当性確認に役立ち、他のノードが集団的に保持するシステム全体の知識を個々のノードが活用する能力を向上させる。 最後に、この階層的な検知アプローチは、ノード内で既知の脅威を効率的に処理すると同時に、ローカルノードが攻撃の検知に十分な確信を持てない場合に、コンセンサスベースの検知に切り替えることを目指している。 

 

 

 

| | Comments (0)

米国 NIST CSWP 50(初版ドラフト)中小企業のサイバーセキュリティ:従業員を雇用していない企業

こんにちは、丸山満彦です。

これは興味深いです...

NIST CSWP 50(初版ドラフト)中小企業のサイバーセキュリティ:従業員を雇用していない企業...

従業員がいない企業向けのサイバーセキュリティのガイドで、しかもサイバーセキュリティフレームワーク2.0がベース...

米国は小規模事業者はSmall Business Act(15 U.S.C. § 632)で定義され、人数、売上等に基づく規模基準等は長官が決めることになっているようですね...

米国では小規模事業者が3,480万社程度あるようです。そのうち約82%は一人会社ということです。

たしかに、企業規模に関係ないところもあるので、早期に対応。小規模事業がサプライチェーンの弱点になっている現実を是正するという意図もありますかね...

当初は、重要インフラ企業向けにつくられたサイバーセキュリティフレームワーク。V2.0から重要インフラ以外にも使えるということにしたけど、従業員がいない会社も使えるということですね...

 

NIST - ITL

・2026.04.14 NIST CSWP 50 (Initial Public Draft) Small Business Cybersecurity: Non-Employer Firms

NIST CSWP 50 (Initial Public Draft) Small Business Cybersecurity: Non-Employer Firms NIST CSWP 50(初版ドラフト)中小企業のサイバーセキュリティ:従業員を雇用していない企業
Announcement お知らせ
According to the U.S. Small Business Administration Office of Advocacy, there are 34.8 million small businesses in the United States. Of those, 81.9% have no paid employees other than the owner or owners—termed “non-employer firms.” These include sole proprietors, freelancers, single-member limited liability companies (LLCs), independent contractors, gig economy workers, and others. This publication helps small firms with no employees and with minimal IT complexity use the NIST Cybersecurity Framework 2.0 to manage their cybersecurity risks. To make this information applicable to a broader audience, cybersecurity risk management considerations are included for businesses as they grow and hire employees—acknowledging that some non-employer firms may never hire additional employees. Many small businesses rely upon consultants, who are also a key audience for this report. While the guide is developed for a U.S. audience, it is recognized that many small businesses engage in international commerce or collaborations, and this document can be adapted to support the cybersecurity risk management of those efforts.  米国中小企業庁(SBA)アドボカシー局によると、米国には3,480万社の中小企業が存在する。そのうち81.9%は、経営者以外の有給従業員を雇用しておらず、「非雇用企業」と呼ばれる。これには、個人事業主、フリーランサー、単一メンバー有限責任会社(LLC)、独立請負業者、ギグエコノミー労働者などが含まれる。本資料は、従業員を雇用しておらず、IT環境が比較的単純な小規模事業者が、NISTサイバーセキュリティ・フレームワーク2.0を活用してサイバーセキュリティリスクを管理するのを支援するものである。この情報をより幅広い対象に適用できるよう、事業が成長し従業員を雇用する段階におけるサイバーセキュリティリスクマネジメントの考慮事項も盛り込まれている。ただし、一部の非雇用企業は追加の従業員を雇用しない可能性があることも認識している。多くの小規模事業者はコンサルタントに依存しており、彼らも本レポートの主要な対象読者である。本ガイドは米国の読者を対象として作成されたが、多くの中小企業が国際的な商取引や協業を行っていることが認識されており、本資料はそうした取り組みのサイバーセキュリティリスクマネジメントを支援するよう適応させることができる。
Cybersecurity White Paper (CSWP) 50 was initially published in 2009 as NIST IR 7621, Small Business Information Security: The Fundamentals. The publication underwent an initial revision in 2016 (NIST IR 7621, Rev.1). A pre-draft call for comments was issued in 2024, followed by an initial public draft and comment period on NIST IR 7621, Rev. 2. During the revision process, the publication was converted to CSWP 50, Small Business Cybersecurity: Non-Employer Firms. サイバーセキュリティ・ホワイトペーパー(CSWP)50は、2009年にNIST IR 7621『中小企業の情報セキュリティ:基礎』として最初に発行された。本出版物は2016年に最初の改訂(NIST IR 7621、Rev.1)が行われた。2024年にドラフト前の意見募集が行われ、続いてNIST IR 7621、Rev. 2に関する最初の公開ドラフトと意見募集期間が設けられた。改訂プロセスにおいて、本出版物はCSWP 50『中小企業のサイバーセキュリティ:従業員を雇用しない企業』へと改称された。
Key Updates within CSWP 50: CSWP 50における主な更新点:
・This revision has a narrowed scope. Previous versions of this publication discussed the broader topic of information security; this revised publication is now focused specifically on cybersecurity, which is a subset of information security. ・今回の改訂では対象範囲が狭められた。以前の版では情報セキュリティという広範なトピックが扱われていたが、改訂版では情報セキュリティの一分野であるサイバーセキュリティに特に焦点を当てている。
・Based on community input, the audience was narrowed. Prior versions focused on “small business,” which is a very broad and diverse population. This revision is tailored to a more specific population—non-employer firms with minimal information technology (IT) complexity. ・コミュニティからの意見に基づき、対象読者が絞り込まれた。以前の版は「中小企業」に焦点を当てていたが、これは非常に広範かつ多様な集団である。今回の改訂版は、情報技術(IT)の複雑性が最小限の非雇用主企業という、より具体的な対象層に合わせて作成されている。
・Three notional use-cases were developed and added to the appendices.   ・3つの概念的なユースケースが作成され、附属書に追加された。
・This revision changes in technology and recent updates to NIST publications, including the Cybersecurity Framework (CSF) 2.0 and the NIST IR 8286 series. ・今回の改訂では、技術の進歩や、サイバーセキュリティ・フレームワーク(CSF)2.0およびNIST IR 8286シリーズを含むNIST刊行物の最近の更新が反映されている。
・The layout has been updated to present the information in a tabular format to enhance readability.  ・読みやすさを向上させるため、レイアウトを更新し、情報を表形式で提示している。
Abstract 概要
This report is designed to help small businesses use the NIST Cybersecurity Framework (CSF) 2.0 to manage their cybersecurity risks. The document is tailored to the smallest of businesses—those with no employees other than the owner, or “non-employer” firms as defined by the U.S. Small Business Administration. These firms are also often colloquially referred to as “solopreneurs.” While written for non-employer firms, the information in this document will also be useful to businesses with very few employees or with minimal IT infrastructure. The goal is to introduce fundamentals of a small business cybersecurity program in non-technical language to set a solid cybersecurity risk management foundation. Considerations for maturing cybersecurity risk management as the business scales are included, also making the document useful for entities of varying sizes. This publication is not all-encompassing, and implementation of a cybersecurity risk management strategy will vary based on the organization’s sector, size, resources, and contractual or regulatory requirements. 本報告書は、中小企業がNISTサイバーセキュリティフレームワーク(CSF)2.0を活用してサイバーセキュリティリスクを管理できるよう支援することを目的としている。本資料は、経営者以外に従業員を雇用していない、すなわち米国中小企業庁(SBA)の定義による「非雇用主企業」といった、最も小規模な事業者を対象としている。こうした企業は、俗に「ソロプレナー」とも呼ばれることが多い。非雇用主企業向けに作成されたものであるが、本資料の情報は、従業員が極めて少ない企業や、ITインフラが最小限の企業にとっても有用である。本資料の目的は、技術的な専門用語を使わずに中小企業のサイバーセキュリティプログラムの基礎を紹介し、堅固なサイバーセキュリティリスクマネジメントの基盤を築くことにある。事業の拡大に伴いサイバーセキュリティリスクマネジメントを成熟させるための考慮事項も盛り込まれており、規模の異なる事業体にとっても有用な資料となっている。本資料は網羅的なものではなく、サイバーセキュリティリスクマネジメント戦略の実施内容は、組織の業種、規模、リソース、および契約上または規制上の要件によって異なる。

 

・[PDF] CSWP.50.ipd

20260430-141348

 

 

| | Comments (0)

米国 NIST SP 800-230(初期ドラフト)限定署名ユースケース向けの追加SLH-DSAパラメータセット(2026.04.13)

こんにちは、丸山満彦です。

NISTが、SP 800-230(初期ドラフト)限定署名ユースケース向けの追加SLH-DSAパラメータセットを公表し、意見募集をしていますね..

標準の SLH‑DSA(FIPS 205)は最大 2⁶⁴ 署名を安全に扱えるが、その代償として署名サイズや検証時間が大きく、ソフトウェア署名など一部用途では非効率であるという課題がありました...

そこで NIST は 224 署名までに用途を限定する代わりに、署名サイズ縮小と検証高速化を実現した6つの追加パラメータセット を新たに提案していますね...

ただ、これらのパラメータセットは ソフトウェア・ファームウェア・デジタル証明書など「sign‑once, verify‑many」型の用途に特化しており、一般用途には適さないと明確に述べていますね...

224 署名という厳格な上限を超えると安全性が損なわれるため、利用者は運用環境(署名頻度、共有デバイス数、鍵寿命など)を厳密に評価し、上限を絶対に超えない運用管理が必須となりますね...

 

NIST - ITL

・2026.04.13 NIST SP 800-230 (Initial Public Draft) Additional SLH-DSA Parameter Sets for Limited Signature Use Cases

NIST SP 800-230 (Initial Public Draft) Additional SLH-DSA Parameter Sets for Limited Signature Use Cases NIST SP 800-230(初期ドラフト)限定署名ユースケース向けの追加SLH-DSAパラメータセット
Announcement 通知
NIST is seeking public comments on the initial public draft (ipd) of Special Publication (SP) 800-230, Additional SLH-DSA Parameter Sets for Limited-Signature Use Cases. This document serves as a technical extension to FIPS 205 by specifying six additional parameter sets for security levels 1, 3, and 5. These variants are specifically tailored for use cases that require fast verification and reduced signature sizes, such as the signing of software, firmware, and digital certificates. These optimizations are achieved by establishing a strict limit of 2^24 signatures per signing key; therefore, these sets are not approved for general-purpose use. NISTは、特別刊行物(SP)800-230「限定署名ユースケース向けの追加SLH-DSAパラメータセット」の初期ドラフトについて、一般からの意見を募集している。本文書は、セキュリティレベル1、3、および5向けの6つの追加パラメータセットを規定することにより、FIPS 205の技術的拡張として機能する。これらのバリエーションは、ソフトウェア、ファームウェア、およびデジタル証明書の署名など、高速な検証と署名サイズの縮小を必要とするユースケース向けに特別に調整されている。これらの最適化は、署名鍵あたり2^24個の署名という厳格な制限を設けることで達成されている。したがって、これらのセットは汎用的な用途には承認されていない。
Abstract 概要
This Special Publication serves as a technical extension of FIPS 205, the specification for the Stateless Hash-based Digital Signature Algorithm (SLHsig). While standard SLHsig parameter sets are designed to maintain full security for up to 2^64 signatures, the resulting signature sizes and/or verification times are undesirable or prohibitive for certain applications. To address these performance constraints, this document specifies six additional SLHsig parameter sets for security levels 1, 3, and 5. These new variants are specifically tailored for use cases that require fast verification and reduced signature sizes, such as the signing of software, firmware, and digital certificates. These optimizations are achieved by establishing a strict limit of 2^24 signatures per signing key. Because of this operational limit, these parameter sets are not approved for general-purpose use, and users must perform a thorough evaluation to ensure that the signature limit is never exceeded during any signing key's lifetime. 本特別刊行物は、ステートレス・ハッシュベースのデジタル署名アルゴリズム(SLHsig)の仕様であるFIPS 205の技術的拡張として機能する。標準的なSLHsigパラメータセットは、最大2^64個の署名に対して完全なセキュリティを維持するように設計されているが、その結果生じる署名サイズや検証時間は、特定のアプリケーションにとって望ましくないか、あるいは現実的ではない。これらの性能上の制約に対処するため、本文書ではセキュリティレベル1、3、および5向けの6つの追加SLHsigパラメータセットを規定する。これらの新しいバリエーションは、ソフトウェア、ファームウェア、およびデジタル証明書の署名など、高速な検証と署名サイズの縮小を必要とするユースケース向けに特別に調整されている。これらの最適化は、署名鍵あたり2^24個の署名という厳格な制限を設けることで実現されている。この運用上の制限のため、これらのパラメータセットは汎用的な使用には承認されておらず、ユーザーは、いかなる署名鍵の有効期間中においても署名制限を超えないことを確実にするために、徹底的な評価を行わなければならない。

 

・[PDF]

20260430-64056

 

 

 

 

| | Comments (0)

« April 2026 | Main | June 2026 »