監査 / 認証

2026.06.07

経済産業省 産業サイバーセキュリティ研究会 WG3 サイバーセキュリティ・サービス事業者の信頼性強化に向けた検討会 中間とりまとめ (2026.06.05)

こんにちは、丸山満彦です。

地味に発表していますが、サイバーセキュリティ関連事業を(特に、「情報セキュリティサービス審査登録制度」を利用)している企業にとっては、影響のある話です...

サイバーセキュリティ・サービス提供事業者に起因する機微情報流出等のリスクに対応するため、政府機関・重要インフラ、安全保障に関係する事業者等が「適切な運営体制」を有しているサービス提供事業者を選定、活用できる制度を経済産業省が検討しています。

その検討状況を中間とりまとめとして公表していますね...

私もこの制度を検討する委員です...

まず、この検討している制度を理解する前提として「情報セキュリティサービス審査登録制度」について説明しますね...

この制度は、経済産業省の施策で、IPAが運営を行っています。審査と登録企業の台帳については、JASAが運営しています。

情報セキュリティサービスについては、

(1)情報セキュリティ監査サービス
(2)脆弱性診断サービス及びペネトレーションテスト(侵入試験)サービス
(3)デジタルフォレンジックサービス
(4)セキュリティ監視・運用サービス
(5)機器検証サービス

の5種類があり、それぞれの登録サービス数は、以下のようになっています。

 

サービス分野 件数
情報セキュリティ監査サービス 84 
脆弱性診断サービス 188 
( )内は、ペネトレーションテスト(侵入試験)サービスオプションありの件数 (51)
デジタルフォレンジックサービス 43 
セキュリティ監視・運用サービス 51 
機器検証サービス 32 
合計 398 

 

どのようなサービスが登録されているかは、JASAの情報セキュリティサービス台帳のウェブページから検索できます。


今回は、これらの登録サービスを運営している会社について、さらに「適切な運用体制」をとっているか?ということを確認できる制度を検討しているということになります。

経済安保情報についての取り扱いは、いわゆるセキュリティクリアランス制度で対応をすることになりますが、CUI(Controlled Unclassified Information)的な情報を取り扱いをする対象に対する情報セキュリティサービスをする組織が適切であるかを確認できる制度となります。

ただ、その情報の重要性については、グラデーションがあることから、一律にレベルを定めるのではなく、一定レベルの基準を満たした上でさらにどのような運用体制をとっているのか、確認ができるようにする制度を考えています。

例えば、サプライチェーンセキュリティ評価制度(SCS評価制度)の★4ISMSの両方を取得していること...ということも考えています...

予定を超える?議論を重ねてこの中間報告を公表しています...

ということを頭に入れながら...

 

経済産業省 - 産業サイバーセキュリティ研究会 - WG3 - サイバーセキュリティ・サービス事業者の信頼性強化に向けた検討会

・2026.06.05 産業サイバーセキュリティ研究会 ワーキンググループ3 サイバーセキュリティ・サービス事業者の信頼性強化に向けた検討会 中間とりまとめ

・・間とりまとめ(概要)

20260607-12958

 

・・中間とりまとめ

20260607-21237

関係すると思われる事業者の方はよく読んでおいた方が良いと思います。また、考え方に対する意見があれば、それも伝えた方が良いと思います。

 

 

参考

◼️ 今回の制度を検討している委員会

経済産業省 - 産業サイバーセキュリティ研究会 - WG3(産業振興・人材育成)

サイバーセキュリティ・サービス事業者の信頼性強化に向けた検討会

2026.06.05 中間とりまとめ 発表資料 中間とりまとめ(概要)
中間とりまとめ
2026.06.01 第5回 開催資料 資料1 議事次第・配布資料一覧
資料2 委員等名簿
資料3 事務局説明資料
議事要旨  
2026.02.17 第4回 開催資料 資料1 議事次第・配布資料一覧
資料2 委員等名簿
資料3 事務局説明資料(非公表)
議事要旨  
2025.12.19 第3回 開催資料 資料1 議事次第・配布資料一覧
資料2 委員等名簿
資料3 事務局説明資料(非公表)
議事要旨  
2025.10.08 第2回 開催資料 資料1 議事次第・配布資料一覧
資料2 委員等名簿
資料3 株式会社ラック 発表資料(非公表)
資料4 日本電気株式会社 発表資料(非公表)
資料5 独立行政法人情報処理推進機構(IPA)発表資料
資料6 事務局説明資料(一部非公表)
議事要旨  
2025.08.18 第1回 開催資料 資料1 議事次第・配布資料一覧
資料2 委員等名簿
資料3 本検討会の運営について
資料4 サイバーセキュリティ・サービス事業者の信頼性強化に向けた検討について(一部非公開)
資料5 情報セキュリティサービス審査登録制度における審査の課題(特定非営利活動法人日本セキュリティ監査協会 永宮様からの情報提供)(非公開)
議事要旨  

 

 

 

 

◼️ 情報セキュリティサービス審査登録制度

制度全般

● 経済産業省

情報セキュリティサービス審査登録制度

・・2026.03.31 [PDF] 情報セキュリティサービス基準第4.1版

・・2026.03.31 [PDF] 情報セキュリティサービスにおける技術及び品質確保に資する取組の例示令和7年3月版

・・2026.03.31 [PDF] 情報セキュリティサービスに関する審査登録機関基準第2.1版

 

適合サービスリスト

● IPA情報セキュリティサービス基準適合サービスリスト

・[PDF] 情報セキュリティ監査サービス

・[PDF] 脆弱性診断サービス

 ・[PDF] ペネトレーションテスト(侵入試験)サービス

・[PDF] デジタルフォレンジックサービス

・[PDF] セキュリティ監視・運用サービス

・[PDF] 機器検証サービス

 

サービス検索、審査登録

日本セキュリティ監査協会 (JASA) 情報セキュリティサービス基準審査登録制度

 


 

まるちゃんの情報セキュリティ気まぐれ日記

・2025.09.07 国家サイバー統括室 (NCO) 政府機関等の対策基準策定のためのガイドライン(令和7年度版)の一部改訂 (2025.09.05)

・2020.07.01 経済産業省 第5回 産業サイバーセキュリティ研究会

 

| | 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)

2026.05.21

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)

2026.05.16

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)

2026.05.09

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)

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)

2026.05.06

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)

2026.05.02

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)

2026.04.29

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)

こんにちは、丸山満彦です。

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)の来年度?の実施に向けた準備が経済産業省、IPAで進んでいます。委託先のサイバーセキュリティの実態を理解する一つの助けとなるという意味では良い制度ともいえます。多くの企業が関心を持ってくれています。

一方、評価制度ということで、この制度を引き合いに、「評価を取得していないと商取引が規制される」「今すぐ評価を取得しないと入札から除外される」といった営業活動による、製品・サービスの勧誘が行われているケースもあるようです。

サイバーセキュリティをみんなで強化しなければという思いが高じて、あるいは営業のプレッシャーに押されて、事実ではないことで煽ってしまっているサービス事業者もあるようで、ユーザーとなりうる企業から、本当にそうなのか?という問い合わせも来ているということです。

この制度が広く活用してもらえるように普及してくれている面があるものの、正しく普及することが重要と思います。

経済産業省からの注意を踏まえて、適切な営業活動、普及活動をし、日本のサイバーセキュリティ対策の底上げに繋がればと思います。

サイバーセキュリティ事業者の適切な影響活動、普及活動は引き続き活発に行ってくださいね。。。その過程で気づいた改善点等があれば、声をあげていただければ、みんなでより良い制度になっていくと思います...

 

経済産業省 - サイバーセキュリティ政策

・2026.04.27 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

制度についてはこちらを参考に...

● IPA

情報処理推進機構(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)公式サイト

 

1_20260429064001

 

| | Comments (0)

より以前の記事一覧