便利なはずのAIが、情報漏洩の穴になっている

GitHub Copilot、Cursor、Cline——AIコーディング助手を使う開発現場が急増している。コードの自動補完、テスト生成、ドキュメント作成。生産性は確かに上がる。ある調査では開発速度が最大55%向上したというデータもある。

だが、ここで一つ問いたい。

そのAI、社内のAPIキーやデータベース接続情報をどこに送っているか、把握しているか？

セキュリティ研究者の最近の報告で、AIコーディング助手がコンテキストとして読み込んだコード内の秘密情報——APIキー、認証トークン、内部エンドポイント——を外部サーバーに送信するリスクが具体的に指摘された。悪意あるプロンプトインジェクションを仕込んだファイルをリポジトリに紛れ込ませるだけで、AIが「親切に」機密情報を外部へ持ち出す。攻撃者がコードを書く必要すらない。AIが代わりにやってくれる。

同時に、Node.jsプロジェクトでは別の異変が起きている。AIで自動生成された「セキュリティ脆弱性報告」がオープンソースプロジェクトに大量に送りつけられている問題だ。Node.jsのパッケージエコシステムnpmのメンテナーたちは、もっともらしいが中身のない偽のバグレポートの対応に追われている。

片方は「AIが秘密を漏らす」。もう片方は「AIが嘘のセキュリティ警告を量産する」。どちらも、中小企業の現場に直撃する話だ。

何が起きているのか：2つの問題を分解する

問題1：AIコーディング助手による秘密情報の流出

仕組みはシンプルだ。AIコーディング助手は、コードの文脈を理解するためにプロジェクト内のファイルを読み込む。この「読み込み範囲」に`.env`ファイル（環境変数＝パスワードやAPIキーの塊）や設定ファイルが含まれることがある。

通常、これらの情報はAIプロバイダーのサーバーに送られ、推論処理に使われる。問題は3つある。

1. 送信先の管理が甘い：多くの中小企業は、AIツールがどのデータをどこに送っているか確認していない。利用規約すら読んでいないケースがほとんどだ。
2. プロンプトインジェクション攻撃：リポジトリ内に悪意ある指示を隠したファイルを置くだけで、AIが機密情報を含む応答を生成し、攻撃者が取得できる経路が生まれる。
3. ログに残る：AIサービス側のログに機密情報が平文で記録される可能性がある。サービス提供者側のデータ漏洩が、自社の漏洩に直結する。

従来、情報漏洩といえば「メールの誤送信」「USBの紛失」だった。今は「AIに聞いただけで漏れる」時代だ。

問題2：AI生成の偽セキュリティ報告がNode.jsを襲う

Node.jsのセキュリティチームが公に警告を出した。AIで生成された脆弱性報告が急増し、メンテナーの時間を食い潰しているという問題だ。

具体的にどういうことか。ChatGPTなどのAIに「このコードの脆弱性を見つけて」と投げると、もっともらしい報告文を生成する。CVE番号（脆弱性の識別番号）まで捏造する。だが中身を検証すると、実在しない脆弱性だったり、すでに修正済みだったり、そもそも的外れだったりする。

これを大量に送りつける人間が現れた。バグバウンティ（脆弱性報告の報奨金）目当てで、AIに書かせた報告を片っ端から投げ込む。

結果、何が起きるか。

• メンテナー（多くはボランティア）が偽報告の検証に時間を取られる
• 本物の脆弱性報告が埋もれる
• 「オオカミ少年」効果で、報告全体の信頼性が下がる

これは大企業の話ではない。中小企業がnpmパッケージに依存している以上、エコシステム全体の品質低下は自社のリスクに直結する。

中小企業にとっての「AIセキュリティ負債」を試算する

抽象的に「リスクがある」と言っても動けない。数字で考えよう。

従業員30人、開発者5人の中小企業を想定する。

コスト①：AIツール利用料

• GitHub Copilot Business：月額19ドル/人 × 5人 × 12ヶ月 = 約17万円/年
• または Cursor Pro：月額20ドル/人 × 5人 × 12ヶ月 = 約18万円/年

ここまでは安い。生産性向上を考えれば十分ペイする。問題はここからだ。

コスト②：秘密情報スキャン・管理ツール

AIに読ませる前に機密情報を除外する仕組みが必要になる。

• GitGuardianやTruffleHogなどのシークレットスキャンツール：年間10〜30万円
• `.gitignore`や`.cursorignore`の設定・運用ルール整備：工数として約20万円相当（初期）

コスト③：偽セキュリティ報告のトリアージ工数

自社が使っているnpmパッケージに偽の脆弱性警告が出る。Dependabotやnpm auditが警告を出すたびに、開発者が検証する必要がある。

• 週に2〜3件の「要確認」アラート × 1件あたり検証30分 = 週1.5時間
• 開発者の時給を4,000円とすると：1.5時間 × 52週 × 4,000円 = 約31万円/年

これは「何も起きなかった」場合の検証コストだ。偽報告が増えれば、この数字は倍になる。

コスト④：情報漏洩が実際に起きた場合

IPAの調査によると、中小企業の情報漏洩1件あたりの平均被害額は数百万円〜数千万円。顧客データが絡めば、個人情報保護法の報告義務、信用失墜、取引停止。

仮に「軽微な漏洩」でも、原因調査のフォレンジック費用だけで100〜300万円。弁護士費用、顧客対応を含めると500万円は覚悟が必要だ。

合計：見えるコストと見えないコスト

AIツールの利用料18万円に対して、それを安全に使うためのコストが61万円。ツール代の3.4倍のセキュリティコストがかかる。

この構造を理解せずに「AIツール入れました、生産性上がりました」で終わっている中小企業は多い。

で、結局どうすればいいのか

「じゃあAI使うな」という話ではない。使わない方がリスクだ。競合が使って生産性を上げている以上、使わなければ負ける。

問題は「何も考えずに使うこと」だ。中小企業がやるべきことを3つに絞る。

1. AIに読ませるファイルを制限する（コスト：0円）

`.cursorignore`や`.github/copilot-ignore`で、`.env`ファイル、認証情報、顧客データを含むディレクトリをAIの読み取り対象から除外する。設定ファイルを1つ書くだけだ。10分でできる。

これをやっていない企業が大半だという事実が、一番怖い。

2. シークレットスキャンを自動化する（コスト：月数千円〜）

GitHubのSecret Scanning機能は無料プランでも使える。コミット前にAPIキーやトークンが含まれていないかを自動チェックする。git pre-commitフックにTruffleHog（OSS、無料）を仕込めば、そもそもリポジトリに秘密情報が入らない。

「漏れてから対応する」のと「そもそも入れない」のでは、コストが100倍違う。

3. npm auditの警告を「全部対応」しない（コスト：判断力）

npm auditが出す警告をすべて真に受けて対応するのは、もうコスパが悪い。偽報告が混じっている前提で、以下のフィルタリングをかける。

• 自社が実際に使っているコードパスに影響するか？
• 攻撃の前提条件は現実的か？
• 報告元は信頼できるソースか？

Socket.devのようなサプライチェーンセキュリティツールを使えば、実際にリスクのあるパッケージだけを可視化できる。無料プランもある。

本当に怖いのは「見えないコスト」の蓄積

AIコーディング助手の秘密漏洩リスクも、偽セキュリティ報告の洪水も、1回1回は小さな話に見える。だが、これは負債だ。放置するほど利息がつく。

• 設定を見直さないまま1年使えば、AIサービスのログに自社の秘密情報が蓄積される
• 偽報告を無視し続ければ、本物の脆弱性を見逃す確率が上がる
• 「とりあえず動いてるからいい」が、ある日突然「取引先からセキュリティ監査を求められて詰む」に変わる

大企業にはセキュリティ専任チームがいる。中小企業にはいない。だからこそ、仕組みで防ぐしかない。属人的な注意力に頼るセキュリティは、人が辞めた瞬間に崩壊する。

上に書いた3つの対策は、どれも専任のセキュリティ担当がいなくても実行できる。設定ファイル1つ、無料ツール1つ、判断基準1つ。これだけで、AIセキュリティ負債の大半は制御可能になる。

AIのコストが下がった分、セキュリティの判断力が求められる時代になった。 ツールの値段ではなく、使い方の値段で差がつく。中小企業こそ、この構造を理解して先に動くべきだ。

—