ExploitGym：AIエージェントは脆弱性を実際の攻撃に変えられるか？

人工知能技術の急速な進歩に伴い、AIエージェントの能力は飛躍的に向上しており、サイバーセキュリティの分野に前例のない課題と機会をもたらしています。最近、arXivで公開されたプレプリント論文「ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks?」は、AIエージェントがセキュリティ脆弱性を実際の攻撃に変換する能力を体系的に評価するための新しいベンチマーク「ExploitGym」を提案しています。

エクスプロイト（悪用）はサイバーセキュリティにおける重要なスキルであり、脆弱性を単なる脅威から実際のセキュリティインシデント（不正なファイルアクセスやコード実行など）に変えることを要求します。このプロセスには、低レベルのプログラム推論（メモリレイアウトの分析など）、実行時の適応、長期間にわたる持続的な進捗が必要です。その二重用途の性質から、エクスプロイトは防御的なワークフローを支援する一方で攻撃の敷居を下げる可能性があるため、厳格な評価が不可欠です。

ExploitGymベンチマークは、実世界の脆弱性に由来する898のテストインスタンスで構成され、ユーザースペースプログラム、Google V8 JavaScriptエンジン、Linuxカーネルの3つの領域をカバーしています。研究チームは各インスタンスに異なるレベルのセキュリティ保護を適用し、AIエージェントのパフォーマンスへの影響を分離しました。すべての実験構成は再現可能なコンテナ化環境にパッケージ化され、結果の比較可能性と信頼性を確保しています。

評価結果によると、エクスプロイトタスク自体は非常に困難であるものの、現在の最先端AIモデルは無視できない能力を示しています。例えば、Anthropicの最新モデルClaude Mythos Previewは157の脆弱性インスタンスの悪用に成功し、OpenAIのGPT-5.5は120を達成しました。懸念すべき点は、広く使われている防御メカニズムが有効な場合でも、これらのモデルが一定の成功率を維持していることです。

これらの発見は、ExploitGymがエクスプロイト能力の効果的なテストベッドであることを証明するだけでなく、ますます強力になるAIエージェントがもたらすサイバーセキュリティリスクの増大を浮き彫りにしています。研究者らは、AI技術の二重用途特性に警戒し、対策の迅速な策定を求めています。この論文の著者チームは、複数の大学や研究機関からの16人の研究者で構成され、論文番号はarXiv:2605.11086です。