何が起きたか
RANDのAI、セキュリティ、テクノロジー・センターは、従来の攻撃分類法を超えて、生成AIシステムのセキュリティ上の弱点を特定・特性化するための体系的で脆弱性中心のフレームワークを提示している。著者らはAIアーキテクチャを体系的に分解し——訓練データとトークン化からtransformerレイヤーとデプロイメントインターフェースまで——脆弱性がどこでどのように生じるかをマッピングし、「31の異なるAI脆弱性クラス」を特定している。これらのほとんどは、決定論的なコードエラーではなく確率的学習ダイナミクス、データ構成、および最適化のトレードオフから生じるため、従来のソフトウェア欠陥とは根本的に異なっている。本報告書は、これらの脆弱性の多くが部分的にしかパッチできず、従来のソフトウェア更新ではなく、アーキテクチャ上のセーフガード、出所検証、および継続的監視が必要であることを示唆しており、AI固有の脆弱性を体系的なリスク管理のための世界的標準に統合することを推奨している。著者はElie Alhajjar、Sasha Romanosky、Kyle A. Kilian、およびJoe Uchillで、2026年7月30日に発表された。
なぜ重要か
CISOおよびセキュリティアーキテクトは、AIレッドチーミング、脆弱性開示、およびパッチ管理プログラムのスコープを決めるために、対抗的技術ベースだけでなく構造的な分類法が必要である。なぜなら、本報告書の核となる知見——ほとんどのAI欠陥はソフトウェアバグのように単純にパッチできない——は、企業が継続的監視対一回限りの改善にどのように予算配分するかに直接的な影響を与えるからである。
必要な対応
現在のAIレッドチーミングおよび脆弱性管理プログラムを本報告書の31クラス分類法に対してマッピングし、従来のソフトウェア脆弱性スキャンで見落とされるような構造的なカバレッジギャップを特定する。