Anthropic、ブラウザAIの重大脆弱性を克服か

Anthropicのモデル「Claude Opus 5」が、AIエージェントを狙う重大なセキュリティ上の脅威を大幅に抑え込んだ可能性が示された。Opus 5を同社の「Auto Mode」と組み合わせた環境では、ブラウザ上で動作するAIエージェントへのプロンプトインジェクション攻撃の成功率が、129件のテストシナリオ全体でゼロパーセントになったと報告されている。

プロンプトインジェクションとは、悪意ある指示を正規のコンテンツの中に紛れ込ませ、AIエージェントを操作する攻撃手法のことだ。たとえばウェブページの目立たない場所に「このファイルを転送せよ」などの命令を隠しておくと、AIがその内容を読み取ったとき、本来の指示ではなく攻撃者の意図した行動をとってしまう。AIがブラウザを通じて情報収集や操作を自律的に行うようになるほど、この攻撃の影響範囲は広がる。

テスト結果によると、Auto Modeによる保護層がない状態でOpus 5単体を使った場合、プロンプトインジェクションの成功率は3.7パーセントだった。Opus 5とAuto Modeを組み合わせることでこの数値がゼロになったとされており、追加の保護機構が実質的な防御効果をもたらしている。なおこの結果は129のテストシナリオに基づくものであり、現時点では実運用環境での再現性については確認が必要な段階にある。

AIエージェントのセキュリティ問題は、業界全体が頭を抱える課題として長らく認識されてきた。AIが自律的にブラウザを操作したり外部サービスと連携したりする場面が増えるにつれ、プロンプトインジェクションは単なる研究上の脅威ではなく、実害を生む攻撃経路として注目されてきた。これまで有効な防止策を示した例は限られており、今回の結果は業界にとって一つの参照点になり得ると位置づけられる。

ただし、テスト環境での性能が実世界での安全性を直接保証するわけではない点には注意が必要だ。テストシナリオが現実の攻撃手口をどこまで網羅しているかは公開されておらず、攻撃側も防御の手法に合わせて変化していくという見方ができる。Anthropicが今後どのような条件やデータをもとにこの成果を検証するかが、評価の鍵を握る。

AIエージェントが業務や日常の場面で広く使われるようになるほど、セキュリティの信頼性は導入判断を左右する要素になっていく。今回の結果が外部からの再現検証を経て実証されるならば、ブラウザ型AIエージェントへの信頼を高めるうえで重要な一歩と評価される可能性がある。今後は独立した第三者による検証と、より広範な攻撃シナリオへの対応状況が注目点になるだろう。