AIがコードに加える依存関係、審査は追いつけるか

AIコーディング支援ツールを使うと、開発者が一つずつ選んでいたオープンソースのパッケージやライブラリ、コンテナイメージが、企業のコードに短時間で加わり得る。便利になる一方、セキュリティ担当者が入手元や脆弱性を確かめる前に依存関係が増えれば、悪意ある部品や侵害された部品を取り込む余地も広がる。17

「申請して承認」が速度に合わない

Chainguardの最高情報セキュリティ責任者（CISO）、クインシー・カストロ氏が問題視するのは、コード生成と審査の速度差だ。新しい依存関係について人が申請し、確認し、承認する従来の手順は、ほぼ即座にコードを生成できる開発環境では滞留しやすい。承認待ちの間にも、確認すべき依存関係は増えていく。17

「97％」が示すのは、見落とされやすい裾野

Chainguardの2026年6月の調査では、対象となったコンテナイメージで**観測された脆弱性の事例の97％**が、人気上位20プロジェクトの外にあった。これは「全プロジェクトの97％に脆弱性がある」という意味ではない。よく使うイメージだけを重点的に調べても、利用頻度の低い多くのプロジェクトに分散した問題を見逃し得る、という結果だ。

攻撃者は、正規のプロジェクトに似せた悪意ある派生版を、開発者やAIが選びそうな場所に置くことができる。一方で、知名度の高さも安全の保証にはならない。2026年3月には、広く使われる脆弱性スキャナー「Trivy」のGitHub Actions向け配布経路が侵害され、影響を受けた処理から認証情報が盗まれた。被害が数千の組織に及ぶ可能性も指摘されている。17

研究用AIツールの評価にも着手

この問題は企業の開発現場に限らない。米インディアナ大学は、米国立科学財団（NSF）から118万ドルの助成を受け、研究に使われるオープンソースのAIツールやモデルのセキュリティリスクを評価し、利用者がより安全な選択肢を見極められるようにする計画だ。6 同大学の研究用クラウド「Jetstream2」はNSFの支援を受けた計算基盤だが、公表されている説明だけでは、モデルを採点する具体的な方法や、推奨先にリスクがないことまでは確認できない。62