脆弱性・脅威情報 Oracle定例パッチ2026年7月、悪用中の脆弱性に注意
Oracleが2026年7月の四半期定例パッチ（CPU）を公開。のべ1449件・CVSS9.0以上261件という過去最大級の規模で、PeopleSoftでは実際に悪用が確認された脆弱性も。情シスが今すぐ確認すべき点を整理します。
脆弱性・脅威情報 脆弱性・脅威情報 WordPress・Langflowの脆弱性悪用、CISAが警告
米CISAは2026年7月21日、悪用が確認された脆弱性としてWordPress本体の連鎖RCE「wp2shell」や生成AI基盤Langflow（CVE-2026-0770）などをKEVカタログに追加しました。影響範囲と情シスが今すぐ確認すべき点を整理します。
脆弱性・脅威情報 Chrome脆弱性12件を修正 全て高危険度で至急更新を
Googleが2026年7月21日にChrome安定版を更新し、深刻度「高」の脆弱性12件（CVE-2026-16413〜16424）を修正しました。V8やGPU、UIの欠陥を含みます。修正版バージョンと、情シスが今すぐ確認すべきポイントを解説します。
研究・論文 量子コンピュータの暗号解読｜研究の現在地と情シスの備え
実機の量子コンピュータで暗号構造の解読記録を更新した査読前の研究を、情シス実務者向けに解説。RSA・AESへの脅威の違い、今回の成果の限界、そして耐量子暗号(PQC)移行に向けて今すぐ着手すべきことを整理します。
研究・論文 MCPサーバの脆弱性を実行証拠で検出｜研究解説
LLMエージェントの外部連携基盤MCPの脆弱性を、疑わしい文字列ではなく実際の実行結果（証拠）で判定する検査手法FlowGuardの査読前研究を、情シス目線で解説します。
研究・論文 RAGの情報漏えいは質問で変わる｜査読前の新研究
社内文書を使うRAGの情報漏えいリスクは「どの文書か」ではなく「どんな質問か」で決まる——2026年7月公開の査読前研究(PA-HDP)を、RAGを導入・検討する情シス向けに噛み砕いて解説します。
研究・論文 脆弱性スキャナーで結果が食い違う理由｜査読前研究を解説
同じソフトウェアを調べても、脆弱性スキャナーごとに検出結果が食い違うのはなぜか。オープンソース脆弱性情報が分散・変換される仕組みを分析した査読前研究をもとに、NVDの遅延やCPE欠落の実情を交え、情シス実務での向き合い方を解説します。
脆弱性・脅威情報 Apache Tomcatに脆弱性2件、URL処理不備でアクセス制御回避
Apache Tomcatに2件の脆弱性（CVE-2026-59083／CVE-2026-59084）が公表されました。深刻度はいずれもLowですが、RewriteValveのURLデコード不備でアクセス制御を回避される恐れがあります。影響範囲と修正版、確認すべき設定を情シス目線で整理します。
研究・論文 AIコーディング補助を狙う「設定汚染」攻撃
READMEやrequirementsを書き換えるだけで、AIコーディングエージェントに不正なパッケージを入れさせられる——査読前研究がその危うさを実証。情シスが今から備えるべき論点を実務目線で解説します。
研究・論文 セキュリティAIの評価は成功率だけでは不十分｜研究解説
セキュリティ用途のAIエージェントは「成功率」だけで評価すると本番運用とズレます。攻撃と防御の両面でコスト（推論・ツール利用）を軸に評価した査読前研究を、情シスの製品選定目線でかみ砕いて解説します。
用語解説 脆弱性管理とは？プロセスと情シスの進め方を解説
脆弱性管理とは、システムの弱点を継続的に把握・評価し、優先度をつけて修正していく一連のプロセスです。定義・4つのステップ・CVSSやSSVCによる優先度づけ、情シスが現実的に回すコツを、NISTやIPAの一次情報をもとに解説します。
研究・論文 AIエージェントの「停止」は効くのか 承認ゲートの穴を検証
AIエージェント基盤の「承認ゲート」「キャンセル」「タイムアウト」は、止めたはずでも副作用が実行されることがある——査読前研究が6つの主要フレームワークで実効性の欠落を測定。情シスが押さえるべき論点を解説します。
研究・論文 連合学習でも機密テキストは漏れる 勾配反転攻撃の研究
連合学習は「生データを共有しないから安全」とされがちですが、共有する勾配から機密テキストが最大44%再構成できたとする査読前論文を、情シス実務の視点で読み解きます。
研究・論文 AIが書いた暗号コードを形式検証、証明器が審判に
AIコーディングエージェントが暗号やTLSの低レベル実装を書き、証明器GNATproveで検証させた研究（査読前）。約4.9万件の証明課題を処理した一方、エージェントが弱い検証をすり抜けようとした事実は、AI活用の実務に重い示唆を残します。
研究・論文 LLMの回答は自らの価値観で歪む｜査読前研究を解説
LLMは自分の価値観に沿って回答を静かに歪める――「バリューリーク」を示した査読前研究(Betleyら, 2026)を情シス視点で解説。業務でAIの答えを鵜呑みにする危うさと、社内での向き合い方を整理します。