マルウェア検知AIの精度劣化｜ドリフト検知研究

AIを使ったマルウェア検知は、導入した日の精度を保ってはくれません。攻撃者がマルウェアを改変し続けるため、学習したときのデータと現実のデータがズレていき、モデルの正解率は静かに落ちていきます。この現象は「コンセプトドリフト」と呼ばれます。

2026年8月13日にarXivで公開された研究は、Androidマルウェアの実データで再学習しない場合の正解率が82.48%まで落ちる一方、ドリフトを検知したときだけ再学習すれば約94.80%を保ちつつ、再学習の回数を58%以上削減できることを示しました。情シスにとっては「AI搭載セキュリティ製品を、導入時のPoC結果だけで評価してはいけない」という話に直結します。

この記事でわかること

  • コンセプトドリフトとは何か、なぜマルウェア検知で特に問題になるのか
  • 研究が示した具体的な数字（静的82.48% / ドリフト対応94.80% / 定期再学習96.66%）
  • 「常に再学習」ではなく「必要なときだけ再学習」が成立する理由
  • 情シスが製品選定・運用でベンダーに確認すべき観点
  • この研究の限界（査読前・Android限定・2020年までのデータ）

コンセプトドリフトとは何か

コンセプトドリフトとは、学習に使ったデータと、実際に判定するデータの統計的な性質が時間とともにズレていく現象です。モデル自体は何も壊れていないのに、世の中のほうが変わってしまうため、精度が落ちます。

マルウェア検知は、この影響を特に受けやすい分野です。理由は単純で、攻撃者が意図的に、継続的にマルウェアを作り変えているからです。パッカーを変える、APIの呼び出し順を変える、権限要求を減らす——こうした小さな改変が積み重なると、モデルが「マルウェアらしさ」として学んだ特徴が通用しなくなります。自然に古びるのではなく、相手が能動的に古びさせにくる点が厄介です。

なお、IPAも機械学習を使ったシステムの特性として、学習データによって精度が変わる点や、時間経過による精度低下（ドリフト）を挙げています。AI搭載のセキュリティ製品も例外ではありません。

どんな研究か

論文タイトルは「Concept Drift Detection and Adaptive Retraining of Malware Classification Models」。Christofer Washington Berruz Chungata、Martin Jurecek、Katerina Potika、William B. Andreopoulos、Mark Stampの5氏による共著で、2026年8月13日にarXivへ投稿されました（arXiv:2608.13465）。Springerから2027年初頭に刊行予定の書籍『Artificial Intelligence for Cyber Defense in Emerging Threats』の一章にあたります。

本稿は査読前のプレプリントです。結果は今後変わりうるものとして読んでください。

使ったデータ

KronoDroidデータセットを使用しています。Androidマルウェア41,382検体・240ファミリを収録したもので、研究では検体数の多い上位5ファミリに絞り、23,190検体・461の時系列バッチを対象としました。期間は2005年から2020年です。

マルウェアファミリ 検体数
Airpush 7,760
SMSreg 4,989
Malap 4,018
Boxer 3,597
Agent 2,826

時系列で並んだデータを使っている点が重要です。「新しい検体でも当てられるか」ではなく「時間が経つと当たらなくなっていくか」を測るには、時間軸を持ったデータが要ります。

比較した3つの運用シナリオ

研究では、4種類の学習モデル（Multilayer Perceptron、Random Forest、Support Vector Machines、eXtreme Gradient Boosting）それぞれについて、次の3シナリオを比較しました。

シナリオ 再学習の方針 実務での対応イメージ
静的（static） 一切再学習しない 導入したまま放置
定期（periodic） ドリフトの有無に関係なく毎回再学習 力任せ。効くがコストが高い
ドリフト対応（drift-aware） ドリフトを検知したときだけ再学習 必要なときだけ動く

ドリフトの検知手法としては、著者らが提案するOne-Class SVM（OCSVM）ベースの手法、既存研究のMinibatch K-Means（MK-Means）、そして多次元データの分布変化を統計的に検出するMaximum Mean Discrepancy（MMD）の3つを比較しています。

何がわかったのか

もっとも成績が良かったMultilayer Perceptron（MLP）での結果が象徴的です。

シナリオ 正解率 再学習コスト
静的（再学習なし） 82.48% ゼロ
ドリフト対応（中央値） 約94.80% 定期比で58%超の削減（MK-Means）
定期再学習 96.66% 最大

読み取るべき点は2つです。

1つ目は、放置すると本当に落ちるということ。静的シナリオの82.48%は、定期再学習と比べて14ポイント以上低い水準です。5ファミリの分類タスクでこの差ですから、「入れっぱなしで大丈夫」という前提は成り立ちません。

2つ目は、「常に再学習」までは要らないということ。ドリフト対応シナリオは定期再学習と比べて正解率の差が2%以内に収まりながら、再学習しなければならないモデルの数を半分以下に減らせています。著者らはPareto Front分析で精度と学習効率のトレードオフを検証し、3手法いずれも定期再学習に匹敵する精度を達成したと結論づけています。そのうえで、提案手法であるOCSVMベースの検知が、MK-MeansやMMDより総じて優れていたとしています。

情シスの実務にとって何を意味するか

「AI搭載」の評価を、導入時点の精度でしていないか

製品選定の場では、PoCやベンチマークの検知率が判断材料になります。しかしこの研究が示すのは、その数字は測定時点のスナップショットにすぎないということです。半年後・1年後も同じ精度が出ている保証はどこにもありません。

実務的には、次のような質問がベンダーへの確認項目になります。

  • 検知モデルの再学習・更新はどのくらいの頻度で行われているか
  • 更新は定期的なものか、精度低下を検知して行うものか
  • モデル更新はシグネチャ（定義ファイル）の更新とは別に管理されているか
  • 更新後に自社環境での誤検知が増えていないかを、どう確認できるか

「定義ファイルは毎日更新されています」という回答は、AI/ML型の検知エンジンについての答えにはなっていません。ここは分けて聞く価値があります。

自社でMLを使っているなら、これは他人事ではない

SOCのアラート優先度付け、スパム・フィッシングメールの判定、UEBAのしきい値、ログ異常検知——社内で機械学習を組み込んだ仕組みを運用しているなら、ドリフトは自分たちの運用課題です。組織の人員構成・使うSaaS・働き方が変われば「正常な振る舞い」の定義自体が変わるため、マルウェアと同じ理屈で精度が落ちます。

この研究の実務的な示唆は「常時再学習の体力がなくても、ドリフトを検知する仕組みさえあれば、必要なときだけ動かす運用で近い精度を保てる」という点にあります。人員の限られた組織にとっては現実的な選択肢です。

現場目線の課題

正直なところ、情シスの立場でアンチウイルスやEDRの検知エンジンの中身を見ることはできません。ベンダーがどんなモデルを使い、どのくらいの頻度で再学習しているかはブラックボックスで、こちらから覗く手段がない。そこがもどかしいところです。

それでも、「モデルは古びる」という前提を持っているかどうかで、日々の見え方は変わります。たとえば「最近この製品、検知が減ったな」と感じたとき——攻撃が減ったのか、それとも検知できなくなっているのか。前者だと思い込むのは自然ですが、後者の可能性を頭の片隅に置けるかどうかは、この前提の有無次第です。

また、AI搭載製品は「入れれば勝手に賢くなり続ける」というイメージで語られがちで、経営層にもそう伝わっています。実際には放置すれば劣化するものであり、更新の運用込みでコストを見るべき——この説明を社内でしておくことは、更新作業やライセンス更新の予算を通すうえでも効いてきます。

限界と留意点

この研究をそのまま自社環境に当てはめるのは早計です。次の点に注意してください。

  • 査読前のプレプリントである。刊行に向けて内容が変わる可能性がある。
  • 対象はAndroidマルウェアの上位5ファミリ。Windows実行ファイルやファイルレス攻撃、スクリプト型の脅威に同じ数字が当てはまるとは限らない。
  • データは2005〜2020年。生成AIを使った攻撃側の高速化が本格化する前の期間であり、直近のドリフト速度はこれより速い可能性がある。
  • 「検知（悪性か否か）」ではなく「分類（どのファミリか）」に軸足がある。ゲートウェイでの検知精度の議論とは前提が異なる。
  • ドリフト検知の存在を攻撃者が逆手に取り、検知されない速度でゆっくり変化させる回避戦略は、本研究の範囲外である。

そもそも「82.48%」という数字も、5ファミリ分類という限定条件下のものです。自社製品の検知率がこう落ちる、と読み替えないでください。読み取るべきは数字そのものではなく「時間とともに落ちる」という傾向のほうです。

情シスはどうすべきか

AIを使う側・使われる側の両面でのリスク整理は、公的機関の資料に当たるのが早道です。自前でチェックリストを作り込む前に、まず次を参照してください。

そして地味ですが効くのは、「検知製品は万能ではなく、精度は変動する」という前提を利用者側にも共有しておくことです。EDRが入っているから怪しいメールを開いても大丈夫、という空気が社内にできてしまうと、検知精度が落ちた期間がそのまま被害に直結します。IPA「対策のしおり」のような啓発資料を使った地道なユーザ教育は、こういう場面で効いてきます。

関連記事

まとめ

  1. AI搭載のマルウェア検知は放置すると劣化する。研究では再学習しない場合の正解率が82.48%まで低下し、定期再学習の96.66%と14ポイント以上の差がついた。
  2. 「常に再学習」までは不要。ドリフトを検知したときだけ再学習する運用で約94.80%を維持しつつ、再学習回数を58%以上削減できた。人員・計算資源が限られる組織に現実的な示唆がある。
  3. 情シスは製品選定時に「モデル更新の頻度と方針」を確認項目に加える。ただし本研究は査読前・Androidマルウェア・2020年までのデータという限定条件であり、数字をそのまま自社に当てはめないこと。

出典

タイトルとURLをコピーしました