用語解説 標的型攻撃とは？手口と情シスの対策をわかりやすく解説
標的型攻撃とは、特定の組織を狙い撃ちにして機密情報の窃取などを狙うサイバー攻撃です。標的型メール・水飲み場型などの手口、APTとの関係、情シスがとるべき対策の勘所を一次情報をもとにわかりやすく解説します。
pipi84
用語解説 
研究・論文 RAGを狙う「埋め込み推論攻撃」とは―査読前研究
社内RAGの「埋め込みモデル」が、返ってくる文書を観察するだけで外部から特定される――そんな攻撃手法を示した査読前研究を、情シス実務者向けに噛み砕いて解説します。偵察リスクとしての意味と、現実的な緩和策を整理しました。
研究・論文 LLMの多段ジェイルブレイク対策『認知的ファイアウォール』
1通ずつ見れば無害な会話を積み重ねてLLMから有害出力を引き出す「多段ジェイルブレイク」に、会話全体を監視する多層ゲート型の防御を提案した査読前研究をarXivが公開。情シス向けに要点と実務への示唆を解説します。
研究・論文 生成AI×連合学習で侵入検知(IDS)はどう変わるか
生成AIと連合学習(FL)を侵入検知システム(IDS)に応用する研究動向を整理した査読前サーベイ論文を、情シスの実務目線で読み解きます。何が期待でき、どこに落とし穴があるのかを解説します。
研究・論文 生成AIによる身分証偽造、eKYC本人確認の限界を研究に学ぶ
生成AIで身分証の偽造・改ざんが容易になり、eKYCの本人確認をどう守るかが論点です。最新のサーベイ論文（査読前）を基に、攻撃の3類型と検出の限界、2027年の犯収法改正を踏まえた情シスの備えを実務目線で整理します。
研究・論文 スローダウン攻撃とは：推論AIを狙う新たな脅威
推論するAIをわざと「考えすぎ」に陥らせ、応答を極端に遅らせるスローダウン攻撃。査読前の新研究では、現実世界に置いた文字だけで最大約7倍の遅延が起きました。情シスが知っておくべき新しい可用性リスクを解説します。
脆弱性・脅威情報 Apache Tomcatに複数の脆弱性、認可バイパスに注意
Apache Tomcatに6件の脆弱性が公開されました。開発元はいずれも「中」以下と評価する一方、外部評価では「クリティカル」とする声も。注目はデフォルトサーブレットの認可バイパス。影響バージョンと対応版、現場での確認ポイントを整理します。
インシデント対応 サポート詐欺で遠隔操作、情シスの初動と対策
大学教員がサポート詐欺で業務用PCを遠隔操作され、情報流出の有無を調査中。IPAへの相談は前四半期比46%増と急増しています。情シスが押さえるべき初動対応と、社内で徹底すべき正しい対処法を実務目線で整理します。
用語解説 CVEとは？共通脆弱性識別子の仕組みと実務での使い方
CVE（共通脆弱性識別子）とは、公表された脆弱性一つひとつに世界共通の番号を付ける仕組みです。CVE-IDの読み方、誰がどう採番するのか、JVNやNVDとの関係、情シスが日々の脆弱性対応でどう使うかを、一次情報をもとに実務者向けにやさしく整理します。
研究・論文 AIエージェントのセキュリティ 研究が示す4つの弱点
常時稼働するAIエージェントのSkillやPluginが新たな攻撃面になることを示した査読前の研究を、情シス実務者向けに解説。悪意あるPluginは検証で成功率100%という結果も。4つの攻撃面と、IPAの公的指針を踏まえた対策の考え方を整理します。
研究・論文 プロンプトインジェクション対策の隠れた代償
LLMへのプロンプトインジェクション対策は「安全性を上げるほど翻訳や文書編集の正確さが落ちる」という二律背反を抱える。査読前の研究論文SecFidが示した知見と、生成AIを社内導入する情シスが押さえるべき評価の視点を実務目線で解説します。
研究・論文 AI生成PowerShellマルウェア、実物と酷似する研究
オープンウェイトのLLMが生成したPowerShellマルウェアが、実在マルウェアとOSレベルの挙動で中央値84.5%一致という査読前研究を紹介。情シスが今から備えるべき点を実務目線で整理します。
研究・論文 LLMのバックドアは消せるか AIサプライチェーンの新論点
LLMに隠れた引き金で悪意ある挙動を仕込む「バックドア攻撃」。それを再学習せず除去する査読前研究をもとに、情シスが押さえるべきAIサプライチェーンリスクと公的指針を実務目線で整理します。
研究・論文 機械学習型NIDSをすり抜ける敵対的攻撃の研究
AI/機械学習を使った侵入検知システム(NIDS)を、通信を細工してすり抜ける「敵対的攻撃」の最新研究を実務者向けに解説。3つのデータセットで平均92.78%の回避成功率という結果の意味と、情シスが取るべき向き合い方を整理します。
研究・論文 LLM微調整に潜む情報漏洩リスク 査読前研究で読み解く
脆弱性スキャン結果など社内データでLLMを微調整すると、ネットワーク構成が「記憶」され漏れる恐れがあります。査読前研究の知見から、差分プライバシーや仮名化の効果と限界、情シスが取るべき構えを実務目線で整理します。