ウェビナーのスライド

【Takumi 紹介・デモ ウェビナー】脆弱性診断とペネトレーションテスト 「AIでやる」リアルな運用やコストを解説のスライド 1 / 47 枚目
1/47PDF

開催ウェビナー

脆弱性診断とペネトレーションテスト 「AIでやる」リアルな運用やコストを解説

AI で攻撃に要る費用・時間・スキルが下がり、攻撃が「割に合う」対象が広がっています。年に1回の人手の診断と AI を使わないツールでは追いつかない理由、仕様を理解してロジックの脆弱性まで見つける Takumi の診断とペネトレーションテストの機能、3つの運用の型とリリース前のゲートという置き場所、月7万円・250クレジットの料金と消費の目安、コーディングエージェントとの違いを解説します。

※本記事は2026年8月18日開催のウェビナー内容をもとにしています。本テーマを取り巻く環境は日々変化しているため、掲載内容が最新でない可能性があります。最新の状況もあわせてご確認ください。

この記事の要点

  • AI で攻撃に要る費用・時間・スキルが下がり、攻撃が「割に合う」対象が広がりました。年に1回ほどの人手の診断では頻度が足りず、AI を使わない検査ツールは総当たりとパターンマッチにとどまるので、守る側も、AI を使って、セキュリティ対策を外部に頼らず自社で回せるようにすべきです。
  • AI に求める「人間レベルの精度」は、アプリケーションの仕様を理解してロジックの脆弱性を見つけられる水準です。弊社の診断で見つかる脆弱性は認可制御不備が28%で1位で、これに認証の不備とその他のロジックの脆弱性を加えた3つで6割ほどを占めます。Takumi は、ホワイトボックス診断でもブラックボックス診断でも、この種類の脆弱性を最も多く検出しています。
  • Takumi の診断は1回に数時間から1日ほどかける重い検査で、プルリクエストごとの自動の検査ではなく、リリース前のゲートに向いています。よくある使い方は、リリース前のフルスキャン、費用の上限を決めて複数の製品を順に診断する回し方、週次の定期実行の3つです。
  • 料金は月7万円の基本プランで、診断を実行するたびに消費するポイント「クレジット」が毎月250付きます。追加は同じレートの1クレジット280円です。機能と観点を掛け合わせた1項目あたりの目安は、ブラックボックス診断で5〜8、ホワイトボックス診断で1〜3クレジットです。

AI の登場で、攻撃に要る費用とスキルの下限が下がり、所要時間も短くなって、攻撃が「割に合う」対象が広がっています。守る側も、年に1回の人手の診断と AI を使わないツールだけでは追いつきません。この記事では、AI で攻撃と守りの前提がどう変わったのかを押さえたうえで、弊社のセキュリティ AI エージェント Takumi byGMO の脆弱性診断とペネトレーションテストの機能、実際の運用の型と開発の流れの中での位置づけ、料金とクレジットの見積もり方、コーディングエージェントとの違いを紹介します。

AI の進化が攻撃と防御の前提を変えている

AI を使った攻撃はすでに現実に起きている

スライド 5: 昨今、AIによる脅威はますます⼤きく、リアルなものに 25/11時点ですでに、Claude Codeを 利⽤した攻撃が明るみに 出典:https://www.anthropic.com/news/disrupting-AI-espionage GPT-5.6 Solによる WordPressの認証前RCE脆弱性発⾒ 出典:https://slcyber.io/research-center/wp2shell-pre-authentication-rce-in-wordpress-c ore / https://slcyber.io/research-center/exploit-brokers-pay-500000-for-a-wordpress-rc e-i-found-one-with-gpt5-6 はじめに
昨今、AIによる脅威はますます大きく、リアルなものにスライド 5

AI による脅威は、ますます大きく、現実のものになっています。2025年11月の時点で、Claude Code を利用した中国系の攻撃者による大規模な攻撃が Anthropic の報告で明らかになり、大きな話題になりました。AI が攻撃に使えるというだけでなく、実際に使っている攻撃者がいます。Claude Mythos の実力も広く報じられ、Anthropic のモデルに限らず GPT-5.6 Sol のようなモデルも非常に高い能力を持つことは、セキュリティエンジニアの間でも話題です。

最近では、WordPress に、認証なしで外からコードを実行できる脆弱性が見つかりました。発見者のブログによると、この脆弱性は基本的に GPT-5.6 Sol に任せて自律的に見つかったものです。世界中に影響を与える脆弱性が AI で自律的に見つかる時代、極端に言えば、AI に課金すれば誰でも見つけられる時代が訪れています。

AI で攻撃に要る費用・時間・スキルが減り、割に合う対象が増えた

スライド 6: ⼤前提:攻撃者にも経済の⼒学が存在する 変わらないこと 攻撃者の狙いは依然として「⾦銭」「名 誉」「情報」 ・ ⾼能⼒モデルの登場そのものは、攻撃の動機を増やさな い ・ 切れ味のよい包丁が出たから傷害事件が増える、は成⽴ しない 変わること 攻撃が「割に合う」対象が増える ・ 攻撃に必要な⼈件費・スキル下限・時間が下がる ・ 従来は⼿間が勝り攻撃に値しなかった対象も、攻撃が合 理的になる ・ ユニットエコノミクスが成⽴する攻撃対象が⾃然と増え る 結果として、狙われる対象の広がりと攻撃頻度の向上が起こりうる はじめに
大前提:攻撃者にも経済の力学が存在するスライド 6

AI がこうしたことをできるようになった、というセンセーショナルな面だけを見るのではなく、攻撃者にも経済の力学があるという大前提を見つめ直す必要があります。攻撃者は、割に合わないこと、儲からないことはしません。

変わらないのは、攻撃者の狙いです。金銭、名誉、情報といった目的は、AI によって変わったわけではありません。切れ味のよい包丁が出たからといって傷害事件が増える、という理屈が成り立たないのと同じで、能力の高いモデルが出たこと自体は、攻撃の動機を増やしません。

変わったのは、攻撃が「割に合う」対象が増えたことです。AI は人に比べて安く、スキルも要らず、速いので、攻撃に要る人件費とスキルの下限が下がり、所要時間も短くなりました。これまで手間が勝って攻撃に値しなかった対象でも、攻撃が合理的になります。結果として、狙われる対象が広がり、攻撃の頻度が上がることが起こりえます。

スライド 7: 攻撃者に起きたユニットエコノミクスの変化 Before AI AI時代では コスト 速度 スキル下限 ⼈件費相当の費⽤がかかる ⼈間が律速 複雑な攻撃の実⾏には 相応のスキルを持った⼈材が必要 低コストで攻撃できる ⾼速・⾼頻度に攻撃できる 誰でも複雑な攻撃を実⾏できる はじめに
攻撃者に起きたユニットエコノミクスの変化スライド 7
  • コスト: AI の前は、セキュリティエンジニアに相当する専門の知識を持つ攻撃者が動く必要があり、人件費に相当する費用がかかりました。AI の時代には、数万円、場合によっては数千円の水準まで下がっています。
  • 速度: 高度な攻撃は人にしかできず、人には睡眠が要り、手の速さにも限りがあるので、人の速さが攻撃の速さの上限でした。AI が自律的に行えば、人が何日もかけていたことが数時間で終わり、高い頻度で攻撃を仕掛けることもできます。
  • スキルの下限: 複雑な攻撃には、相応のスキルを持った人が必要でした。今は、誰でも複雑な攻撃を実行できます。
スライド 8: 攻撃側がAIで加速・拡⼤する以上、 守り側も対策の⾼速化・⾼品質化が必須。 はじめに
攻撃側がAIで加速・拡大する以上、守り側も対策の高速化・高品質化が必須スライド 8

攻撃側が AI で加速し、拡大する以上、守る側も対策の速度と質を高めることが必須です。複雑な攻撃が仕掛けられてくるためです。

人手の診断と AI を使わないツールでは AI 時代の攻撃に対処しきれない

スライド 9: 従来の⼿法では、AI時代の攻撃に対処しきれない 速度 ⼈⼿による診断では 頻度が著しく低い 外部ベンダーのセキュリティエンジニアによる診断で は、実施頻度が年に⼀度程度にとどまります。社内の専 ⾨家がこの分野に継続的にコミットすることも現実的で はありません。 精度 ⾮LLMツールでは 検知できる項⽬に限界がある ⾮LLMのツールは総当たりやパターンマッチ的な検知 にとどまり、AIが対象の仕様やレスポンスに応じて実⾏ する適応的な攻撃には及びません。結果、認証・認可を はじめとする重要部分に脆弱性が⽣じ得ます。 はじめに
従来の手法では、AI時代の攻撃に対処しきれないスライド 9

守る側で使われてきた従来の手法は、AI の時代の攻撃に対処しきれません。観点は、速度と精度の2つです。

速度: 人手による診断は、頻度が著しく低い。 複雑な脆弱性を検出するためには、人が行う脆弱性診断やペネトレーションテストが必須でした。弊社もその事業を行っているのでよく分かりますが、外部のベンダーに発注すると、費用も手間もかかるので、頻度はせいぜい年に1回です。それ以上の頻度で行う会社はほとんどありません。社内にその能力を持つセキュリティエンジニアがいればもう少し頻度を上げられますが、社内のセキュリティエンジニアの業務は多岐にわたり、脆弱性診断のような攻撃側の業務だけに専念する余裕はないので、高い頻度で対応するのは難しいのが実情です。

精度: AI を使わないツールは、検知できる項目に限界がある。 ツールを使えば、速度と頻度はこれまでも上げられました。DAST(動的なセキュリティ検証)や SAST(静的なセキュリティ検証)と呼ばれるもので、それなりに広く使われています。しかし、こうした AI を使わないツールは、速度は速くても、検知できる項目に限界があります。それも「あと一歩で完璧」という水準ではなく、検知できる項目はかなり限られていると弊社は捉えています。動的な検証では攻撃が効きそうな値を総当たりで投げ込む、静的な検証では事前に定義したルールにパターンマッチで合致するものだけを検知する、といったことしかできないためです。AI であれば、レスポンスを見たり、アプリケーションの仕様を考えたりしながら、適応的な攻撃を実践できます。この点で、両者の差は大きいものです。

スライド 10: AI時代もプロダクトを守り抜くには AIを使って セキュリティ対策を内製化すべき はじめに
AI時代もプロダクトを守り抜くには、AIを使ってセキュリティ対策を内製化すべきスライド 10

人が行うか、AI を使わないツールで行うかの2つの手法には、どちらにも明確に欠ける部分があります。このボトルネックを解消するには、AI を使うしかありません。攻撃者が AI によって速く、高い品質の攻撃を手に入れている以上、守りも AI を使わなければ、速度か精度のどちらかが明らかに不足します。AI の時代にもプロダクトを守り抜くには、AI を使って、セキュリティ対策を外部に頼らず自社で回せるようにすべきです。

脆弱性診断とペネトレーションテストの違い

スライド 11: 脆弱性診断 観点1 観点2 観点3 機能A 機能B 機能C ・ 定義した項⽬に沿って脆弱性がないか調べる ・ システムの機能・弱点が網羅的にわかる ペネトレーションテスト 観点1 観点2 観点3 機能A 機能B 機能C 重⼤な被害 ・ 実際にどこまで深く侵⼊できるか試す ・ 起こりうる実被害と事業インパクトの最⼤値がわか る はじめに
脆弱性診断とペネトレーションテストスライド 11

攻撃者からの守りを考えるときの手段には、主に脆弱性診断とペネトレーションテストがあります。人によって定義が揺れるので、弊社の定義を示します。Takumi は両方を行えます。

  • 脆弱性診断: 機能(A・B・C)と観点(XSS があるか、SQL インジェクションがあるか、認可制御不備があるかなど)を掛け合わせたマトリックスを作り、定義した項目に沿って、すべてのマスに脆弱性がないかを調べます。機能が3つ、観点が3つなら9マスで、そのすべてを確かめて○のマスと×のマスを出し、×のマスを直していきます。システムの機能と弱点が網羅的に分かります。
  • ペネトレーションテスト: 網羅性を担保することは目標とせず、「この情報を奪取されたら困る」といった抽象的なゴールを先に決め、そのゴールに近づくために使えそうな脆弱性を適宜組み合わせ、実際にどこまで侵入できるかを試します。ゴールに関係のないマスは確かめず、複数の脆弱性を組み合わせてゴールへ向かいます。起こりうる実際の被害と、事業への影響の最大値が分かります。

使い分けは場合によります。ペネトレーションテストを先に試したいという方も多いのですが、弊社はこれまで、まず診断で全体のリスクを一通り洗い出し、次の段階として深いテストであるペネトレーションテストを行うよう、お伝えすることが多くありました。この順番は、AI の時代に少し変わりつつある部分があるかもしれません。

AI で脆弱性診断とペネトレーションテストを安く速く高精度に行う

スライド 12: 脆弱性診断・ペネトレーションテストは AIによって安く、速く、⾼精度に 費⽤ 数百万円 から → 数万円 に 従来の⼿法に⽐べ、AI利⽤では1回あたりの 費⽤が格段に抑えられる 速度 数ヶ⽉ から → 数⽇ に スタートから完了までの時間が⼤幅に短縮 され、⾼頻度で実施できるように 精度 昨今のモデルでは ⼈間レベル に 脆弱性の検出⽔準が⼈間に等しいレベルに 到達し、より実⽤しやすく はじめに
脆弱性診断・ペネトレーションテストはAIによって安く、速く、高精度にスライド 12

脆弱性診断とペネトレーションテストに AI を活用すると、攻撃者の側と同じような変化が起きます。

  • 費用: 数百万円から、数万円に。 外部のベンダーに委託すると、数百万円かかるのが相場です。弊社がベンダーとして行う場合も平均は200万〜300万円ほどで、大きなプロジェクトでは500万円や1,000万円になります。AI に行わせると、1回あたり数万円の水準に落ち着きます。
  • 速度: 数か月から、数日に。 外部のベンダーに診断やペネトレーションテストを頼むと、まず見積もりだけで2か月ほどかかることがあります。ベンダーを決めた後も、セキュリティエンジニアの空きの都合で開始は1か月後と言われ、そこから検査の期間が1か月あり、最初に連絡してから報告書を受け取るまでに5か月ほどかかる、ということが起こりえます。人が行うと、複数の段階で月の単位の時間がかかります。AI では数日になり、高い頻度で実施できます。
  • 精度: 昨今のモデルでは、人間レベルに。 脆弱性の検出の水準は人間レベルに迫っていて、すでに達していると言える面もあります。

「人間レベルの精度」とは仕様を理解してロジックの脆弱性を見つけられること

スライド 13: 「⼈間レベルの精度」= アプリケーションの仕様を理解して ロジックの脆弱性を検出できる⽔準 ・ 弊社の脆弱性検出数ランキングでも、OWASP Top 10 2025でもロジックの脆弱性は1位 ・ 従来、ロジックの脆弱性は⼈間でないと⾒つけ られなかった(⾮LLMのDAST/SASTでは検出不 可能)。 ・ Takumiはこのロジックの脆弱性を検出できる 画像出典:GMO Flatt Security「Webアプリケーション脆弱性検出数ランキング TOP10 2025」https://blog.flatt.tech/entry/flatt_top10_2025 13 はじめに
「人間レベルの精度」= アプリケーションの仕様を理解してロジックの脆弱性を検出できる水準スライド 13

「人間レベルの精度」とは、アプリケーションの仕様を理解して、ロジックの脆弱性を検出できる水準のことです。ロジックの脆弱性は、アプリケーションごとに固有のロジック、つまり仕様によって、リスクになったりならなかったりする脆弱性です。仕様を考えないとリスクを判断できず、見つけることも難しい脆弱性で、認可制御不備もこの中に含まれます。

たとえば、SNS で他のユーザーの情報が見えるのは、ごく自然で正常な動きで、脆弱性でもバグでもありません。ところが、企業向けの SaaS で別のテナント、つまり別の企業の情報が見えたとしたら、本来見えるべきでないものが見えている、かなり深刻な認可制御不備です。起きている現象は同じでも、アプリケーションの仕様によってリスクの有無が変わります。ただし、こうした脆弱性は AI の登場以前は見つけるのが難しく、アプリケーションの仕様を理解した人が判断しなければならない分野でした。AI を使わない DAST・SAST では検出できませんでした。AI は、これを見つけられるようになりました。

これが重要なのは、ロジックの脆弱性が、実際に見つかる脆弱性の多くを占めるからです。弊社が診断で検出した脆弱性をまとめた「Webアプリケーション脆弱性検出数ランキング TOP10 2025」では、1位が認可制御不備で、28%を占めます。認可制御不備、認証の不備、その他のロジックの脆弱性の3つを合わせると、6割ほどになります。つまり、こうした脆弱性を潰せれば、大まかに言えばリスクの6割を潰せます。特に認可制御不備をいかに潰すかは、現代のアプリケーションで非常に重要な点です。

スライド 14: Takumiが検出する多くは、ロジックの脆弱性・認可の不備 ホワイトボックス診断 ロジックの脆弱性 47.1% 認可の不備 28.8% インジェクション XSS ファイル操作 認証の不備 設定の不備 ブラックボックス診断 ロジックの脆弱性 40.8% 認可の不備 21.9% 認証の不備 CSRF クリックジャッキング オープンリダイレクト XSS 9.3% 4.6% 3.9% 3.7% 2.5% 9.1% 8.3% 7.5% 4.5% 3.9% 2026年5⽉29⽇〜2026年8⽉4⽇時点での集計。同⼀対象の複数回実⾏を含む延べ件数。 14 はじめに
Takumiが検出する多くは、ロジックの脆弱性・認可の不備スライド 14

Takumi は、このロジックの脆弱性を見つけられます。Takumi が検出した脆弱性の内訳では、ホワイトボックス診断では認可制御不備を除くロジックの脆弱性が47.1%、認可制御不備が28.8%、ブラックボックス診断では同じく40.8%と21.9%で、どちらの手法でも、この2つが1位と2位を占めています(2026年5月29日〜8月4日の集計。同じ対象の複数回の実行を含む延べ件数)。AI がロジックの脆弱性を見つけられることは、数字で見ても、かなり現実的な話です。

Takumi の主な機能

スライド 16: Takumiはこれまでにも数多くの脆弱性を検知 診断件数 800件以上 ⾒つけた脆弱性の数 12,000件以上 Takumiの紹介
Takumiはこれまでにも数多くの脆弱性を検知スライド 16

Takumi は、2025年3月から脆弱性診断の機能を提供しています。2025年2月ごろに Claude 3.7 Sonnet が出たとき、AI のモデルが脆弱性を見つける能力がここまで進化したのかと衝撃を受けて開発を始め、翌月にリリースしました。以来1年半ほどのサービス提供の蓄積があり、診断の件数は800件以上、見つけた脆弱性は12,000件以上です。

スライド 17: 診断・ペネトレーションテスト・ソフトウェアサプライチェーン対策 を提供中 ホワイト/ブラックボックス診断 SAST/DASTで脆弱性を検出 脆弱性の⾃動修正 検出した脆弱性の修正パッチを⾃動⽣成 AI ペネトレーションテストを⾃律的に実施 Takumi Runner CI/CDワークフローの動作を可視化する実⾏基盤 Takumi Guard 悪性パッケージを検知してブロック Takumi Images 既知脆弱性・マルウェア最⼩化コンテナイメージ Takumiの紹介
診断・ペネトレーションテスト・ソフトウェアサプライチェーン対策を提供中スライド 17

Takumi の機能は、大きく6つに分かれます。ホワイトボックス・ブラックボックスの脆弱性診断、脆弱性の自動修正、AI ペネトレーションテストの3つは、いわゆるオフェンシブセキュリティの分野の機能です。残りの3つ、CI/CD ワークフローの動作を可視化する実行基盤の Takumi Runner、悪性パッケージを検知してブロックする Takumi Guard、既知の脆弱性とマルウェアを最小化したコンテナイメージの Takumi Images は、ソフトウェアサプライチェーン対策の機能です。

ホワイトボックス診断・ブラックボックス診断から自動修正まで対応する

スライド 19: セキュリティ診断機能:ホワイト / ブラックボックス診断から選択 修正まで⼀貫して対応可能 ホワイトボックス診断 ソースコードを静的に解析し 脆弱性を検出 ・ GitHub連携 or コードのアップロード ・ 潜在リスクまで網羅的に洗い出す ブラックボックス診断 実環境を動的に試し 脆弱性を検証 ・ URLとログイン情報を⼊⼒するだけ ・ 実際に再現可能なリスクを検出 AIによる⾃動修正 パッチ / Pull Requestを 作成し脆弱性を修正 ・ 診断結果をふまえた修正タスクを作成 ・ GitHubにPull Requestも⾃動作成 Takumiの紹介
セキュリティ診断機能:ホワイト / ブラックボックス診断から選択、修正まで一貫して対応可能スライド 19
  • ホワイトボックス診断: ソースコードを静的に解析して、脆弱性を見つけます。AI 以前の時代に SAST と呼ばれていたツールと同じ役割を、AI が担います。GitHub との連携か、コードのアップロードで始められ、潜在的なリスクまで網羅的に洗い出せます。
  • ブラックボックス診断: ステージングなどのデモ環境の URL を起点に、実際にアプリケーションを動かしながら動的に検証します。URL とログイン情報を入れるだけで始められ、実際に再現できるリスクを検出します。
  • AI による自動修正: 見つけた脆弱性のパッチまで書きます。診断の結果をふまえた修正のタスクを作り、GitHub と連携していれば Pull Request まで自動で作ります。

グレーボックス診断はソースコードで見つけた脆弱性を実環境で検証する

スライド 20: 本⽇提供開始 https://shisho.dev/docs/ja/r/202608-takumi-graybox 20 Takumiの紹介
グレーボックス診断の提供開始(2026年8月18日)スライド 20

弊社は、2026年8月18日に、グレーボックス診断の提供を始めました(リリースノート)。ホワイトボックス診断の後に、ブラックボックス診断を実施するものです。

ホワイトボックス診断は、ソースコードから脆弱性を見つけるので、潜在的なものまで網羅的に検出できるのが利点ですが、見つけすぎてしまい、時には誤検知が多くなってしまうといった欠点があります。ブラックボックス診断は、与えられた環境で実際に効くものを見つける手法なので、ホワイトボックス診断ほど網羅的ではないものの、誤検知を減らしやすい利点があります。この2つを組み合わせ、ホワイトボックス診断で網羅的に見つけた後に、ブラックボックス診断で検証するのがグレーボックス診断です。

AI ペネトレーションテストは設定したゴールの達成に向けて自律的に侵入を試みる

スライド 21: AIペネトレーションテスト機能: 起こりうる実被害と事業インパクトを明らかに AIペネトレーションテスト機能は順次開放中です。利⽤開始の通知は右記より登録いただけます。 https://flatt.tech/takumi/features/pentesting AIペネトレーションテスト 攻撃対象と達成したいゴールを設定すると ⾃律的に疑似攻撃を試みる ・ 「機密情報の取得」「システムへの侵⼊」等をゴールに設定 ・ 攻撃の到達点を⽰すタイムライン、侵⼊マップ、レポートを出⼒ Takumiの紹介
AIペネトレーションテスト機能:起こりうる実被害と事業インパクトを明らかにスライド 21

AI ペネトレーションテストは、脆弱性診断のようにマトリックスのマスをすべて確かめることは目標にしません。「機密情報の取得」「システムへの侵入」のように、情報を盗み取れるか、特権を奪取できるかといったゴールを設定すると、そこへ向かって自律的に疑似攻撃を試みる機能です。攻撃の到達点を示すタイムライン、侵入マップ、レポートを出力します。

破壊力のある機能なので、弊社は少しずつお客様への開放を進めていて、すべての利用者への開放を目指しています。

注: 2026年10月7日から、AI ペネトレーションテストはすべての組織で、事前の申し込みなしに使えるようになりました。

Takumi の運用

Takumi の3つの使い方は全体診断・複数製品の順次診断・週次診断

スライド 23: Takumiの運⽤事例 リリース前 / 年次診断の 代わりのフルスキャン リリース前や年次の診断など、重要 なタイミングでアプリケーション全 体を対象に検査。 リスクフォーカス型で 複数プロダクトを定期診断 C B A F E D クレジット消費を調整しながら、複 数の製品を優先度ベースで定期的に チェックする。 週次のcron実⾏で 脆弱性をチェック ⽉ ⽕ ⽔ ⽊ ⾦ 毎週の開発差分に対して⾃動で診断 を実⾏。新たに混⼊した脆弱性を継 続的にチェックする。 Takumiの運⽤イメージ
Takumiの運用事例スライド 23

Takumi では、診断などを実行するたびに、クレジットというポイントを消費します。消費量は、どれだけ重い検査をしたかによって決まります。利用者が Takumi を実際にどう使っているかには、大きく3つの型があります。

  • リリース前・年次の診断の代わりのフルスキャン: 製品のリリース前や、これまで年に1回行っていた脆弱性診断の代わりに、すべての機能とエンドポイントを対象に検査します。クレジットは多めにかかりますが、外部のベンダーに委託するのと比べれば経済的なので、年に1回ではなく四半期に1回、小規模なものなら毎月といった頻度で全体を見ることもできます。従来の脆弱性診断に当たる検査を、代替する使い方です。
  • 消費の上限を決めて、複数の製品を順に診断: おそらく最も多い使い方です。クレジットは、放っておくと消費が大きくなり、年間や月間の予算と釣り合いを取るのが難しくなります。そこで、クレジットの消費の上限を決めて診断すれば、1つの製品の診断で多くのクレジットを使ってしまい、ほかの製品を見られなくなる、ということを防げます。こうしてクレジットを調整しながら、複数の製品の診断をうまくローテーションで回しているお客様が多いと見ています。
  • 週次の cron 実行で、脆弱性をチェック: クレジットに余裕がある場合や、この製品は必ず定期的に見たいと決まっている場合は、cron のように実行の日時を設定できます。たとえば開発の定例が水曜日なら、火曜日の夜に診断を回しておき、水曜日の定例には必ず報告が上がってくるようにする、といった動きを決めておけます。毎週の開発の差分に新たに混入した脆弱性を、継続的にチェックできます。

弊社自身も、自社の製品に Takumi の診断を高い頻度で回しています。セキュリティ製品を作る立場として、品質にこだわらなければならないためです。

ソースコードと実環境がそろえばグレーボックス診断を選ぶ

スライド 24: ホワイトボックス/ブラックボックス/グレーボックス診断の 使い分け グレーボックス診断 ・ ソースコード・実環境の両⽅がそろっていれば診断可能 ・ ⾼い検出率と低い誤検知率を両⽴ ホワイトボックス診断 ソースコードがあれば診断可能 ブラックボックス診断 実環境があれば診断可能 網羅的に リスクを検出 悪⽤可能か 実環境で判定 Takumiの運⽤イメージ
ホワイトボックス/ブラックボックス/グレーボックス診断の使い分けスライド 24

ソースコードと実環境の両方がそろっていれば、グレーボックス診断をおすすめします。見つけた脆弱性が本当に悪用できるもの、つまり優先度の高い脆弱性かどうかを実際の環境で判定できるので、高い検出率と低い誤検知率を両立できます。

ブラックボックス診断は攻撃に近い行為で、本番環境が落ちてしまう可能性も否めず、ノイズのデータが入ることもあるので、本番環境での実施は基本的におすすめしていません。そのため、グレーボックス診断にはソースコードとデモ環境の両方が要ります。片方しかない会社でも、ソースコードだけならホワイトボックス診断、実環境だけならブラックボックス診断を選べます。

クロールで診断対象を洗い出し、リスクフォーカスで予算内の優先順位を決める

スライド 25: クロール機能 対象アプリケーションをAIが⾃動巡回して画⾯や機能を把握。 診断対象となる機能を洗い出す。 Takumiの運⽤イメージ
クロール機能スライド 25

Takumi の診断を支える機能が2つあります。1つ目はクロール機能です。クロールは、脆弱性診断を発注したことがある方にはなじみのある概念で、診断の対象を洗い出すことです。古くは人が行っていて、ブラウザで対象のアプリケーションを操作し、このボタンを押すとこの API に通信が送られ、この画面に遷移する、といったことを手作業で洗い出していました。現在はこれを AI がしっかりと行います。Takumi は、対象のアプリケーションを自動で巡回して画面や機能を把握し、アプリケーション全体の機能の一覧と診断の観点を掛け合わせたマトリックスを生成します。

診断してほしくない機能は、スコープの URL やファイルの範囲を指定して、クロールと診断の対象から除外できます。ペネトレーションテスト機能で間違って本番環境に行ってしまわないか、という心配の声をいただくこともありますが、診断でもペネトレーションテストでも、こうした設定ができます。

スライド 26: リスクフォーカス機能 AIが各項⽬の優先度をチェックして、優先度が⾼い項⽬から診断。 クレジットの利⽤上限も指定できる。 Takumiの運⽤イメージ
リスクフォーカス機能スライド 26

2つ目はリスクフォーカス機能です。弊社の造語で、限られた予算、限られたクレジットの中で、事業への影響が大きく、リスクの高い脆弱性から優先的に見ていくことを指します。予算に上限があることを前提にした機能です。本来の脆弱性診断がそうであるように、クレジットに余裕があればマトリックスをすべて確かめたほうがよいのですが、現実には予算に制約があります。そこで、限られた予算の中で最も成果を出せるよう、Takumi が各項目の優先度を判断し、今回使うクレジットの中でどこから見ていくべきかを決めます。基本的には、すべての項目を Takumi に任せる運用で問題ありません。特に見てほしい機能があれば、その項目の優先度を高く指定して、Takumi の判断を変えることもできます。

診断対象・クレジット上限・優先項目を設定し、報告書で結果を確認する

診断の作り方は、ホワイトボックス診断もブラックボックス診断も基本的に同じです。

  • 診断の作成: 診断の名称を決め、ホワイトボックス・ブラックボックス・グレーボックスの3つから手法を選びます。次に診断のタイプを「一部だけ診断」と「全体を診断」から選びます。「一部だけ診断」は、まずクロールだけを終わらせ、その結果を見てからどう診断していくかを人が調整したいときや、一応確認しておきたいときに使います。「全体を診断」は、クロールの後も止まらずに診断まで進みます。介入したい理由が特になければ、「全体を診断」で任せてしまって構いません。
  • ホワイトボックス診断の設定: ソースコードを、GitHub のリポジトリとの連携か、ZIP ファイルのアップロードで渡します。診断の範囲から除外する設定(ファイルスコープ)も指定できます。
  • ブラックボックス診断の設定: 診断の対象を Web アプリケーションか API から選び、対象の URL を入れます。この手軽さがブラックボックス診断の利点です。URL のスコープも指定できます。認証のあるアプリケーションでは、ログイン情報を Takumi に渡すことがほぼ必須です。認証に重大な脆弱性がない限り、ログイン情報がなければログイン後の画面はまったく見られないためです。2要素認証のあるアプリケーションのログインにも対応しています。ほかに、参考のファイルなどを任意で追加できます。
  • ネイティブアプリ: バックエンドの API は、ブラックボックス診断で対象に API を選べば診断できます。クライアント側は、ホワイトボックス診断でソースコードをアップロードするか、GitHub のリポジトリを連携して診断します。バックエンドはホワイトボックス診断でもブラックボックス診断でも診断できます。
  • クレジットの消費の上限: 診断ごとに、消費するクレジットの上限を入力できます。基本プランでは毎月250クレジットが付与されるので、月7万円に抑えたい方はこの250クレジットをどうやりくりするかを考える必要があり、そこで重要になるのがこの上限です。たとえば今月あと8つの製品を見なければならないなら、1回の診断を30クレジットほどに抑えておくのがおすすめです。以前はこの機能がなく、利用者の苦労の声を受けて弊社が力を入れて開発した部分です。
  • クロールの後の画面: 機能と観点のマトリックスが生成されます。ユーザー管理や認証は特に見てほしい、というときは、ここで優先度を高く指定します。
  • 診断の後の画面: ホワイトボックス診断でもブラックボックス診断でも、かなり似た見た目で、「アプリケーション診断報告書」という、いわゆる脆弱性診断のレポートの形式そのものの画面が出ます。検査の項目、診断の対象のエンドポイント、全体の評価、指摘事項の一覧がまず要約として出て、その後に各指摘事項の詳細として、脆弱性の説明、再現の手順、リスクが続きます。ホワイトボックス診断のレポートには、ソースコードの引用もあります。人が介在せずに生成されるもので、これを読んで対策するだけで脆弱性を十分に直せる内容になっていると考えています。PDF のレポートをそのまま発行したり、Markdown でダウンロードしたりできます。
  • 自動修正: レポートに含まれる脆弱性の一覧から修正するものを選んでタスクを作成すると、AI に与えるプロンプトが生成され、Takumi が修正のパッチを作ります。GitHub と連携していれば、そのまま Pull Request まで出すので、あとは人がそれを確認してマージするだけです。

人が決めるのは、対象の渡し方と、クレジットの上限と、優先して見てほしい機能までです。そこから先の診断と報告書の作成は、人が介在せずに Takumi が進めます。修正のパッチも、直す脆弱性を選べば Takumi が作ります。

時間をかけるからこそ高い精度の診断ができる

スライド 28: きちんと時間をかけるからこそ ⾼精度のセキュリティ診断ができる 1回あたり数時間をかける ⼈間レベルの深い診断を実現 → 重たい検査と軽い検査は違う。 使い所の⾒極めが重要 Takumiの運⽤イメージ
きちんと時間をかけるからこそ、高精度のセキュリティ診断ができるスライド 28

Takumi の診断について見落とされやすいのは、1回の診断に時間がかかる点です。Takumi の診断は、1回あたり数時間、長いと1日以上かかります。これを短いと感じるか長いと感じるかは、これまでの診断の経験によるでしょうが、ほかの AI のツールと比べても比較的長く、10分や20分、30分で完了するものではありません。

時間をかけるのは、そのほうが高い精度のセキュリティ診断ができるからです。弊社が Takumi を作り始めたときから一貫して考えているのは、人間レベルの脆弱性診断を代替することです。そのためには、重い検査が確実に必要でした。Takumi は、この重い検査を実現するものです。重い検査と軽い検査は別物で、使いどころの見極めが重要になります。

Takumi はリリース前の検査に組み込む

スライド 29: Q Takumiは開発フローのどこに⼊れるべき? A 従来の脆弱性診断と同じくリリース前のゲートに向いている 軽くて速いレビューが必要。 ⼩回りの効くエージェント等 が向いている 「世の中に出してOKか」 の⾨番になれる検査が必要。 Takumiがマッチしやすい 1. 要件を決める 2. つくる・変える 3. テストする 4. 出荷し運⽤する Takumiの運⽤イメージ
Takumiは開発フローのどこに入れるべき? 従来の脆弱性診断と同じくリリース前のゲートに向いているスライド 29

Takumi のような自動の検知ツールを DevSecOps に組み込みたいので、CI のテストの中に入れるのがよいか、という相談をよくいただきます。場合によりますが、弊社はおすすめしないことのほうが多いです。CI での検査、つまりプルリクエスト単位のセキュリティチェックは、本来、重い検査を組み込むものではありません。重い検査を入れた結果、ブランチがなかなかマージできず、運用が形骸化してしまうのは、最も避けなければならない事態です。AI 以前の時代にも、人が行う診断を CI に組み込むことはありませんでした。Takumi の検査も人間レベルの検査なので、CI でプルリクエスト単位に回すのではなく、1週間分のデプロイの差分をまとめて見る、リリース前にフルスキャンする、といった段階に位置づけるものです。こうした段階に置くので、数時間や1日に相当する時間をかけた検査ができます。

開発の流れで言えば、「つくる・変える」段階に要るのは軽くて速いレビューで、小回りの効くコーディングエージェントなどが向いています。Takumi が合うのは、従来の脆弱性診断と同じく、「世の中に出してよいか」を判断する検査が要る「テストする」段階、つまりリリース前のゲートです。

スライド 30: APIを⽤いて定期実⾏・⾃動化もできる API機能で診断の実⾏・結果の取得を呼び出し、開発ライフサイクルに⾃由に組み込める。 CI/CDパイプラインに 組み込んで⾃動実⾏ ビルド デプロイ 診断 ステージング環境へのデプロイ後にブラックボックス診断を ⾃動実⾏するなど、パイプラインの⼀部に。 診断結果をふまえて 後続処理を⾃動で進める Slack通知 Jira起票 検出された脆弱性をSlackへの通知やJiraへの起票など、既存 のワークフローに⾃動連携。 Takumiの運⽤イメージ
APIを用いて定期実行・自動化もできるスライド 30

CI には多くの場合合いませんが、CD では少し違った面が見えてきます。Takumi は API を提供していて、診断の実行と結果の取得を呼び出せるので、自動化ができます。ステージング環境へのデプロイの完了をきっかけにブラックボックス診断を走らせる、というのは1つのやり方です。検出された脆弱性を Slack に通知する、Jira に起票するといった後続の処理も、API を使って自由にカスタムでき、開発のライフサイクルに組み込めます。

料金とクレジットの考え方

基本プランは月7万円・250クレジットで追加分は1クレジット280円

スライド 32: Takumiは⽉額プラン制 ・ ⽉額制 かつ クレジット消費制 ・ 上限を超えたら、 クレジットの追加購⼊も可能 ・ ⽀払い⽅法はクレジットカード / 請求書払いに対応 Takumiの料⾦
Takumiは月額プラン制スライド 32

Takumi は、月額プラン制で、かつクレジットを消費する料金体系です。支払いはクレジットカードが基本で、請求書払いは一部にとどまっています。

スライド 33: 基本プラン 7万円 /⽉ 250 クレジット/⽉ 付与 ・ Takumi Guard 15組織トークン ・ Takumi Runner 実⾏時間 3,000分 追加クレジット 280円 / 1クレジット ( = 基本料⾦と同じレート) Takumiの料⾦
基本プラン 7万円/月(250クレジット/月付与)と、追加クレジット 280円/1クレジットスライド 33
  • 基本プラン: 月7万円で、毎月250クレジットが付与されます。基本は、この250クレジットをどうやりくりするかを考えます。Takumi Guard の有料の機能の15ユーザーと、Takumi Runner の GitHub Actions の実行時間3,000分も含まれるので、ソフトウェアサプライチェーン対策の機能も試せます。
  • 追加のクレジット: 月の250クレジットを使い切ったら、追加で購入できます。1クレジット280円で、7万円で250クレジットの基本プランと同じレートなので、追加分が割高になることはありません。

診断1項目の目安はブラックボックス5〜8・ホワイトボックス1〜3クレジット

スライド 35: クレジット消費の利⽤イメージ 「機能 × 観点」の組み合わせ1セルあたり、おおよそ以下のクレジットを消費する(あくまで⽬安)。 診断の種類 消費クレジット(1セルあたり) ブラックボックス診断 5〜8クレジット ホワイトボックス診断 1〜3クレジット ・ 対象機能の規模や、診断中にTakumiが発⾒した⼿がかりの数によって変動する ・ クレジットの利⽤上限を指定することも可能(リスクフォーカス機能) Takumiの料⾦
クレジット消費の利用イメージスライド 35

クレジットは、クロールで生成される「機能×観点」のマトリックスの1マスあたりで消費されます。1マスあたりの目安は、ブラックボックス診断で5〜8クレジット、ホワイトボックス診断で1〜3クレジットで、ブラックボックス診断のほうが少し高めです。対象の機能の規模や、診断中に Takumi が見つけた手がかりの数によって変動します。クロールでもクレジットを消費しますが、診断に比べるとかなり少なめです。

リスクフォーカス機能でクレジットの消費の上限を指定しておけば、マトリックスのすべてのマスを見るのではなく、予算に沿ったクレジットの消費の中で Takumi が優先順位を付け、セルごとにクレジットを消費しながら確かめます。最終的には試していただくしかない部分もありますが、アプリケーション1つあたり数十クレジットを用意しておけばよい、といった感覚は、比較的早い段階でつかめるはずです。

コーディングエージェントとの違い

Takumi はコーディングエージェントにない診断の網羅性と安定性を提供する

スライド 37: 内製では構築コストが⼤きすぎる実装を、Takumiを通じて提供 網羅性 当社が規定する診断項⽬に沿っ て、抜け漏れなく網羅的に診断で きる 安定性 ブラックボックス診断のような動 的なチェックも安定して回る モデル・ハーネスの最新 性 最新モデルの追随やハーネス改善 を当社セキュリティエンジニアが 実施。利⽤者様側での保守は不要 ツールの準備 必要なツールが揃っており、⼿作 業でのインストールが不要 コストの⾒通し クレジット制で消費⾦額を予測・ 制御できる。トークン課⾦のよう に⻘天井にならない 安全性 サンドボックス環境で診断するた め、安全に実⾏できる 競合との⽐較
内製では構築コストが大きすぎる実装を、Takumiを通じて提供スライド 37

Claude Security や Codex Security のような、モデルに道具を持たせて脆弱性を探させる仕組み(ハーネス)を備えた製品や、Claude Code などのコーディングエージェントを回す場合と、Takumi を使う場合とでは何が違うのか、という質問をよくいただきます。まず、UI が提供されていて、さまざまな職種の方が使いやすいことが1つです。また、診断ごとにクレジットの消費の上限を決める機能そのものは、こうした製品には無いはずで、Takumi の差別化の部分です。そのうえで利点を列挙すると、次の6つになります。特に重要なのは、はじめの3つです。

  • 網羅性: 脆弱性診断では診断対象を網羅的に検査する必要がありますが、AI は手を抜くこともあり、くまなくチェックさせるのは意外と制御が効きません。制御が効いていない状態では、お客様に対して「きちんとしたセキュリティチェックをしている」とは言えません。Takumi は、弊社が規定する診断の項目に沿って観点を網羅し、安定して診断します。
  • 安定性: ブラックボックス診断のような動的な検証は、途中で失敗したり、安定しなかったりすることがあります。弊社はハーネスを作り込んでいるので、安定して稼働します。
  • モデル・ハーネスの最新性: その時点で最良の価値を提供できるように、最新のモデルへの追随やハーネスの改善を、弊社のセキュリティエンジニアが常に行います。利用者の側での保守は要りません。弊社が作り込んだ実装を、利用者の皆様にスケールした形で提供することが、Takumi が根本的に目指しているものです。
  • ツールの準備: 必要なツールがそろっていて、手作業でのインストールが要りません。
  • コストの見通し: クレジット制なので、消費する金額を予測し、制御できます。トークンの課金のように、上限なく増えることはありません。
  • 安全性: サンドボックスの環境で診断するので、安全に実行できます。

Anthropic との提携と自社の診断実務が Takumi を支えている

スライド 38: Anthropicと戦略的パートナーシップ契約を締結済み 出典:https://flatt.tech/news/20260728_press 38 競合との⽐較
Anthropicと戦略的パートナーシップ契約を締結済みスライド 38

GMO インターネットグループは、Anthropic と包括的な戦略的パートナーシップ契約を結んでいます。詳細は公開できない部分もありますが、Anthropic のモデルを使ううえでいくつかの恩恵を受けていて、弊社にしかない強みの1つです。

スライド 39: Takumiは、 当社の実務で鍛えられている GMO Flatt Securityの 脆弱性診断・ペネトレーションテストに実践投⼊しながら、 アップデートし続けています。 競合との⽐較
Takumiは、当社の実務で鍛えられているスライド 39

また、弊社のプロフェッショナルサービスである脆弱性診断・ペネトレーションテストの実務でも、日々 Takumi を活用しています。実務に投入していると、こういうところで失敗する、こういうことができたほうがよい、という点が都度出てくるので、Takumi はそこで鍛えられ、更新され続けています。

まず手元のコーディングエージェントで試すのも一案

スライド 40: お⼿元のコーディングエージェントで 試してみるのもアリです 競合との⽐較
お手元のコーディングエージェントで試してみるのもアリですスライド 40

弊社としては Takumi の利用をおすすめしますが、まずは手元のコーディングエージェントに脆弱性を見つけさせてみるのも一つの選択です。おそらく、見つかるという前向きな感想と、安定しない、思うようにいかない、面倒だという否定的な感想の両方が出てきます。その実感があると、Takumi の価値も伝わりやすいかもしれません。

Takumi を「外部の第三者」とみなせるかは自社の要件で決まる

スライド 41: Q Takumiを「外部の第三者」として扱えますか? 品質評価そのものとは別に、脆弱性診断サービスには「お墨付き」の側⾯があると認識しています。顧客か ら「外部の第三者による評価を受けていること」というセキュリティ要件が課されるシーンも引き続きあり ます。お墨付きのために別途⼈間の診断を受けるべきでしょうか。 A コストメリットがある⽅をご選択いただけます お客様のスタンスと外部要件によるため、どちらが良いということはありません。「お墨付き」が必要な際 には、プロフェッショナルサービスとして当社の診断で対応することも可能です。 競合との⽐較
Takumiを「外部の第三者」として扱えますか? コストメリットがある方をご選択いただけますスライド 41

脆弱性診断には、品質の評価そのものとは別に、第三者による保証という側面があります。顧客から「外部の第三者による評価を受けていること」というセキュリティの要件を、セキュリティチェックシートなどで課される場面も引き続きあります。そのために Takumi とは別に人の診断を受けるべきかについては、コストメリットがあるほうを選んでいただければよい、というのが弊社の答えです。

Takumi を外部の第三者と見なしてよいかは、お客様のスタンスと外部からの要件によるので、弊社では決めきれません。要件が許すなら、Takumi のほうが安いので、Takumi で実施するのがよいでしょう。周りの環境がそれを許さないなら、弊社はプロフェッショナルサービスとして人の診断を提供しているので、そちらで対応できます。

まとめ

  1. 1いま起きていること

    攻撃が「割に合う」対象が広がり、従来の守りでは追いつかない

    攻撃者の狙いは変わらないまま、AI で攻撃に要る費用・時間・スキルが下がりました。年に1回ほどの人手の診断では頻度が足りず、AI を使わない検査ツールは総当たりとパターンマッチにとどまるので、仕様を理解しないと見つからないロジックの脆弱性を検出できません。

  2. 2まず取り組むこと

    AI を使って、脆弱性診断を自社で回す

    攻撃側が AI で速く、高い品質になった以上、守る側も AI で対策を速く、質の高いものにすることが必須です。アプリケーションの仕様を理解してロジックの脆弱性まで見つけられる AI の診断を、自社で回せる体制にすることをおすすめします。

    ロジックの脆弱性まで見つけるには、ソースコードから網羅的に洗い出すことと、実環境で本当に悪用できるかを確かめることの両方が要ります。弊社の Takumi byGMO は、ホワイトボックス診断・ブラックボックス診断と、その2つをつなぐグレーボックス診断、見つけた脆弱性の自動修正を提供しています。ソースコードと環境の両方があれば、グレーボックス診断をおすすめします。

  3. 3これから続けること

    重い検査はリリース前のゲートに置き、クレジットの上限で計画的に回す

    Takumi の診断は、1回に数時間から1日ほどかける重い検査です。プルリクエストごとの自動の検査に入れると、ブランチがなかなかマージできず運用が形骸化しやすいので、「世の中に出してよいか」を判断する場面で使い、診断のたびに消費するポイント(クレジット)の上限を決めて、優先度の高いところから見ることをおすすめします。

    つくる・変える段階

    軽くて速いレビューが要る。小回りの効くコーディングエージェントなどが向いている

    テストする段階(リリース前のゲート)

    「世の中に出してよいか」を判断する検査が要る。1週間分の差分やリリース前のフルスキャンを Takumi で見る

登壇者

  • 豊田 恵二郎

    GMO Flatt Security株式会社 共同創業者・執行役員

    東京大学工学部航空宇宙工学科卒。2017年5月、CEOの井手と共にFlatt(現・GMO Flatt Security)創業。執行役員としてプロフェッショナルサービス・プロダクトサービス全体の事業責任者を務める。

関連する記事

関連する製品・サービス

目次