AIモデル、Chrome、Safari、Linuxカーネルにおけるゼロデイエクスプロイトの連鎖を発見

研究者らは、未公開の内部AIモデルを使用し、Chrome、Safari、Android、Windows、Linuxなど広く利用されているソフトウェアにおける重大なセキュリティ欠陥の特定と悪用を行いました。2026年10月27日に発表されたこの発見は、同モデルが複雑な多段階の攻撃チェーンを構築し、ユーザーの関与がほぼない状態でリモートコード実行やデータ窃取に至る能力を持つことを示しています。

何が起きたか

研究チームは、世界で最もセキュリティ上重要なソフトウェアの一部を監査するために、専門的なAIエージェントを導入しました。このモデルは、ブラウザとオペレーティングシステムを狙った5つの異なるエクスプロイトチェーンを生成することに成功しました。これらは孤立したバグではなく、メモリサンドボックスやアドレス空間レイアウトランダム化（ASLR）などの複数の防御層を回避するよう調整された脆弱性の連続体でした。各発見事項は、協調的脆弱性開示プロトコルを通じてそれぞれのベンダーに報告され、詳細が一般公開される前にパッチ適用のための時間が確保されました。

Google Chromeでは、macOS上でワンクリックのリモートコード実行エクスプロイトを生み出しました。これはV8 JavaScriptエンジン内のヒープ破損バグ、CacheStorage内の競合状態によるサンドボックス脱出、そしてFedCMサインイン機能におけるuse-after-freeエラーを組み合わせたものです。このチェーンにより、ブラウザのサンドボックス外での任意コード実行が可能になりました。同様に、Apple Safariでは、同一オリジンポリシーを回避するデータのみを対象とした攻撃をAIが構築しました。JavaScriptCore内のuse-after-free脆弱性を悪用し、Gigacageメモリ分離の弱点を利用することで、任意コードの実行なしにクッキーや履歴などの機密性の高いブラウザデータへの読み書きアクセスを獲得しました。

その範囲はブラウザを超え、モバイルおよびデスクトップのオペレーティングシステムにも及びました。Androidでは、3つの脆弱性を連鎖させることでPixel 9のロック画面をバイパスし、ユーザー認証なしにUSB経由でのデータ抽出を可能にしました。Windowsでは、バイナリコードの分析によりHTTP/3 QUIC実装におけるリモートサービス拒否（DoS）の欠陥を特定しました。最後に、チームはLinuxカーネルのネットワークスタックにおけるゼロクリックのリモートコード実行脆弱性を開示しました。ここでは、競合状態により攻撃者がroot権限でコマンドを実行することができました。

仕組み

このAIは既知のパターンを単純にスキャンしたわけではありません。深い推論と変種分析（variant analysis）を行いました。Windowsのような独自ソフトウェアに対しては、リバースエンジニアリングツールを使用してバイナリを逆コンパイルし、ロジックをC言語で再構築して観測された挙動と比較することで不整合を発見しました。オープンソースコンポーネントに対しては、ソースコードを直接分析しました。このシステムは並列スキャンエージェントのプラットフォームを採用しており、それぞれが純粋なカバレッジチェック、目標ベースの脅威モデリング、特定のエクスポイトプリミティブの探索など、異なる戦略を用いていました。

重要なメカニズムの一つは、モデルが散在する脆弱性を連鎖させる能力です。例えば、Linuxカーネルのエクスプロイトにおいて、AIはまず競合状態による過剰読み取りを通じてカーネルポインタを漏洩させ、KASLRを突破しました。その後、同じ根本的なuse-after-freeバグを利用してバッファオーバーフローを引き起こし、コールバックポインタを上書きしました。これにより、攻撃者は制御フローをハイジャックし、カーネルメモリ内にステージングされたペイロードを実行することができました。このプロセスはテスト時計算スケーリング（test-time compute scaling）に依存しており、モデルは動作する概念実証（PoC）を生成するまでアプローチを反復的に洗練させました。

主要な詳細

• Chrome 156には、モデルによって特定された62件のCVEに対するパッチが含まれており、そのうち13件はサンドボックス脱出、21件はレンダラー侵害に関するものです。
• Safariのエクスプロイトは、任意コード実行を必要としないデータのみを対象とした攻撃により、同一オリジンポリシーを回避しました。
• Androidのロック画面バイパスには物理的なUSBアクセスが必要でしたが、ペアリング検証やファイル転送チェックをスキップしました。
• Windowsの脆弱性（CVE-2026-33096）は、QUIC実装における境界外読み取りにより、HTTP/3で待ち受けているサーバーのリモートクラッシュを可能にしました。
• Linuxカーネルの欠陥（CVE-2026-98432）は、マルチパスTCPを介したゼロクリックでのrootアクセスを可能にし、テストでは完全なエクスプロイトに約53分かかりました。
• すべての発見事項は、90日のパッチウィンドウプラス45日の開示遅延という条件の下で報告されました。

なぜ重要なのか

この研究は、高度なサイバー能力がもはやエリート専門チームのみに限定されないという脅威ランドスケープの変化を示唆しています。AIモデルは現在、脆弱性を自律的に発見し、それらを組み合わせて動作するエクスプロイトを作成できるため、洗練された攻撃への障壁を大幅に低減しています。ソフトウェア開発者にとって、これは深い連鎖型の脆弱性を見つける難しさに関する従来のセキュリティ前提がもはや成り立たないことを意味します。AI駆動分析の速度と深さは、防御側が自らのパッチ適用およびテストサイクルを加速させることを要求しています。

エンジニアリングリーダーにとっての意味は、静的解析や手動コードレビューだけでは、AIで強化された敵対者に対抗するには不十分であるということです。これらのモデルが確認済みの発見事項に対して変種分析を実行できる能力を持つため、単一のバグの発見が、コードベース全体にわたる関連する脆弱性のクラス全体を迅速に明らかにする可能性があります。防御側はペースを維持するために同様のAI駆動テスト戦略を採用し、問題が本番環境に到達する前に検出できるよう、自動スキャンを開発パイプラインに統合する必要があります。

あなたができること

• プルリクエストワークフローにAI駆動のセキュリティスキャンを統合し、開発サイクルの早期段階で脆弱性を捕捉してください。
• 確認されたすべてのセキュリティ問題に対して自動変種分析を実装し、コードベース全体の関連する弱点を特定してパッチ適用してください。
• ネットワークスタックやブラウザエンジンなど、信頼できない入力にさらされる重要なインフラストラクチャコンポーネントのパッチ適用を優先してください。
• サンドボックス脱出の可能性を想定した多層防御（defense-in-depth）戦略を採用し、単一の脆弱性の影響を制限してください。
• 発見された欠陥の責任ある処理を確実にするため、協調的脆弱性開示プログラムに参加してください。
• 特にネットワークおよびメモリ管理ライブラリにおけるオープンソース依存関係の上流パッチを監視し、更新を速やかに適用してください。