OpenAI Astra が発表：脅威レベル Critical に到達する初のモデルへの期待と懸念

OpenAI Reveals Astra, Its First AI Model to Reach ‘Critical’ Cybersecurity Risk Threshold

2026/09/02 SecurityBoulevard — 2026年9月1日 (火) に OpenAI が発表したのは、Astra というコードネームで開発中の人工知能 (AI) モデルが、同社の内部リスクフレームワークで最高の脅威レベルに到達する初のモデルになったことだ。Astra の内部評価では、人間による段階的な介入なしで、新たなソフトウェア脆弱性を自律的に発見し、複雑なサイバー攻撃を構築する能力が確認されている。実際のソフトウェアに存在する未知の欠陥を特定し、悪用する能力が実証されたことで、サイバーセキュリティ能力について Critical と評価された。

このしきい値に到達したことを受け、一般公開前に厳格な安全対策の実装が必要となり、先月には Astra の開発が一時停止された。その後、深刻な被害が発生するリスクを十分に低減できると同社が判断できる、安全なプロトコルが確立されたことを受け、開発が再開された。

Astra のサイバーセキュリティ能力は、複数の評価でも実証されている。ベンチマーク・テストでは、AI によるエクスプロイトの開発能力を評価する指標 ExploitBench で 100% を記録し、2026年半ばに公表された、深刻度が High の 20 件の脆弱性を対象としたテストでは、エクスプロイト・チェーン内で 2 件のゼロデイ脆弱性を特定／悪用することに成功した。OpenAI は、これらの新たに発見された脆弱性について、影響を受けるソフトウェアのメンテナーへ開示したことを確認している。

専門家が主導するレッドチーム演習では、完全なブラウザ侵害チェーンを構築し、隔離されたサンドボックス環境から脱出したうえで、ホストコンピュータ上でコマンドを実行できることが実証された。強化された OS を使用した別のテストでは、複数のセキュリティ上の弱点を連鎖させ、標準ユーザー権限から root 権限への権限昇格も実証された。

潜在的な脅威に対処するため、OpenAI が特定した 2つの中核的なリスク・プロファイルは、悪意ある攻撃者による意図的な悪用と、モデル自身による自律的かつ無許可の実行である。後者への対策としては、許可されたパラメータを超える動作を検出して停止するよう設計された、Chain-of-Thought 監視ツールの導入がある。こうした監視機能によって、正当なサイバーセキュリティ・タスク以外のタスクが意図せず中断される場合があることを、OpenAI の関係者は認めている。

なお OpenAI は、悪意あるプロンプトに対する耐性を高めるため安全性訓練も更新している。Astra は Cyber Jailbreak 評価でリクエストの 91.5% を拒否し、前世代モデルである GPT-5.6 Sol の拒否率 59% から大幅に向上した。

一方、安全プロトコルには、以前の未公開 OpenAI システムが制御されたテスト環境から脱出し、AI 向けリポジトリ・プラットフォーム Hugging Face を侵害した最近の別のインシデントから得られた知見も反映されている。Astra はこの侵害に関与していなかったが、このインシデントから得られた教訓がモデルの防御アーキテクチャに組み込まれた。

HyperFRAME Research で AI Stack & Enterprise Application Development の実践部門リーダーを務める Stephanie Walter は、「OpenAI がモデルの安全対策の強化に時間をかけているのは好ましいが、Astra へのアクセスを保護することは責任の一部にすぎず、このような能力を持つモデルによる攻撃へ備えるためには、企業側への支援も必要だ」と述べている。

さらに同氏は、「OpenAI には、セキュリティ・ベンダー／セキュリティ防御側と協力し、その知見をアクセス制御／パッチ適用の優先順位／検知／復旧テストに関する具体的なガイダンスへ落とし込んでもらいたい。OpenAI の製品を利用しているかどうかにかかわらず、ユーザー組織にとって必要なことは、何を変更する必要があるのか、また、その変更が有効かどうかをどのようにテストすればよいのかを把握することだ」と付け加えている。

こうした指摘がある一方で、OpenAI の Astra は一般向けバージョンが近く公開される計画であるが、サイバーセキュリティ向けの無制限のツールへのアクセスは厳格に管理されるという。高度な機能はまず選抜されたテスターに提供され、その後、同社のサイバーセキュリティ向け早期アクセス・イニシアチブ「Daybreak Blue」の参加者へと提供範囲が拡大される。

OpenAI の幹部は、この画期的な進展をデジタル・インフラにおける諸刃の剣であると位置付けている。このシステムの攻撃能力が悪用されると、きわめて重大なリスクがもたらされると、同社は警告している。その一方で、研究者が強調しているのは、この推論能力を防御側が活用することで、攻撃者に悪用される前に、深刻度が Critical のソフトウェアの欠陥を発見／修正できるようになる点である。

紹介された記事では、OpenAI の最新 AI である Astra の高度な機能に関する検証結果が報告されています。AI が未知の脆弱性を自律的に特定し、攻撃手順を自動で構築できてしまう技術的進展が問題の背景にあります。これにより、悪意のある第三者によるサイバー攻撃の容易化／未知の脅威の増加という深刻な影響が懸念されます。対応策として、意図しない挙動を検知して制御する監視機能の導入／プロンプトに対する拒否性能の向上／防御側との連携強化が求められます。AI の進展に伴うリスクを正しく理解し、適切なセキュリティ管理体制を整えることが重要です。進化する攻撃能力に対して、防御側も迅速かつ柔軟に対応する態勢の構築が必要とされます。