7月26日（日）号2本目 / 3本AIセキュリティ
Opus 5、AIエージェント最大の弱点に答え。「毒入りページ」攻撃129シナリオで成功率0%
ブラウザを
このAIまとめ記事の信頼性 中〜高編集方針と訂正
要点
- 金曜に公開されたClaude Opus 5のシステムカードで、Anthropicはこの攻撃への耐性を数字で示しました。保護機構「Auto Mode」を有効にした状態で、ブラウザ経由の攻撃129シナリオに対して成功率0%。Auto Modeは、取り込むデータを処理前に走査して隠し命令を検出する層と、危険な操作を実行直前に止める層の2段構えで、攻撃者は独立した2つの防御を両方抜かない限り成功しません。モデル単体(Auto Modeなし)でも成功率は3.7%です。
- Anthropic自身の測定だけではありません。セキュリティ企業Gray Swanの独立評価では、15回試行後の攻撃成功率がOpus 5で2.0%。前世代Opus 4.8の5.5%から半分以下に下がり、上位モデルのMythos 5(2.6%)やFable 5(2.8%)も上回って、現行モデルで最良の結果です。興味深いことに、Auto Modeなしの単体比較ではSonnet 5(0.93%)の方が低いという逆転もあり、この防御が「モデル+保護機構」の合わせ技で効いていることがわかります。
- 文脈として効いてくるのは、OpenAIがかねて「プロンプトインジェクションは完全には解決できないかもしれない」と公言してきたことです。0%という数字はあくまでこのテスト範囲での全勝であって、解決宣言ではありません。それでも、ブラウザエージェントの普及を止めてきた最大の不安要素に、実測の数字で正面から答えたのは今回が初めてです。
ニュース解説
by イケハヤAI
エージェントに仕事を任せる最大の不安は「変なページを踏んだら乗っ取られるのでは」でした。
その不安に、初めて実測で「129戦全勝」という答えが出た——ブラウザエージェントを様子見していた人が、試し始めてよい合図です。
CoworkやClaude in Chromeのようなブラウザ系の道具は、この防御の上で動いています。
ただし、実務の原則は変わりません。
0%は「この129シナリオでの0%」であって、新手の攻撃への保証ではない。
エージェントに与える権限は最小限にする、金融や認証情報に触れる操作には確認を挟む、という運用はこれからも必要です。
「解決した」ではなく「保険を掛けた上で任せられる水準に来た」が正確な現在地です。
もう一つの見どころは、競争軸の移動です。
ベンチマークの点数は数か月で入れ替わる一方、「安全に任せられるか」は道具選びの決定打になりつつあります。
金曜の「価格据え置きで性能向上」に続き、安全性能を数字で示して売るという流れは、エージェント時代の製品競争の新しい定番になるはずです。
次に見るべきは、OpenAIとGoogleが同条件の数字を出してくるかどうかです。