AuditWeave、AI ワークフローの証跡を保証する改ざん検知ライブラリを発表──ハッシュチェーンで RAG 経路を完全追跡
AI の推論根拠を追跡可能な形式で記録し、金融や医療など規制対象領域での監査コストを低減する Python ライブラリ。
リリース: 2026-06-14 · 読了 3 分記事の要約
1. 核心（What）
- AI ワークフローの証跡を記録する Python ライブラリ「AuditWeave」を公開。
- RAG パイプラインおよびテーブルデータ変換の全工程を単一のハッシュチェーン型台帳に記録。
- 2,000 回のランダム試行において、改ざん検知率 100% を達成。
- イベント記録あたりのオーバーヘッドは数十マイクロ秒単位に抑制。
2. 影響（Why）
- 監査コストの劇的な圧縮: 従来のログ監視はMLエンジニア向けで監査人には不親切だったが、本ツールは推論結果から根拠データまでを直接リンクするため、規制対応の工数を大幅に削減できる。
- 国内金融・医療機関への影響: 金融や医療など、説明責任が求められる領域の[中堅〜大規模SaaS事業者]は、本ライブラリを組み込むことで、AIの判断根拠を法的に有効な証跡として自動生成可能になる。
3. 根拠・詳細（How）
- ハッシュチェーンによる不変性保証: append-only（追記専用）のハッシュチェーン構造を採用し、イベントの再順序付けや削除を検証時に検知する設計。4 種類の改ざんクラスに対し 2,000 回の試行で全検知を確認済み。
- システム非依存の語彙設計: RAG とデータ変換の両方に対応する汎用的なイベント語彙を定義。ランタイム依存関係を排除した軽量な Python ライブラリとして実装されており、既存のパイプラインに容易に統合できる。
4. 展望・課題（Next）
- 実運用環境での検証: 現在はリファレンス実装での検証段階であり、大規模なデータレイク環境におけるパフォーマンスとスケーラビリティの追加評価が必要。