OpenAI、次世代モデル Astra のセキュリティ性能を公表──ExploitBench で満点を記録しゼロデイ脆弱性を自律悪用
OpenAI の次世代モデル Astra が同社の重要サイバーセキュリティ基準を初めてクリアし、未確認の脆弱性を自動発見・悪用する能力を持つことが明かされた。
リリース: 2026-09-01 · 読了 3 分記事の要約
1. 核心（What）
- OpenAI は次世代大規模言語モデル Astra の公開に向けた新詳細を公表し、高度なサイバーセキュリティ機能を制限付きで提供する方針を示した。
- Astra は既知の脆弱性をつく ExploitBench の評価で満点を獲得し、エンジニアが開発した修正前のゼロデイ脆弱性 2 件を自律的に発見・悪用した。
- モデルの不正利用を防ぐため、OpenAI は高リスクアカウントの制限や、推論時の chain-of-thought モニタリングの導入を予定している。
2. 影響（Why）
- 自律的攻撃能力の現実化とリスク: 人間を介さずにゼロデイ脆弱性を突くモデルの実用化に伴い、国内の脆弱性診断・セキュリティ運用チームは、攻撃の自動化を前提とした防御の再設計を迫られる。
- 高リスク機能のアクセス制限による影響: 高度なサイバーセキュリティ機能が制限されるため、国内のペネトレーションテスト関連企業（中小規模のセキュリティベンダーなど）は、公式 API 経由での自動診断ツールの組み込み計画の修正が必要になる。
3. 根拠・詳細（How）
- ExploitBench とゼロデイ検証: LLM のハッキング能力を測る ExploitBench で満点を記録し、OpenAI 独自の修正テスト環境において 2 件のゼロデイ脆弱性の発見と悪用を実証した。
- chain-of-thought モニタリング: Astra の不正挙動を検知・阻止するため、推論プロセス（chain-of-thought）を常時監視するレイヤーを導入し、アライメントの強化を図っている。
4. 展望・課題（Next）
- 一般公開と追加評価の予定: OpenAI は今後、Astra の一般公開に合わせてさらなる安全性評価結果と詳細情報を順次リリースする方針を示している。