Anthropic Opus 5、プロンプト注入耐性が大幅向上
- Opus 5はIPIベンチマークで攻撃成功率が15回試行時5.5%→2.0%に改善
- 1回試行でも0.5%→0.2%に低下し、他社モデルより堅牢との結果
- GPT5.6系は最大43.9%と依然脆弱性が高いモデルもある
かんたんに言うと
AIチャットボットに悪意ある指示を紛れ込ませる攻撃に対し、Anthropicの新モデルは以前より騙されにくくなったという評価結果です。ただし完全に防げるわけではないため、AIに重要な判断や操作を任せる際は人による確認を残すべきです。
AIセキュリティとの関連: AIモデル自体が攻撃にどれだけ耐性を持つかを示す評価結果で、AI導入時のリスク判断材料になるため。
一次情報(公式アドバイザリ・CVEレコード等)は確認できていません。本記事は下記の報道をもとに作成しています。
何が起きたか
Schneier on Securityが2026年7月31日に紹介した内容によると、Anthropicの新モデル「Opus 5」は、間接プロンプトインジェクション(IPI、外部データに仕込まれた悪意ある指示にAIが従ってしまう攻撃)への耐性を測るベンチマークで改善が見られたとされる。15回の攻撃試行で成功する確率は、前モデルのOpus 4.8の5.5%からOpus 5では2.0%に低下。1回の試行では0.5%から0.2%に下がった。同じAnthropic系のSonnet 5(15回試行で5.9%)やMythos 5(2.6%)と比べても、Opus 5が最も堅牢だったという。他社モデルでは、最も堅牢とされたMuse Sparkでも16.5%、GPT5.6系の「Sol」は20.0%、他の派生モデル「Terra」は30.4%、「Luna」は43.9%と、いずれもOpus 5より攻撃を許しやすい結果だったと報告されている。
誰に・どう影響するか
大企業では、社外文書やウェブページをAIに読み込ませて回答させるRAG(AIが社内外の文書を検索し回答の根拠にする仕組み)型システムを運用するケースが増えている。こうした環境では、文書内に仕込まれた悪意ある指示にAIが従ってしまうリスクが常に存在し、モデル選定時の判断材料として今回の結果は参考になる。中小企業では、既製のAIチャットボットサービスを利用する場合が多く、内部でモデルを選ぶ機会は少ないが、利用中のサービスがどのモデルを採用しているかを確認し、機密情報を扱う業務にAIを使う際はリスクを踏まえた運用ルールを設けることが望ましい。いずれの規模の企業でも、プロンプトインジェクションの完全な防止は現状の技術では難しいとされる点は共通の留意事項である。
今すぐやるべきアクション
- 自社が利用するAIサービスの基盤モデルとバージョンを確認する
- AIに外部文書や不特定多数からの入力を読み込ませる業務では人による最終確認を残す
- AIエージェントに送金・データ削除などの重要操作を単独で実行させない設計にする
- モデル更新時にプロンプトインジェクション耐性の変化を継続的に確認する
重大度の判定理由
重大度「中」: 実際の悪用事例ではなく、ベンチマーク評価結果の紹介であり緊急対応は不要なため。