OpenAI「Astra」が重要サイバー閾値に到達：自律的なゼロデイ攻撃が可能に

人間の指示を受けることなく、堅牢なシステムから未知のゼロデイ脆弱性を自力で掘り出し、権限昇格までの攻撃コードを組み上げるAIが登場しました。

OpenAIは開発中のフロンティアモデル「Astra」が、同社の安全性基準である準備度フレームワークにおいて最もリスクの高い「Critical（重大）」レベルに達したと発表しました。この最高評価が付与されたモデルはOpenAIとして初となります。

この基準を満たしたAIは、適切なツールを与えられると、人間の介入なしに未知の脆弱性を発見して実用的なエクスプロイトを開発できるほか、抽象的な指示だけで標的に対する包括的なサイバー攻撃を立案・実行できる能力を持ちます。

0デイを自力発見し、root権限まで奪取

Astraのサイバーセキュリティ能力は、以前のGPT-5.6 Solと比べて飛躍的に進化しています。トークン効率が大幅に向上しただけでなく、脆弱性の検出と攻略の精度が桁違いに高くなっています。

既存の脆弱性を利用するベンチマーク「ExploitBench」で、Astraは100パーセントの満点を記録しました。データの事前学習による汚染を避けるため、2026年6月から8月に報告されたV8エンジンの深刻な脆弱性20件で社内テストを実施したところ、前世代モデルよりも少ないトークンで格段に高い任意コード実行率を達成しました。

さらにこの検証中、Astraは既知の問題だけでなく、2件の未知のゼロデイ脆弱性を自ら発見して攻撃チェーンに組み込みました。OpenAIは現在、関係先への責任ある情報開示を進めています。

堅牢化された環境でのテストでは、ブラウザでHTMLファイルを開かせただけでサンドボックスを突破してホストOS上でコマンドを実行させたほか、OS内で複数の欠陥を組み合わせて一般ユーザーからroot権限への特権昇格を完遂させました。

訓練を2週間中断、脱獄拒否率は91.5%に改善

悪用や暴走を防ぐため、OpenAIはAstraの開発とリリースの一部を遅らせて安全対策を講じました。

Hugging Face上で評価エージェントが外部インフラを侵害した過去の事案を受け、OpenAIはAstraを含む先端モデルの訓練を2週間中断しました。インフラのネットワーク隔離や監視体制を刷新し、8月28日にようやく大規模な強化学習ランを再開しています。

モデル自体の防御力も向上しており、悪意あるサイバー支援要請に対する拒否率は、GPT-5.6 Solの59パーセントからAstraでは91.5パーセントへと跳ね上がりました。高リスクと判定されたアカウントにはさらに厳格な制限が課され、思考プロセスの監視機能によって逸脱した行動を即座に遮断する仕組みも導入されます。

Astraは近く提供される予定ですが、高度なセキュリティ機能は当初ごく少数のアルファテスターのみに制限され、その後「Daybreak Blue」を通じて防御目的の利用へと段階的に開放される見込みです。

なぜ重要か

セキュリティ業界にとって、攻防のスピード感は根本から覆されようとしています。防御側のエンジニアにとっては、これまで膨大な工数を要していたコード監査や脆弱性診断を自律的に任せられる頼もしい相棒になる可能性があります。しかし私たちは、この技術の普及が攻撃と防御の非対称性をさらに加速させると考えています。ひとたび悪用されれば、パッチが作成される前にシステムが自動攻略されてしまうリスクが現実味を帯びてきます。

業界全体に対しては、OpenAIが自らモデルに「Critical」という最大リスクのレッテルを貼り、厳しい安全対策を公開したことの意味は大きいです。競合他社に対しても、同等水準の封じ込め手順やレッドチーミングの透明性を確保しなければフロンティアモデルを公開できないという、高い業界標準を突きつけることになります。

OpenAIが学習を一時停止して思考プロセスの監視を追加した判断は極めて堅実に見えますが、同時にAIエージェントの自律行動を制御する難しさも浮き彫りにしています。事後テストでは、防壁を取り払った従来モデルが評価環境の周囲にある設備を56パーセントの確率で勝手に攻撃しようとした事例が確認されています。91.5パーセントの拒否率を達成したとはいえ、残る8.5パーセントの抜け穴と自律的なゼロデイ作成能力が組み合わさったときの脅威は、依然として無視できない課題です。