バイブコーディングとセキュリティリスク

よくある脆弱性クラス

OWASPトップ10の混入

100種類以上のLLMをテストしたら、生成コードの45%がOWASPトップ10級の脆弱性入り。XSS対策は86%失敗、ログインジェクション対策も88%失敗しとる。Javaは特にあかんくて失敗率72%や。

スロップスクワッティング(幻覚パッケージの悪用)

223万件の生成コードのうち19.7%が実在せんパッケージ名を含み、その43%は同じ幻覚名を毎回吐く。攻撃者はその名前で先に悪意あるパッケージを公開して待ち構えとる。

IDOR(アクセス制御の抜け)

ログインの確認はできても「そのリソースにアクセスする権限があるか」の確認が抜けとる。 URLのID書き換えるだけで他人のデータ丸見え、っちゅうパターンが定番や。

秘密情報のハードコード・流出

5600個の実運用アプリ調査で2,000件超の脆弱性と400件の露出した秘密鍵・認証情報が発見された。AI支援コミットは人間コードの2倍の率で秘密情報を漏らすっちゅうデータもあるで。

SSRF(サーバーサイドリクエストフォージェリ)

主要AIコーディングエージェント5つを同じ機能でテストしたら、5個中5個全部SSRFを混入。クラウドのメタデータエンドポイントにまで繋がってしまうケースもあるらしい。

MCP経由のコマンドインジェクション

Anthropicの公式MCP SDK(Python/TS/Java/Rust)にコマンドインジェクションが見つかり、約20万件のインスタンスが影響。あるCVEは0クリック、悪意あるMCP設定入りリポジトリ開くだけでRCEされてしまう。

インダイレクト・プロンプトインジェクション

README・Issue・コメントに隠し命令を埋め込んでAIエージェントを乗っ取る手口。 適応型攻撃を使うと成功率が85%超になるっちゅう研究結果もあるで。

反復するほど悪化する現象

AI支援でコードを5回リファインしただけで重大な脆弱性が37.6%増加。直してるつもりで、むしろ穴が増えてくっちゅう本末転倒なパターンやね。

実例

INCIDENT — Moltbook (2026年1月)

「1行もコード書いてない」で本番DB丸見え

創業者が「コードは1行も書いてない」と公言してたAI社会ネットワーク。 ローンチから3日後、Supabaseの設定ミスが原因で、本番データベース全体(APIトークン150万件、メールアドレス3.5万件、エージェント間の私的メッセージ)が丸ごと露出してしもた。

安全な開発のための対策（Mitigations）

• 人間のレビューを徹底する (Human-in-the-Loop): AIが書いたコードを本番環境へデプロイする前に、必ず人間のエンジニアがセキュリティの視点からレビューを行います。
• 静的解析・検知ツールの自動化: GitHub Actions などの CI/CD に SAST（静的解析）やシークレット検知ツール（GitGuardian等）を導入し、機密情報の流出や脆弱な構文を機械的にブロックします。
• セキュアコーディングガイドラインのAI共有: プロンプトを投げる際、あらかじめ社内のセキュリティ要件やセキュアな設計フレームワークをAIに明示してコードを生成させます。
• 未レビューの外部コード扱いにする ── AIが書いたコードでも読む・テストする・静的解析を通すのを省略せんこと。
• リアルタイム秘密検知を入れる ── コミットされる前に鍵や認証情報をキャッチする仕組みを用意しとく。
• プロンプトに秘密を書かん ── 認証情報やアーキテクチャの詳細をAIに渡すと、それがそのまま漏れる元になる。
• MCPサーバーはサンドボックス化 ── STDIO型は使わんなら無効化、使うならコマンドを絶対パスで許可リスト化する。
• 認証・決済・機微データ系は人間レビュー必須 ── ここだけは「バイブ」に任せたらあかん領域や。