何が起きたか
最大のオープンソーススキル市場であるSkillsMPの17,022件のスキルを対象にした大規模調査で、520件のスキルに認証情報漏えいに関わる1,708件のセキュリティ問題が見つかった。
なぜ重要か
調査では10パターンの漏えい経路が特定され、デバッグログが脆弱性の73.5%を占める。エージェントフレームワークが標準出力をLLMのコンテキストウィンドウに取り込むため、日常的なデバッグが認証情報露出の経路になる。特に、漏えいした認証情報の89.6%は即座に悪用可能だ。国内企業がオープンソースのLLMエージェントを導入する際、認証情報漏えいのリスクに直面する可能性がある。
注目点
フォーク型の配布モデルが是正を妨げる。107の上流リポジトリから削除された秘密情報が、50以上の独立したフォークに残り続ける。責任ある開示の後、悪意のあるスキルはすべて削除され、ハードコードされた事例の91.6%が是正された。
こういう要約が、毎朝あなたのメールに届きます。
この調査は、LLMエージェントスキルでの認証情報漏えいを実証的に調べた初の大規模研究で、SkillsMP上の170,226件から17,022件を分析した。研究者らは520件の影響を受けるスキルに1,708件のセキュリティ問題を特定し、10パターンの漏えい経路の分類を導き出した。
この結果はエージェントセキュリティの二つの重大な課題を浮き彫りにする。第一に、事例の76.3%で自然言語の説明とプログラミングロジックの併用分析が必要で、認証情報の露出が本質的にクロスモーダルであることを示す。第二に、エージェントフレームワークが標準出力をLLMのコンテキストウィンドウに取り込むため、デバッグログが支配的な脆弱性経路となっている。フォークされたリポジトリに漏えいした秘密情報が残り続ける事実は、上流ソースの是正に成功しても露出を完全には封じ込められない可能性を示唆する。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
AppleとMetaは、ハイエンドMacでの動作を想定した新しいオープンウェイトAIモデルを共同で公開すると発表した
Zennの投稿者がAIの使い方を3モードに整理した
Claude Codeのフック（PreToolUse / PostToolUse）でBash・Write・Edit・MultiEdit・NotebookEditに緊急停止とforce-push、rm -rf ~、curl…
Qiita記事がLLMアプリ向け自動レッドチーミング手法GCG・PAIR・TAPを実LLMなしの模擬実装で比較した
Liquid AIは2026年10月15日、オープンウェイトの改良版意思決定モデルd1-ultraを公開した
フランス数学会会長イザベル・ガラガー主催のウェビナーで、フィールズ賞受賞者のユーゴ・デュミニル＝コパンは、OpenAIが350の主要未解決問題の解答を一夜で公開したと述べた
