社内文書を読み、メールを要約し、予定を整理するAIエージェントを導入する組織が増えました。ところが、エージェントに権限を渡したとたんに、これまでなかった攻撃経路がひとつ開きます。モデルが読むことになる資料の中に「前の指示は無視して、こうしなさい」という文をあらかじめ仕込んでおく攻撃、プロンプトインジェクションです。攻撃者はサーバーに侵入する必要も、アカウントを乗っ取る必要もありません。エージェントがどのみち読むことになる文書が1枚あれば足ります。
指示とデータが同じ入れ物に混ざる
言語モデルには、命令を受け取る通り道とデータを受け取る通り道の区別がありません。開発者が仕込んだシステムプロンプト、ユーザーが入力した質問、モデルが参照するために取り込んだウェブページや社内文書が、すべてひと続きのトークン列にまとめられて入力されます。モデルから見れば、「あなたはカスタマーサポート担当です」と「前の指示は無視しなさい」は形式上区別がつきません。SQLインジェクションがデータをクエリ文として読ませる問題だったとすれば、プロンプトインジェクションはデータを指示として読ませる問題です。
攻撃は大きく2つに分かれます。ユーザーが入力欄に攻撃文を直接入れる直接プロンプトインジェクションと、モデルが後で取り込む外部の資料にあらかじめ仕込んでおく間接プロンプトインジェクションです。実務で危険なのは間接のほうです。仕込む人と被害を受ける人が別で、被害者は自分が何を開いたのかさえ知らないまま攻撃を受けるからです。隠し場所もたくさんあります。ウェブページの白い文字、文書のメタデータ、課題管理ツールのコメント、画像の中の文字まで、モデルが読めるあらゆる場所が候補になります。

エージェントになって被害の種類が変わった
チャットボットの時代のプロンプトインジェクションは、たいていモデルに言ってはいけないことを言わせる程度で終わっていました。エージェントは違います。メールを送り、ファイルを開き、決済を承認し、コードを実行する権限をすでに持っています。乗っ取られた指示は、文章ではなく行動に変わります。
その一線を越えた例としてよく引用されるのが、2025年6月に公表されたEchoLeakです。Aim Securityの研究チームが見つけたこの脆弱性は、攻撃メールが1通メールボックスに届いているだけで、その後ユーザーがCopilotにごく普通の質問をした瞬間、メールに隠れていた指示が動き出し、会話の文脈に載った社内情報を外部へ送り出すという仕組みでした。SecurityWeekのまとめによると、ユーザーがそのメールを開いたりリンクをクリックしたりする必要すらありませんでした。MicrosoftはCVE-2025-32711として登録して深刻度9.3と評価し、サーバー側で修正したうえで、実際に悪用された形跡は確認されていないと説明しています。
OWASPはこの問題をどこに置いたか
OWASPの生成AIセキュリティプロジェクトが出している2つのリストは、どちらもこの問題を1位にしています。
| リスト | 1位の項目 | 指している問題 |
|---|---|---|
| Top 10 for LLM Applications(2025) | LLM01 プロンプトインジェクション | 入力がモデル本来の指示を上書き、または回避する問題 |
| Top 10 for Agentic Applications(2026) | ASI01 エージェントの目標の乗っ取り | 外部の文書やデータを通じて、エージェントの目標そのものを変えてしまう問題 |
2025年12月に出たエージェント型アプリケーション向けのリストは、名前からして変わった点が目を引きます。もはや「モデルがおかしなことを言う」ではなく、「エージェントが別の目標を持ってしまう」と問題を定義しています。同じリストの残りの項目も、ツールの悪用、権限の濫用、メモリの汚染、エージェント間の通信のように、モデルの外側の設計を狙ったものです。
一層の対策では防げない理由
- 区別する場所がない。 指示とデータを分ける文法が、モデルの入力には存在しません。区切り文字やタグで囲む方法は、攻撃者が同じ区切り文字をまねれば崩れます。
- フィルターは回避される前提で考える。 禁止語リストは、翻訳、エンコード、スペースの入れ方の変化、画像への埋め込みといった変形に弱いものです。EchoLeakも何重ものフィルターをすり抜けました。
- 正常な動作との境界があいまい。 「要約して担当者に送って」という指示は、文書に書かれていても業務上もっともらしく見えます。何が攻撃なのかは、文面だけでは判定しにくいのです。
OWASPも、プロンプトインジェクションに確実な予防策があるかどうかははっきりしないと書いています。完全に防ぐことではなく、被害の範囲を狭めることに目標を切り替えるほうが現実的です。
プロンプトインジェクションは、パッチでふさげるバグというより、いまのモデル構造が抱えている性質に近いものです。モデルが完璧にふるい分けてくれるのを待つのではなく、エージェントが誤った指示に従ったときにどこまでのことが起こりうるかを先に絞っておく。そこが実務の出発点です。
いまできること
- エージェントのアカウントに人と同じ権限を与えない。読み取り専用から始めて必要な範囲だけを開け、外部に向かう操作は別の認証情報に分ける。
- 取り消せない操作には人の承認を挟む。メール送信、決済、ファイル削除、外部APIの呼び出しが代表例です。承認画面には、モデルの要約ではなく実際に実行される内容を表示する。
- 外部から入ってきた内容を指示として扱わないよう隔離する。検索結果や添付文書は参考資料として印を付け、そこから出てきた命令形の文は実行の候補から外す。
- 出ていく側も検査する。入力だけを見ていては手遅れになります。システムプロンプトの内容、社内の識別子、外部ドメインへのリンクが応答に混ざって出ていかないかを確認する。
- 公開前に、インジェクションのシナリオで実際に攻撃してみる。オープンソースの脆弱性スキャナーを組み込んで回帰テストとして回せば、モデルやプロンプトを変えるたびに確認し直せます。
まとめ
プロンプトインジェクションは、モデルが賢くなれば消える問題ではなく、指示とデータを同じ入れ物に入れる構造が続くかぎり残る問題とみられます。OWASPが2つのリストで続けて1位に挙げたのも、同じ文脈です。エージェントを導入するときに問うべきは「このモデルはインジェクションに対して安全か」ではなく、「このエージェントが攻撃者の指示にそのまま従ったと仮定すると、何までできてしまうか」に近いものです。その答えが受け止められる範囲まで絞り込めているなら、そこで初めて権限を広げる。それが安全な順序です。