Reasoning vs Rules: How AI Is Replacing Traditional SAST

2026年2月20日、サイバーセキュリティ界は多くの人が画期的な瞬間と呼ぶ出来事を迎えました。AnthropicのClaude Code Securityのリリースは、DevSecOpsのツール群に新たな追加をしただけでなく、数十億ドル規模のStatic Application Security Testing（SAST）業界の基本的な論理を根底から覆すものでした。

長年、組織はパターンマッチング—つまり高度な正規表現ベースのスキャン—に頼ってコードの安全性を判断してきました。しかし、セキュリティ研究者が言うように、プログラムは構文的には完璧でパターンもクリーンでも、論理的には致命的な欠陥を抱えていることがあります。

この記事では、ルールベースのスキャンから推論ベースの監査へのパラダイムシフト、その理由とClaude Opus 4.6が何十年もの人間のレビューを生き延びたバグを見つけ出す仕組み、そしてこのAIネイティブ時代に生き残るためにセキュリティパイプラインを進化させる必要性について解説します。

パターンマッチングの終焉：従来のSASTはなぜ失敗しているのか

従来のSASTツールは、既知の悪いパターンのライブラリに基づいて動作します。例えば、JavaScriptのeval()や未パラメータ化のSQLクエリなどを探します。2026年の市場規模は約28億ドルと評価されており、2035年までに63億ドルに成長すると予測されており、これらのツールが企業のセキュリティスタックに深く浸透していることを示しています。

パターンマッチングの罠

もし脆弱性が事前定義された署名に一致しなければ、従来のSASTはそれを検知できません。これにより、次の二つの重大な問題が生じます：

誤検知の津波：レガシーツールは「危険」なキーワードの出現をすべてフラグ付けしますが、その周囲の文脈によって安全な場合もあります。セキュリティチームは、重複アラートや誤検知により、トリアージ時間の70％以上を浪費していると報告しています。研究によると、従来のSASTの誤検知率は28％から60％に達することもあります。

論理のギャップ：パターンベースのツールは意図を理解できません。例えば、「ユーザーA」がサイドチャネルのIDOR（Insecure Direct Object Reference）を通じて「ユーザーB」の請求データにアクセスすべきでないことを理解できません。ビジネスロジックやマイクロサービス間のデータフロー、微妙なコンポーネント間の相互作用について推論できません。

2026年のパラダイムシフト

Claude Code Securityはこの時代の終わりを告げます。禁止されたパターンのリストとコードを照合する代わりに、コードベースを一つの物語として読み解きます。auth.pyで初期化された変数が3つのマイクロサービスを経由してdatabase.goに渡されるとき、そのセキュリティコンテキストを理解し、ライフサイクル全体を通じて保持しなければならないことを理解します。

Claude Code Securityとは何か？

2026年2月20日にエンタープライズおよびチーム顧客向けのリサーチプレビューとして登場したClaude Code Securityは、推論ベースの監査の最初の産業規模の実装です。わずか2週間前にリリースされたClaude Opus 4.6モデルを基盤に構築されており、単なるスキャンだけでなく、「考える」ツールです。

業界を震撼させた脆弱性発見

リリース前、AnthropicのフロンティアRed TeamはClaude Opus 4.6の能力を徹底的に調査しました。実運用のオープンソースコードベース—何百万時間ものファジングと数十年の専門家レビューを経たプロジェクト—に対してモデルは500以上の高深刻度の脆弱性を発見し、検証しました。

これらは理論的なバグではありません。すべての脆弱性は、Anthropicの内部セキュリティ研究者または外部のセキュリティ専門家によって検証されています。発見された内容は以下の通りです：

Ghostscript：Gitコミット履歴を解析し、フォント処理のスタック境界チェックを追加したパッチを発見。修正が必要な箇所があれば、それ以外の呼び出しも潜在的に脆弱であると逆に推論
OpenSC：strrchr()やstrcat()などの危険な関数呼び出しを検索してバッファオーバーフロー脆弱性を発見
CGIF：LZW圧縮アルゴリズムとGIFファイルフォーマットの相互作用を理解した上で、ヒープバッファオーバーフローを特定

これらの発見の驚くべき点は、100％の行と分岐カバレッジを持つ従来のファザーツールが検出できなかったことです。例えば、CGIFの脆弱性は、特定の操作シーケンスを必要とし、ランダムテストではトリガーされにくいものでした。

AIネイティブセキュリティスキャンの主要な能力

クロスファイルのトレーサビリティ：Claude Code Securityは個々のファイルだけを分析するのではなく、リポジトリ全体のデータフローをマッピングし、変数やセキュリティコンテキストの伝播を理解します。

ビジネスロジックの理解：割引コードのロジックが悪用されて負の残高を作り出す可能性や、認証チェックを回避するコードパスを特定します。

マルチステージ検証：アラートを出す前に、Claudeは潜在的な脆弱性の「証明（PoC）」を提供しようと試み、誤検知をフィルタリングします。Anthropicによると、この検証層を導入した結果、誤検知率は5％未満に抑えられ、従来のSASTの30〜60％と比べて大幅に低減しています。

自律的推論：パターンの照合ではなく、前提条件やエッジケース、開発者の仮定が特定の状況下で失敗する可能性について推論します。

Reasoning vs. Rules：技術的深堀り

従来のSAST：決定論的パターンマッチング

従来のツールは、抽象構文木（AST）や制御フローグラフ（CFG）を用いて既知の悪い構造を検出します。論理は決定論的です：

If Pattern(X) ∈ Code, then Alert(X)

このアプローチの根本的な制約は、パターンの意味や文脈的安全性を考慮しない点にあります。

推論ベースの監査：ニューロシンボリック知能

Claude Code Securityは、Anthropicが「ニューロシンボリック推論」と呼ぶ手法を採用しています。コードの構造的正確性と大規模言語モデルの意味的深さを融合させ、次の問いを投げかけます：

「この関数は何を達成しようとしているのか、開発者の仮定が失敗するエッジケースは何か？」

検証層の革新

Claude Code Securityの最も革新的な特徴の一つは、その検証層です。モデルが潜在的な欠陥を特定した際、直ちにフラグを立てるのではなく、「レッドチーム」モードに入り、次のステップを踏みます：

攻撃経路を仮定
データフローを追跡し、実際に攻撃が到達可能かを判断
実行可能性に基づき信頼度と重大度を評価

これにより、開発者がセキュリティ警告を無視したりミュートしたりする「アラート疲弊」の問題を大きく軽減します。業界調査によると、これにより誤検知率は5％未満に抑えられています。

市場の反応：なぜサイバーセキュリティ株が急落したのか

Anthropicの発表に対する市場の反応は迅速かつ厳しいものでした。2026年2月23日〜24日、サイバーセキュリティ株は大きく揺れ動きました：

CrowdStrike (CRWD)：9.9％急落
Microsoft (MSFT)：3.2％減少
ソフトウェア業界ETFは2月初旬以来最悪のセッションを記録

この売りは、従来の「堀」—脅威インテリジェンスと手動調査に基づくセキュリティベンダーの優位性—がAIの推論能力によって根本的に挑戦されつつあるという市場のコンセンサスを反映しています。

あるアナリストは次のように述べています：「セキュリティはパイプラインの終端にある『ゲート』から、AIエージェントがコードを書く『プロパティ』へと変わりつつある。」

業界全体へのインパクト

この変革は、純粋なセキュリティベンダーだけでなく、ソフトウェア業界全体に波及しています。2026年初頭、Anthropicの業界特化型Claude Coworkプラグインのリリースは、ソフトウェア株に衝撃を与えました：

Thomson Reuters：史上最大の一日株価下落（-16％）
LegalZoom：ほぼ20％急落
FactSet：10％超の下落
RELX：14％下落

パターンは明白です：AIネイティブツールが専門分野について推論できる能力は、既存のソフトウェアカテゴリに挑戦しています。

ケーススタディ：”検出不能”な数十年古いバグ

Ghostscriptの発見

Anthropicは、Ghostscriptに見つかった非常に示唆に富む脆弱性を強調しました。Ghostscriptは広く使われているPostScript/PDF処理ユーティリティです。従来のSASTツールは20年以上このコードを通過してきました。なぜなら、構文は完璧だったからです。

欠陥の内容：ClaudeはGitコミット履歴を解析し、gstype1.cのフォント処理にスタック境界チェックを追加したパッチを見つけました。その後、逆の論理に切り替え、修正が必要な箇所があれば、それ以外の呼び出しも潜在的に脆弱であると推論しました。

gdevpsfx.cという全く異なるファイルにおいても、同じ関数が修正されていないことを発見し、動作するクラッシュの証明（PoC）を構築しました。

重要な洞察：このバグパターンを記述したCodeQLルールは存在しません。ファザーツールは何百万CPU時間も費やしてもこれをトリガーできませんでした。手動のコードレビューも数十年にわたり見逃してきました。歴史的な修正と現在のコードの関係性を推論できることだけが、この脆弱性を浮き彫りにしたのです。

なぜ論理の欠陥は構文エラーよりも重要なのか

これが従来のSASTが死に、推論ベースの監査が始まる瞬間です。Ghostscriptのバグは構文エラーではなく、次の理解を必要とする論理的欠陥でした：

過去の修正の歴史的背景
異なる関数呼び出し間の意味的関係
特定の文脈における安全性チェックの欠落の影響

セキュリティ・コードパイプラインの進化方法

2024年時点の古いセキュリティパイプラインに頼っているなら、AIネイティブの戦いに遅れをとることになります。企業のセキュリティチームが進化させるべきポイントは次の通りです：

ステップ1：”Linters”から”Agents”へシフト

セキュリティチェックを静的なリントツールとして扱うのをやめ、エージェント的スキャナーを導入しましょう。これらは次の権限を持ちます：

アプリケーション全体のコンテキストを読む
APIドキュメントやデプロイ設定にアクセス
ビジネスロジックやデータフローを理解
コンポーネント間のセキュリティへの影響を推論

ステップ2：推論ベースのゲーティングを実装

CI/CDパイプラインは、「高リスクで失敗」だけではなく、次のように進化させましょう：

AIに脆弱性のPoCを提供させる
AIが特定の脆弱性の実行可能性を証明できなければ、ビルドをブロックしない
実行可能性に基づく信頼度と重大度の閾値を設定

ステップ3：ヒューマン・イン・ザ・ループ（HITL）を維持

AIは「何」を見つけるのは得意ですが、「なぜ」かは人間の判断が必要です。Anthropicの実装例では：

明示的な人間の承認なしにパッチは展開されません
セキュリティアーキテクトは提案された修正のアーキテクチャ的影響をレビュー
開発チームは修正が機能を壊さないことを検証
組織は即時対応が必要な発見を管理します

従来のSASTとAIネイティブセキュリティの比較

機能	従来のSAST	AIネイティブ（Claude Code）
検出基準	事前定義ルール/正規表現	文脈的推論
誤検知率	高（30％〜60％）	低（検証で5％未満）
論理欠陥検出	ほぼゼロ	高
修正提案	基本的なアドバイス	自動生成されたパッチ
コンテキスト	ファイルレベル	リポジトリ全体
履歴分析	なし	あり（Git履歴）
PoC	手動	自動

市場と規制の動き

産業の統合が加速

Claude Code Securityのリリースは、既に進行中のトレンドを加速させています：

GitLabは、Advanced SASTをUltimateプランにバンドル後、27％の収益増加
セキュリティチームは、SAST、Software Composition Analysis（SCA）、シークレット検出を統合したダッシュボードを求める傾向が強まっています
ミッドマーケットの買い手は、ポイントソリューションよりも統合プラットフォームを好む傾向

規制枠組みの新たな登場

2025年末に正式化されたUK-US AI Safety Accordは、「サイバー推論システム」の新規プロトコルを確立しました。主な規制事項は次の通り：

ヒューマン・イン・ザ・ループ義務：2026年初頭に更新されたNIST Cyber AI Profileは、重要インフラの完全自律パッチ適用にHITL要件を強調
デュアルユースの懸念：規制当局は、大規模な脆弱性発見ツールが敵対者に悪用される可能性を認識
開示義務：Anthropicはオープンソースの脆弱性について90日間の開示期間を約束していますが、多くの専門家はこの期間はAIの高速発見に比べて長すぎると考えています

防御と攻撃のレース

Anthropicの調査によると、Claude Opus 4.6は標準的なオープンソースツールだけで、ネットワーク上の複数ホストに対する多段攻撃に成功できるとのことです。会社は以下の安全策を実施しています：

起動レベルのプローブでサイバー悪用をリアルタイムに検知・阻止
リアルタイム介入機能（悪意のあるトラフィックのブロックを含む）
プローブベースの検知システムで敵対的な利用パターンを特定

これらの対策は正当なセキュリティ研究に摩擦をもたらし、Anthropicは安全性と研究ニーズのバランスを取るためにセキュリティコミュニティと協力することを約束しています。

未来展望：「構築から安全へ」

推論ベースのセキュリティの最終目標は、バグを見つけるだけでなく、最初から書かせないことです。Claude Codeが開発者のワークフローにより深く統合されるにつれ（これを「ガードレール付きのバイブコーディング」と呼びます）、AIはリアルタイムで安全でないパターンから開発者を遠ざけます。

自律的なAppSecの未来

Claude Codeの作成者、Boris Chernyは2026年2月に、「11月以降、一行も手でコードを書いていない」と明かしました。彼はコードの正確性と安全性の確認の重要性を強調しつつも、トレンドは明らかです。AIエージェントが開発ライフサイクルにおいてますます責任を持つようになっています。

「今のところ、非常に破壊的で、多くの人にとって痛みを伴うことになると思います」とChernyは認めており、これらの急速な技術変化による雇用への影響を指摘しています。

重要なスキル

AIがルーチンのコーディングやセキュリティタスクを担う中、価値のあるスキルは次の通りです：

学際的思考：設計、インフラ、ビジネスを理解するエンジニア
ジェネラリストの好奇心：エンジニアリングだけでなく、より広い問題を考える能力
AIネイティブのワークフロー：AIエージェントに効果的に委任し監督する方法
判断力と文脈理解：自動提案をいつ上書きすべきかの見極め

オープンソースセキュリティの課題

オープンソースソフトウェアはこの新たなパラダイムにおいて特有の課題を抱えています：

現代アプリケーションの70〜90％がオープンソースコンポーネントに依存
多くのプロジェクトは小規模なチームやボランティアによって管理されており、セキュリティリソースは限られる
広く使われているライブラリの脆弱性はサプライチェーンリスクを生み出し、インターネット全体に拡散

Anthropicは、オープンソースのメンテナに対して無料の迅速アクセスを拡大しています。これらのコミュニティは、AI発見の脆弱性が最初に到達し、リソースが最も乏しい場所だからです。

90日間の開示問題

Anthropicは脆弱性の開示期間を90日に設定していますが（セキュリティ業界の標準）、批評家はこの期間はますます不十分だと指摘します：

AIは人間のチームよりも早く脆弱性を見つけることができる
「脆弱性発見」から「パッチ適用」までのギャップが攻撃の表面積となる
同等のAI能力を持つ攻撃者も、同じバグを並行して見つけて悪用できる

業界の見解：全員が危機感を持っているわけではない

CrowdStrikeの反応

CrowdStrikeの共同創業者兼CEOのGeorge Kurtzは、Claudeに対し、そのセキュリティツールがCrowdStrikeの代替になり得るかどうかを質問しました。Claudeの回答は控えめで、「エンドポイント検知やアイデンティティ保護、ランタイムセキュリティを補完するものであり、置き換えるものではない」と述べています。

セキュリティベンダーの反発

主要なAppSecプラットフォームのSnykは、市場の反応は過剰だと分析しています：

脆弱性の発見は必要だが、完全なセキュリティプログラムには不十分
重要なのは修正ループと既存ツールとの連携
日常のAppSec業務は、数百の既知パターン、サプライチェーンリスク、コンテナの誤設定、コンプライアンス要件に対応する必要がある

AI生成コードの逆説

最近の研究から次のような事実も明らかになっています：

BaxBench（ETHチューリッヒ、UCバークレー、INSAIT）は、主要なLLMの解答の62％が誤りまたはセキュリティ脆弱性を含むと指摘
Claude Opus 4.5は、セキュリティ特化のプロンプトなしで、正確なコードを56％の確率で生成
CodeRabbitの分析では、AI生成コードは人間のコードに比べてXSS脆弱性を導入する可能性が2.74倍高い

皮肉なことに、AIモデルはオープンソースコードの500以上のゼロデイを見つけられる一方で、生成するコードのほぼ半分に脆弱性を導入しているのです。

セキュリティリーダーへの戦略的提言

今すぐできるアクション（次の30日間）

Claude Code Securityをサンドボックス環境で評価し、代表的なコードベースと比較
既存のSASTツールと比較し、誤検知率や新規発見を測定
AI支援セキュリティワークフローへの準備状況を評価
CI/CDゲートを見直し、推論ベースの検証がどこで役立つか検討

中期戦略（3〜6ヶ月）

従来のSASTとAI推論を組み合わせたハイブリッドアプローチを試行
AI生成のセキュリティ発見と修正提案のガバナンスフレームワークを構築
セキュリティアーキテクト向けのAI監督トレーニングに投資
AI支援のセキュリティの品質と効率性を測る指標を開発

長期的な展望（6〜12ヶ月）

プラットフォーム統合を計画—市場は統一されたセキュリティプラットフォームへと移行中
AIを活用したセキュリティツールや自律パッチ適用に関する規制変化に備える
レガシーアーキテクチャにAIを付加するのではなく、AIネイティブの能力を構築・買収
AIセキュリティベンダーとのパートナーシップを育成しつつ、重要な社内専門知識を維持

今後の二分化の予測

セキュリティ業界は、次の二つの領域に分かれる可能性があります：

上流：AIラボが支配

AnthropicやOpenAIのような企業は、ソフトウェア開発ライフサイクルの「上流」セキュリティを担い、コードの脆弱性を開発前や開発中に発見します。

実行時：従来のベンダーがピボット

CrowdStrike、Microsoft、Palo Alto Networksなどの既存プレイヤーは、「実行時」保護と組織の責任追及に注力します。これらの領域では、人間による検証とリアルタイム対応が依然として重要です。

この二分化は、一部のセキュリティ株が急落する一方、他は堅調に推移する理由を説明しています。投資家は、どの企業がこの変革を成功させるかに賭けているのです。

結論：適応せよ、さもなくば監査される

2026年2月20日にClaude Code Securityが登場したことは、単なる製品発表以上の意味を持ちます。それは、サイバーセキュリティの「チェックリスト時代」の終わりを告げるものです。パターンマッチングと高い誤検知率に頼る従来のSASTは、現代の複雑で大規模なソフトウェアシステムにはもはや適していません。

数字は物語っています：

Claude Opus 4.6が発見した高深刻度の脆弱性は500以上
誤検知率は5％未満、従来のツールは30〜60％
28億ドル規模のSAST市場は根本的な変革の只中
数日でサイバー株の価値が数十億ドル減少

先を見据えるには、組織はパターンではなく論理を追求すべきです。未来のセキュリティはルールではなく推論にあります。

このことを単なるベンダーの発表と捉えるセキュリティチームは、攻撃者が同等の能力を展開したときに備えられません。防御側と攻撃側のAIの採用タイミングの差は、急速に縮まっています。

AnthropicのFrontier Red Teamの責任者Logan Grahamは次のように述べています：「これが、オープンソースソフトウェアの今後のセキュリティを確保する最も主要な方法の一つになるのではないかと思います。」

AIがアプリケーションセキュリティを変革するのは既に始まっています。問題は、あなたの組織がこの変革を早期に受け入れ、優位性を維持できるかどうかです。

この記事は2026年2月25日時点の公開情報に基づき、Anthropicの公式発表、市場調査、サイバーセキュリティ業界の専門家の分析を含んでいます。