ITパスポートのセキュリティと生成AIは鍵の向きで決まる 暗号・認証・RAGの要点
セキュリティの用語が多すぎて、どれがどれか分からなくなっている受験者へ。この分野の要は、暗号と署名を「だれの鍵を、だれが使うか」で考えることです。暗号化は読む人の鍵、署名は書いた人の鍵。この向きさえ合えば、選択肢の半分はすぐに消せます。
身近な例で考えます。スマートフォンの銀行アプリで、指紋でロックを解き、さらに4けたの暗証番号を入れるとします。指紋は生体情報、暗証番号は知識情報なので、2つの要素を使った多要素認証です。では、暗証番号のあとに合言葉を入れる方式はどうでしょう。どちらも頭の中にある知識なので、手順は2回でも要素は1種類のままです。
情報セキュリティの3大要素(CIA)
- 機密性(Confidentiality):許可された人だけが情報にアクセスできること(暗号化、アクセス権設定)
- 完全性(Integrity):情報が改ざんされず正確で最新の状態であること(ハッシュ値、デジタル署名)
- 可用性(Availability):許可された人が必要なときに情報へアクセスできること(二重化、UPS、バックアップ)
※近年追加された4要素:真正性、責任追跡性、否認防止、信頼性。

暗号化技術とデジタル署名(仕組みの完全整理)
共通鍵暗号方式:暗号化と復号に同じ鍵を使用。高速だが鍵の配送・共有が困難(AESが代表例)。
公開鍵暗号方式:公開鍵で暗号化し、受信者本人の秘密鍵でのみ復号。鍵管理は楽だが処理が遅い(RSAが代表例)。
秘密通信(盗聴防止):送信者は「受信者の公開鍵」で暗号化→受信者は「受信者の秘密鍵」で復号。
デジタル署名(改ざん検知・なりすまし防止):送信者は「送信者の秘密鍵」でハッシュ値を署名→受信者は「送信者の公開鍵」で検証。
鉄則:暗号化通信は相手の公開鍵で暗号化・相手の秘密鍵で復号。デジタル署名は本人の秘密鍵で署名・本人の公開鍵で検証。
認証技術
多要素認証(MFA):
①知識情報(パスワード、暗証番号)
②所持情報(スマホSMS認証、ICカード)
③生体情報(指紋、顔、虹彩)のうち異なる2つ以上を組み合わせる。「パスワード」と「暗証番号」はどちらも知識情報のため多要素認証にはならない(単なる多段階認証)。
サイバー攻撃手法一覧
| 攻撃名 | 手口と特徴 |
|---|---|
| フィッシング | 偽のメールや偽サイトでID・パスワードやカード番号を盗む |
| 標的型攻撃 | 特定の企業・組織を明確にターゲットにし業務連絡を装いマルウェア感染させる |
| APT攻撃 | 執拗に多様な手段で長期間潜伏し機密情報を盗み出す高度な標的型攻撃 |
| ランサムウェア | ファイルを暗号化し使えなくし、復号と引き換えに金銭を要求 |
| サプライチェーン攻撃 | 対策が手薄な下請け・取引先を踏み台にして本丸へ侵入 |
| ゼロデイ攻撃 | 脆弱性発見から修正パッチ提供までの無防備な期間を突く攻撃 |
| 水飲み場攻撃 | 標的がよく閲覧するサイトを改ざんしマルウェア感染させる |
| DNSキャッシュポイズニング | DNSサーバに偽情報を注入し偽サイトへ誘導 |
| SQLインジェクション | 入力欄に不正なSQL文を注入しDBを不正操作 |
| XSS | 入力欄に悪意あるスクリプトを仕込み別ユーザーのブラウザで実行させる |
WEPは危険:無線LANの暗号化規格WEPは重大な脆弱性があり専用ツールで数分で解読される。WPA3(またはWPA2-AES)を使用すべき。
最新テクノロジー:生成AI
- LLM(大規模言語モデル):大量のテキストデータから統計的パターンを学習した自然言語処理AIモデル
- ハルシネーション:AIがもっともらしい嘘や事実と異なる情報を生成する現象
- RAG(検索拡張生成):生成AIが外部信頼情報をリアルタイムで検索・取得し内容を踏まえて回答を生成。AIモデル自体は再学習させず、ハルシネーションを抑制できる
- ファインチューニング:事前学習済みモデルに特定業務の追加データを与えて再学習させる
- プロンプトインジェクション:悪意ある指示文でAIの安全フィルターを無効化・突破する攻撃
- Few-shotプロンプティング:指示の中に入力例と期待される出力例を提示して精度を高める手法(例を与えないのはZero-shot)
- CoT(思考の連鎖):「ステップバイステップで考えて」と指示し複雑な推論の正答率を向上させる手法
AIと著作権:学習段階は著作権法第30条の4に基づき、著作権者の許諾なく著作物を学習データとして利用できるのが原則(情報解析目的)。ただし生成・利用段階で既存著作物との「類似性」「依拠性」が認められる場合は生成物の利用・公開が著作権侵害になる。
機械学習とデータサイエンス
- 教師あり学習:入力データと正解ラベルをセットで学習。回帰(数値予測)と分類(カテゴリ分け)
- 教師なし学習:答えを与えずデータの構造を見つける。クラスタリング(似た特徴でグループ分け)
- 強化学習:試行錯誤し報酬が最大になる行動ルールを自律学習(囲碁AI、自動運転)
- 過学習:訓練データに適合しすぎて未知データへの予測精度が落ちる状態
先端技術辞典
- エッジコンピューティング/エッジAI:端末に近い場所でデータ処理・AI推論を行い通信遅延を削減
- ゼロトラスト:社内ネットワーク内外を区別せず全通信を検証・認証するセキュリティ概念
- ブロックチェーン:暗号技術とP2Pネットワークによる分散型台帳技術。改ざんが極めて困難
- MLOps:機械学習モデルの開発と運用を統合し再学習・デプロイを自動化する手法
- ダークパターン:ユーザーを欺いて意図しない定期購読等を結ばせる悪質なUI/UX設計
- 量子コンピュータ/耐量子暗号(PQC):量子力学を利用した次世代計算機と、それでも破られない新暗号方式
- Web3:ブロックチェーン等でデータを分散管理し、ユーザー自身がデータ主権を取り戻す概念
実践演習:公開鍵暗号とデジタル署名
問題:AさんはBさんに暗号化したメールを送信し、改ざんされていないこと・Aさんからの送信であることをBさんが確認できるようデジタル署名を付与したい。暗号化とデジタル署名作成に使用する鍵の組み合わせは?
正解:暗号化には「Bさんの公開鍵」、デジタル署名には「Aさんの秘密鍵」。暗号化はBさんしか復号できないようBさんの公開鍵を使用。署名はAさん本人しか持たない秘密鍵で作成し、Bさんは「Aさんの公開鍵」で検証する。
次回は最終回「厳選演習問題10問+直前チェックリスト」編で、財務分析・EVMS・ネットワーク計算などの総合演習を扱います。
10人で秘密のやりとりをするとき、鍵はいくつ要るか
暗号の分野でよく出て、手が止まりやすいのが鍵の数の計算です。社内の10人が2人ずつ組になり、ほかの人に読まれないやりとりをしたいとします。共通鍵暗号方式と公開鍵暗号方式で、必要な鍵の数を比べます。
共通鍵方式では、組ごとに別の鍵が要ります。10人から2人を選ぶ組合せは10×9÷2=45通りなので、鍵は45個です。公開鍵方式では、1人が公開鍵と秘密鍵を1組ずつ持てばよいので、10×2=20個です。50人になると、共通鍵は50×49÷2=1,225個、公開鍵は100個で、差は大きく開きます。ひっかかりやすいのは、共通鍵を「1人1個で10個」と数えることです。鍵は人ではなく組に1つ、と置きかえると迷いません。
実際の通信では、この2つを組み合わせています。HTTPSのサイトを開くと、まず公開鍵暗号の技術を使って、その通信だけの共通鍵を安全に決めます。そのあとの大量のデータは、処理の速い共通鍵で暗号化します。試験では「鍵の配送が難しいのはどちらか」「処理が速いのはどちらか」と問われるので、鍵の数の差と速さの差をこの例で結びつけておくと答えやすくなります。
鍵の組合せと生成AIを問う3問
問題1
AさんがBさんに、Bさんだけが読めるように暗号化し、さらにAさんが送ったことを証明するデジタル署名を付けて送る。使う鍵の組合せとして正しいものはどれか。
- 暗号化:Aさんの公開鍵、署名:Bさんの秘密鍵
- 暗号化:Bさんの公開鍵、署名:Aさんの秘密鍵
- 暗号化:Bさんの秘密鍵、署名:Aさんの公開鍵
- 暗号化:Aさんの秘密鍵、署名:Bさんの公開鍵
正答:2
- 肢1 × Aさんの公開鍵で暗号化すると、Aさんの秘密鍵でしか復号できず、Bさんが読めない。署名もBさんの鍵では本人証明にならない。
- 肢2 ○(正答) Bさんの公開鍵で暗号化すればBさんの秘密鍵でだけ復号できる。署名はAさんだけが持つ秘密鍵で作り、Bさんは公開鍵で検証する。
- 肢3 × Bさんの秘密鍵はBさん本人しか持っておらず、Aさんは使えない。
- 肢4 × Aさんの秘密鍵で暗号化すると、誰でも公開鍵で復号できてしまう。
問題2
多要素認証に当たるものはどれか。
- パスワードと秘密の質問の答えを入力する
- パスワードを入力し、スマートフォンに届いたワンタイムコードを入力する
- 2種類のパスワードを続けて入力する
- 暗証番号を2回入力する
正答:2
- 肢1 × どちらも本人が知っている「知識情報」なので、多段階ではあっても多要素ではない。
- 肢2 ○(正答) 知識情報(パスワード)と所持情報(スマートフォン)の異なる2要素を組み合わせている。
- 肢3 × 同じ知識情報を2つ使っているだけ。
- 肢4 × 同じ要素を繰り返しているだけで、多要素認証ではない。
問題3
生成AIに関する記述として、正しいものはどれか。
- ハルシネーションとは、AIが学習データを外部に漏えいすることである
- RAGは、外部の情報を検索して取り込み、その内容を踏まえて回答を生成する仕組みである
- ファインチューニングは、モデルを再学習させずに外部情報を参照させる手法である
- Few-shotプロンプティングは、例を一切示さずに指示する手法である
正答:2
- 肢1 × ハルシネーションは、AIがもっともらしいが事実と異なる内容を生成する現象。
- 肢2 ○(正答) RAG(検索拡張生成)は、モデル自体を再学習させずに外部情報を参照させ、回答の正確性を高める。
- 肢3 × 再学習させずに外部情報を参照させるのはRAG。ファインチューニングは追加データでモデルを再学習させる。
- 肢4 × 例を示さないのはZero-shot。Few-shotは入力と出力の例をいくつか示す。
署名の鍵・多要素・RAGで逆に覚えがちなこと
| よくある間違い | 正しい理解 |
|---|---|
| 署名は受信者の公開鍵で作る | 署名は送信者の秘密鍵で作り、送信者の公開鍵で検証 |
| パスワード+秘密の質問は多要素認証 | どちらも知識情報。異なる要素(知識・所持・生体)の組合せが必要 |
| RAGはモデルを再学習させる | 再学習するのはファインチューニング。RAGは検索結果を参照するだけ |
セキュリティとAIの出題範囲を見た資料
生成AIやサイバー攻撃の用語は変化が速く、シラバスにも新しい言葉が追加されます。最新の版の用語例を、IPAの公開資料で一度見ておくと安心です。
▶ 1分で復習
この記事の要点を、1分の○×・4択クイズにしました。答えと理由は動画の最後で確かめてください。
コメント
コメントを投稿