LLMアプリケーション向けOWASP Top 10(2026年版):10のリスクをすべて解説
最終更新:November 19, 2026読了時間:約1分
LLMアプリケーション向けOWASP Top 10は、OWASP GenAI Security Projectがまとめた、大規模言語モデル(LLM)を基盤とするアプリにとって最も重大なセキュリティリスクのリストです。2026年版は2026年8月に公開され(リソースページの日付は8月3日)、2026年9月1日に発表されました。本記事では、十項目すべてを公式IDとともに挙げてそれぞれを簡単に説明し、項目ごとに実践的な対策を一つ紹介したうえで、2025年版からの変更点をまとめます。
プロジェクトリーダーたちによる冒頭の書簡が、全体の基調を示しています。「だまされないモデルを作ろうとするのはやめよう。その周りにシステムを構築し、モデルがだまされたときにも(そして、モデルは必ずだまされる)重要なものが何も壊れないようにしよう。」
2026年版リストはどのように作られたか
これまでの版は、実務家の判断に頼っていました。2026年版でOWASPは、それに加えて、コミュニティ投票の結果を、公開の脆弱性データベースとAI被害データベースから集めた実際のインシデント7,714件のコーパスと照らし合わせました。そのうち6,639件には、分類できるだけの詳細な情報がありました。重み付けは、投票が四分の三、インシデントデータが四分の一です。両者が常に一致したわけではありません。インシデントの件数だけで順位を付けると、プロンプトインジェクションはトップ10から外れてしまいます。OWASPはこれを「防御効果」によるものとしています。各チームが懸命に対策しているため、公開データベースにまで届く明確なエクスプロイトが少なくなるというわけです。誤情報(Misinformation)は逆の動きを見せました。投票者は下位近くに置き、インシデントの記録では上位近くに位置し、そのエビデンスによって七位まで引き上げられました。
2026年版リストの一覧
| 2026年版の項目 | 2025年版での順位 |
|---|---|
| LLM01:2026 Prompt Injection(プロンプトインジェクション) | 1 |
| LLM02:2026 Sensitive Information Disclosure(機密情報の漏えい) | 2 |
| LLM03:2026 Excessive Agency(過剰なエージェンシー) | 6 |
| LLM04:2026 Supply Chain(サプライチェーン) | 3 |
| LLM05:2026 Data and Model Poisoning(データとモデルのポイズニング) | 4 |
| LLM06:2026 Unbounded Consumption(無制限な消費) | 10 |
| LLM07:2026 Misinformation(誤情報) | 9 |
| LLM08:2026 Hidden Context Exposure(隠れたコンテキストの露出) | 7(System Prompt Leakageとして) |
| LLM09:2026 Vector and Embedding Weaknesses(ベクトルと埋め込みの弱点) | 8 |
| LLM10:2026 Improper Output Handling(不適切な出力処理) | 5 |
2025年版の順位は、OWASPの2025年版リストに基づいています。
LLM01:2026 Prompt Injection(プロンプトインジェクション)
ユーザー、文書、ツールの実行結果、画像、メモリのいずれから来るものであれ、開発者が意図しない形でモデルの動作を変えてしまう入力です。この項目は、画像や音声に指示を隠すクロスモーダル攻撃も新たに対象としています。対策: 認証情報と状態を変更する操作はアプリケーションのコード側に置き、モデルには操作ごとに最小権限を与えます。この項目については、プロンプトインジェクションの解説記事で詳しく取り上げています。
LLM02:2026 Sensitive Information Disclosure(機密情報の漏えい)
機密データや規制対象のデータが、回答、ツール呼び出しの引数、推論の過程、検索で取得したチャンク、ログ、埋め込みなど、あらゆる経路から漏えいすることです。OWASPは、大半のインシデントの背景にある二つの失敗の一つとして、上流での過剰な共有を挙げています。たとえば、アクセス範囲を絞っていないドライブが検索拡張生成(RAG)のインデックスに取り込まれるケースです。対策: 検索の前に認可を行い、インデックスへのクエリの中で文書単位・チャンク単位のアクセス制御を適用します。
LLM03:2026 Excessive Agency(過剰なエージェンシー)
予期しない、曖昧な、あるいは操作されたモデルの出力を受けて、損害を与える操作が実行されてしまうことです。根本原因は、過剰な機能、権限、自律性にあります。OWASPによると、エージェント型のシステムでは、ツールの悪用、IDと権限の悪用、連鎖的な障害として現れることがあります。対策: ツールとその権限を最小限にし(メールを要約するツールに必要なのはメールの読み取りだけです)、影響の大きい操作には人による承認を必須にします。
LLM04:2026 Supply Chain(サプライチェーン)
サードパーティのモデル、データセット、LoRAなどのアダプター、変換パイプライン、パッケージに潜むリスクです。コーディングアシスタントがハルシネーションで生み出したパッケージ名を攻撃者が登録してしまう「スロップスクワッティング(slopsquatting)」も含まれます。対策: モデルのアーティファクトは、変更可能なタグではなく不変のダイジェストで固定し、署名を検証し、AIが提案した依存関係はインストール前に実在するかを確認します。
LLM05:2026 Data and Model Poisoning(データとモデルのポイズニング)
事前学習、ファインチューニング、埋め込み、配布の各段階で、操作されたデータやモデルのアーティファクトがバックドアやバイアスを埋め込むことです。ポイズニングは安上がりな場合があります。Soulyら(2025)は、データセットの規模にかかわらず、250件の汚染文書によって600Mから13Bパラメータのモデルが侵害されることを明らかにしました。対策: データとモデルの来歴(リネージ)を追跡し、データセットをバージョン管理し、チャットテンプレート、トークナイザーの設定、アダプターを、署名と検証が必要なコードとして扱います。
LLM06:2026 Unbounded Consumption(無制限な消費)
制御されていない推論によって、サービス停止、コストの暴走(「Denial of Wallet」)、抽出によるモデルの窃取が起きることです。推論モデル、マルチモーダル入力、エージェントのツールループが、これをさらに悪化させます。対策: 推論を止める厳格な支出上限を設け、さらにステップ数、再帰、時間、実行ごとのコストに上限を持たせたエージェント用のサーキットブレーカーを導入します。
LLM07:2026 Misinformation(誤情報)
誤っている、あるいは根拠のない出力が、それを信じて行動してしまうほどもっともらしく見えることです。エージェント型のシステムでは、誤った回答がそのまま誤った操作になります。たとえば、一度も実行されていないバックアップを、エージェントが実行済みと報告するようなケースです。対策: 生成と実行を分離し、行動する前に主張と前提条件を検証する「claim-check-act(主張・確認・実行)」パターンを用います。
LLM08:2026 Hidden Context Exposure(隠れたコンテキストの露出)
システムプロンプト、開発者の指示、検索で取得したポリシー文書、ツールスキーマといった隠れたコンテキストが、抽出されたり再構成されたりすることです。OWASPは、隠れたコンテキストは見つけ出されるものと想定するよう勧めています。対策: 認証情報やシークレットを隠れたコンテキストに含めず、認可はモデルの外にある決定論的なコードで行います。
LLM09:2026 Vector and Embedding Weaknesses(ベクトルと埋め込みの弱点)
RAG、エージェントのメモリ、セマンティックキャッシュを支える埋め込み層への攻撃です。OWASPの言葉を借りれば、「ポイズニングはシステムを誤らせ、インバージョンは情報を漏らし、ジャミングは沈黙させ、アクセス制御の不備は見境をなくさせる」のです。対策: テナントごとの範囲制限は、検索後のフィルターとしてではなくインデックスへのクエリの中で適用し、信頼レベルの異なるコンテンツは別々のインデックスに分けます。
LLM10:2026 Improper Output Handling(不適切な出力処理)
モデルの出力を検証せずに後段へ渡すことで、XSS、SQLインジェクション、SSRF、リモートコード実行につながるおそれがあります。この項目は、アシスタントが大量に生成する安全でないコードも新たに対象としています。対策: モデルの出力はユーザー入力と同じように扱います。使われる文脈に合わせてエンコードし、パラメータ化クエリを使い、Markdown画像とリンクプレビューの自動レンダリングを無効にします。
2025年版からの変更点
OWASPによると、順位は「例年よりも大きく変動した」とのことです。主な変更点は次のとおりです。
- Excessive Agencyが六位から三位に上昇しました。OWASPはこれを「リストの中で最も重大な意味を持つ変動」と呼んでいます。
- Unbounded Consumptionは四つ順位を上げ、Improper Output Handlingは五位から十位へと最も大きく順位を下げました。
- Prompt InjectionとSensitive Information Disclosureは、上位二つの座を守りました。
- System Prompt Leakageは、より範囲の広い項目であるHidden Context Exposureになりました。
- 新しいカテゴリを追加する代わりに、既存の項目が新しいリスクを取り込みました。クロスモーダルインジェクション、表示どおりの中身ではないモデルのアーティファクト、ファインチューニングの悪用、生成された安全でないコードです。
- フレームワークとの対応付け(NIST、MITRE ATLAS、CWEなど)は、一つの付録にまとめられました。
OWASPは、対象範囲の線引きもより明確にしています。このリストが扱うのは、アプリケーションの一つのコンポーネントとしてのモデルです。モデルがツールやメモリを持ち、後続に影響を及ぼす行為者になった時点で、OWASPはエージェント型アプリケーション向けOWASP Top 10と組み合わせるよう勧めています。こちらについては、AIエージェントを守る方法の解説記事で詳しく説明しています。
チームでリストを活用する方法
OWASPのアドバイスは「十項目すべてに取り組み、上から始めよ」というものです。実際には次のように進めます。
- LLM機能を設計またはレビューするときに十項目を一つずつ確認し、どこにリスクがあるかを書き留める。
- 各対策を担当者付きのチケットにし、修正後に再テストする。
- 検出事項に項目IDのタグを付け、開発者、セキュリティエンジニア、プロダクトオーナーが共通の言葉で話せるようにする。
- テストは、自分が所有しているシステムか、書面でテストの許可を得ているシステムに限って行い、利用しているモデルプロバイダーの利用規約がセキュリティテストを認めていることを確認する。
自分のペースで学べる「AIセキュリティ:LLMアプリとAIエージェントを守る」コースの最終プロジェクト「AIエージェントを攻撃し、修正し、再テストする」は、各検出事項をOWASPのリストに対応付けたセキュリティレポートで締めくくります。
次のステップ
まずは首位の項目から始めましょう。プロンプトインジェクションとは何かを解説した記事では、直接攻撃と間接攻撃、そして多層防御について説明しています。アプリが文書を検索して取得するなら、検索時の権限と埋め込み層を扱うLLM02とLLM09をよく確認してください。関連する自分のペースで学べるコースとして「AIエンジニア:RAGと検索入門」があります。
これらのスキルを体系的に身につける方法の一つが、「AIセキュリティ:LLMアプリとAIエージェントを守る」コースです。自分のペースで学習でき、レベルは中級、学習時間は40時間で、AI機能を開発またはテストする開発者、AIエンジニア、セキュリティ専門家を対象としています。

Code Labs Academyでオンラインでテックスキルを学ぶ
サポートの手厚いコミュニティに参加して、あなたの可能性を最大限に引き出し、やりがいのあるキャリアへの一歩を踏み出しましょう。
今すぐ申し込む