AIが自分で攻撃して脆弱性を確かめる時代に。オープンソースのAIペンテストツールの選び方と始め方

「AIが自分でサイトを調べて、攻撃を試して、本当に脆弱性があるかを確かめてくれる」。少し前まで研究段階の話だったAIペネトレーションテスト(ペンテスト)ツールが、2026年に入って一気に実用レベルに近づいてきました。GitHubでは数万スター級のオープンソースプロジェクトがいくつも並び、国内でもGMO Flatt Securityが10月21日にAI主導のペネトレーションテストサービス「不正アクセス抜き打ちテスト byGMO」を始めるなど、商用サービスも出てきています。

今回は、自社で試せる代表的なオープンソースのAIペンテストツールを5つ取り上げ、それぞれの特徴と導入手順を整理します。あわせて、導入前に必ず押さえておきたい法律・運用上の注意点もまとめました。便利な道具ですが、使い方を間違えると「ただの不正アクセス」になりかねないツールでもあるので、その部分を先に読んでいただくのがおすすめです。

AIペンテストツールとは:従来の診断ツールと何が違うのか

従来の脆弱性スキャナーは、決められたシグネチャやルールに沿って「怪しい箇所」を一覧で出すのが基本でした。そのため誤検知が多く、結果を人間が1件ずつ確かめる手間がかかります。

AIペンテストツールは、ここにLLM(大規模言語モデル)を使ったエージェントを組み合わせています。偵察役、攻撃役、分析役といった複数のAIエージェントが役割分担し、nmapやsqlmap、ヘッドレスブラウザなどの既存ツールを自分で選んで動かし、結果を見て次の一手を決めていきます。大きな特徴は次の3点です。

  • 実際に攻撃を試して検証する:たとえばXSSを報告するときは、ブラウザで実際にペイロードを入れて発火を確認しています。「可能性がある」ではなく「再現できた」ものを報告するので、誤検知が減ります。
  • ソースコードと動いているアプリを両方見られる:コードを読んで攻撃経路を考え、それを稼働中のアプリで試す「ホワイトボックス」型のツールが増えています。
  • CI/CDに組み込める:プルリクエストのたびに自動でテストを回し、脆弱性があればビルドを止める、といった使い方ができます。

一方で、1回のテストでLLMを何百回も呼び出すため、API料金がかかること、そして本当に攻撃を実行するため、対象システムのデータや状態を変えてしまう可能性があることは、最初に理解しておく必要があります。

代表的なオープンソースツール5選

ツール開発元得意分野動かし方ライセンス
StrixStrix(usestrix)Webアプリ・API、ソースコード。CI組み込みCLI(Python)+DockerApache-2.0
ShannonKeygraphWebアプリ・APIのホワイトボックステストCLI(Node.js / npx)+DockerAGPL-3.0(商用ライセンスあり)
PentAGIVXControlネットワークを含む幅広い自律ペンテストWebアプリ(Docker Compose)MIT
PentestGPTGelei Deng氏ら(研究発)CTF形式の攻略、対話型の支援CLI(Claude Code / Codexを駆動)リポジトリで要確認
CAIAlias Robotics独自のセキュリティエージェントを組むフレームワークCLI(Python)無償版は研究・教育用途のみ

ざっくり言うと、「まず手軽に試したい」ならStrix、「自社Webアプリをソースごと深く検査したい」ならShannon、「チームで使えるWeb画面つきの基盤がほしい」ならPentAGI、という選び方になります。PentestGPTとCAIは、研究・学習用途や、自分でエージェントを組み立てたい人向けの色が濃いツールです。以下、それぞれ簡単に紹介します。

Strix:もっとも手軽に始められる定番

Strixは「オープンソースのAIハッカー」を掲げるツールで、実際にコードを動かして脆弱性を見つけ、PoC(概念実証)で裏付けを取るのが特徴です。偵察担当のエージェントが攻撃対象の全体像を把握し、脆弱性の種類ごとに専門のエージェントが攻撃を試し、見つけたことを共有しながら攻撃をつなげていく構成になっています。ローカルのソースコード、GitHubリポジトリ、稼働中のWebアプリのどれでも対象にでき、ログイン情報を渡して認証後の画面までテストする「グレーボックス」にも対応しています。

2026年10月5日に1.7.0がリリースされています。結果をブラウザで確認できるローカルのダッシュボード(strix view)もあり、実行中のスキャンにブラウザから指示を送って方向修正することもできます。ダッシュボードはディスク上の実行結果を読むだけで、クラウドへのアップロードは不要です。

Shannon:ソースコードを読んで攻撃するホワイトボックス型

ShannonはKeygraph社が開発する、WebアプリとAPI向けの自律型AIペンテスターです。ソースコードを解析して攻撃経路を洗い出し、稼働中のアプリに対して実際にエクスプロイトを実行して、証明できた脆弱性だけを報告するという方針を取っています。2FAやGoogleログインを含むログイン処理も自動でこなせるとしています。

フル実行には1〜1.5時間ほどかかります。オープンソース版はAGPL-3.0で、自分で動かす分にはLLMの料金だけで使えます。クラウド版のProは1開発者あたり月50ドルです。対応するLLMはAnthropic、OpenAI、xAI、AWS Bedrockのほか、OllamaやvLLMなどのローカルモデルも使えます。なお、最新版ではClaude Codeのサブスクリプションでの利用には対応しておらず、使いたい場合は1.9.0を使うよう案内されています。

PentAGI:Web画面で使えるセルフホスト型の基盤

PentAGIは、VXControlがMITライセンスで公開している自律型ペンテストシステムです。司令塔のエージェントが目標を受け取り、情報収集担当・攻撃計画担当・コマンド実行担当の3つの専門エージェントに仕事を振り分けます。すべての操作はDockerのサンドボックス内で行われ、標準のイメージはKali Linuxで、nmap、Metasploit、sqlmapなど20種類以上のツールがあらかじめ入っています。

ブラウザから操作できるWeb画面があり、REST / GraphQL APIも備えているので、チームの共有基盤として使いやすいのが強みです。LLMはOpenAI、Anthropic、Google Gemini、AWS Bedrock、Ollama、DeepSeek、OpenRouterなどから選べ、ローカルのOllamaを使えばインターネットから切り離した環境でも動かせます。

PentestGPT:研究発の草分け的存在

PentestGPTは、Gelei Deng氏らがUSENIX Security 2024で発表した研究がもとになっている、AIペンテストツールの草分けです。現在の版はClaude CodeやCodexを駆動してツールを実行させ、次に何を試すかをAIが決める自律型になっています。初期の、人間が対話しながら進めるタイプの機能は「legacy」モードとして残されています。

注意したいのは、版によって手順がかなり違うことです。2026年7月にmainブランチの実行基盤が作り替えられた一方で、新しいリリースタグは出ておらず、公式サイトやREADMEには古い手順が混在しているとの指摘があります。また、v1.0.0は既定で実行記録を外部(Langfuse)に送る設定になっており、送信用の鍵が埋め込まれていた問題がCVE-2026-37012として公開されています。顧客環境のテストに使う場合は、テレメトリを必ず止めてから使ってください。

CAI:セキュリティエージェントを組み立てるフレームワーク

CAI(Cybersecurity AI)は、スペインのAlias Roboticsが開発するフレームワークです。完成品のツールというより、偵察・攻撃・報告などのエージェントを組み合わせて、自分用のセキュリティエージェントを作るための土台という位置づけです。300以上のAIモデルに対応し、実行中に人間が割り込んで指示を上書きできる仕組み(Human-In-The-Loop)も備えています。

ただし、無償のCommunity Editionは研究・教育用途に限られ、ペンテストサービスの提供やセキュリティコンサルティングなどの商用利用には有償のCAI PRO(月350ユーロ)が必要です。業務で使う場合はライセンスの確認を忘れないようにしましょう。

導入前に必ず確認したい5つのこと

AIペンテストツールは「本物の攻撃」を自動で実行します。インストールの前に、次の点を必ず確認してください。

  1. テスト対象の管理者から書面で許可を取る:日本では不正アクセス禁止法により、許可のないアクセスは犯罪になります。ポイントは「アクセス管理者の承諾」で、発注者がサーバーの管理者でない場合(ホスティング事業者のサーバーなど)は、発注者の同意だけでは足りません。テスト範囲や期間を決めた実施規定(ROE)を事前に取り交わし、その範囲を超えないことが大前提です。
  2. 本番環境では動かさない:ShannonのREADMEは「本番システムに対して実行しないこと」と明記しています。ユーザー作成やフォーム送信など、アプリの状態を実際に変える操作をするためです。ステージング環境や検証専用の環境を用意しましょう。
  3. クラウド事業者の規約を確認する:AWS・Azure・Google Cloudとも、自社リソースへの通常のテストなら事前申請は不要ですが、DoSなど禁止されている行為が各社の規約で決まっています。
  4. データの送信先を把握する:AIペンテストツールは、対象のソースコードや通信内容をLLMのAPIに送ります。顧客のコードや機密情報を扱う場合は、どのLLMプロバイダーに何が送られるのか、ツール自体のテレメトリがどうなっているのかを確認してください。気になる場合は、ローカルLLMを使える構成を選ぶ手もあります。
  5. LLMプロバイダー側の制限を確認する:ShannonのREADMEによると、AnthropicやOpenAIはサイバー悪用対策の仕組みによってスキャンを中断することがあるため、各社のセキュリティテスター向けの案内に沿った手続きを事前に済ませておくよう推奨しています。API料金の上限設定もあわせてしておくと安心です。

導入手順

ここからは具体的な導入手順を紹介します。いずれのツールもDockerが必須です。攻撃用のツールはDockerコンテナ(サンドボックス)の中で動くため、手元のPCを汚さずに済みます。Docker DesktopやDocker Engineを先に入れておきましょう。

共通の準備:練習用の「やられアプリ」を用意する

最初のテストは、自社のアプリではなく、わざと脆弱性を仕込んだ練習用アプリで試すのがおすすめです。代表的なのがOWASPの「Juice Shop」で、Dockerで簡単に立ち上げられます。

# 練習用のやられアプリ(OWASP Juice Shop)を起動
docker run -d --name juice-shop -p 3000:3000 bkimminich/juice-shop

# ソースコードを使うホワイトボックステスト用に、リポジトリも取得しておく
git clone https://github.com/juice-shop/juice-shop.git

Juice Shopはわざと脆弱に作られたアプリなので、インターネットに公開しないよう注意してください。

Strixの導入手順

前提条件:Python 3.12以上、Docker(起動済み)、LLMのAPIキー

1. インストール

# pipでインストール(pipxを使うと環境を分けられて便利です)
pipx install strix-agent

# または公式のインストールスクリプト
curl -sSL https://strix.ai/install | bash

インストールスクリプトをそのままシェルに流し込む方法は、セキュリティツールの導入としては少し気になるところです。一度ダウンロードして中身を確認してから実行するか、pipでの導入を選ぶとよいでしょう。

2. LLMの設定

# 使うモデルを「プロバイダー/モデル名」の形式で指定(例はOpenAI)
export STRIX_LLM="openai/gpt-5.4"
export LLM_API_KEY="your-api-key"

# 任意:ローカルLLM(OllamaやLM Studio)を使う場合はエンドポイントを指定
# export LLM_API_BASE="http://localhost:11434"

設定は ~/.strix/cli-config.json に保存されます。推論の深さは STRIX_REASONING_EFFORT で調整でき、既定は high です。

3. 実行

# ローカルのソースコードを検査(初回はサンドボックス用のDockerイメージを自動取得)
strix --target ./juice-shop

# 稼働中のWebアプリを外側から検査(許可を得た検証環境のURLを指定)
strix --target https://staging.example.com

# ソースコードと稼働中アプリをまとめて検査
strix -t ./juice-shop -t https://staging.example.com

# 重点的に見てほしい観点を指示する
strix --target https://staging.example.com --instruction "認証・認可まわりの脆弱性を重点的に"

# 結果をブラウザのダッシュボードで確認
strix view

ダッシュボードは 127.0.0.1 のランダムなポートで起動し、トークン付きのURLでブラウザが開きます。脆弱性の一覧、エージェントの動きを示すグラフ、レポートなどを確認できます。

4. CI/CDへの組み込み(GitHub Actionsの例)

name: strix-penetration-test

on:
  pull_request:

jobs:
  security-scan:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v6

      - name: Install Strix
        run: curl -sSL https://strix.ai/install | bash

      - name: Run Strix
        env:
          STRIX_LLM: ${{ secrets.STRIX_LLM }}
          LLM_API_KEY: ${{ secrets.LLM_API_KEY }}
        run: strix -n -t ./ --scan-mode quick

-n は画面なし(ヘッドレス)モードで、脆弱性が見つかると0以外の終了コードを返すため、そのままPRのチェックとして使えます。--scan-mode quick を付けると、PRで変更されたファイルに絞った軽めの検査になります。

Shannonの導入手順

前提条件:Docker、Node.js 22以上、LLMのAPIキー(またはChatGPT Plus/ProなどのCodexサブスクリプション)。Docker Desktopを使う場合は、CPU 4コア以上・メモリ8GB以上を割り当てておくと安定します。Windowsの場合はWSL2上での実行が推奨されています。

# 1. 初期設定(使うLLMプロバイダーや認証情報を対話形式で設定)
npx @keygraph/shannon@latest setup

# 2. テスト実行(-u に検証環境のURL、-r に対象アプリのソースコードの場所を指定)
npx @keygraph/shannon@latest start \
  -u https://staging.example.com \
  -r /path/to/your/repo

ShannonはホワイトボックステストのツールなのでソースコードとURLの両方が必要です。レポートはSARIF形式でも出力できるので、GitHubのコードスキャン結果などと統合して管理することもできます。ソースからビルドしたい場合はリポジトリの docs/development.md を参照してください。

PentAGIの導入手順

前提条件:Docker と Docker Compose、2 vCPU以上、メモリ4GB以上、ディスク20GB以上

対話式のインストーラー(推奨)と、手動でDocker Composeを使う方法があります。ここでは構成が分かりやすい手動の手順を紹介します。

# 1. 作業ディレクトリを作成
mkdir pentagi && cd pentagi

# 2. 設定ファイルとComposeファイルを取得
curl -o .env https://raw.githubusercontent.com/vxcontrol/pentagi/master/.env.example
curl -O https://raw.githubusercontent.com/vxcontrol/pentagi/master/docker-compose.yml

# 3. Composeがマウントするプロバイダー設定ファイルを先に作っておく
touch example.custom.provider.yml example.ollama.provider.yml example.bedrock.provider.yml

# 4. .env を編集して、LLMのAPIキー(OPEN_AI_KEY など)やDBのパスワードを設定

# 5. 起動
docker compose up -d

起動後、ブラウザで https://localhost:8443 を開き、初期アカウント(admin@pentagi.com / admin)でログインします。ログインしたら最初にパスワードを変更してください。手順3のファイルを作らずに起動すると、Dockerが同名のディレクトリを作ってしまいエラーの原因になります。

LLMの実行記録を分析するLangfuseや、Grafanaなどの監視スタックは、別のComposeファイルを追加して起動します。本番運用では、攻撃を実行するワーカー用コンテナを別サーバーに分ける2ノード構成が推奨されています。なお、2026年10月5日公開のv2.2.0では、2.1.0以前に影響する脆弱性(CVE-2026-14784)が修正されています。古い版を使っている場合は更新しておきましょう。

PentestGPTの導入手順

前提条件:Python 3.12以上、パッケージマネージャーのuv、認証済みのClaude Code CLIまたはCodex CLI(Docker版には両方が同梱されています)

# 1. リポジトリを取得してビルド(Dockerイメージの作成)
git clone --recurse-submodules https://github.com/GreyDGL/PentestGPT.git
cd PentestGPT
make install

# 2. 認証の設定(初回のみ)
make config

# 3. コンテナに接続
make connect

前述のとおり、PentestGPTは版によって起動コマンドが異なり、ネット上の解説記事にも古い手順が多く残っています。また、pip install pentestgpt で入るのは2023年の古い版です。導入時は必ずリポジトリの最新のREADMEを確認してください。v1.0.0を使う場合は、--no-telemetry を付けるか環境変数 LANGFUSE_ENABLED=false を設定して、実行記録の外部送信を止めてから動かしましょう。

CAIの導入手順

前提条件:Python 3.12(推奨)、LLMのAPIキー

# 1. 仮想環境を作成して有効化
python3.12 -m venv cai_env
source cai_env/bin/activate

# 2. インストール
pip install cai-framework

# 3. .env にLLMのAPIキーを設定(例)
# ANTHROPIC_API_KEY=sk-ant-xxxxx
# OPENAI_API_KEY=sk-xxxxx

# 4. 起動
cai

CAIはアップデートのたびに依存関係が変わることがあるため、公式も新しい仮想環境を作ってから入れ直すことを推奨しています。繰り返しになりますが、無償版は研究・教育用途限定です。

使いこなすためのポイント

  • 結果は必ず人間が確認する:AIが「再現できた」と報告した脆弱性でも、影響範囲の評価や修正の優先度付けは人間の仕事です。誤検知が減ったとはいえ、ゼロではありません。
  • まずは小さく、短く:いきなり大きなアプリ全体を対象にするとAPI料金がかさみます。最初はStrixの quick モードなどで対象を絞り、1回あたりのコストと所要時間の感覚をつかんでから範囲を広げましょう。
  • 実行ログを保管する:AIエージェントが「いつ、何に、何をしたか」の記録は、万が一想定外の影響が出たときに、許可範囲内の行為だったかを説明する根拠になります。
  • 人間のペンテストを置き換えるものではない:ビジネスロジックの欠陥や、複数のシステムをまたぐ攻撃シナリオの検証は、まだ専門家の領域です。AIツールは「定期的な人間のテストの合間を埋めて、頻度と範囲を広げるもの」と位置づけるのが現実的です。

まとめ

AIペンテストツールは、2026年に入って「試しに動かしてみる」段階から「開発プロセスに組み込む」段階へと進みつつあります。特にStrixやShannonのように、コードと稼働中のアプリを突き合わせて実際に攻撃を検証するタイプは、AIでコードを量産する時代の開発チームにとって、心強い相棒になりそうです。

一方で、これらは本物の攻撃を自動で実行する道具です。テスト対象の管理者からの書面での許可、本番環境を避けた検証環境の用意、データの送信先の確認。この3つを押さえたうえで、まずは練習用アプリから試してみてください。攻撃者側もAIを使い始めている今、防御側が同じ道具を正しく使いこなすことの価値は、ますます高まっていくはずです。


本記事は、各ツールの公式リポジトリ・ドキュメントおよび各種報道(2026年11月16日時点の情報)をもとに整理したものです。各ツールは更新が非常に速く、インストール手順やコマンド、対応モデル、ライセンス条件は変更される可能性があります。導入の際は必ず最新の公式情報をご確認ください。また、本記事で紹介したツールは、所有するシステムまたは管理者から明示的な許可を得たシステムに対してのみ使用してください。許可のないシステムへの使用は、不正アクセス禁止法などの法令に違反するおそれがあります。

参考情報