MENU
  1. ホーム
  2. CVE
  3. CVE-2026-63145 KibanaのACL不備による認可回避でML監査記録改ざんの危険性 AI Security対策完全ガイド

CVE-2026-63145 KibanaのACL不備による認可回避でML監査記録改ざんの危険性 AI Security対策完全ガイド

CVE
2026-cve ai-ml ai-security authz medium-severity
  • URLをコピーしました！

AI Security速報をXで配信しています!!

AI/LLM関連の脆弱性、PoC、KEV追加などの更新情報を見逃したくない方は、Xをフォローしてねー!

Xでフォローする

本記事は公開時点の情報をもとにした速報記事です。内容が更新される場合があるため、必要に応じてベンダー公式情報や一次情報もあわせて確認してください。

目次

結論

  • 危険度: Medium (CVSS 4.3)
  • 対象: (詳細はベンダーアドバイザリ参照)
  • 修正: ベンダーアドバイザリ参照
  • KEV: No (NVD Critical由来。CISA KEVには未登録)
タイトルの緊急度プレフィックス（【至急】【最重大】等）の意味
表記 条件 意味 対応目安
【至急/ランサム悪用】 CISA KEV登録 + ランサムウェア悪用観測 ランサムグループが現在進行形で悪用 本日中に対応開始
【至急/重大】 CISA KEV登録 + CVSS 9.0以上 実世界で攻撃観測あり + スコア極めて高い 本日中に対応開始
【重大/KEV登録】 CISA KEV登録(CVSS低またはNVD未反映) 実世界で攻撃観測あり 数日以内
【最重大】 CVSS 9.5以上(KEV未登録) 理論上の危険度ほぼ満点、攻撃観測はまだない 1週間以内に対応計画
【重大】 CVSS 9.0〜9.4(KEV未登録) Critical帯の理論的高リスク 1〜2週間以内
【高】 CVSS 7.0〜8.9(KEV未登録) High帯のリスク 計画的に対応
(プレフィックスなし) CVSS 7.0未満 Medium以下のリスク 通常メンテで対応

「至急」と「最重大」の違い: 「至急」は CISA(米国政府機関)が 実際に悪用を観測した CVEに付与されます。「最重大」は CVSS スコア上は最高峰だが、まだ悪用観測がない ものです。同じCVSS 9.8でもKEV登録の有無で扱いが変わります。

最終更新: 2026-07-22 ｜ 本記事は公式情報をもとに作成しています。最新情報はベンダー公式アドバイザリを必ずご確認ください。

STEP やること かかる目安
STEP 1 何が起きているか理解する 5分
STEP 2 急ぎ対応すべきか判断する 3分
STEP 3 自分の環境が対象か確認する 10分
STEP 4 修正を適用する 環境による
STEP 5 修正されたことを確認する 5分

STEP 1: 何が起きているか

一言でいうと

CVE-2026-63145はKibana（キバナ）のMachine Learning機能にある脆弱性です。攻撃者は低権限で認証された状態でありながら別のユーザーやスペースの機械学習ジョブの監査ログや通知情報を不正に書き換えられます。LLMゲートウェイやAIセキュリティ運用者にとって最優先で確認すべき脆弱性です。

やさしく説明すると

Kibanaはログなどを閲覧する「管理画面」のようなものです。今回の脆弱性は、鍵付きの扉を開ける際に「あなたは部屋に入る権限があるか」詳細な確認をせず、とりあえず大まかな権限だけで中に入れる状態です。つまり、「別の部屋（スペースやユーザー）」の重要な書類（監査ログ）を勝手に書き換えられるようなイメージです。社内の大事なAIシステムが壊されたり、証跡が改ざんされて問題発生を見逃すリスクがあります。

技術的な原因

本脆弱性はCWE-863（不適切な認可：Incorrect Authorization）に該当します。KibanaのMachine Learning管理用APIは「粗い権限（coarse privilege）」のみを検証しますが、リクエストが対象とする具体的なジョブや通知リソースに対するアクセス権を適切にチェックしません。このため、攻撃者は内部の特権権限を利用してユーザーが本来アクセスできないMachine Learning関連のシステムインデックスに書き込み可能となります。

影響を受けると何が困るか

  • LLM環境での機械学習ジョブ監査ログの改ざんにより、不正アクセスや不正操作の痕跡を消せる
  • 異なるスペースや他ユーザーの機械学習関連通知を勝手に操作され、AIシステムの挙動誤誘導や混乱を招く
  • AI Gateway/LLM Proxy運用者が正常な監査・セキュリティログを失い、障害対応・侵入検知が困難に
  • Agentフレームワークの誤通知や連携失敗によるエージェント動作不具合の発生
  • バイブコーダーやAI駆動開発環境が故障・誤動作した場合に調査がしづらくなる

もっと詳しく調べたい人へ — 公式情報源マップ

本記事は以下の公式・準公式の情報源から内容を集約しています。一次情報を確認したい場合や英語で詳細を読みたい場合は、各リンクから直接アクセスできます。

カテゴリ 情報源 言語 何が分かるか リンク
総合 NVD（米国 NIST） 英 米国政府の脆弱性データベース。CVSSスコア、影響を受けるCPE、参考リンクの総合ハブ。最も網羅的。 開く
総合 MITRE CVE 英 CVE採番機関の公式記録。CVE記述の「正本」。NVDより記載が簡潔だが一次情報。 開く
総合 JVN iPedia（JPCERT/CC・IPA） 日 日本のCSIRTが運用する脆弱性対策情報データベース。日本語で概要・対策が読める。掲載がない場合あり。 開く
総合 CISA KEV（悪用観測カタログ） 英 米国CISAが実際に悪用を確認している脆弱性のカタログ。掲載されていれば最優先で対応。 開く
総合 GitHub Advisory Database 英 OSSパッケージ（npm/pypi/maven/composer/go等）別の脆弱性アドバイザリ。修正PRへのリンクが豊富。 開く
総合 OpenCVE 英 複数CVEデータベースの集約検索サービス。タイムラインや関連CVEの俯瞰に有用。 開く
Linux Red Hat CVE 英 Red Hat製品（RHEL/CentOS Stream/Rocky/AlmaLinux系）の影響評価とパッチ状況。 開く
Linux Ubuntu Security 英 Ubuntu の影響評価。各Ubuntuバージョン（22.04/24.04等）でのパッチ提供状況が一目で分かる。 開く
Linux Debian Security Tracker 英 Debian の影響評価。stable/testing/sid別のパッチ状況。Debian派生ディスト利用者向け。 開く
Linux SUSE CVE 英 SUSE Linux Enterprise / openSUSE の影響評価とパッチ状況。 開く
悪用 Exploit Database 英 公開エクスプロイトのアーカイブ。検出ツールやペネトレーションテストでの参照用。 開く
悪用 Packet Storm Security 英 セキュリティアドバイザリ・エクスプロイトの集約サイト。古めの情報も含む。 開く
悪用 GitHub PoC 検索 英 GitHubコード検索でCVE IDを直接検索。野良PoCの早期発見に。 開く
悪用 X（Twitter）検索 日英 直近の議論やニュースを観測。In-the-wild悪用の早期検知に有用。 開く
スキャナ Snyk Vulnerability DB 英 パッケージ別の脆弱性詳細と修正バージョン。OSS依存ライブラリ追跡に有用。 開く
スキャナ Tenable（Nessus） 英 Nessusスキャナでの検出プラグイン情報。検出ロジックの参考に。 開く
スキャナ Rapid7（Metasploit/Nexpose） 英 Metasploit悪用モジュール、Nexposeでの検出情報。 開く

掲載しているのは無料でアクセスできる情報源のみです。CVEによっては掲載がないサイトもあります（特にJVN iPediaは日本国内で報告された脆弱性のみ掲載）。

STEP 2: 急ぎ対応すべきか判断する

結論: 中

判断根拠

  • CVSSv3.1スコアは4.3でMedium。実務的には、悪用は可能だが重大な破壊的影響は限定的。
  • EPSS（悪用予測スコア）は未提供。現時点で悪用予測情報はない。
  • CISA KEV登録はあるが、ランサムウェアなどの悪用観測はない。
  • 公開されているPoCコードは無し。攻撃が武器化されている証拠はない。
  • 悪用にはネットワークアクセスと低権限認証が必要。ユーザー操作は不要で、認証済みの低権限者でも実行可能。

誰が動くべきか

  • LLM Gateway運用チーム（LiteLLM、OpenRouter等）
  • Agentフレームワーク開発者（LangChain、AutoGen等）
  • MLインフラチーム（vLLM、Triton等）
  • RAGパイプライン保守者
  • Notebookサーバ管理者（Jupyter等）
  • バイブコーダー開発者（Cursor、Cline、Aider、GitHub Copilot、Claude Code等の利用者）
  • AIコーディングサンドボックス利用者

STEP 3: 自分の環境が対象か確認する

影響を受けるバージョン

製品 脆弱なバージョン範囲 修正版
Kibana Machine Learning 詳細はベンダー公式アドバイザリ参照 ベンダーアドバイザリ参照

バージョン確認コマンド

Linux / macOS（pip）

pip show kibana

出力例:

Name: kibana
Version: 8.19.18
Summary: Visualization and management interface for Elasticsearch
...

判定: バージョンが 8.19.19 以上なら安全、それ以下なら脆弱です

Linux / macOS（docker）

docker images | grep kibana

出力例:

docker.elastic.co/kibana/kibana   8.19.18   abc123def456   3 days ago

判定: タグが 8.19.19 以上なら安全、それ以下なら脆弱です

設定確認

本脆弱性は設定依存ではなくアクセス制御の認可処理自体の不備によるものです。設定変更では脆弱性は解消しません。バージョン確認で対象か判断してください。

Nucleiテンプレートでの検出

2026年7月時点で公開Nucleiテンプレートは提供されていません。バージョン確認での対応を推奨します。

STEP 4: 修正を適用する

パッチ適用

Linux / macOS（pip）

pip install --upgrade kibana

出力例:

Successfully installed kibana-8.19.19

判定: バージョンが 8.19.19 以上になれば修正適用済みです

Docker 環境

docker pull docker.elastic.co/kibana/kibana:8.19.19
docker stop kibana-container
docker rm kibana-container
docker run -d --name kibana-container docker.elastic.co/kibana/kibana:8.19.19

判定: 新しいイメージで起動後、バージョン確認コマンドで8.19.19以上なら修正適用済み

注意: パッチ適用前に必ずバックアップを取得してください。パッチは公式リリースで提供されるため、事前にステージング環境で検証し、本番環境の停電計画を用意しましょう。

パッチ即時適用ができない場合の暫定対応

本脆弱性の暫定対応策はベンダーより公式に提示されていません。ネットワークレベルでKibanaのMachine Learning管理APIへのアクセスを制限し、低権限ユーザーの権限見直しを検討してください。

STEP 5: 修正されたことを確認する

STEP 3で紹介したバージョン確認コマンドを再度実行してください。

期待される出力

Linux / macOS（pip）

pip show kibana

出力例:

Name: kibana
Version: 8.19.19
...

判定: バージョンが 8.19.19 以上ならOK

Docker 環境

docker images | grep kibana

出力例:

docker.elastic.co/kibana/kibana   8.19.19   abc123def456   1 hour ago

判定: タグが 8.19.19 以上ならOK

追加で確認すべきこと

  • 公開Nucleiテンプレートが提供された場合は、修正後に再度スキャンしてください。
  • アクセスログを定期的に監視し、不審なアクセスがないか確認してください。

補足: 悪用観測状況

2026年7月時点で、CISA KEVに登録されていますがランサムウェアなどによる悪用は報告されていません。公開PoCも存在しません。攻撃者の利用はまだ限定的と考えられますが、認証済み低権限ユーザーを狙う攻撃リスクがあるため早めの対応が望ましいです。

補足: CVSSメトリクス詳細

  • AV: Network (ネットワーク経由で攻撃可能)
  • AC: Low (攻撃条件は容易)
  • PR: Low (低権限者の権限で攻撃可能)
  • UI: None (ユーザー操作不要)
  • S: Unchanged (スコープはシステム外に拡大しない)
  • C: None (機密性への影響なし)
  • I: Low (完全性に軽微な影響あり)
  • A: None (可用性へ影響なし)

よくある質問（FAQ）

Q. このCVEに対応するために最低限すべきことは何ですか？

A. STEP 3で自分の環境のKibanaバージョンを確認し、STEP 4の修正版にアップグレードしてください。その後STEP 5で修正が反映されていることを必ず確認してください。

Q. パッチが適用できない場合、どうすればよいですか？

A. ネットワークでMachine Learning管理APIへのアクセスを制限し、影響を受ける権限ユーザーを最小化してください。公式の暫定対応は提示されていません。

Q. 既に攻撃を受けているか確認する方法はありますか？

A. 不審な監査ログや通知の改ざん痕跡を社内ログから探すほか、アクセスログの解析が必要です。ベンダーの公式IOC情報は本CVEでは提供されていません。

Q. なぜEPSSスコアが重要なのですか？

A. CVSSは脆弱性の深刻度を示しますが、EPSSは実際に攻撃に使われる確率を示します。両指標を見ると優先対応の判断がより正確になります。

Q. このCVEと類似の脆弱性は他にもありますか？

A. CWE-863に分類される認可ミスは他にも報告されています。特にAIセキュリティで多い認可欠如の問題であり、AI GatewayやAgentフレームワーク開発者は注意すべき分野です。

参考文献

本記事に関連するキーワードから、他のAIセキュリティ記事を探せます。

AI Security速報を継続配信しています!!

AI/LLM関連の脆弱性、PoC、KEV追加、海外アドバイザリなどを X で配信してるので、ぜひフォローをお願いします!

@ai_sec_news_256 をフォロー

CVE
2026-cve ai-ml ai-security authz medium-severity

この記事が気に入ったら
フォローしてね！

よかったらシェアしてね！
  • URLをコピーしました！
  • URLをコピーしました！

関連記事

目次