【高】CVE-2026-33833 Azure Machine Learningのネットワーク経由なりすまし注入脆弱性対策とAI Security運用手順

結論

• 危険度: High (CVSS 8.2)
• 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: 2026-05-12 ｜ 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	3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	5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	3分

STEP 1: 何が起きているか

一言でいうと

CVE-2026-33833は、Azure Machine Learningに影響する脆弱性です。攻撃者は認証なしで特殊文字を使った攻撃を行え、ネットワーク経由で偽装（スプーフィング）を実行できます。AIやLLMゲートウェイ運用者にとって最優先で対策が必要です。

やさしく説明すると

たとえば、玄関のドアにかっちりした鍵がなく、誰でもドアの隙間から合鍵を作れるような状態です。ここでは、AIの出力に含まれる特別な文字が鍵代わりになり、攻撃者がその隙間から侵入してしまいます。攻撃者は正規の通信を装い、システム内部の処理を騙せてしまうため、悪意ある行動を取れます。

技術的な原因

この脆弱性はCWE-74「不適切な特殊文字の無害化（injection）」に分類されます。具体的には、下流のコンポーネントが出力内の危険な特殊要素を正しく処理しません。そのため、攻撃者は無害化されるべき文字を悪用し、スプーフィング（偽装）攻撃をネットワーク経由で仕掛けられます。

攻撃はネットワークから可能で、ユーザ操作は必要ですが、認証や複雑な権限は不要です。攻撃が成功すると、機密情報が危険に晒されたり、結果の改ざんを起こす可能性があります。

影響を受けると何が困るか

• APIキー（OpenAIやAnthropic等）の漏洩リスク
• LLMの会話・履歴コンテキスト窃取（顧客データ含む）
• プロンプトインジェクションを用いたAgent（エージェント）乗っ取り
• 学習モデルやRAG（情報検索型生成補助）データの改ざん
• 不正なAPI呼び出しや利用料金の爆増
• テナント間のデータ漏洩・権限乗っ取り
• AIコーディングツール（Cursor、Cline、Copilotなど）経由での権限突破
• IDE拡張機能のリモート操作
• .envファイルや認証情報の流出

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派生ディストリ利用者向け。	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: 高

判断根拠

• CVSS v3.1 スコアは8.2でHighに分類。技術的には攻撃がネットワーク経由で可能、権限不要でリスクが高い
• EPSS（実際に悪用される確率）スコアは未提供
• ランサムウェア悪用は調査時点で不明（CISA KEV未登録）
• 公開PoCやExploitは現在0件。大規模な武器化報告はまだなし
• 悪用にユーザ操作が必要なものの、認証不要で低攻撃複雑度。デフォルト設定で影響を受ける可能性が高い

誰が動くべきか

• Azure Machine Learningの利用者・運用担当者
• LLM GatewayやAI Agentフレームワーク運用チーム
• RAGデータパイプライン保守者
• バイブコーダー開発者（Cursor、Cline、Copilot等の利用者）

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
Azure Machine Learning	ベンダー公式情報を参照	ベンダーアドバイザリ参照

バージョン確認コマンド

Python (pip)

pip show azure-ai-ml

出力例:

Name: azure-ai-ml
Version: 1.2.0
Summary: Azure Machine Learning SDK

判定: バージョンが1.2.0未満またはベンダー公式で指摘されたものが脆弱

Python (pip) バージョンリスト確認

pip list | grep azure-ai-ml

出力例:

azure-ai-ml     1.2.0

判定: バージョンを必ずベンダーアドバイザリと照合してください

設定確認

この脆弱性は設定依存性が公表されていません。設定変更の有無に関わらず、対象バージョンなら脆弱です。

Nucleiテンプレートでの検出

2026年5月時点で、本脆弱性に対応する公開Nucleiテンプレートはありません。検出はバージョン確認で行ってください。

STEP 4: 修正を適用する

パッチ適用

Python (pip)環境でのアップグレード例

pip install --upgrade azure-ai-ml

判定: 最新バージョンに更新されればパッチ適用済み

注意: パッチ適用前に必ず環境のバックアップを行い、ステージング環境で動作確認してください。ダウンタイム計画も忘れずに。

パッチ即時適用ができない場合の暫定対応

ベンダーによる暫定対応策は現時点で公開されていません。可能な限りネットワークアクセス制限やWAFルールの追加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

Python (pip)

pip show azure-ai-ml

出力例:

Name: azure-ai-ml
Version: 1.3.0
Summary: Azure Machine Learning SDK

判定: バージョンが 1.3.0 以上ならOK

追加で確認すべきこと

• 可能であればNucleiテンプレートが公開された際に再実行する
• ログを詳細に監視し、不審なアクセスや疑わしい挙動がないか確認する

補足: 悪用観測状況

2026年5月時点でCISA KEVカタログに登録されておらず、ランサムウェアによる悪用も確認されていません。GitHub上のPoCも未発見で一般的な攻撃ツールやエクスプロイトの公開はありません。ただし、影響範囲や攻撃の容易さから今後の動向に注意してください。

補足: CVSSメトリクス詳細

• AV (Attack Vector): NETWORK（ネットワーク経由で攻撃できる）
• AC (Attack Complexity): LOW（攻撃の複雑さは低い）
• PR (Privileges Required): NONE（権限不要）
• UI (User Interaction): REQUIRED（ユーザ操作が必要）
• S (Scope): CHANGED（影響範囲が拡大する）
• C (Confidentiality Impact): HIGH（機密性が大きく損なわれる）
• I (Integrity Impact): LOW（完全性に軽度の影響）
• A (Availability Impact): NONE（可用性への影響なし）

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で対象バージョンか確認し、STEP 4でパッチ適用を実施してください。バージョン確認コマンドは本記事内に詳述しています。

Q. パッチが適用できない場合、どうすればよいですか？

A. ネットワークでのアクセス制限やWAFルール追加など暫定対応を行い、ベンダーの追加情報を待つことを推奨します。

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. ベンダー提供のIOCやログ監視を活用してください。公開されたPoCは現在ありませんが、不審なネットワーク通信を重点的に調査しましょう。

Q. なぜEPSSスコアが重要なのですか？

A. CVSSが脆弱性の深刻度を示すのに対し、EPSSは実際に悪用される確率を表します。両指標を合わせて優先度を判断できます。

Q. このCVEと類似の脆弱性は他にもありますか？

A. CWE-74（不適切な特殊文字無害化）に分類される脆弱性は他にも散見されます。AI Securityの文脈で同種攻撃対策は重要です。

参考文献

• NVD: CVE-2026-33833
• GitHub Advisory Database: GHSA-mq64-7vwv-8j4j
• Microsoft Security Response Center (MSRC) 脆弱性情報

関連トピック・タグから探す

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。

• High脆弱性 に関するCVE・脆弱性記事一覧
• 機械学習 に関するCVE・脆弱性記事一覧
• クラウド に関するCVE・脆弱性記事一覧