AIコードレビュー時代のバックドア混入防衛パイプライン

AI支援コーディングは、生産性を上げる一方で供給網リスクを増幅します。危険なOSS断片やバックドア化された実装パターンがプロンプト文脈に混入すると、AIは高い自信で再生産する可能性があります。

従来の供給網対策と何が違うか

これまでの想定は「悪性依存をインストールする」でした。AI時代はさらに手前で侵入します。

• 参照コーパスに汚染コードが混ざる
• 生成提案が危険イディオムをなぞる
• レビュアが可読性に引っ張られ出典確認を省く

つまり、脅威面がパッケージ管理から知識取り込み経路へ拡張しています。

防衛コントロール（4点）

1) 文脈の出典フィルタ

参照対象を信頼ポリシーで絞ります。

• 公開者の検証済みID
• 許容ライセンス
• 保守継続性と既知脆弱性シグナル

出典不明な断片は、プロンプト組み立て前に除外します。

2) パターンレベル検査

毒入りサンプルで頻出する危険実装を差分検査します。

• 危険なデシリアライズ
• TLS検証無効化
• 秘密情報の直書き
• 未検証入力のシェル実行

人手コードだけでなく、生成差分にも強制適用します。

3) レビュー職務分離

高リスク変更では、少なくとも1名が「依存・断片の由来」を確認する運用にします。読みやすさは安全証明ではありません。

4) 学習フィードバック隔離

マージ済みコードを即座に社内コーパスへ戻さない。一定の隔離期間と安全スクリーニング後に再取り込みします。

推奨ワークフロー

1. 開発者がAI提案を要求
2. 文脈サービスが出典許可リストで絞り込み
3. 生成差分をポリシースキャン
4. NGパターンはマージ阻止＋修正ヒント提示
5. 高リスク変更は出典承認を必須化
6. マージ後の再学習投入は遅延実行

これで速度を保ちながら汚染ループを防げます。

指標

• 高リスク生成ブロック件数
• ポリシー検査の誤検知率
• 修正完了までの時間
• AI由来断片が原因のインシデント件数

急にブロック件数がゼロになる場合、改善ではなく検知停止の可能性を疑います。

まとめ

AIコードレビューは、すでにソフトウェア供給網の一部です。文脈取り込み・生成・レビューを一体境界として守る設計が必要です。出典起点の制御を入れれば、加速は維持しつつ事故確率を下げられます。