未踏ジュニア成果報告会 26年度 守田向輝
自己紹介
守田向輝 KouKi Morita
r_k01m
芝浦工業大学附属高等学校2年
趣味・経歴
マルウェア研究
リバースエンジニアリング(CTF)
SecHack365'25研究駆動コース
r_AKanaly
2 / 24
01 背景
最近サイバー攻撃やばくない?
3 / 24
01 背景
マルウェア:不正なプログラムの総称(ランサムウェア・情報窃取型・遠隔操作型 など)
サイバー攻撃による日本の情報漏えいの公表件数(2026年)
8月
72件
9月
81件
10月
193件
特にここ数ヶ月ではニュースでも多数取り上げられている
出典:MM総研(2026年11月4日公表)
r_AKanaly
4 / 24
01 背景
マルウェア解析レポート:マルウェアを調べ、挙動と痕跡をまとめた文書
レポートの利用場面
復旧
感染端末の特定・削除
防御
防御の研究・開発
注意喚起
他組織への共有
r_AKanaly
5 / 24
01 背景
世間の状況
新しいマルウェアの登録数
45万件以上
1日あたり、PUA 含む(AV-TEST)
1検体の解析にかかる時間
1〜10日
熟練者の見積もり(R2AI [4])
解析する人の状況
解析者育成の長期化
解析リソースの不足
NICT・CYNEX 調査(2026、16名)
→ 解析レポートが追いつかない
r_AKanaly
6 / 24
02 目的
目標
→
→
マルウェア解析を全自動で行えるように
r_AKanaly
7 / 24
03 開発物

8 / 24
03 開発物
手動操作
検体を指定
r_AKanaly
全自動
根拠付き
レポート
r_AKanaly の中身
Host(実機, 普段使用するPC)
Codex
次の調査を
決めて指示
MCP
Codex とツールを
つなぐ窓口
Host Agent
VM を起動・
指令・ログ回収
Guest(解析用 VM)
Guest Agent
検体の実行・操作・観察
Ghidra Agent
コードを読む静的解析
r_AKanaly
9 / 24
03 開発物
1 入力
検体を指定
2 解析
VM 上で自動解析
3 完成
レポート保存
r_AKanaly
10 / 24
03 開発物
対象:ランサムウェア YggGuru / 隔離 VM で動的・静的解析
1
何が起きた? 被害は? まず何をする?
2
ファイルへの被害・自動起動・復旧妨害まで確認
3
どんな順番で動いた?
4
見つかった後、どう対応する?
r_AKanaly
11 / 24
04 調査
型
動的解析
静的解析
知識検索
ツール操作
出力
動的解析型
[1]
●
—
—
—
挙動の要約文
静的解析型
[2]
—
●
—
—
機能の説明文
検索拡張型
[3]
—
●
●
—
挙動と該当コードの説明
エージェント型
[4]
—
●
—
●
対話での解析結果
r_AKanaly
エージェント型
●
●
—
●
解析レポート
挙動・通信先・痕跡+根拠
出典:[1]〜[4](補足)
r_AKanaly
12 / 24
05 技術
手動操作
全自動
01
検体を指定
02
表層解析
03
動的解析
04
ログ回収・照合
05
ログ圧縮
06
静的解析
07
レポート化
08
保存
VM 制御
ログ圧縮
VM 制御
根拠付け
r_AKanaly
13 / 24
05 技術
AI による PC 操作
記録の行動単位への集約
記述と記録の対応付け
r_AKanaly
14 / 24
05 技術 01 VM 制御
Guest(解析用 VM)
検体(実行中)
Windows PowerShell
起動したプログラム
→ Windows の標準ソフトを起動
作られたファイル
→ 自分のコピーを AppData に保存
自動起動の設定
→ PC の起動時に動くよう登録
外部との通信
→ 通信はなし
確認
検体が表示したダイアログ
OK
キャンセル
OK ボタンの場所を特定
ユーザー アカウント制御
このアプリがデバイスに変更を
加えることを許可しますか?
はい
いいえ
Guest Agent
× この画面は
操作できない
例:Windows の確認ダイアログ
ウィンドウ
ダイアログ
検体が出す
確認や設定の
画面
ボタンの場所が
分かれば
エージェントが
押せる
出典:Microsoft Learn「UAC のしくみ」
UAC
ユーザー
アカウント制御
PC の設定を
変える前に
Windows が出す
確認画面
「はい」を
押すまで検体は
先へ進まない
1
動いている検体を調べる
検体を動かしたまま、何をしたかを
コマンドで確かめる
2
ウィンドウ操作
ボタンの場所を見つけて、
エージェントがマウスで押す
3
画面認識
触れない画面は AI が画面写真で判断し、
Host Agent が仮想マウスで押す
Host LLM(AI)
画面写真を見て判断 → Host Agent が
白いカーソル(仮想マウス)で「はい」
操作の間も動的ログを並行記録
Sysmon・Procmon・ETW
r_AKanaly
15 / 24
05 技術 02
生ログ
数万行
アルゴリズム処理
LLM・学習モデル不使用
① 辞書で分類
② グラフで集約
一時ファイルの起動
自動起動への登録
③ 行動にまとめる
人間
行動単位でひと目で把握
LLM
短い入力で推論
r_AKanaly
16 / 24
05 技術 03
① レポートの一文 F-03
ログオン時起動の
設定が成功
② 根拠の記録 DYN-005
Run 値の設定
③ 元のログ
Sysmon #3004067
r_AKanaly
17 / 24
05 技術
AI への
偽の指示
VM に隔離
検体の文字列
1 プロンプト
指示文は
証拠扱い
2 MCP
操作対象の
固定
3 Hook
確認失敗で
停止
AI
対象外の操作の拒否
Hook による解析前の停止
r_AKanaly
18 / 24
06 成果・評価
新しいマルウェアの登録数
45万件以上
1日あたり、PUA 含む(AV-TEST)
1検体の解析にかかる時間
1〜10日
熟練者の見積もり(R2AI [4])
解析する人の状況
解析者育成の長期化
解析リソースの不足
NICT・CYNEX 調査(2026、16名)
r_AKanaly
19 / 24
06 成果・評価
検体数
100
完走
95 件
平均時間
36分7秒
対象としたマルウェア
OS
Windows 11 25H2(ビルド 26200)
形式
Windows 実行ファイル(32/64bit・.NET 製を含む)
入力は EXE/パスワード付き ZIP
実行環境
インターネットから隔離した LAN
検体を直接起動(侵入経路の再現なし)
種類
ランサムウェア・RAT・情報窃取・ワーム・ファイル感染型
WannaCry, Cerber, AsyncRAT, Formbook ほか
r_AKanaly
20 / 24
07 まとめ 期間中の成果
研究成果
AI によるマルウェア解析の
自動化と根拠付け
大規模な実装力
VM・MCP・ログ処理・
レポート生成をつなぐ実装
工程
VM 操作
解析ツール
レポート
保存
開発前
手作業
手作業
手作業
手作業
開発後
自動
自動
自動
自動
人の作業は検体の指定のみ
r_AKanaly
21 / 24
07 まとめ
現在できること
Windows の EXE/ZIP
動的・静的解析を自動化
根拠付きでレポート保存
95/100 件完走・平均 36 分
次の目標
Linux・Android などへ拡大
学会発表
ローカル LLM でオフライン完結
ログ構造化の追加検証
目指す姿
不審なファイルを入れるだけで、AI が調査を組み立てて検証をくり返し、
組織の対応判断に使える証拠と知見を返す自律型の調査基盤
r_AKanaly
22 / 24
08 補足
先行研究(6・12ページ)
[1] B. Saha et al. “MaLAware: Automating the Comprehension of Malicious Software Behaviours using LLMs.” 2025. arXiv:2504.01145
[2] S. Fujii, R. Yamagishi. “Feasibility Study for Supporting Static Malware Analysis Using LLM.” 2024. arXiv:2411.14905
[3] G. Zhang et al. “TraceRAG: A LLM-Based Framework for Explainable Android Malware Detection and Behavior Analysis.” 2025. arXiv:2509.08865
[4] A. Apvrille, D. Nakov. “Malware analysis assisted by AI with R2AI.” 2025. arXiv:2504.07574
情報漏えいの公表件数(4ページ)
[5] MM総研「サイバー攻撃による漏えい情報は10月末までに約3.8億件」2026年11月
解析レポートの供給不足(6ページ)
[6] AV-TEST Institute「Malware Statistics & Trends Report」(2026年10月閲覧)
[7] NICT・CYNEX「セキュリティ業務におけるマルウェア解析の調査」1.0版、2026年2月
r_AKanaly
23 / 24
08 補足
当初の計画
ログ構造化を
全 AI に適用
大量のログを整理して
AI に渡す前提
期間中の変化
AI の性能が
大きく向上
Astra では
構造化が不要に
新しい使い道
低性能な AI で
良好な結果
ローカル LLM での
活用に期待
r_AKanaly
24 / 24