バイブコーディングの脆弱性 — AIコーディング時代に必須のセキュリティチェックリスト

「AIが書いたコードにセキュリティの問題なんてあるの？」——あります。しかも、あなたが思っている以上に深刻です。

セキュリティ企業の調査によると、AI生成コードの約48%にセキュリティ脆弱性が含まれています。さらに厄介なのは、開発者の75%以上が「AIが書いたコードは人間より安全」と誤認しているというデータです。この認知のギャップこそが、バイブコーディング時代の最大のリスクです。

この記事では、AIが実際に生成する脆弱なコードの具体例と、AIコーディングツールにセキュリティガードレールを組み込む方法を解説します。概念論ではなく、今日から使えるチェックリストを提供します。

バイブコーディングのセキュリティ、何が問題なのか

バイブコーディングとは、自然言語でAIに指示を出してコードを生成するスタイルです。プロトタイプの爆速開発には最適ですが、セキュリティ面では構造的な問題を抱えています。

問題の本質は「動くこと」と「安全であること」の混同です。

AIが生成するコードは、構文的にはほぼ完璧です。コンパイルも通り、期待どおりに動作します。しかし「動く」ことと「安全である」ことはまったく別の話です。ある研究では、AIコーディングツールを使った開発者は、使わなかった開発者より有意にセキュリティの低いコードを書いたと報告されています。しかも、本人は安全なコードを書いたと確信していました。

数字で見るリスク

実態を理解するために、2025〜2026年の主要な調査データを確認しましょう。

AI生成コードの86%がXSS防御に失敗、88%がログインジェクションに脆弱
AIが推奨するパッケージの約20%が実在しない（パッケージ幻覚）
AI支援コミットの秘密情報漏洩率は**3.2%**で、通常の約2倍
2025年にGitHub公開コミットに追加されたハードコード秘密情報は約2,900万件（前年比34%増）

AIが生成する7つの危険パターン

概念的な説明だけでは実感が湧かないので、AIが実際に生成しがちな脆弱パターンをコード付きで見ていきます。

1. ハードコードされた認証情報

AIに「データベース接続を設定して」と頼むと、こういうコードが出てくることがあります。

// NG: AIが生成しがちなパターン
const dbConfig = {
  host: "localhost",
  user: "admin",
  password: "supersecret123",
  database: "myapp",
};

「後で環境変数に置き換えればいいや」と思うでしょう。しかし、このコードがそのままコミットされてGitHubにプッシュされるケースが後を絶ちません。

// OK: 環境変数で管理
const dbConfig = {
  host: process.env.DB_HOST,
  user: process.env.DB_USER,
  password: process.env.DB_PASSWORD,
  database: process.env.DB_NAME,
};

if (!dbConfig.password) {
  throw new Error("DB_PASSWORD is not set");
}

2. SQLインジェクション

AIは文字列結合によるSQLクエリを平気で生成します。

// NG: 文字列テンプレートでSQLを組み立てている
app.get("/users", async (req, res) => {
  const { name } = req.query;
  const result = await db.query(`SELECT * FROM users WHERE name = '${name}'`);
  res.json(result.rows);
});

攻撃者が name に '; DROP TABLE users; -- を渡せばテーブルが消えます。

// OK: パラメータ化クエリを使う
app.get("/users", async (req, res) => {
  const { name } = req.query;
  const result = await db.query("SELECT * FROM users WHERE name = $1", [name]);
  res.json(result.rows);
});

3. BaaS の権限設定不備

これはバイブコーディング特有の最も深刻な問題です。AIに「SupabaseでCRUD APIを作って」と指示すると、動くコードは生成されます。しかし、Row Level Security（RLS）の設定は生成されないことがほとんどです。

2026年2月、あるAIエージェント向けSNSで150万件以上のAPIキーとユーザーデータが露出した事件がありました。原因はまさにこのパターンで、クライアントサイドにAPIキーが露出し、RLSが未設定でした。

-- 最低限必要なRLSの設定例
ALTER TABLE posts ENABLE ROW LEVEL SECURITY;

CREATE POLICY "Users can only read own posts"
  ON posts FOR SELECT
  USING (auth.uid() = user_id);

CREATE POLICY "Users can only insert own posts"
  ON posts FOR INSERT
  WITH CHECK (auth.uid() = user_id);

私のポジション: BaaSを使うバイブコーディングプロジェクトでは、RLSの設定を最初のタスクにすべきです。機能実装より先にセキュリティの骨格を作る。この順序を守らないと、後から修正するのは数倍のコストがかかります。

4. XSSの未対策

AIはReactやVueでHTMLを直接描画するAPIを気軽に使います。

// NG: ユーザー入力をそのままHTMLとして描画
function Comment({ content }: { content: string }) {
  return <div dangerouslySetInnerHTML={{ __html: content }} />;
}

// OK: DOMPurify等でサニタイズしてからHTMLとして描画
import DOMPurify from "dompurify";

function Comment({ content }: { content: string }) {
  const sanitized = DOMPurify.sanitize(content);
  return <div dangerouslySetInnerHTML={{ __html: sanitized }} />;
}

5. 認証・認可ロジックの省略

AIに「ユーザープロフィール編集APIを作って」と頼むと、認証チェックが抜けたAPIが出てくることがあります。

// NG: 誰でも任意のユーザー情報を更新できてしまう
app.put("/api/users/:id", async (req, res) => {
  const { id } = req.params;
  await db.query("UPDATE users SET name = $1 WHERE id = $2", [
    req.body.name,
    id,
  ]);
  res.json({ success: true });
});

// OK: 認証済みユーザーが自分のデータだけ更新できる
app.put("/api/users/:id", requireAuth, async (req, res) => {
  const { id } = req.params;
  if (req.user.id !== id) {
    return res.status(403).json({ error: "Forbidden" });
  }
  await db.query("UPDATE users SET name = $1 WHERE id = $2", [
    req.body.name,
    id,
  ]);
  res.json({ success: true });
});

6. 秘密情報の.envファイル自動読み込み

これはツール側の問題です。一部のAIコーディングツールは、プロジェクトの .env ファイルを自動的にコンテキストとして読み込みます。つまり、APIキーやデータベースパスワードがAIの処理に含まれる可能性があります。

対策:

.env をコンテキストから除外する設定を確認する
シークレット管理ツール（環境変数マネージャー等）を使い、.env ファイル自体を最小限にする
重要な認証情報はシークレットマネージャーで管理し、実行時に注入する

7. パッケージ幻覚（Slopsquatting）

AIが存在しないパッケージ名を推奨し、それが繰り返し同じ名前で出現するという問題です。攻撃者がその名前でマルウェアパッケージを登録すれば、バイブコーディングで npm install した開発者がそのまま被害に遭います。

# AIが推奨したパッケージを鵜呑みにしない
# まずnpmレジストリで実在確認
npm info <package-name>

# ダウンロード数・メンテナンス状況を確認
npm view <package-name> time downloads

CLAUDE.mdにセキュリティガードレールを組み込む

AIが生成するコードの品質は、指示の品質に大きく依存します。AIコーディングツールの設定ファイルにセキュリティルールを明記しておけば、生成されるコードの安全性は大幅に向上します。

以下は、私が実際にプロジェクトのCLAUDE.mdに記載しているセキュリティセクションの例です。CLAUDE.mdの基本的な書き方や設計パターンについては「CLAUDE.md の書き方設計パターン集」も参考にしてください。

## セキュリティ規約

### 絶対禁止事項

- ハードコードされた認証情報（パスワード、APIキー、トークン）
- 文字列結合によるSQLクエリの構築
- ユーザー入力をサニタイズなしでHTMLに出力

### 必須事項

- すべてのAPIエンドポイントに認証ミドルウェアを適用
- ユーザー入力は必ずバリデーション（zodなど）を通す
- データベースアクセスはパラメータ化クエリのみ
- 環境変数が未設定の場合はアプリケーション起動時にエラーで停止

### 依存関係

- 新しいパッケージ追加前にnpmレジストリで実在確認
- 週間ダウンロード数が1,000未満のパッケージは使用しない
- `npm audit` で重大な脆弱性がある依存関係は使用禁止

この設定を入れてから、AIが生成するコードでハードコードされた認証情報やサニタイズ漏れは激減しました。完全にゼロにはなりませんが、設定なしの場合とは雲泥の差です。

実践チェックリスト

バイブコーディングでアプリを作る際に、最低限確認すべき項目をまとめます。

コード生成時（毎回）

認証情報がハードコードされていないか
SQLクエリがパラメータ化されているか
ユーザー入力にバリデーションとサニタイズが適用されているか
APIエンドポイントに認証・認可チェックがあるか
エラーメッセージに内部情報（スタックトレース、DB構造）が含まれていないか

プロジェクト設定時（初回）

CLAUDE.md / .cursorrules にセキュリティ規約を記載
.env がコンテキストに含まれない設定になっているか確認
.gitignore に .env が含まれているか
BaaSを使う場合、RLS / セキュリティルールを最初に設定
CI/CDにセキュリティスキャン（npm audit、SAST）を組み込み

デプロイ前（必須）

npm audit を実行し、重大な脆弱性がないか確認
シークレットスキャン（gitguardian、gitleaks等）を実行
認証フローの手動テスト（他ユーザーのデータにアクセスできないか）
HTTPSが有効で、セキュリティヘッダー（CSP、X-Frame-Options等）が設定されているか

よくある誤解を正す

「AIが書いたコードだから安全」 — これが最も危険な誤解です。AIは構文的に正しいコードは得意ですが、セキュリティのコンテキスト（誰がアクセスするか、どんな入力が来るか）を十分に考慮しないことが多いです。

「プロトタイプだからセキュリティは後回しでいい」 — プロトタイプがそのまま本番になるのがバイブコーディングの常です。「後で直す」の「後」は来ません。最初から設定する方が、結局は早いです。

「セキュリティツールが全部検出してくれる」 — 標準的なSAST/DASTツールでも、AI特有の脆弱性パターンの40〜60%しか検出できないという報告があります。ツールは補助であり、開発者の理解に代わるものではありません。

まとめ: バイブコーディングを安全に使うために

バイブコーディングそのものが悪いわけではありません。問題は、セキュリティの責任がAIにあると錯覚することです。

私のポジションは明確です: AIが生成したコードは、ジュニアエンジニアが書いたコードと同じレベルでレビューすべきです。動くかどうかだけでなく、安全かどうかを確認する。この一手間が、150万件のAPIキー漏洩のような事態を防ぎます。

具体的には:

CLAUDE.mdにセキュリティ規約を書く — AIへの指示品質がコード品質を決める
Hooksでガードレールを強制する — CLAUDE.mdはアドバイス、Hooksは確実に実行されるガードレール
BaaSのRLS設定を機能実装より先にやる — 順序を守る
デプロイ前にチェックリストを通す — 自動化できるものはCI/CDに組み込む

AIは最高のコーディングアシスタントですが、セキュリティの最終責任者は常にあなたです。

組織でAIコーディングツールを導入する際のルール設計やガバナンスの全体像は、AIの組織利用ガイドで整理しています。開発部門向けに一段具体化した雛形が必要なら、AIコーディングツールの社内ガイドラインも合わせて確認してください。