XBOW ── 自律型 AI が HackerOne 米国ランキングの首位に

XBOW（エックスボウ） は、Web サイトやアプリケーションの脆弱性を人間のペネトレーションテスター（侵入試験の専門家）と同じように探す、自律型の AI システムである。2025年6月24日、同社は XBOW が HackerOne の米国リーダーボードで1位になったと発表した。HackerOne は、企業が外部の研究者に報奨金を払って脆弱性を報告してもらう、バグバウンティの仲介プラットフォームだ。セキュリティ責任者 Nico Waisman 名の記事は、自律型のペネトレーションテスターが米国リーダーボードの首位に立ったのはバグバウンティの歴史で初めてだと書いた。

順位そのものは本物だった。ただし、それが測っていたものは多くの見出しが示唆したより狭い。HackerOne のリーダーボードは報奨金の額ではなく「評判（reputation）」で研究者を並べる。報告の件数と、そのうち受理された割合から積み上がる点数で、首位はある時点での位置にすぎない。そして XBOW を有名にした同じ数か月は、AI によるバグ探しのもう一つの面も見せた。オープンソースの保守者たちが、存在しない欠陥を書いた AI 生成の報告に溺れていたのである。その声を最も強く上げたのが curl の Daniel Stenberg だった。

XBOW が示した数字

順位の裏付けとして XBOW が公表した数字を下に示す。いずれも同社の数字で、元の報告の大半は公開されていない。

XBOW によれば、発見の約45%はまだ解決を待っていた。直近90日では、対象企業の評価で緊急54件、高242件、中524件、低65件だったとする。挙げられた脆弱性の種類は、リモートコード実行、SQL インジェクション、XML 外部実体（XXE）、パストラバーサル、サーバーサイドリクエストフォージェリ（SSRF）、クロスサイトスクリプティングなど、Web セキュリティの定番である。同社は、2,000台を超えるホストに影響したという Palo Alto Networks の VPN 製品 GlobalProtect の未知の欠陥も成果として挙げた。

XBOW は人の監督なしに動いていたわけではない。同社の記事は、自動化ツールに関する HackerOne の方針に従うため、提出前にセキュリティチームが発見を確認したと明記している。Waisman は CSO Online に対し、XBOW は内部情報を持たない外部の研究者と同じ条件で試されたと説明した。

リーダーボードは何を測っているのか

評判の点数は量と受理率に報いる。疲れを知らない規模が強みのシステムにとっては妥当な物差しであり、「1位」を「米国最高のハッカー」と読む人にとっては誤解を招く物差しでもあった。

最も詳しい批判は後から出た。セキュリティ研究者 Dean Valentine が2026年2月に書いた「若い AI スタートアップの節目の発表は疑ってかかれ」という題の論考である。Valentine は、XBOW が1位だったのは評判の点数であって報奨金の額ではないと指摘し、2024年2月の開設以来このアカウントの稼ぎは4万ドルに満たず、趣味としては立派だがプロのバグハンターの稼ぎを大きく下回ると書いた。また同僚の Kyle Avery の分析として、XBOW の点数の約90%が、プログラムで見つけやすい種類の欠陥であるクロスサイトスクリプティングという1つの分類から来ていたと紹介した。XBOW 自身が、報告したすべての脆弱性に人間が関与していると述べていたことも引いている。

だからといって結果が偽物だったわけではない。自動化されたシステムが、数か月のあいだに有名企業の本番システムで数百件の本物の、受理された脆弱性を見つけて報告した。批判が向けられたのは見せ方である。示されたのは、よくある種類の欠陥を人間の選別付きで大量にこなす力であって、最高の人間の研究者を知恵で上回る機械ではなかった。

受信箱の反対側から

XBOW が順位を上げていたころ、保守者たちは悲鳴を上げていた。オープンソースのデータ転送ツール curl を率いる Daniel Stenberg は、2024年1月の時点で「LLM の I は知性（Intelligence）の I」という題のブログ記事を書き、AI で作られたとみられる報奨金目当ての報告を取り上げていた。もっともらしく見える報告ほど、評価して却下するのに時間がかかり、開発者を本物の欠陥から引き離す。curl が報奨金制度を通じて受けた415件の脆弱性報告のうち、確認されたセキュリティ上の問題は64件だったという。

The Register によれば、curl の報奨金制度は2019年の開始以来、81件に合計9万ドル超を支払っていた。終了時、BleepingComputer は、2026年に入ってからの報告20件のうち脆弱性を特定したものは1件もなかったと伝えている。Stenberg は、制度を終わらせる主な目的はがらくたを送る動機をなくすことだと述べた。

Rogers の件は逆の方向を示している。Rogers は Almanax、Amplify Security、Corgea、Gecko Security、ZeroPath という市販の AI セキュリティツール群を使い、curl に潜在的な問題の長い一覧を送った。Stenberg は、大半はセキュリティ上の穴ではなく小さなバグだと断りつつ、その発見を本当にすばらしい（truly awesome）と評した。違いは AI を使ったかどうかではなく、送る前に腕のある人間が出力を確かめたかどうかにあった。それは XBOW や Google の Big Sleep が行っていると説明していた手順そのものである。

誰が得をし、誰が負担したか

報奨金制度を運営する企業にとって、自律型のテスターは、Web の脆弱性の大半を占める定番の欠陥を安く継続的に調べてくれる存在になりうる。投資家にとっては順位が宣伝材料になった。XBOW は、Altimeter が主導した7,500万ドルのシリーズ B の発表でこの順位を挙げ、調達総額は1億1,700万ドルになったとしている。

負担は、製品と利害関係のない人々に落ちた。ボランティアの保守者が、検証されていない報告の選別を一件ずつ引き受けた。攻撃側の取り分を心配する専門家もいた。Beauceron Security の David Shipley は CSO Online に、残念ながらこの AI の使い方はこの状況では防御側より攻撃側に有利だと語った。防御側はすでにパッチ適用が追いついておらず、発見が速くなれば先に動いた側が得をする、という理屈である。

2026年には最前線が移っていた。Anthropic が Claude Mythos Preview を審査済みの防御側に限定して提供したとき、Anthropic が評価を引用した検証者の一つが XBOW だった。XBOW は同社の Web 攻撃ベンチマークで、このモデルを既存のどのモデルからも大きく前進したものと評した。2025年にリーダーボードの首位に立った自律型ハッカーは、次の世代を測る物差しの側に回っていた。

関連する出来事は サイバーセキュリティの年表 と AI の年表 にある。