AIの経路は、営業秘密が法的に保護されるかどうかにどう影響しますか?
台湾の営業秘密法第2条は、情報が保護されるには三つの要件を同時に満たす必要があると定めています。その種の情報に通常関わる者に知られていないこと、秘密であることにより実際または潜在的な経済的価値を持つこと、所有者が合理的な秘密保持措置をとっていることです。EUの営業秘密指令(Directive (EU) 2016/943)第2条第1項(c)も、状況に応じた合理的な措置を求めています。
台湾の実務では、最高法院102年度台上字第235号民事判決が、合理的な秘密保持措置とは所有者がその人員と資力に応じ、社会通念上可能な方法で情報を業務上の必要に応じて分類・格付けし、権限の異なる者にのみ知らせることを指すと述べています。AIツールの登場で、この分類と権限に新しい穴が生まれました。
- 従業員が機密を外部AIに貼り付ければ、データは権限の範囲を離れます。
- すべての文書を検索できる社内AIアシスタントは、すべての利用者に最高権限を与えるのと同じです。
AIの経路をまったく管理していなければ、紛争時に相手方は所有者が合理的な秘密保持措置をとっていなかったと主張しうるのです。必ず敗訴するわけではありませんが、立証上の弱点が一つ増えます。
営業秘密はどのようなAI攻撃や利用方法から漏れますか?
| 漏えい経路 | 侵入口 | 漏れうる内容 | 参照 |
|---|---|---|---|
| 従業員による外部AIへの入力 | 個人アカウントの生成AI、翻訳・要約の拡張機能 | 製造条件、配合、見積、顧客名簿 | OWASP LLM02 機微情報の開示 |
| コード・文書支援ツール | 開発ツールのAIプラグイン、クラウド文書のAI機能 | ソースコード、設計文書 | OWASP LLM02、LLM03 サプライチェーン |
| 直接・間接プロンプトインジェクション | メール、Web、外部文書を読む社内AIアシスタント | アシスタントが検索できる研究開発文書 | NISTプロンプトインジェクション、OWASP LLM01 |
| 検索権限の回避 | 研究開発ナレッジベース、ベクトルデータベース | 本来閲覧権限のない機密 | OWASP LLM08 |
| AIエージェントの過剰な権限 | コードリポジトリやファイルサーバーを読み書きし、社外にメールを送れるエージェント | 文書の大量複製や送信 | OWASP LLM06 |
| モデルの抽出と複製 | 自社モデルの推論API | モデルの挙動と中核アルゴリズム | NISTプライバシー攻撃(モデル抽出) |
| システムプロンプトの漏えい | 製品内のAI機能 | プロンプトに書かれた独自のルールや手順 | OWASP LLM07 |
| 内部者によるAIを使った収集の加速 | 退職前にAIで大量の機密文書を要約・整理 | 部門横断の機密の集約版 | NIST悪用(misuse) |
AIを合理的な秘密保持措置に組み込むには、どのような管理策が必要ですか?
以下は当社の実務上の推奨です。目的は「分類・格付け・権限に応じた開示」をAIの経路にも広げ、紛争時に立証できるようにすることです。
| 目的 | 管理策 | 証跡 |
|---|---|---|
| 機密レベルごとにAIの経路を限定 | 機密区分表に「利用可能なAIサービス」の欄を追加し、最高機密はオンプレミスまたは承認済みの企業版モデルに限定 | 区分表、AI利用方針 |
| 入力からの漏えい防止 | AIゲートウェイで機密表示やキーワードを検知して遮断、未承認のAIサービスと拡張機能を遮断 | ゲートウェイのルール、遮断記録 |
| 元の権限による検索 | RAG検索で各文書の元のアクセス権を適用し、最高機密は共有ナレッジベースに入れない | 権限設計、試験記録 |
| AIエージェントの制限 | タスクに必要な最小権限のみ付与し、大量ダウンロードや社外送信は人の確認を必要に | 権限一覧、確認記録 |
| 自社モデルの保護 | モデルの重みと学習データを営業秘密として登録し、推論APIにレート制限と異常照会の監視 | 資産一覧、監視記録 |
| ルールの周知 | 秘密保持契約と就業規則にAI利用規程を明記し、研修の出席を記録 | 署名記録、研修記録 |
| 立証できること | AIの利用記録を改ざんできない形で保存し、紛争時に提出できるようにする | 記録保存方針 |
法務、研究開発、情報システム、人事はどう分担しますか?
- 法務・営業秘密管理部門:機密区分とAI利用方針を維持し、紛争時の立証を担います。
- 研究開発の責任者:どの研究開発資料を最高機密とし、いかなる外部AIにも入れないかを決めます。
- 情報システム・セキュリティ:AIゲートウェイ、RAGの権限による絞り込み、エージェントの権限と記録を構築します。
- 人事:入社、秘密保持契約、退職の手続きにAI利用規程を組み込み、退職前に異常なAI利用やダウンロードを確認します。
- 調達:AI提供者とデータを学習に使わないこと、保存場所、削除方法を取り決めます。
積穗科研はどこを担いますか?
積穗科研は営業秘密の棚卸しと区分、AIの経路を合理的な秘密保持措置に組み込む制度設計、AI利用方針と証跡計画を担当し、ISO 27001、ISO 27701、TIPSなど既存の体制と統合して、別の文書体系を作りません。ゲートウェイや権限による絞り込みなどの技術的管理策は企業の情報システム部門またはその委託先が構築し、当社は要件と受入基準を定めます。Ahura(POC版)は完全オンプレミスで、方針の承認と証跡の記録を企業自身の環境に保存します。
すでに営業秘密管理の仕組みがある場合、AIについてはどこから始めますか?
- 棚卸し:従業員が実際に使っているAIサービスや拡張機能、すでに稼働している社内AIアシスタントとその検索対象データ。
- 最高機密から対応:最上位の製造条件、配合、ソースコードはいかなる外部AIにも入れないと定め、ゲートウェイで実施します。
- 文書を補う:秘密保持契約、就業規則、研修にAI利用規程を加え、合理的な秘密保持措置を書面と運用の両面で示せるようにします。
その後、社内AIアシスタントの権限と自社モデルの保護に進みます。
他のサービスのAI攻撃への備え
公式情報源
- 営業秘密法 — 全国法規資料庫(台湾)(中国語)
- Directive (EU) 2016/943 on the protection of undisclosed know-how and business information (trade secrets) — EUR-Lex
- NIST AI 100-2 E2025, Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations
- OWASP Top 10 for LLM Applications 2025 — OWASP GenAI Security Project
