GPT‑Redという"攻撃するAI"――OpenAIが公開した、自分自身を壊しにいく安全対策

OpenAIが2026年7月15日、自動レッドチーミングAI「GPT-Red」を発表した。プロンプトインジェクション攻撃だけに特化して訓練され、自己対戦によりGPT-5.6の耐性を大幅に向上させた。人間の攻撃成功率13%に対しGPT-Redは84%を記録し、実際の自動販売機エージェントの乗っ取りにも成功。攻撃AIで防御AIを鍛えるという二面性を持つ、自律AI時代の新しい安全対策の姿を紹介する。〇AIが自分で判断する時代の幕開け──Claude Codeの「auto mode」が示す、自律AIとの向き合い方（2026年3月24日）https://note.com/ai_curator/n/nfe6dbd31b330〇OpenAI Uses AI Red Team to Strengthen GPT-5.6 Against Prompt Injection Attacks（2026年7月15日）https://tech.yahoo.com/ai/chatgpt/articles/openai-uses-ai-red-team-205011307.html〇Meet GPT-Red: an LLM super-hacker OpenAI built to make its models safer（2026年7月15日）https://www.technologyreview.com/2026/07/15/1140514/meet-gpt-red-an-llm-super-hacker-openai-built-to-make-its-models-safer/〇OpenAI Built an AI to Attack Itself: GPT-Red Exposed Flaws Humans Missed（2026年7月15日）https://www.techtimes.com/articles/320656/20260715/openai-built-ai-attack-itself-gpt-red-exposed-flaws-humans-missed.htm#生成AI #OpenAI #GPTRed #プロンプトインジェクション #AIセキュリティ #レッドチーミング #AIエージェント #ChatGPT #GPT56 #自己対戦 #強化学習 #AI安全性 #サイバーセキュリティ #自律型AI #セルフプレイ #AI倫理 #テクノロジー #機械学習 #LLM #大規模言語モデル #AIガバナンス #脆弱性 #セキュリティ対策 #2026年 #生成AIキュレーター #生成AIキュレーション