指数関数的に増大するサイバーリスク。
しかし、それを管理する体制は
いまだ直線的な歩みにあります。

VicOne 2026年 自動車サイバーセキュリティレポート

自動車のサイバーリスクは、もはや明確な順序をたどって発生するものではありません。
従来型プラットフォーム、ソフトウェア・デファインド・ビークル(SDV)、コネクテッドサービス、AI対応機能が、同一の車両エコシステムの中で同時に動作しています。
リスクは重なり合い、複合的に拡大し、加速しています。
それでも多くの組織は、それぞれのシステムが独立しているかのようにサイバーリスクを管理し続けています。
本レポートは、従来と同じ方法でサイバーリスクを管理し続けることがなぜ経営上の重大なリスクになりつつあるかを解説します。

Download VicOne 2026 Automotive Cybersecurity Report

岐路に立つ自動車サイバーセキュリティ オーバーラップ期の自動車サイバーリスクに、
単一のガバナンスモデルはもはや通用しません。

本レポートは、将来の脅威を描くものではありません。すでに今日発生している自動車サイバーインシデントが、従来のセキュリティ体制では抑えきれないビジネス影響をなぜ生み出しているのかを解説しています。
リスクが車両ドメイン、企業IT、サプライチェーン、ディーラー環境へと瞬時に波及する現在、責任の所在もまた、実際のリスク伝播の経路に合わせて再編される必要があります。

拡大し続けるアタックサーフェスに対し、責任の所在
を明確にする仕組みが追いついていません

拡大し続けるアタックサーフェスに対し、責任の所在を明確にする仕組みが追いついていません 独立したシステムから、重なり合うリスク領域へ

2024年と比べ、企業 IT システム(ランサムウェア攻撃やデータ漏洩など)、車両外システム、車載システムを同時に標的とする攻撃が常態化しています。これは攻撃者の行動が変化したのではなく、自動車システムの構造そのものが変わった結果です。

しかしガバナンスは依然として、これらのシステムが独立しているかのようにリスクを管理しています。所有権、説明責任、意思決定権限は、分断されたままです。

集約されていくシステムに対し、責任の所在はバラバラに分断され、不透明なままです。

サイバーインシデントは、
もはや単一組織内に留まらなくなっています

サイバーインシデントは、もはや単一組織内に留まらなくなっています 局所的なインシデントから、グローバルな影響へ

2024年比で、複数の子会社・事業部門をまたぐ「グローバルインシデント」は3倍以上に増加しています。2025年には、610件中161件が「グローバルインシデント」となりました。

自動車サイバーリスクは、もはや技術的な問題ではありません。地域やサプライチェーンにまたがるガバナンス上の課題です。

ソフトウェアプラットフォームとOTAインフラの集約化が進むほど、ひとつのセキュリティ障害の影響が組織全体へ急速に波及します。

サイバーリスクの33%は、
ドライバー体験に直接的な影響を及ぼします

サイバーリスクの33%は、ドライバー体験に直接的な影響を及ぼします

最新データは構造的な変化を裏付けています。 攻撃者は引き続き企業ITシステムを標的としながら、車両アーキテクチャの上位層であるユーザー接点層へと攻撃を拡大させています。
これは、攻撃者の成熟度が新たな段階に達したことを示す兆候です

ドライバーが日常的に利用する車載システムが主要な攻撃対象として浮上し、観測された攻撃の約 40% を占めています。

サイバーリスクがドライバーに近い層へ移行するにつれ、障害は信頼、購買意向、ブランド価値に直接影響する可視性の高いインシデントへと変質します。
保険カバレッジがシステムの複雑化に追いつかない状況において、発生した損失はOEMへと直接転嫁される割合が高まっています。

サイバーリスクの11%は、
組織の管理範囲外に存在しています

サイバーリスクの11%は、組織の管理範囲外に存在しています

「制御できている」という誤認

89%
自動車関連脆弱性の89%は、CVE(共通脆弱性識別子)データベースを通じて可視化されています。これは管理上の信頼を醸成する一方で、死角も生み出します。
11%
残りの11%はCVEシステムの枠外にあり、ゼロデイ脆弱性の発見、独立した研究、内部テストによって特定されました。
174 のゼロデイ脆弱性
2024年以降、「Pwn2Own Automotive」を通じて計174のゼロデイ脆弱性が発見されています。これらのリスクは、既存のガバナンス体制が把握する以前から本番環境に存在していました。
リスクアイコン
脆弱性がガバナンスの管理範囲外にある場合、経営陣は事後対応を余儀なくされ、意思決定は先行的なリスク管理ではなく、発生したインシデントに追従する形となります
ガバナンスアイコン
今求められているのは、領域をまたぐリスクを統合的に把握し、CVEの枠外にある脆弱性までを網羅し、技術的な予兆を確実な経営判断へと変換できるガバナンスモデルです。
重大なリスクが製品寿命を越えて残存し、攻撃を受け
続ける状態が長期化します

重大なリスクが製品寿命を越えて残存し、攻撃を受け続ける状態が長期化します

「緊急(Critical)」や「高(High)」深刻度の脆弱性は、 増加しているだけでなく、蓄積し続けています

これらは修正に多大な労力を要する一方、自動車の開発サイクルは長く、アップデートの機会も限られているため、対策のスピードが脆弱性の発生スピードに追いつかなくなっています。その結果、未対処のリスクが解消スピードを上回るペースで蓄積し続けています。

長い製品ライフサイクルとプラットフォームの共通化が進む自動車業界では、深刻度の高いリスクが自然に消え去ることはありません。それは次世代モデルにも引き継がれ、一時的なコストの問題を超えて長期的な運用・財務上の負担となります。時間が経つにつれ、こうした未対処のリスクは新しい投資や製品戦略そのものを制約する要因となります。

リスクは製品の寿命よりも長く存続します。だからこそ、製品をリリースして終わりではなく、その枠組みを超えて説明責任を果たし続けなければなりません。

旧来を維持し、次世代を守る 車両ドメインの変遷とともに進化するサイバーリスク

自動車業界に携わる組織には今、従来の車両プラットフォーム、SDV、AI定義型技術という性質の異なる領域におけるリスクを同時に管理することが求められています。
「過去・現在・未来」のフレームワークは、主要な車両機能領域においてリスクが現在どこに集中しているか、そして車両技術の進化とともにどう移行していくのかを把握するための指針となります。

IVI/スマートコックピットシステム

過去
過去
脆弱なBluetooth/Wi-Fi
USB経由のエクスプロイト
ブラウザの脆弱性
現在
現在
サプライチェーン攻撃
OTAベースのエクスプロイト
クラウドAPIへの攻撃
未来
未来
AIを用いた攻撃
V2Xの悪用
プロンプトインジェクション攻撃

ADAS(先進運転支援システム)

過去
過去
ハードウェア/ソフトウェアの脆弱性
予測が難しい人間の行動
現在
現在
LiDAR/カメラへの攻撃
GNSSスプーフィング
未来
未来
分散型AIのリスク
V2Xの悪用

パワートレイン

過去
過去
ジェイルブレイク
診断機能の悪用
ハードウェア隔離
現在
現在
BMSの改ざん
バッテリーセンサーフィードバックのスプーフィング
未来
未来
敵対的なグリッド操作
パワートレインモデルの意思決定バイアス

ボディ制御およびアクセスシステム

過去
過去
リプレイ/リレー攻撃
CANインジェクション
現在
現在
ローリングジャム
キープログラミング
未来
未来
暗号解析
位置情報/時刻のスプーフィング

EV充電インフラ

過去
過去
断線(Brokenwire)攻撃
USB経由のエクスプロイト
現在
現在
OTAアップデートのハイジャック
API/侵入口のエクスプロイト
充電ステーション管理システム(CSMS)の脆弱性
未来
未来
ボットネットによる電力網の不安定化
設計段階からのセキュリティ不備

AI定義型車両(AIDV):: 台頭するAI関連の脅威

AIDV

オーバーラップ期を切り拓く実践的な道筋

自動車業界は今、複数のリスク領域が複雑に重なり合う「オーバーラップ期」という、かつてない局面を迎えています。
この時代における成功の鍵は、責任の所在を各領域でいかに一貫性を持って整合できるかにかかっています。

ガバナンス

ガバナンス層

プレッシャー下での意思決定を確実にする

ガバナンスはもはや、個別のシステムや組織のサイロごとに構築することはできません。 リスクが車両ドメイン、企業IT、サプライチェーン、ディーラー環境へと瞬時に波及する現在、責任の所在もまた実際のリスク伝播の経路に合わせて再編される必要があります。 これにより、インシデントが拡大した際にも迅速かつ一貫した意思決定が可能になります。

リスク算出

リスク算出層

リスクをリアルタイムに再計算できるようにする

定期的な評価や静的なリスクモデルでは、突発的に発生する領域横断型の攻撃には太刀打ちできません。 組織には、脅威インテリジェンス、運用のテレメトリ、脆弱性の露出データを統合し、リスクを絶えず再計算する能力が求められます。 これにより、状況の変化に応じて的確な優先順位付けを支える最新かつ共有されたリスク全体像を描き出すことができます。

運用フィードバック

運用フィードバック層

攻撃者よりも早い進化を確実にする

攻撃者がAIや自動化を駆使してくる以上、防御側も同じ速度で進化しなければなりません。 AIを活用したセキュリティテストやレッドチーミングは単発的な評価を継続的な学習ループへと変えます。 実際の攻撃経路から得られた知見をリスク算出に即座にフィードバックすることで組織の適応力を高め、対応までの時間を短縮することができます。

今日下されるサイバーセキュリティに関する意思決定が、次の10年における車両への信頼の姿を形作ります

自動車サイバーセキュリティの未来

2026 年の予測

リーダーシップの試金石

サイバーインシデントは「リーダーシップの試金石」となる

サイバーインシデントは、もはや技術的障害として評価されるものではありません。それはリーダーシップの試金石であり、社会からの信頼は経営陣の対応の速さと明確さによって決まります。

サプライチェーンリスク

AI学習データが新たなサプライチェーンリスクとなる

車両がAI定義型へと進化するにつれ、学習データの侵害は車両の挙動に世代を超えて残存する継続的なリスクをもたらし、容易には修正できない状態が生まれます。

ランサムウェア

ランサムウェアが車両群停止の武器となる

ランサムウェアはデータ窃取から車両群規模の業務麻痺へと進化しています。サイバーリスクはデータ損失だけでなく、可用性と収益継続性によって測られるようになります。

OTA侵害

一度のOTA侵害が取締役会レベルの危機に直結する

OTAへの信頼が集中する現在の構造では、一度の侵害が車両群規模の影響をもたらします。プレッシャー下での意思決定が遅れれば、大規模リコールと多大な運用コストへと急速に発展する恐れがあります。