AI Securityの現在地：SonarQubeとClaude Securityで構築する次世代のコード検証
近年、AIによるSecurityチェックの進化が目覚ましく、セキュリティ業界にも大きな変革をもたらしています。
ざっと検索しただけでも次のようなソリューションが見つかります。
- Claude Security
- Anthropicが提供するClaude内蔵のコード解析ツールです。コードの文脈を深く理解し、従来の静的解析では見逃しがちな複雑な脆弱性やロジックの欠陥を検知して、修正パッチの提案まで実行します。
- AWS Security Agent
- アプリケーション開発の全工程を保護するAIエージェントです。設計段階での脅威モデリング自動化、オンデマンドのペネトレーションテスト（侵入テスト）、コードレビューを通じて、実際の攻撃シナリオに基づく脆弱性の検知と修正を行います。
特に、Anthropicが発表したClaude Security（Claude Code Security）は、コードの文脈を読み解き、従来のパターンマッチングでは見逃されてきた複雑なビジネスロジックの欠陥やゼロデイ脆弱性を発見する能力で注目を集めています。しかし、AIがどれほど優秀になっても、「AIツールだけでセキュリティチェックを完結させる」ことは、現状ではリスクが伴います。
本記事では、エンジニアの視点から、SonarQubeに代表される「決定論的（Deterministic）」な静的解析と、Claude Securityのような「非決定論的（Non-deterministic / Probabilistic）」なAI解析の本質的な違いを紐解き、両者を共存させることの必要性について考えていきます。
AIセキュリティチェック（Claude Security）の強みと「非決定論的」という弱み
Claude SecurityをはじめとするLLMベースのツールは、人間のセキュリティ研究者のようにコードのコンポーネント間の相互作用やデータフローの文脈を推論して分析する「読解型」のアプローチをとります。これにより、特定のルールに縛られず、状況を考慮して臨機応変に脆弱性を探索する「スポットチェック」に非常に優れています。
しかし、LLMの仕組み上、大きな課題となるのが非決定論的（確率的）な出力です。 生成AIはプロンプトの文脈やモデルのバージョンなどの影響を受けるため、同じコードベースに対してスキャンを実行しても、実行のたびに検出される脆弱性の数や種類が変動する可能性があります。（Claude Code Docs関連ページ）
この「結果が一定ではない」という性質は、以下のケースでは致命的な課題となります。
- 監査・コンプライアンス対応： 再現性のある結果や正式な証跡が求められる場面では、結果が揺らぐツールを証明として使うことはできません。
- CI/CDパイプラインでのクオリティゲート： 「脆弱性がゼロならデプロイを許可する」というような自動化されたクオリティゲートにおいて、実行ごとに結果が変わるとパイプラインの安定性が著しく損なわれます。
なぜ「決定論的」なチェック（SonarQube）が不可欠なのか
AIの不確実性を補うのが、SonarQubeのような従来の静的解析（SAST）ツールです。
SonarQubeの様なソリューションの最大の特徴は「決定論的（Deterministic）」であることです。
同一の入力（コード）を与えれば、誰がいつ実行しても必ず同じ結果を返します。ルールやチェックリストに基づいた「体系的なコード検証」を行うため、監査要件を満たし、再現性を完全に担保することができます。
SonarQubeによる決定論的なチェックには、次のような利点があります。
- 確実なポリシー適用とゲートキーパー機能： テイントフロー解析や既知の脆弱性パターン、セキュリティポリシー違反を確実かつ網羅的に検出し、コードが本番環境にマージされる前の堅牢なガードレールとして機能します。
- ゼロトークンコスト： SonarQubeの解析はLLMAPIを呼び出さないため、何度スキャンを実行してもトークンコストが発生しません。
- ノイズの少なさと低い誤検知率： エンジンは誤検知を最小限に抑えるよう調整されており、開発者のアラート疲れを防ぎます。
- 各種規制への対応：CRAをはじめとした各種規制の証跡として利用可能です。（関連記事）
「排他」でも「競合」でもなく「補完」の関係
結論として、SonarQubeとClaude Securityは競合するものではなく、互いの死角をカバーし合う補完関係にあります。
セキュリティについて設計する際は、AIを既存のツールの代替とするのではなく、レイヤードセキュリティ（多層防御）の追加レイヤーとして位置づけるのが正しい設計だと考察します。
具体的な開発ワークフローへの組み込み方として、以下のアプローチを用いることでコードベースの堅牢さと監査の厳格性を両立させることが可能です。
- ベースラインの担保（決定論的チェック）： CI/CDパイプラインの中心にSonarQubeを配置し、すべてのプルリクエストに対して決定論的な静的解析とクオリティゲートを強制します。これにより、人間が書いたコードであれAIが生成したコードであれ、再現性のある基準で既知の脆弱性やアーキテクチャの欠陥を確実にブロックします。
- 深掘りと文脈ベースの探索（非決定論的チェック）： SonarQubeのチェックと並行して、Claude SecurityによるAIコードレビューを実行します。静的解析のルールにはマッチしないような論理エラーや、複数のファイルにまたがる複雑なビジネスロジックの脆弱性を、AIがコードを読み解くことで発見します。
AIツールは開発のスピードを劇的に向上させ、複雑なバグを見つける強力なアシスタントですが、現状ではその出力をそのまま信頼することはできません。決定論的なチェックを「唯一の真実（Source of Truth）」となるベースラインとして維持しつつ、AIの推論能力を重ね合わせることで、初めて監査にも耐えうる信頼性と高度な安全性を両立させた次世代のDevSecOpsを構築できると考えます。
この考え方の一つの査証として、Sonar社はGitarという非決定論的チェックの製品を買収し、補完する戦略を推進しています。
さいごに
クリエーションラインは、AI駆動開発の伴走支援から、「SonarQube」等を活用した開発環境のセキュリティ強化まで、皆様のプロジェクトを総合的にバックアップしています。私たちが現場で泥臭く整備してきた実践的なノウハウを惜しみなく提供し、安全かつ迅速なAI開発のスタートアップを支援します。
サプライチェーンセキュリティに関する最新情報（Blog、Webinar、イベント）も引き続き発信していきますが、現在、AI駆動開発におけるセキュリティをテーマにした新しいイベントも企画中です！ 首都圏だけでなく、全国各地を盛り上げていきたいと考えておりますので、「うちの地域でもやってみたい！」と開催にご協力いただける方は、ぜひ私と「ザッソウ（雑談・相談）」させてください。（nogi@creationline.com まで、お気軽にご連絡お待ちしています！）
AI駆動開発やそのセキュリティ、SonarQubeにご興味をお持ちの方は、ぜひお気軽にお問い合わせください。
Author
Dockerを中心に、アジャイルやDevOpsなどについてなんかしています。
最近ではAI駆動開発におけるセキュリティについて活動をしています。
パグを愛しパグに愛された男。
日本酒も好き。F1も好き。
