社内RAGで機密情報を漏らさないアクセス権限(ACL)と情報境界の設計原則
導入:社内RAGの情報漏洩は「権限境界の設計不備」から起きる
社内文書やデータベースを検索して回答を生成するRAG(検索拡張生成)は、生成AIの業務活用における中核アーキテクチャです。しかし2024年から2026年にかけて、エンタープライズRAGやAIアシスタントを巡る情報漏洩リスクが相次いで顕在化しています。
注目すべきは、それらの多くが「認証システムを外部から突破される」ような従来型サイバー攻撃ではなく、ドキュメント分割時のACL(アクセス制御リスト)継承欠落、既存ストレージの過剰共有、および検索取得した文書を介した間接プロンプトインジェクションといった「アーキテクチャと権限境界の設計不備」から発生している点です。
実際にMicrosoft 365 Copilotでは、細工された外部メールを受信したユーザーが後からCopilotを利用した際に、ゼロクリックでメールや文書の機密情報が外部URLへ流出する脆弱性「EchoLeak」(CVE-2025-32711 / 2025年6月修正済み)が報告されました。また、Slack AIでもパブリックチャンネルの投稿に埋め込まれた指示によって、質問者が閲覧権限を持つプライベートチャンネルの情報が応答に露出する事象がCloud Security Alliance(CSA)の解説等で取り上げられています。
本記事では、情報システム部門・DX推進責任者・PMが社内RAGの設計・審査時に必ず押さえるべきアクセス権限(ACL)とデータ境界の設計原則を、国際標準(OWASP / NIST)、主要3クラウドの公式仕様、国内の公的ガイドライン、そして構築現場で実際に起きやすい落とし穴を踏まえて体系的に解説します。
本論1:エンタープライズRAGで起きる4つの情報漏洩・権限バイパス構造
RAGパイプラインは「データ取り込み → チャンク分割・ベクトル化 → 検索 → LLM生成」という複数の層をまたぎます。このうち1か所でも信頼境界(Trust Boundary)が切れると、システムは「設計どおりに動作した結果として」権限外の情報を回答してしまいます。
1. チャンク分割時のACL継承欠落と「共有インデックス」の罠
社内文書を外部ストレージからコピーして検索インデックス化する際、原本のファイル単位に設定されていた閲覧権限がチャンク(分割されたテキスト片)へ正しく引き継がれないケースが多発します。実際、Microsoftのクラウド導入フレームワークでも、Azure AI Searchのインデックスは既定でソース側のアクセス権限を自動継承せず、インデックスへクエリ可能なユーザーやアプリは格納データを取得できてしまう点が明記されています。
また、OWASPの「Top 10 for Large Language Model Applications(2025年版)」では、新たに独立したリスク項目として「LLM08:2025 Vector and Embedding Weaknesses」が定義されました。埋め込みベクトルや検索インデックス自体も元の機密文書と同等の保護対象とみなし、ACL不整合やコンテキスト間の情報漏洩を防ぐ必要があります。
2. 既存ストレージの「過剰共有(Oversharing)」の即時露呈
AIがユーザーの既存権限を忠実に継承しているにもかかわらず漏洩が起きる典型例が、社内共有フォルダの「過剰共有」です。SharePoint等で「認証済みユーザー全員(Everyone except external users)」へ公開したまま放置されていた人事資料や顧客リストは、従来は階層が深くて誰も辿り着けませんでした。しかし、RAGやAIアシスタントを導入した瞬間、社員の自然な質問ひとつで該当ファイルが横断検索され、数秒で回答に抽出されてしまいます。
3. 設計初期に見落とされがちな「IdP・コネクタ仕様」の前提崩壊
実務の構築現場では、技術仕様の事前確認不足が権限設計の破綻を招くケースも少なくありません。
たとえば、「外部データベースの細粒度なアクセス権限をクラウドRAG側で再現するため、認証基盤(IdP)から部署属性を取得し、権限テーブルと突合する」という前提で設計を進めたものの、実装段階になってIdPから必要な部署属性がそのままでは取得できないことが判明し、大幅な設計変更と手戻りが発生するケースがあります。
同様に、外部クラウドストレージの契約プランや標準コネクタの仕様によっては、「そもそもテナント横断の全文検索やメタデータ一括取得ができず、フォルダ単位のリスト表示やID指定取得に限定される」場合もあります。RAGの権限設計では、アーキテクチャ図を描く前に「IdPからどの属性が取れるか」「連携元ストレージの契約プランとコネクタで何ができるか」を実機検証することが不可欠です。
4. 間接プロンプトインジェクション(XPIA)と「システムプロンプト依存」の限界
LLMは「システムからの指示」と「検索で取得した社内文書・外部データ」を構造的に区別できません。従業員が編集できる社内Wiki、チャット履歴、外部から受信したメールや提案書PDFに隠し命令が混入していると、閲覧権限を持つユーザーのコンテキスト内で別文書を読み出させ、応答や外部URLフェッチ経由で流出させることが可能になります。
そのため、OWASP LLM02:2025(Sensitive Information Disclosure)は、「返却してよいデータ種別をシステムプロンプト内の禁止指示で制限しても、プロンプトインジェクション等で容易に迂回される」と明確に警告しています。NISTがNIST SP 800-207(Zero Trust Architecture)やNIST AI 600-1で示すとおり、「LLMと検索取得データは非信頼コンポーネントとみなし、モデル外の認可境界で最小権限を強制する」ことが絶対原則となります。
本論2:主要3クラウドのRAGアクセス制御と「公式仕様の制約」
Microsoft、Google Cloud、AWSはいずれもRAG向けのドキュメント単位アクセス制御(Document-level Access Control / Security Trimming)を提供していますが、「それを単独のセキュリティ境界とみなせるか」「IdPの上限値や同期遅延はどうなっているか」には明確な違いがあります。
| 比較項目 | Microsoft(Azure AI Search / Foundry IQ / Copilot Studio) | Google Cloud(Vertex AI Search) | AWS(Amazon Bedrock Knowledge Bases) |
|---|---|---|---|
| 標準アプローチ | ①ACL・Purviewラベルをインデックスへ同期し、クエリ時ヘッダー(x-ms-query-source-authorization)でEntraトークンを渡す②複製せずCopilot Retrieval APIへパススルーするリモートSharePoint方式 | メタデータに acl_info(readers.principals)を格納し検索時フィルタリング。外部IdPはWorkforce Identity Federation(RFC 8693)で属性マッピング | データソース別コネクタまたはカスタムKBで検索前フィルタ(ACL-aware filtering)を実行。カスタム時はメタデータフィルタを使用 |
| セキュリティ境界としての位置付け | 既定のインデックスは権限を自動強制しない。クエリ時ACL、SharePointインデクサーACL、リモートSharePointはいずれもプレビュー機能(SLA対象外・本番非推奨) | Data source access controlとして提供。IdP属性マッピングにより「混乱した代理人(confused deputy)」問題の回避を設計に組み込む | 公式ドキュメントで「ACL awareness is not authorization」「not a security boundary(セキュリティ境界ではない)」と明記。ネイティブRBAC非対応 |
| IdP・グループ・ACLの上限 | Entra IDトークン上限:SAML 150 / JWT 200グループ(超過時はoverage claimで省略)、グループフィルタ上限1,000件。SharePointは1ユーザー2,047グループ・1ファイルACL 1,000件 | 1ドキュメントあたり最大3,000 readers(ユーザー/グループ計)。OIDCはURL長制限を受けないAuthorization Code Flowが推奨 | 公開ドキュメント上のACL条件数・グループ数の具体上限は非明示(従来のAmazon Kendraは新規受付終了しBedrock KB等へ移行中) |
| 同期遅延と実運用上の注意点 | インデクサー同期にタイムラグ発生。Microsoft Q&Aでは異なるサイトURL 5件超での失敗や、未訪問サイト混在時のHTTP 404・サイレントスキップ事象も報告 | 同期頻度・更新遅延の定量SLAは公式文書上非明示。SCIM併用時はSCIM側でもクレームマッピングが必要 | インジェストジョブによる非同期更新のため権限変更とのタイムラグが発生。権限取消時の既存ナレッジ扱いに注意が必要 |
3大クラウド選定・設計で必ず押さえるべき実務ポイント
- AWSにおける「データストア分離」の徹底: AWS公式ガイドが明記するとおり、Bedrock Knowledge BasesのACL認識フィルタリングは「検索絞り込みの補助」でありセキュリティ境界ではありません。機密区分が異なるデータは単一の知識ベースに混在させず、知識ベースやデータソース自体を分離し、IAMポリシーとアプリケーション側の認可チェックを組み合わせる必要があります。
- Microsoft環境における「Overage問題」とプレビュー制約: Microsoft Entra ID公式仕様では、ユーザーが所属するグループ数(入れ子含む)がJWTで200件・SAMLで150件を超えると、トークンからグループ情報自体が省略されます。大規模組織では「トークンにグループが含まれている前提」のフィルタリングが機能しなくなるため、Graph APIによる再照会設計や、そもそもFoundry IQのクエリ時ACL機能がプレビュー段階である点を踏まえたアーキテクチャ選定が求められます。
- Google Cloudにおける「Authorization Code Flow」と監査ログ: Vertex AI Search公式ドキュメントが推奨するとおり、多数グループに所属する企業ユーザーを扱う場合はトークンサイズ制限を受けにくいAuthorization Code Flowを採用し、Cloud Audit LogsでIdP属性マッピングエラーを継続監視する運用が重要です。
本論3:SaaS型RAG vs 閉域カスタムRAGのトレードオフ
社内RAGの導入形態では、「エンタープライズSaaS型(Microsoft 365 CopilotやChatGPT Enterprise等)」と「閉域(プライベート)環境でのカスタムRAG(自社クラウドAPI+VPC/PrivateLink+専用検索基盤)」のどちらを選ぶかが大きな分岐点となります。
| 評価軸 | SaaS型RAG(M365 Copilot / 法人向けSaaS等) | 閉域カスタムRAG(自社クラウド+VPC+専用検索基盤) |
|---|---|---|
| 導入速度とシャドーAI抑止 | 既存IdPと連携し数日〜数週間で展開可能。社員が個人AIを使うシャドーAI抑止に即効性あり | 設計・構築・権限テストに一定の期間とエンジニア体制が必要 |
| 権限継承と過剰共有リスク | 既存権限を忠実に継承する分、事前の権限棚卸し(EEEU整理等)を怠ると過剰共有が一瞬で露呈する | 承認済みデータのみを機密区分別に物理分離してインデックス化でき、過剰共有の影響を局所化できる |
| ACL実装の保守責任 | プラットフォーム標準の権限継承・DLP(Purview等)に依存できる(ただし非統合SaaSは連携が限定的) | ACL同期、チャンク投影、IdP上限対応、認可テストを自社側で開発・保守する必要がある |
| データ境界・外部連携リスク | 契約プランによってZero Data Retention(ZDR)非対応のものがあるほか、外部MCPやWeb検索連携時にデータレジデンシ外へ出るリスクがある | PrivateLink・CMEK(顧客管理鍵)・ZDRルートとAIゲートウェイにより通信・保管境界を厳格に維持可能 |
現場で起きやすい「閉域化によるACL喪失」の落とし穴
ここで注意したいのが、「セキュリティを強化するためにSaaS型から閉域カスタム環境へ切り替えた結果、別の権限リスクが生じる」という逆説です。
たとえば、当初はSaaS型エージェントで権限継承と精度を検証していたプロジェクトにおいて、「外部に出さないよう閉域クラウド基盤へ閉じたい」という要件変更に伴って構築基盤を切り替えたとします。すると、元のSaaSが標準で備えていた「検索時のドキュメント単位ACL自動絞り込み」が新しい基盤では同等に機能せず、権限設計をゼロから作り直さざるを得なくなるケースが現実に発生します。
しかも、エンジニア側は「基盤を変えたのだから自動ACLがないのは仕様上当然」と捉える一方、ビジネス側や情シス側は「同じように権限が引き継がれるはず」と認識したまま進行し、深刻な認識齟齬と手戻りにつながりがちです。基盤を変更する際は、「閉域化によって失われる標準セキュリティ機能は何か」を必ず明文化して合意する必要があります。
本論4:国内公的ガイドラインの観点と実装前チェックリスト
日本国内でも、2025年から2026年にかけてRAGやAIエージェントのデータ統制に関する公的指針が急速に具体化しています。
- 経済産業省・総務省『AI事業者ガイドライン(第1.2版)』(2026年3月): AIシステムを社内で運用する企業(AI利用者)に対し、堅牢性・信頼性の確保、人間による制御可能性、定期的なモニタリング、およびリスク発生時の迅速な対処体制を求めています。
- 経済産業省「AIエージェントWG資料」: 内部RAGや長期記憶へ誤情報・悪意ある情報が混入し後続処理へ影響するリスクや、プロンプトインジェクション(R-03)への対策を整理しています。
- 個人情報保護委員会(PPC)2026年9月会合資料: AIに個人情報へのアクセス権限を与える際の目的外利用防止や、「RAG用データベースへの格納」における整理・統制の重要性を論じています。
- AISI『AIセーフティに関する評価観点ガイド(第1.20版)』(2026年7月)およびデジタル庁資料: 段階的な情報収集攻撃を想定したレッドチーミング評価や、RAG・長期記憶への汚染リスク対策の観点を提示しています。
- NISC『サイバーセキュリティ関係法令 Q&A ハンドブック』: 退職・異動に伴うアクセス権限の即時停止を求めており、RAGインデックスの権限同期ラグを許容できるかどうかの判断基準に直結します。
情シス・DX推進部門が確認すべき「RAG本番稼働前チェックリスト」
社内RAGの本番公開やPoCから本番移行を承認する際は、以下の8項目を審査ゲートとして確認することを推奨します。
- 既存権限の事前棚卸し: SharePointやファイルサーバーの「全員閲覧可(EEEU)」設定や古い共有リンクを整理し、秘密度ラベルを付与した状態でRAGへ接続しているか。
- インデックス分離とチャンク権限: 機密区分の異なる文書を単一インデックスへ混在させず、全チャンクにACLメタデータが欠落なく投影されているか。
- 「検索フィルタ ≠ 認可境界」の徹底: マネージドRAGのACLフィルタ機能のみに依存せず、データストア分離・IAM・アプリ側の認可検証を組み合わせているか。
- IdP上限・コネクタ制約の実機検証: 所属グループ数が多いユーザー(Entra IDの150/200件超過等)や、連携ストレージの契約プラン上で権限取得・検索が破綻しないかをテストしたか。
- 権限変更・退職時の同期ラグ許容度: 権限剥奪から検索結果に反映されるまでの遅延が、自社のセキュリティ要件(即時停止が必須か等)を満たしているか。
- 実アカウントによる越境テスト(Negative Testing): 管理者ではなく「一般社員」「限定権限者」「対象サイト未訪問者」など複数ロールの実アカウントで、権限外文書が出ないこと・意図せず検索不能にならないことを確認したか。
- 取り込みデータの来歴管理と出力サニタイズ: 外部メールや非信頼PDFを無検査で取り込まず、外部URL・自動フェッチ画像等を通じた情報流出を防ぐ出力制御やAIゲートウェイ(DLP検知)を備えているか。
- 継続的監視とレッドチーミング: CVE未登録の設計上のバイパスを含め、定期的にプロンプトインジェクションや権限越境のテストを実施する運用になっているか。
まとめと次のアクション
社内RAGの情報漏洩対策は、「AIモデルに賢いプロンプトを書くこと」ではなく、「既存権限の棚卸し」「IdP・クラウド仕様の制約を踏まえた境界分離」「モデル外での最小権限強制」という地道なアーキテクチャ設計で決まります。
これから社内RAGを構築・見直しされる企業様は、まずは以下のステップから着手してください。
- 社内ガイドライン・シャドーAI対策がまだの場合: まず社内の利用ルールと公認AIの枠組みを整理する(シャドーAIを防ぐ生成AI社内ガイドライン策定の実務ステップ)。
- 社内RAGの権限設計・基盤選定を進める場合: 「SaaS型か閉域型か」「どのデータソースから権限をどう引き継ぐか」を整理する。
- 汎用的な社内RAGの要件整理・権限設計のご支援: RAGアドバイザリーサービス
- 未公開特許・研究データなど機密性の高い完全閉域RAGのご検討: 研究・知財領域向け閉域RAGアドバイザリー
「自社環境のSharePointやクラウド権限をそのままRAGに繋いで大丈夫か診断してほしい」「PoCから本番移行にあたり、権限設計とセキュリティ要件の交通整理を相談したい」という場合は、AI Nexusの30分無料オンライン相談もぜひご活用ください。
このテーマの個別詳細ガイド(RAG・権限設計)
- 未公開特許・研究データを外部に出さない「完全閉域RAG」の選定基準と投資対効果
- RAGの回答精度と統制を同時に崩す「社内ドキュメント・表データ破損」の防止策
- 社内文書・外部検索経由で侵入する「間接プロンプトインジェクション」の脅威と多層防御
- RAGデータ連携基盤(ETL・コネクタ)の過剰権限を防ぐネットワーク隔離と最小権限設計
参考資料・一次情報
- OWASP Top 10 for Large Language Model Applications(2025)(OWASP)
- OWASP LLM02:2025 Sensitive Information Disclosure / LLM08:2025 Vector and Embedding Weaknesses(OWASP)
- NIST AI 600-1: Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile(NIST、2024年7月)
- NIST CSF Profile for AI / SP 800-207(Zero Trust Architecture)参照文書(NIST)
- NVD - CVE-2025-32711(EchoLeak / Microsoft 365 Copilot)(NIST NVD、2025年6月)
- エージェントを Foundry IQ ナレッジ ベースに接続する(Microsoft Learn)
- Microsoft Entra ID でのグループ要求の構成と制限(Microsoft Learn)
- Document-level access controls - Amazon Bedrock(AWS Documentation)
- Set up data source access control - Vertex AI Search(Google Cloud Documentation)
- AI事業者ガイドライン(第1.2版)(経済産業省・総務省、2026年3月)
- AIセーフティに関する評価観点ガイド(第1.20版)(AISI、2026年7月)
- 個人情報保護委員会 関連会合資料(個人情報保護委員会、2026年9月)
- サイバーセキュリティ関係法令 Q&A ハンドブック(NISC)
社内RAG・ETLデータ連携 権限境界&間接インジェクション点検シート
ACLメタデータ継承(Fail-Closed)、IdPグループ上限対策、ETL隔離、表データ破損防止、Spotlighting&出力PIIゲートの点検シート。
RAG導入・開発アドバイザリー
アクセス権限設計・検索精度と統制の両立
部署・役職ごとの閲覧権限(ACL)を保持したまま社内ドキュメントを検索・活用するRAG基盤の設計から内製化まで伴走します。