16種類の主要AIモデルと1,760のコードベースを対象としたテストにより、リスクはモデルやフレームワークごとに予測可能であることが判明しました。これにより、セキュリティリーダーはギャップを埋めるための的確な判断が可能になります。
SCW AI Trust Indexは、主要なAIモデルがどの程度の頻度でセキュリティ脆弱性のあるコードを生成するかを測定する、常に更新されるベンチマークです。一度公開して終わりではなく、新しいモデルがリリースされるたびに更新されます。
脆弱性には予測可能なパターンがあります。1,760のコードベース全体で、ログ記録の失敗、インジェクションの欠陥、アクセス制御の不備といった同じ種類の弱点が繰り返し発生しています。AIが生成するリスクはランダムではなく、再現性があるのです。
16種類の各モデルは、それぞれ固有の再現性あるOWASPカテゴリの組み合わせを残すため、チームは特定のモデルがどこでリスクをもたらす可能性が高いかを、事後対応ではなく予測できるようになります。
セキュリティの優位性はフレームワークによって異なります。Java Enterprise APIではGPT-5.1が、Python DjangoではClaude Opus 4.8がリードしています。最適なモデルは、チームが何を構築しているかによって決まります。
テストした全16モデルのうち、最も高価なモデル（Claude Fable 5、1実行あたり174.94ドル）は総合2位にランクインしましたが、最も安価なモデル（Gemini 2.5 Flash、1実行あたり0.58ドル）は平均を下回りました。価格はセキュリティの良し悪しを予測する指標にはなりません。
データセット全体で86種類のCWEが特定されました。そのうち3種類が、確認された全調査結果の不釣り合いな割合を占めています。
| CWE ID | 名称 | 真陽性 | 平均リスク |
|---|---|---|---|
| CWE-532 | ログファイルへの機密情報の挿入 | 8,543 | 80.06 |
| CWE-79 | Webページ生成時の入力の不適切な無害化（クロスサイトスクリプティング） | 2,949 | 90.57 |
| CWE-798 | ハードコードされた認証情報の使用 | 1,348 | 68.5 |
正規化スコア（0～100）。数値が高いほど、他のモデルと比較して脆弱性が少ないことを示します。100というスコアは、本データセット内で最も脆弱性が少ないことを意味し、脆弱性がゼロであることを示すものではありません。
当初の6モデルのスコアが公開されたRMITの研究結果と異なるのは、正規化の対象が6モデルから16モデルに拡大されたためです。スコアは常に全コホートとの相対値となります。
モデルの総合ランクが高いからといって、特定のスタックにとって最も安全な選択肢であるとは限りません。
| フレームワーク | 主要モデル |
|---|---|
| Java Enterprise API | GPT-5.1 |
| Java Spring | Claude Sonnet 4.5 |
| Python Django | Claude Opus 4.8 |
| C# (.NET) | GPT-5.5 |
| C | Claude Fable 5 |
16種類のAIモデルが、認証、ファイルアップロード、決済、データベースアクセスといった機能を備えた複雑な経費管理アプリケーションを、11種類のフレームワークを用いてそれぞれ10回ずつ生成しました。すべてのコードベースを同一のオープンソース静的解析ツール（Semgrep、Bearer、Bandit）でスキャンし、すべての検出結果に対して同一のエージェントプロセスを用いて誤検知の検証を行いました。
当初の調査および手法はRMIT大学との提携により開発され、テストされた最初の6つのモデルを対象としていました。Secure Code Warriorは、その手法を用いて独自に調査対象を16モデルまで拡大しました。
Trust Agent: AI が AI 支援開発全体でどのように可視化、相関関係、ポリシー制御を実現するかをご覧ください。
