# AIエージェント時代の不正対策：Fingerprintのデバイス識別とボット判別

- 番組: [Software Engineering Daily](https://ai-curator.jp/podcasts/shows/cmv3z5c1c000w5o10bjjhgahi)（Software Engineering Daily）
- 元のタイトル: Fraud Prevention in the Age of AI Agents
- 配信日: 2026年11月12日
- 長さ: 42分
- 要約作成日: 2026年11月12日
- トピック: [#不正対策](https://ai-curator.jp/topics/%E4%B8%8D%E6%AD%A3%E5%AF%BE%E7%AD%96) [#デバイスフィンガープリント](https://ai-curator.jp/topics/%E3%83%87%E3%83%90%E3%82%A4%E3%82%B9%E3%83%95%E3%82%A3%E3%83%B3%E3%82%AC%E3%83%BC%E3%83%97%E3%83%AA%E3%83%B3%E3%83%88) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#ボット検出](https://ai-curator.jp/topics/%E3%83%9C%E3%83%83%E3%83%88%E6%A4%9C%E5%87%BA) [#Web Bot Auth](https://ai-curator.jp/topics/Web%20Bot%20Auth) [#MCP](https://ai-curator.jp/topics/MCP)
- URL: https://ai-curator.jp/podcasts/cmwdgcfgo00014c1151sqkq3p

## 要約

Fingerprint の開発者リレーション担当 Keisha Rose が、Gregor Vand との対話で、Cookie に頼らないブラウザ・デバイス識別の仕組みと不正対策への活用を解説した。100 以上のシグナルを組み合わせて判断する考え方、AI エージェントを正規利用と不正利用に切り分ける取り組み（Web Bot Auth など）、Firefox と Tor のプライバシー脆弱性の発見と開示、MCP や CLI など AI ツール連携の新機能も語られた。

## ポイント

- フィンガープリントは、フォントや画面解像度、描画・音声処理の違いなど多数の特性をハッシュ化して端末を識別する。Cookie と違い、ユーザーが簡単に消せる保存データに依存しない点が不正対策で有利だと説明された。
- Fingerprint は VPN などを自動でブロックせず、シグナルを返すだけで判断は顧客に委ねる。VPN は全体の約 17% で検出されたとされ、単独では不正の根拠になりにくく、他のシグナルとの組み合わせで見るべきだと述べた。
- 不正の実例として SMS ポンピング（ワンタイムパスコードの SMS を大量送信させ課金を発生させる手口）や AI トークン不正が紹介された。AI トークン不正は、無料トライアル悪用や盗難カード、アカウント乗っ取りと本質的に同じ手口だという見方が示された。
- Firefox のプライベートブラウジングと Tor Browser で、IndexedDB のデータベース一覧の返却順が複数サイトで共通のランダム順になり、サイト間追跡に使えてしまう問題を研究チームが発見し開示した。
- AI エージェント対策は、ヒューリスティクス、Web Bot Auth（ヘッダーへの暗号署名と登録簿による検証）、近日公開予定の Automation Intelligence API などを層状に組み合わせる。正規のエージェントを通しつつ不正を防ぐことが課題だとされた。
- MCP サーバーによる自然言語でのデータ分析、CLI による導入支援、AI 向けインストールページなど、AI ツールから Fingerprint を使いやすくする取り組みが進んでいる。

## 章立て

- [02:12] **Keisha Rose の経歴と DevRel** — アナリストから Tableau、Algolia を経て Fingerprint の DevRel に至った経緯と、DevRel の役割についての説明。
- [04:11] **Fingerprint の仕組みと Cookie との違い** — OSS の FingerprintJS と商用製品の違い、ブラウザ特性をハッシュ化して識別する仕組み、Cookie が不正対策に向かない理由を説明している。
- [08:28] **導入方法とスマートシグナル** — JavaScript クライアントとサーバー API による実装、100 以上のデータ点、スマートシグナルやサスペクトスコア、VPN の扱いを解説している。
- [15:54] **不正の事例：SMS ポンピングと AI トークン不正** — アカウント乗っ取りや無料トライアル悪用などの主要ユースケースと、SMS ポンピング、AI トークン不正の紹介。
- [19:20] **Firefox・Tor の脆弱性開示** — IndexedDB の返却順を使ったサイト間追跡の仕組みと、追跡に使える信号をどう開示判断するかの考え方。
- [26:37] **AI エージェントと Web Bot Auth** — 正規ボットと不正ボットの切り分け、Web Bot Auth の仕組み、テストページ、Automation Intelligence API の予告。
- [35:06] **MCP・CLI とデモ・レポート** — MCP サーバーや CLI などの AI 連携機能、demo.fingerprint.com の使い方、デバイスインテリジェンスレポートの紹介。

## 解説記事

Software Engineering Daily の本エピソードでは、Fingerprint の開発者リレーション担当 Keisha Rose が、ホストの Gregor Vand とともに、デバイス識別技術を使った不正対策と AI エージェント時代の課題を語った。なお、番組は Fingerprint がスポンサーであり、内容は同社の視点からの説明である。

#### Cookie に頼らない識別という発想

Fingerprint は 2012 年に OSS の FingerprintJS として始まり、2019 年前後に商用 SaaS となった。ブラウザのフォント、プラグイン、画面解像度、OS、画像や音声の処理結果といった特性を組み合わせ、ハッシュとして端末を識別する。Rose によれば OSS 版はクライアント側のみで動き、商用版にはサーバー側コンポーネントや多数のスマートシグナルが加わる。

Cookie との違いとして強調されたのは、Cookie は削除やブロックが簡単で、不正をする側が意図的に消してしまう点だ。フィンガープリントは書き換え可能な保存データに依存しないため、不正対策や悪用防止に向くと説明している。一方でホストは、追跡という言葉が否定的に受け取られやすいことにも触れ、本人の保護や企業側の判断に役立つ肯定的な用途がある点を強調した。

#### 判断は顧客に委ねる設計

実装は、JavaScript クライアントで識別を呼び出し、結果をバックエンドに送って、サーバー API から JSON を受け取る形だ。返るデータは 100 以上あり、顧客は生データを自社の機械学習モデルに投入することも、VPN 利用やブラウザ改ざん、プロキシといった「スマートシグナル」を使うことも、複数を 1 つの数値にまとめた suspect score を使うこともできる。

Fingerprint は、VPN などを標準で自動ブロックも許可もしないと述べる。地域規制が重要な業種を除けば、VPN は一般的な利用で、同社のレポートでは識別の約 17%（本人は数字の確認を促していない）で検出されたという。VPN 単独は弱い信号であり、ブラウザ改ざんなど他の信号との組み合わせで判断すべきだという考え方だ。Vand が Singapore から英国の行政サイトで締め出された体験を語ったように、粗いブロックは正規ユーザーを傷つける。

#### 不正の具体例とプライバシー研究

主なユースケースはアカウント乗っ取り、無料トライアル悪用、新規アカウント不正、アカウント共有、決済不正など。意外な例として SMS ポンピングが挙がった。ワンタイムパスコードの SMS を大量に送らせ、結託した通信事業者が収益を得る一方で、サービス側に送信料金が積み上がる手口だ。AI トークン不正も、無料クレジットの悪用や盗難カード、アカウント乗っ取りなど既存手口の「新しいラベル」だと整理された。

プライバシー面では、研究チームが Firefox のプライベートブラウジングと Tor Browser で見つけた問題が紹介された。IndexedDB でデータベース一覧を取得した際の返却順が、ブラウザ内で共通のランダムな並びになるため、複数サイトが同じ名前のデータベースを作れば、順序を手がかりにサイトをまたいで同一ブラウザを追跡できるというものだ。Fingerprint は顧客間で同じ ID が共有されない設計を取っており、サイト横断の追跡には反対の立場だと述べる。信号の強さや安定性に加え、セキュリティ上の問題と判断すれば開示するという方針も示した。Rose 自身は研究者ではないと断っており、技術的詳細は概要レベルの説明だ。

#### AI エージェント時代のボット判別

従来は「ボットか否か」の二択だったが、現在は購入や予約を代行する AI エージェントを受け入れたいという要望が出ている。Fingerprint はヒューリスティクス、ヘッドレスブラウザの検出、動作速度などの特徴を重ね、さらに IETF でドラフトとして議論されている Web Bot Auth を活用する。これはボットがヘッダーに暗号署名を付け、登録簿で照合できるようにする仕組みで、Fingerprint は署名に加えて運営元の検証も行い、ChatGPT や Claude などを確認しているという。ただし全エージェントが名乗るわけではなく、Meta の Muse が名乗らない例も挙げられた。

同社は、エージェントが自社サイトで買い物や予約をできるかを診断する評価の提供も予告した。ブラウザを使わず HTTP で直接アクセスするエージェント向けには Automation Intelligence API を準備中だ。また、人間にパズルを解かせずにボットでないと判断できることが、不正対策とユーザー体験の両立につながると述べた。Vand は、ボットが CAPTCHA を解ける今、その意義を問い直す見方を示した。

#### AI ツールとの連携

製品面では MCP サーバーが GA となり、ボット攻撃の発生源や不正の多いデバイス群を、SQL を書かず自然言語で分析できる。加えて、導入を支援する CLI、スキル、AI 向けインストールページも公開された。試すなら demo.fingerprint.com のプレイグラウンドで自分のブラウザのシグナルを確認でき、アカウント共有やテイクオーバーなどのデモもある。Web Bot Auth のテストページは無料で使える。

#### まとめ

本エピソードの核心は、不正を「遮断するか通すか」ではなく、複数のシグナルを材料に文脈で判断するという考え方にある。日本でも、AI エージェントによる購買代行やトークン課金サービスの悪用が広がれば、正規エージェントの受け入れと不正防止の両立が課題になるだろう。Web Bot Auth のような標準化の動きは注目に値する。一方、内容はスポンサー企業の視点であり、数値や効果は同社の主張として受け止める必要がある。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Software Engineering Daily「Fraud Prevention in the Age of AI Agents」