GCVE BCP-05-X-01: AI 支援による脆弱性情報のアノテーション
日本語訳についての注意
これは GCVE BCP-05-X-01 “AI-Assisted Vulnerability Information Annotation” の非公式な日本語訳です。
対応する原文の版: v1.2(2026-06-14)/ コミット
9790c6a原文は CC BY 4.0 で公開されており、この訳文は原文を翻訳し、表現を調整したものです。JSON の例は、原文のままです。GCVE Initiative がこの翻訳を承認・推奨しているわけではありません。内容に疑義がある場合は、原文を参照してください。
本文中の「(MUST)」「(SHOULD)」「(MAY)」などは、原文の大文字の規範的な表現(RFC 2119 のキーワード)を表します。
- バージョン: 1.2
- ステータス: 公開済み(Published)
- 日付: 2026-06-14
- 著者: GCVE Working Group
- BCP 拡張 ID: BCP-05
- BCP ID: BCP-05-X-01
本ガイドは CC-BY-4.0 の下で配布・公開されています。
Copyright (C) 2026 GCVE Initiative.
概要
この文書は、人工知能(AI)や自動処理が、脆弱性レコードの作成、エンリッチメント、分析に使われた場合に、そのレコードにアノテーション(注記)を付けられるようにするための、GCVE BCP-05 の拡張を定義します。
目的は、脆弱性情報の中の AI 支援による寄与について、透明性、追跡可能性、分類を提供することです。これにより、コンシューマーは、信頼、来歴、レビューのレベルを評価できます。
適用範囲
この拡張は、BCP-05 に準拠する、次のいずれかに当てはまるすべての GCVE レコードに適用されます。
- AI/ML モデルが、内容の生成、変換、または分類に寄与した
- 自動化されたシステムが、人間のアナリストを支援した
- 内容が、機械学習システムによって、部分的または全面的に生成された
この拡張は任意ですが、そのような処理が行われる場合には、使うことが推奨されます(RECOMMENDED)。
AI や自動処理が関わっていない場合、プロデューサーは、ai_level を none に設定することで、そのことを明示してもかまいません(MAY)。その場合、モデルやレビューのメタデータは、期待されません。
拡張識別子
拡張識別子は、GCVE BCP の拡張の命名規則に従わなければなりません(SHALL)。
GCVE BCP-05-X-01
データモデル
フィールドの位置
AI のアノテーションは、次のいずれかのレベルに付与しなければなりません(MUST)。
- レコードレベル: GCVE エントリー全体に適用される
- フィールドレベル: レコード内の特定のフィールドに適用される
拡張は、次の場所に埋め込まなければなりません(SHALL)。
{
"x_gcve": [
{
"extensions": {
"bcp-05-x-01": {
"...": "..."
}
}
}
]
}
構造
{
"bcp-05-x-01": {
"ai_annotations": [
{
"scope": "record | field",
"gna_source": "integer (optional annotation-level provenance)",
"field_name": "string (optional if scope=record)",
"tags": ["string"],
"description": "string",
"ai_level": "none | assisted | augmented | generated",
"review_status": "none | partial | full",
"models": [
{
"name": "string",
"gna_source": "integer (optional model-level provenance)",
"version": "string (optional)",
"provider": "string (optional)",
"source": "ollama | huggingface | local | other",
"identifier": "string (optional)",
"url": "string (optional)"
}
]
}
]
}
}
条件付きのフィールド要件
review_status と models のフィールドは、条件付きで、ai_level の値に依存します。
ai_level が none の場合:
review_statusは、省略しなければなりません(MUST)modelsは、省略しなければなりません(MUST)tagsは、省略してもよく(MAY)、AI の支援が使われなかったことを示す、タクソノミーに沿ったラベルを含んでもかまいません(MAY)descriptionは、AI や自動処理がなかった理由を説明するために、使ってもかまいません(MAY)
ai_level が、assisted、augmented、generated のいずれかの場合:
review_statusは、存在するべきです(SHOULD)modelsは、モデルの情報が既知の場合は、存在するべきです(SHOULD)modelsは、モデルの情報が利用できない、不明、または該当しない場合は、省略してもかまいません(MAY)tagsは、AI 支援の処理の種類を記述するために、存在するべきです(SHOULD)
この区別により、AI 支援の処理が行われていないのに、モデルやレビューのメタデータが存在するかのように示唆することを、避けられます。
フィールドの定義
scope
AI のアノテーションの適用範囲を定義します。
許可される値:
record: 脆弱性レコード全体に適用されるfield:description、references、analysisなど、特定のフィールドに適用される
field_name
scope が field の場合に、対象のフィールドを指定します。
例:
descriptiontitlereferencesanalysis
scope が field の場合、field_name フィールドは、存在しなければなりません(MUST)。
scope が record の場合、field_name フィールドは、省略しなければなりません(MUST)。
tags
tags フィールドは、脆弱性情報に適用された AI 支援の処理の、種類と性質を記述する、分類ラベルの配列です。
実装は、場当たり的な、または自由形式のタグを定義するのではなく、既存の、明確に定義されたタクソノミーを再利用することが、強く推奨されます(STRONGLY RECOMMENDED)。これにより、GCVE のプロデューサーとコンシューマーの間での、相互運用性、一貫性、機械可読性が高まります。
特に、該当する場合は、次の MISP タクソノミーが、優先されるべきです(SHOULD)。
これらのタクソノミーは、次のものを記述する、構造化された語彙を提供します。
- 生成、分類、要約など、AI の支援の種類
- 自動化または拡張のレベルと性質
- AI が生成した出力の、潜在的なバイアス、リスク、安全上の考慮事項
これらのタクソノミーに由来するタグは、正規の命名と名前空間の規約に従うべきです(SHOULD)。
例:
{
"tags": [
"ai-computer-assisted:llm-generated",
"ai-computer-assisted:classification",
"ai-bias:potential-hallucination"
]
}
自由形式のタグは、次の場合には、引き続き使ってもかまいません(MAY)。
- 適切なタクソノミーのエントリーが存在しない
- 実験的な、または分野固有のアノテーションが必要
ただし、そのようなタグは、次のようにするべきです(SHOULD)。
- たとえば
ai:custom-*のように、名前空間を明確にする - 既存のタクソノミーの語彙と、衝突しないようにする
- 下流のコンシューマーのために、文書化する
プロデューサーは、GCVE レコード全体の一貫性を確保するために、可能な限り、タクソノミーに沿ったタグ付けを優先するべきです(SHOULD)。
description
AI 支援の操作についての、自由記述の説明。
description フィールドは、脆弱性情報の作成、エンリッチメント、変換、または分析において、AI や自動処理がどのような役割を果たしたかを、説明するべきです(SHOULD)。
例(括弧内は、日本語での意味です):
The vulnerability description was summarized from vendor-provided text using an LLM and then reviewed by a human analyst.(脆弱性の説明が、ベンダーが提供したテキストから LLM で要約され、その後、人間のアナリストがレビューした。)The affected product list was normalized using an automated classification system.(影響を受ける製品の一覧が、自動分類システムを使って正規化された。)No AI or automated processing was used for this record.(このレコードには、AI や自動処理は使われなかった。)
gna_source
AI アノテーション、または AI アノテーション内の特定のモデルの使用について、その作成、公開、またはアサートに責任を持つ GCVE Numbering Authority(GNA)を識別します。
gna_source の値は、対応する AI 支援の操作を、実行、寄与、公開、またはアサートした GNA の、数値の識別子でなければなりません(MUST)。
gna_source フィールドは、整数値で表現しなければなりません(MUST)。
gna_source フィールドは、AI アノテーションのレベルに現れてもかまいません(MAY)。このレベルにある場合、アノテーション全体に責任を持つ GNA を識別し、独自の gna_source を定義していないモデルのエントリーに対する、デフォルトの来歴情報として働きます。
gna_source フィールドは、models 配列の各エントリーの中にも現れてもかまいません(MAY)。モデルのレベルにある場合、そのモデルの寄与、アサーション、実行、またはエンリッチメントに責任を持つ GNA を識別し、そのモデルのエントリーについて、アノテーションレベルの gna_source を上書きします。
同じ AI アノテーションが、アノテーションレベルの gna_source と、1 つ以上のモデルレベルの gna_source の値を含んでもかまいません(MAY)。これは、ある GNA がアノテーションを公開または管理し、別の GNA が、特定のモデルに由来するエンリッチメントを、提供、実行、またはアサートする場合を表します。
AI 支援の処理が行われ、GNA の来歴が既知である場合は、AI アノテーション、または各モデルのエントリーのいずれかに、少なくとも 1 つの gna_source が存在するべきです(SHOULD)。同じアノテーションの中の異なるモデルが、異なる GNA の来歴を持つ場合、プロデューサーは、モデルレベルの gna_source を優先するべきです(SHOULD)。
コンシューマーは、各モデルのエントリーの実効的な来歴を、モデルレベルの gna_source があればそれを使い、なければ、アノテーションレベルの gna_source があればそれにフォールバックして、判断するべきです(SHOULD)。
コンシューマーは、gna_source を、アノテーションやモデルの寄与の出どころを示す来歴のシグナルとして扱うべきです(SHOULD)。正しさの保証ではありません。
ai_level
AI の関与のレベルを定義します。
許可される値:
none: AI や自動処理は使われなかったassisted: AI や自動化が、人間のアナリストを支援したが、人間のアナリストが、主な作成者または意思決定者のままだったaugmented: AI や自動化が、脆弱性情報を、実質的にエンリッチメント、変換、分類、または要約したgenerated: AI が、人間が作成した入力がほとんど、またはまったくない状態で、該当する内容を生成した
ai_level が none の場合、review_status と models のフィールドは、省略しなければなりません(MUST)。
review_status
AI 支援の内容に適用された、人による検証のレベルを示します。
許可される値:
none: 人によるレビューは行われなかったpartial: 一部の人によるレビューが行われたfull: AI 支援の出力が、人間のアナリストによって、完全にレビューされた
ai_level が none の場合、review_status フィールドは、省略しなければなりません(MUST)。
ai_level が assisted、augmented、generated の場合、review_status フィールドは、存在するべきです(SHOULD)。
models
プロセスに関与した AI モデルの一覧。
ai_level が none の場合、models フィールドは、省略しなければなりません(MUST)。
ai_level が assisted、augmented、generated で、モデルの情報が既知の場合、models フィールドは、存在するべきです(SHOULD)。
各モデルオブジェクトは、次のフィールドを含んでもかまいません(MAY)。
name: モデルの名前gna_source: このモデルの寄与、アサーション、実行、またはエンリッチメントに責任を持つ GNA の、数値の識別子。アノテーションレベルの来歴と異なる場合、またはそれより具体的な場合に使うversion: 既知の場合の、モデルのバージョンprovider: 該当する場合の、モデルを提供する組織またはプロジェクトsource: モデルのソース、または実行環境identifier: モデルの識別子、レジストリ名、ダイジェスト、ローカルの識別子、またはその他の安定した参照url: モデル、モデルカード、レジストリのエントリー、プロジェクトのページ、またはドキュメントを特定する URL
source に許可される値:
ollamahuggingfacelocalother
url フィールドは、任意(OPTIONAL)ですが、source が other の場合は、コンシューマーが使われたモデルやサービスを特定する助けになるため、推奨されます(RECOMMENDED)。
url フィールドは、モデルカード、レジストリのページ、ドキュメントのページ、またはソースリポジトリへの、安定した参照を提供する場合には、他の source の値とともに使ってもかまいません(MAY)。
例
レコードレベルのアノテーション(AI の支援あり)
{
"x_gcve": [
{
"extensions": {
"bcp-05-x-01": {
"ai_annotations": [
{
"scope": "record",
"gna_source": 1,
"tags": [
"ai-computer-assisted:llm-generated",
"ai-computer-assisted:summarization"
],
"description": "The vulnerability description was summarized from vendor-provided advisory text using an LLM and then reviewed by a human analyst.",
"ai_level": "assisted",
"review_status": "full",
"models": [
{
"name": "example-llm",
"version": "1.0",
"provider": "Example Provider",
"source": "other",
"identifier": "example-llm-1.0",
"url": "https://example.org/models/example-llm-1.0"
}
]
}
]
}
}
}
]
}
フィールドレベルのアノテーション
{
"x_gcve": [
{
"extensions": {
"bcp-05-x-01": {
"ai_annotations": [
{
"scope": "field",
"gna_source": 1,
"field_name": "description",
"tags": [
"ai-computer-assisted:summarization"
],
"description": "The description field was summarized from a longer vendor advisory using an automated system and partially reviewed by a human analyst.",
"ai_level": "augmented",
"review_status": "partial",
"models": [
{
"name": "local-summary-model",
"gna_source": 1,
"version": "2026-01",
"source": "local",
"identifier": "sha256:exampledigest"
}
]
}
]
}
}
}
]
}
モデルレベルの GNA 来歴を持つフィールドレベルのアノテーション
{
"x_gcve": [
{
"extensions": {
"bcp-05-x-01": {
"ai_annotations": [
{
"scope": "field",
"field_name": "x_gcve.extensions.vlai-severity-enrichment",
"tags": [
"ai-computer-assisted:classification"
],
"description": "The field was classified by a model contribution asserted by a specific GNA.",
"ai_level": "generated",
"review_status": "none",
"models": [
{
"name": "VLAI Severity",
"gna_source": 1,
"version": "d21514a",
"provider": "CIRCL",
"source": "other",
"identifier": "vlai-severity-classification"
}
]
}
]
}
}
}
]
}
この例では、GNA の来歴が、アノテーションのコンテナ全体ではなく、モデルに由来するエンリッチメントに適用されるため、gna_source を、意図的にモデルのエントリーに置いています。
明示的な AI なしのアノテーション
{
"x_gcve": [
{
"extensions": {
"bcp-05-x-01": {
"ai_annotations": [
{
"scope": "record",
"gna_source": 1,
"tags": [
"ai-computer-assisted:none"
],
"description": "No AI or automated processing was used for this record.",
"ai_level": "none"
}
]
}
}
}
]
}
この例では、ai_level が none に設定されているため、review_status と models を、意図的に省略しています。
セキュリティと信頼に関する考慮事項
コンシューマーは、AI が生成した、または AI が支援した内容を、慎重に評価するべきです(SHOULD)。
AI 支援の脆弱性情報には、誤り、ハルシネーション、不完全な分析、誤解を招く分類、不正確な参照が含まれることがあります。AI 支援の処理が、レコードに実質的に寄与した場合は、プロデューサーは、AI の関与のレベルと、人によるレビューのレベルを、開示するべきです(SHOULD)。
コンシューマーは、ai_level、review_status、tags、models を、来歴と信頼のシグナルとして扱うべきです(SHOULD)。正しさの保証ではありません。
url フィールドを、モデルやサービスの特定に使う場合、コンシューマーは、その URL を、信頼できない入力として扱うべきです(SHOULD)。実装は、適切な検証、フィルタリング、セキュリティ制御なしに、URL を自動的に取得することを、避けるべきです(SHOULD)。
相互運用性に関する考慮事項
この拡張は、BCP-05 と後方互換性があります。この拡張をサポートしないコンシューマーは、安全に破棄できます。
プロデューサーは、GCVE レコード全体の相互運用性を高めるために、可能な限り、タクソノミーに沿ったタグを使うべきです(SHOULD)。
コンシューマーは、データモデルの将来の進化を可能にするために、拡張内の未知のフィールドを、許容するべきです(SHOULD)。
コンシューマーは、アノテーションレベルとモデルレベルの gna_source の値を使って、AI アノテーションに責任を持つ GNA と、特定のモデルの寄与、エンリッチメント、またはアサーションに責任を持つ GNA を、区別するべきです(SHOULD)。
コンシューマーは、どちらのレベルでも gna_source がないことを、許容するべきであり(SHOULD)、モデルレベルの来歴がないモデルのエントリーには、フォールバックとして、アノテーションレベルの gna_source を適用するべきです(SHOULD)。
コンシューマーは、ai_level が assisted、augmented、generated の場合に、models フィールドがないことも、許容するべきです(SHOULD)。一部のプロデューサーは、完全なモデルのメタデータを入手できないことがあるためです。
ai_level が none の場合、コンシューマーは、review_status や models が存在することを、期待するべきではありません(SHOULD NOT)。