AAISM では、敵対的攻撃を、モデルが不正確な予測や有害な予測を生成するように設計された入力データ (テキスト、画像、音声、数値) の操作と定義しています。
ハードウェア攻撃（A）はインフラストラクチャに対する脅威です。ソーシャルエンジニアリング（C）はモデルではなく人間を標的とします。DoS攻撃（D）はモデルの意思決定経路ではなく、可用性に影響を与えます。
参考資料: AAISM 学習ガイド - 敵対的脅威、入力操作。

AAISMガバナンスフレームワークでは、継続的モニタリングの基盤は主要リスク指標（KRI）のリアルタイム追跡であると規定されています。これにより、逸脱、モデルのドリフト、運用上の異常を即座に検出できます。自動アラート、ダッシュボード、レポートテンプレートはすべてモニタリングをサポートしますが、その情報源として正確でリアルタイムのKRI測定が不可欠です。リアルタイムモニタリングがなければ、他のコントロールはプロアクティブではなくリアクティブになってしまいます。したがって、効果的な継続的モニタリングを確立するための最も重要な行動は、リアルタイムのKRI追跡です。
参考文献:
AAISM 学習ガイド - AI ガバナンスとプログラム管理（継続的な監視と保証） ISACA AI リスクガイダンス - 主要リスク指標の監視

AAISMの研修ガイダンスでは、ソーシャルエンジニアリングがAIを活用したリスクによって最も影響を受ける意識啓発トピックであると明記されています。生成AIとディープフェイク技術により、攻撃者は非常に説得力のあるフィッシングメッセージ、合成音声、偽の役員への依頼などを作成できるため、ソーシャルエンジニアリング攻撃の巧妙化が進んでいます。クリーンデスクポリシー、内部脅威への対応、認証手順は依然として重要ですが、AIの進歩によって直接的に変化するものではありません。したがって、AI時代における従業員意識啓発プログラムの最も可能性の高い改訂点は、ソーシャルエンジニアリングへの対応強化です。
参考文献:
AAISM試験内容概要 - AIリスク管理（ヒューマンファクターと意識）AIセキュリティ管理学習ガイド - AIによるソーシャルエンジニアリングのリスク

AAISMフレームワークは、コンプライアンスに関する意思決定は常に組織のリスク選好度とリスク許容度に結び付けられるべきであることを明確にしています。新たな規制が制定された場合、経営陣は、関連するリスクが文書化され承認されたリスク選好度の範囲内に収まる限り、説明責任が確立され、ガバナンス構造がこの決定を裏付けていることを条件として、遵守しないことを選択できます。業界で広く使用されていること、第三者による監査、コスト評価の欠如といった他の選択肢は、ガバナンス原則に基づく非遵守を正当化するものではありません。
リスク選好フレームワークは、AI ガバナンス原則の下で唯一認められた正当化根拠です。
参考文献:
AAISM 学習ガイド - AIガバナンスとプログラム管理
ISACA AIリスクガイダンス - リスク選好とコンプライアンスの決定

AAISMのリスク管理ガイダンスによると、個人のコミュニケーションデータを扱うAIアプリケーションにおける最大のリスクは、パラメータ制御が不十分であることであり、これにより機密情報への意図しないアクセス、改ざん、または漏洩が発生する可能性があります。メールとやり取りするプラグインは、不正な入力や改ざんされた入力を防ぐために、厳格なパラメータ検証とセキュリティ制限を実施する必要があります。脆弱性スキャン、フォーマットの非互換性、APIレート制限などは妥当な懸念事項ですが、二次的なものです。主なリスクは、強力なパラメータ制御の欠如によって機密コンテンツが漏洩する可能性があることです。
参考文献:
AAISM試験内容概要 - AIリスク管理（アプリケーションセキュリティリスク）AIセキュリティ管理学習ガイド - プラグインおよびAPIセキュリティリスク