セキュリティ

楽天証券の不正アクセス:最大約447万口座の対象確認と、テスト環境に本番データを置かない実装

楽天証券の不正アクセス:最大約447万口座の対象確認と、テスト環境に本番データを置かない実装

楽天証券は2026年11月17日、テスト環境のシステム内で管理していた顧客情報が外部に漏えいしたおそれがあると公表しました。氏名や出金先口座、年収まで含む区分が最大約447万口座、お客様コードとログインIDだけの区分が最大約1,125万口座です。前半は公表文で分かる経緯と対象、窓口、口座保有者が今日できる設定です。後半は、本件の核心である「テスト環境に本番の顧客データがあった」点に絞り、本番の写しを使わずにテストデータを作るPythonと、ログインIDが漏れた前提で総当たりを拾うログ集計を載せます。

まとめ:楽天証券の不正アクセスで分かっていることと口座保有者・開発側が今やること

楽天証券の公表文によると、11月16日に一部システムへの不正アクセスの可能性を検知して遮断し、調べた結果、11月11日にテスト環境から情報が漏えいしたおそれが分かりました。原因と侵入経路は調査中です。

項目 公表文の記載(11月17日時点)
漏えいの場所 テスト環境のシステム
区分1 13項目・最大約447万口座
区分2 コードとログインID・最大約1,125万口座
漏えい未確認 ログインパスワード・取引暗証番号
不正取引 本件が原因のものは未確認

口座保有者は、パスキー認証を設定し、楽天証券を名乗るメールのURLを開かないでください。公式メールにはURLを載せないと明言されています。開発側が見るべき点は1つです。本番の顧客データの写しが、テスト環境に何件あるかを数えること。本件の件数を決めたのは、テスト環境に本番相当の名簿が置かれていた事実でした。

公表文で分かる範囲:11月16日の検知とテスト環境から漏えいしたおそれの経緯

11月16日の検知・遮断と、11月11日に漏えいしたおそれという2つの日付の読み方

公表文には日付が2つ出てきます。11月16日(月)は、不正アクセスの可能性を検知し、該当箇所へのアクセスを遮断して修正した日です。11月11日(水)は、その後の調査で、テスト環境内の情報が外部に漏えいしたおそれのある日として示された日付です。

読み方どおりなら、持ち出しのおそれがある日から検知まで5日あります。その間テスト環境で何が起きていたのか、どこから入られたのかは公表されていません。公表文には個人情報保護委員会への報告の記載もありません。ただ、不正アクセスによる漏えいのおそれは件数を問わず報告の対象で、確報は60日以内です(個人情報保護法ガイドライン通則編)。報告の流れは個人情報保護委員会への報告義務の実務で整理しています。

楽天IDとは別のログインIDと、パスワード・取引暗証番号が対象外とされた範囲

漏えいのおそれがある「ログインID」は、楽天証券のログインに使うIDで、楽天グループ共通の楽天IDとは別物だと注記されています。ログインパスワードや取引暗証番号など、取引に必要な情報の漏えいは確認されていません。

とはいえ、パスワードが無事でも安心はできません。ログインIDが分かれば、攻撃者はパスワードだけを狙える状態です。名前と生年月日まで揃っていれば、それらを組み合わせたパスワードを試す手もあります。後半のID総当たりの検知は、この前提で書いています。

対象と項目:区分1の最大約447万口座と区分2の最大約1,125万口座の違い

出金先口座・年収・商品別資産まで含む区分1の13項目と退会者の扱い

区分1は最大約447万口座で、退会者も含みます。項目は、部店・お客様コード、ログインID、氏名、カナ氏名、生年月日、住所、電話番号、メールアドレス、勤務先、出金先口座(金融機関・口座番号・名義人)、年収・金融資産(申告情報)、商品別資産情報、最終ログイン日の13項目です。

区分2は最大約1,125万口座で、部店・お客様コードとログインIDの2項目だけです。どちらの区分に入るかは楽天証券が個別に連絡するとしており、対象者の特定は完了しています。区分1の年収・資産額と最終ログイン日は、資産が多く、しばらくログインしていない口座を選んで狙う材料になります。偽の連絡が「あなたの資産状況」を言い当ててきても、本物の証拠にはなりません。

報道の「最大1,572万件」が公式値でない理由と10月のNTTデータ委託先事案との区別

報道で見かける最大1,572万件は、447万と1,125万を足した数です。公表文は合計を示しておらず、2つの区分に同じ口座が重なっているかどうかも書かれていません。口座数として足し算できる根拠はないため、本記事は区分ごとの数字で扱います。

10月31日に楽天証券が公表した、デジタル特典付き社債の購入者延べ362件の件とは別の事案です。そちらはNTTデータの委託先のシステムが侵入されたもので、経緯はNTTデータ委託先の情報漏洩にまとめています。今回は楽天証券自身のテスト環境です。

窓口0120-862-274と、URLを載せない公式メールを基準にした偽連絡の見分け方

問い合わせ先は楽天証券カスタマーサポートセンターで、フリーダイヤル0120-862-274、受付は平日8:30〜17:00、土日9:00〜17:00です。公表文は、楽天証券から送るメールにURLは載せず、電話で個人情報やログイン情報を聞くこともないとしています。

この2つがそのまま判断基準になります。URLの入ったメールと、ログイン情報を聞く電話は、楽天証券を名乗っていても偽物として扱う。郵送物やSMSも同様に注意が呼びかけられています。偽ログイン画面の手口はフィッシング詐欺の手口と見分け方で解説しました。

口座保有者が今日やること:パスキー認証と取引・出金の一時利用停止の設定

パスキー認証の設定を先に済ませ、使わない間は一時利用停止を掛ける順番

先にやるのはパスキー認証の設定です。手順は楽天証券のパスキー認証(FIDO2)操作ガイドにあります。パスキーは登録した端末の鍵で本人確認するため、ログインIDとパスワードを偽サイトで入力させられても、それだけではログインが通りません。仕組みはFIDO認証とパスキーの違いで説明しています。

しばらく取引しない人は、ログイン後のセキュリティ設定から取引やサービスの一時的な利用停止も検討してください。公表文もこの2つを勧めています。ログインIDの変更が要るかどうかは、公表文では触れられていないため、窓口で確かめるのが確実です。

テスト環境に本番データを置く運用の問題:金融庁と日証協のガイドラインが求める分離

金融庁ガイドライン2.3.4.4と日証協ガイドラインが開発・テスト環境に求めること

金融庁の金融分野におけるサイバーセキュリティに関するガイドライン(2024年10月)は、2.3.4.4の「対応が望ましい事項」で、開発環境とテスト環境を本番環境から分離し、不正アクセスや情報資産の不正な変更を防ぐよう求めています。

日本証券業協会のインターネット取引における不正アクセス等防止に向けたガイドライン(2025年10月改正)は、委託先に置く「開発環境」と顧客情報を管理する「本番環境」の間で、データ転送の手続きを整え、転送状況を監視するよう求めています。分離していても、本番から写しを流し込めば分離の意味は薄れます。守るべきは環境の壁より、壁を越えるデータの流れです。

監視・権限・保存期間が本番より緩くなるテスト環境の構造と件数が膨らむ理由

テスト環境は、開発者や委託先の担当者が広く触れる前提で作られます。本番なら付けている接続元の制限や操作ログの監視が、検証の手間を理由に外されることも珍しくありません。それでいて、データは本番から丸ごと写されがちです。

件数が膨らむ理由は単純で、一部の顧客だけを抜き出すより、全件を写すほうが手間がかからないからです。今回も退会者を含む口座が対象に入っています。本番では退会処理が済んでいても、過去に写したテスト環境のデータには残ります。古いバックアップや作業用の複製を探す手順はポイントインカムの事案で、ステージング環境へ移すときのマスキング手順はステージング環境の構成例で扱いました。

本番の写しを使わないテストデータの作り方:HMACで結合を保つ仮名化のPython実装

顧客コードとログインIDを鍵付きハッシュに置き換え、氏名・口座はダミーにする設計

テストで要るのは、件数とデータの形、テーブル同士のつながりです。実在の氏名や口座番号は要りません。次のコードは、本番の写しを読み取り専用で開き、顧客コードとログインIDをPythonのhmacモジュールによるHMAC-SHA256の値に置き換えます。同じ入力からは同じ値が出るので、保有テーブルとの結合はそのまま使えます。

# 本番の顧客テーブルから、実在の値を持たないテスト用DBを作る(Python 3.10以上・標準ライブラリのみ)
# 顧客コード・ログインIDは鍵付きハッシュ(HMAC-SHA256)で置き換え、テーブル間の結合は保つ
import hashlib
import hmac
import os
import sqlite3
import sys

KEY = os.environ["PSEUDO_KEY"].encode()  # 鍵は本番側だけに置き、テスト環境へは渡さない


def token(value: str, prefix: str) -> str:
    digest = hmac.new(KEY, value.encode(), hashlib.sha256).hexdigest()
    return f"{prefix}{digest[:16]}"


def income_band(yen: int) -> str:
    # 年収は区分だけ残す(境界値のテストに必要な粒度に留める)
    for limit, label in ((3_000_000, "300万未満"), (10_000_000, "1000万未満")):
        if yen < limit:
            return label
    return "1000万以上"


src = sqlite3.connect(f"file:{sys.argv[1]}?mode=ro", uri=True)  # 本番の写しは読み取り専用で開く
dst = sqlite3.connect(sys.argv[2])
dst.executescript("""
CREATE TABLE customers(code TEXT PRIMARY KEY, login_id TEXT, name TEXT, birth_year INTEGER,
                       email TEXT, bank_account TEXT, income_band TEXT);
CREATE TABLE holdings(code TEXT, product TEXT, amount INTEGER);
""")
for i, (code, login_id, birth, income) in enumerate(
    src.execute("SELECT code, login_id, birth_date, income FROM customers"), start=1
):
    dst.execute(
        "INSERT INTO customers VALUES (?,?,?,?,?,?,?)",
        (
            token(code, "C"),
            token(login_id, "L"),
            f"テスト 太郎{i}",                   # 氏名は連番の架空名
            int(birth[:4]) // 10 * 10,           # 生年月日は年代だけ
            "@".join((f"user{i}", "example.com")),  # 例示用ドメイン(RFC 2606)へ置き換え
            "0000-000-0000000",                  # 出金先口座は固定のダミー
            income_band(income),
        ),
    )
for code, product, amount in src.execute("SELECT code, product, amount FROM holdings"):
    dst.execute("INSERT INTO holdings VALUES (?,?,?)", (token(code, "C"), product, amount))
dst.commit()

# 仕上がりの確認:結合が保たれているか、元の値が1件でも残っていないか
joined = dst.execute(
    "SELECT count(*) FROM holdings h JOIN customers c ON c.code = h.code"
).fetchone()[0]
originals = {r[0] for r in src.execute("SELECT code FROM customers UNION SELECT login_id FROM customers")}
leftover = [r[0] for r in dst.execute("SELECT code FROM customers UNION SELECT login_id FROM customers")
            if r[0] in originals]
print("顧客", dst.execute("SELECT count(*) FROM customers").fetchone()[0], "件 / 保有の結合", joined, "件")
print("元のコード・IDの残存:", len(leftover), "件")
sys.exit(1 if leftover else 0)

ただのSHA-256ではなくHMACにしているのは、お客様コードのように桁数と形式が決まった値は、総当たりで元に戻せるからです。鍵が無ければ、テスト環境のデータが漏れても元のコードやIDにはたどり着けません。

合成データ1,000件で確かめた実行結果と、鍵をテスト環境へ渡さない運用の注意

Python 3.14.10(SQLite 3.50.4)で、2026年11月18日に自作の合成データへ流した結果です。顧客1,000件と保有2,039件を作りました。実在の個人情報は使っていません。

$ PSEUDO_KEY=(本番側で管理する鍵) python pseudonymize.py prod_copy.db test.db
顧客 1000 件 / 保有の結合 2039 件
元のコード・IDの残存: 0 件

保有の2,039件がすべて仮名化後の顧客に結合し、元のコードとIDは1件も残りませんでした。終了コードは0です。同じ出力先に2回目を流すと、テーブルが既にあるため失敗して終了コード1を返します。古いテスト用DBに上書きして実データが混ざる事故を避けるため、出力先は毎回新しいファイルにしてください。

運用で守ることは2つです。1つ目は、このスクリプトを本番側の権限で動かし、鍵と本番の写しをテスト環境へ持ち込まないこと。テスト環境に渡すのは出力されたtest.dbだけです。2つ目は、氏名の表記ゆれや住所の長さなど、本物の値でしか出ない不具合の試験を、架空のデータで再現できる形に書き直すことです。

ログインIDが漏れた前提の守り:ID総当たりを10分単位で拾うログ集計の実装

1つの接続元が多数のIDを試す動きを失敗率と合わせて検出するPythonコード

区分2のように、ログインIDの一覧だけが出回る場合を考えます。攻撃者はよく使われるパスワードを1つ決め、IDを次々に替えて試します。1つのIDでは数回しか失敗しないため、ID単位のロックに掛かりにくい手口です。OWASPのCredential Stuffing Prevention Cheat Sheetも、多要素認証を第一の対策に挙げたうえで、こうした試行の検知を求めています。次のコードは、接続元ごとに10分間で試されたIDの数と失敗率を数えます。

# ログイン試行ログから、ログインIDの総当たり(1つの接続元が多数のIDを試す)を10分単位で拾う
# 入力:CSV(ts,ip,login_id,result)。ts は ISO 8601、result は ok / ng(Python 3.10以上・標準ライブラリのみ)
import csv
import sys
from collections import defaultdict
from datetime import datetime

WINDOW_MIN = 10        # 集計の幅(分)
MAX_IDS_PER_IP = 20    # 1つの接続元が10分間に試すIDの数の上限
MIN_FAIL_RATIO = 0.9   # 失敗の割合がこれ以上なら総当たりとみなす

ids = defaultdict(set)
tries = defaultdict(int)
fails = defaultdict(int)
for row in csv.DictReader(open(sys.argv[1], encoding="utf-8")):
    ts = datetime.fromisoformat(row["ts"])
    slot = ts.replace(minute=ts.minute // WINDOW_MIN * WINDOW_MIN, second=0, microsecond=0)
    key = (slot, row["ip"])
    ids[key].add(row["login_id"])
    tries[key] += 1
    fails[key] += row["result"] == "ng"

for (slot, ip), seen in sorted(ids.items()):
    ratio = fails[(slot, ip)] / tries[(slot, ip)]
    if len(seen) > MAX_IDS_PER_IP and ratio >= MIN_FAIL_RATIO:
        print(f"{slot:%Y-%m-%d %H:%M} {ip} ID{len(seen)}件 試行{tries[(slot, ip)]}回 失敗率{ratio:.0%}")

合成ログでの検出結果と、日証協が必須とするアカウント・ロックとの役割分担

1日分の通常のログイン5,000件(失敗率5%前後・接続元200か所)に、1つの接続元から400回の総当たりを混ぜた合成ログで、2026年11月18日に実行しました。

$ python login_enum.py auth.csv
2026-11-17 03:20 203.0.113.45 ID325件 試行400回 失敗率100%

混ぜた接続元だけが1行出ました。上限の20件と失敗率90%は、この合成データに合わせた値です。社内や委託先のゲートウェイのように、1つの接続元の後ろに多くの利用者がいる場合はIDの数が自然に増えます。過去1か月のログに流して、出た接続元を1つずつ確かめてから値を決めてください。

日証協のガイドラインは、認証に続けて失敗したときのアカウント・ロックの自動発動と、ログイン時の振る舞い検知、接続元IPアドレスなどの保存を必須の対策に挙げています。ロックが止めるのは1つのIDへの集中で、この集計が拾うのは多数のIDへの分散です。両方そろって初めて、IDの一覧が出回った状態に耐えられます。APIの入口で試行回数を絞る実装はAPI不正アクセス対策の実装手順にまとめました。

判断:本番データをテスト環境へ持ち込む場面と見送る場面、第三者診断に出す範囲

本番データの持ち込みを認める条件と、仮名化データで足りる試験の線引き

結論から書きます。顧客の氏名・連絡先・口座番号を含む本番データの写しは、テスト環境に置かない。機能試験、画面の試験、性能試験は、仮名化か合成のデータで足ります。件数が要る性能試験なら、上のスクリプトで本番と同じ件数のデータが作れます。

例外は、本番でしか再現しない障害の調査に限ります。その場合も、調査用の環境を本番と同じ権限と監視の下に置き、期限を決めて消します。誰が承認したか、いつ消したかを記録に残さない持ち込みは、どんな理由でも認めない運用にしてください。

委託先が運用するテスト環境を棚卸しする5項目と第三者診断の頼み方

テスト環境の運用を委託している場合は、委託先に次の5点を聞いて答えをもらってください。重い順です。

  1. テスト環境に、本番由来の顧客データが何件、いつの時点のものとして入っているか
  2. そのデータを本番から持ち出した承認と、消す期限の記録があるか
  3. テスト環境に入れる人と接続元が、本番と同じ水準で絞られているか
  4. テスト環境のログイン・操作ログを誰が見ているか
  5. 退会した顧客のデータが、テスト環境側でも消えているか

1と2に答えが返らない時点で、点検を頼む理由としては十分です。委託先のシステムが入口になった証券会社の事例はSMBC日興証券の事案や岩井コスモ証券の事案で整理しています。テスト環境を含めて外から確かめたい場合は、一創の脆弱性診断・セキュリティ診断で、環境ごとの公開範囲と権限の点検を受け付けています。

よくある質問

楽天証券の不正アクセスについて、口座保有者と開発担当から出やすい質問に、11月17日の公表文の範囲で答えます。

楽天証券の不正アクセスで、自分が対象かどうかはどう確かめますか?

楽天証券は対象となる顧客の特定を完了しており、個別に連絡するとしています。退会した人も対象に含まれます。連絡を待たずに確かめたいときは、楽天証券カスタマーサポートセンター(0120-862-274・平日8:30〜17:00、土日9:00〜17:00)に問い合わせてください。届いたメールやSMSに書かれた番号は使わず、公式サイトに載っている番号へ自分からかけるのが安全です。

パスワードは変えたほうがよいですか?

公表文では、ログインパスワードと取引暗証番号の漏えいは確認されていません。ただ、ログインIDと氏名・生年月日が知られている可能性があるため、それらから推測できるパスワードや、他のサービスと同じパスワードを使っているなら変更をおすすめします。より確実なのはパスキー認証の設定で、パスワードを偽サイトで入力させられても、それだけではログインされません。

楽天IDや楽天カードにも影響はありますか?

公表文は、漏えいのおそれがある楽天証券のログインIDは楽天IDとは異なると注記しています。楽天カードや楽天銀行の情報についての記載はありません。ただし、楽天証券の出金先口座として登録した銀行の口座番号と名義は区分1の項目に含まれます。楽天グループを名乗る連絡全般に、同じ注意を向けてください。

なぜテスト環境に本物の顧客情報があったのですか?

11月18日時点で、楽天証券は理由を公表していません。原因と経緯は調査中とされています。一般論として、テスト環境には本番データの写しが置かれがちです。金融庁のガイドラインは開発・テスト環境を本番から分けるよう求め、日証協のガイドラインは委託先の開発環境と本番環境の間のデータ転送の管理を求めています。続報で、データが置かれていた理由と期間が示されるかを確かめる必要があります。

自社のテスト環境で同じことを防ぐには、まず何をすればよいですか?

まず行うのは、テスト環境のデータベースにある本番由来の顧客データの件数確認です。あれば、仮名化か合成のデータに置き換え、本番の写しと仮名化の鍵をテスト環境から取り除きます。そのうえで、テスト環境に入れる人と接続元を本番と同じ水準まで絞り、ログを誰が見るかを決めます。委託先が運用しているなら、上の5項目を聞くところから始めてください。

関連記事

お気に入りに入れた記事の一覧

一創の公式 SNS

X では毎朝の新着記事と IT ニュースの速報を、YouTube・TikTok・Instagram・LinkedIn・Facebook では記事の解説動画を配信しています。

この記事は以下の記事からリンクされています

資料請求

今日のトレンド記事 直近 24 時間で、いつもより多く読まれている記事

  1. 2026.11.18 テックブログ Java脆弱性CVE-2026-114938(Java4Shell)とは?影響版・修正版と回避フラグの実装手順
  2. 2026.11.17 テックブログ チャットプラスの不正アクセス:導入企業がチャット履歴の個人データと報告準備を確かめる手順
  3. 2026.11.11 テックブログ JANISの不正アクセス:漏えい疑いは最大21,023名に拡大、停止中の参加登録の扱いと情報窃取プログラムの検知設定
  4. 2025.08.05 コラム SXG(Signed Exchange)とは?仕組みと広まらなかった理由・2026年の撤去手順
  5. 2026.11.14 テックブログ ImageMagickの脆弱性VU#580079:policy.xmlの許可リスト設定と影響判定の手順

RELATED POSTS 関連記事

目次