秘密投票の根底にあるアルゴリズムの欠陥
An Algorithmic Failure Beneath the Secret Ballot (blog.citp.princeton.edu)
要約
米国の一部の州で使用されている投票スキャナーには、投票記録を匿名化する際に使用されるアルゴリズムに重大なプライバシー侵害の脆弱性が存在します。この脆弱性を悪用すると、AIツールと公開情報を組み合わせることで、投票者がどの順番で投票したかを特定し、秘密投票の保証を失わせる可能性があります。2022年に発見されたこの問題は、一部の州ではまだ修正されておらず、選挙の公平性と有権者の保護に深刻な懸念をもたらしています。
全文翻訳
秘密投票の裏に潜むアルゴリズムの破綻
執筆者: Max Springer
秘密投票は、民主主義を支える重要な柱の一つです。ジョージア州では、ほとんどの州と同様に、有権者は自分が投票したかどうかを知ることはできますが、誰に投票したかを知ることはできません。この単純な保証は、選挙の透明性を確保し、有権者への威嚇を防ぎます。しかし、ジョージア州を含む複数の州で、その保証が実際に危険にさらされています。公開記録を匿名化するため、 ballot スキャナーは公開前に電子記録をランダムにシャッフルします。しかし、2022年に開示されたセキュリティ上の脆弱性により、このシャッフルは元に戻すことが可能であり、一部の州ではそれを解決するソフトウェアアップデートが適用されていません。ランダム化を元に戻し、投票した個人の記録と照合すれば、匿名 ballot が明らかになってしまいます。
私はセキュリティ研究者ではなく、ジョージア州に行ったこともありません。しかし、数時間のうちに、AIツールと公開されている記録のみを使用して、2026年5月のジョージア州予備選挙における150万票の投票順序を再構築することができました。これは、対面投票の ballot の98.9%に相当します。この順序と州の公開ログを組み合わせることで、特定の郡をターゲットにし、AIに各個人がどのように投票したかを正確に特定させることができます。ジョージア州の一部の郡では、投票センターでのすべての投票者の ballot を正確に特定できます。 ballot の秘密は完全に失われています。
悪用方法
2022年10月、研究者チームは、米国全土で使用されている特定の ballot スキャナーに、 ballot の匿名化方法に関する重大なプライバシー上の欠陥があることを示すレポートを発表しました。具体的には、これらのスキャナーは、監査のために各電子 ballot レコードにスキャン時にランダムに見える番号を割り当てます。しかし、スキャナーがこのランダムな番号を生成するアルゴリズムは実際には決定論的であり、 ballot が投じられた順序を特定するために正確に逆算できます。
例えるなら、私がトランプの山札を、一番上のカードを真ん中に移動させるという手順でシャッフルし、そのシャッフルの方法を大声で公表したとします。あなたはブラックジャックのゲームで私に対して有利になるでしょう。匿名性を提供するためのシャッフルが、実際には正反対の効果をもたらします。
当然ながら、 ballot が投じられた順序を知ることは、パズルのピースの一つにすぎません。しかし、投票者が ballot を投じた順序に関する公開されている記録(ログブックや poll watcher など)と組み合わせると、 ballot から投票者へのマッピングを再構築する簡単な手順が存在します。
AIツール
コンピュータセキュリティの歴史において、脆弱性とその悪用を隔てる「堀」は、専門知識によって築かれてきました。脆弱性に関する研究論文を読み、それを適切なデータセットで動作するコードに変換するプロセスには、訓練されたプログラマーでも数週間から数ヶ月かかりました。このギャップは、実質的に保護の役割を果たしていました。ChatGPTのようなチャットボットの基盤となっている大規模言語モデル(LLM)は、この堀を越える橋を築いています。コードを記述し、実行し、何がうまくいかないかを確認し、再度試す能力を持つモデルは、目標が達成されるまでプログラミングできるようになりました。この目標を平易な言葉で説明すれば、LLMがその作業を実行します。これはかつて専門家を必要とした作業です。このようにプログラミングタスクに解放されたLLMを、私は「コーディングエージェント」(あるいはもっと簡単に「エージェント」)と呼びます。
わずか20ドルで、私は最も強力なコーディングエージェントにアクセスし、それらをこの特定の、現実の、そして未修正のアメリカの選挙機器の欠陥に向けました。私は新しい攻撃を開発したり、新しい脆弱性を発見したりしたわけではありません。私がしたことは、エージェントに脆弱性に関する論文を提示し、それがジョージア州で使用可能かどうかを尋ねただけです。数時間のうちに、私はジョージア州全体の秘密 ballot を分析・特定するためのパイプラインを構築し、エージェントはさらにどのような情報が必要かを正確に教えてくれました。エージェントは、悪用を実装することに同意しない、あるいは懸念を表明することは一度もありませんでした。
結果
元の脆弱性が開示されてからほぼ4年後、私はそれをジョージア州(影響を受けるスキャナーを使用している21州のうちの1つ)の最近の2026年5月の予備選挙における投票者行動の分析に使用することができました。
特筆すべきは、私は投票機に触れたり、ネットワークを悪用したり、ソースコードを調べたり、非公開のものにアクセスしたりすることは一切なかったということです。
コーディングエージェントを元の脆弱性論文に向けた後、論文で強調されていた2つのデータソースを提供しました。それは、各郡の早期投票リストと、「CVR」(cast-vote record)ファイルです。CVRファイルには、すべての ballot とその選択肢が含まれています(ただし、投票者の名前やその他の識別情報は含まれていません)。CVRファイルは、公開された ballot レベルの記録が選挙結果の独立した検証を可能にするため、要求に応じて入手可能です。
独立して見れば、これらの公開ファイルは秘密 ballot を破るものではありません。しかし、AIエージェントは、公開された脆弱性を使用して ballot のシャッフルを解除し、各 ballot が投じられた日付を特定し、 subsequently ballot と潜在的な投票者のバケットを作成することで、それらを組み合わせることができました。例えば、予備選挙で、ある投票所で同じ朝に3人の民主党員が投票に来た場合、モデルは、どの ballot が誰のものかをまだ特定できなくても、それらの3人の投票者に属するはずの3つの ballot を容易に指摘できました。ジョージア州の小さな地方郡では、例えば、ある予備選挙の早期投票日に民主党員が1人しか投票に来なかった場合、モデルはすでにその人物の ballot を完全に確実に特定するのに十分な情報を持っていたことが容易にわかります。
これらの2つの公開ファイルだけで、調査した139郡のうち114郡で、対面投票の ballot の投じられた順序を復元できることがわかりました。これは、 ballot の152万票、つまりそれらの郡の対面投票の98.9%に相当します。
さらに深く掘り下げるために、2つの確実性のレベルを区別すると役立ちます。「一意に特定可能」とは、強制的な一致を意味します。つまり、その人物が、特定の日の特定の ballot タイプで、その投票区で、その政党の唯一の投票者であったため、一致する ballot は1つだけです。公開ファイルのみから、これは分析された早期対面投票者全体の約1%に相当します。
[画像: anonymized ballot が投票者に追跡されるまでのタイムライン]
「特定の ballot に紐付けられる」はより強力な主張であり、追加の公開記録が必要です。可能性のある ballot のバケット(例えば、3人の民主党員の誰が各 ballot を投じたか)を分離する必要がある場合、私はスキャナーの公開監査ログと個々の投票場所のチェックイン記録を取得し、それらは投票者のチェックインの順序とタイムスタンプを正確に示します。ジョージア州で最も小さい郡の一つであるハード郡では、エージェントは650人の早期対面投票者の大半を特定の ballot に一致させることができ、残りは1回のスワップの範囲内でした。チェロキー郡の特に忙しい投票センターであるボールグラウンドで、1,860人の早期投票者全体を調べた場合も、同じ結果が得られました。
影響
上記の2つの郡は、私が影響を受けたどの郡でも投票者と ballot を照合するプロセスを繰り返すことができたという意味で、特筆すべきではありません。投票者が ballot をスキャンした順序の粗い記録でさえあれば、AIシステムはそれらの ballot を照合できます。そして、その記録はしばしば容易に入手可能です。多くの投票者が互いを知っているジョージア州の小さな町では、単純なCCTV映像や、配置された poll watcher でさえ、個人が ballot を投じたタイミングを直接監視できます。それを上記のコーディングエージェントにフィードすれば、 ballot が返されます。
実際、ほとんどの投票所スキャナーは、特定の場所で提出された ballot の総数を公開で表示しています。自分の番号をメモし、配偶者がすぐ後ろにいることを知っていれば、配偶者の秘密 ballot の保護は即座に失われます。
[画像: ballot box のデジタル画面に、どの番号が投じられているかが表示されている様子]
繰り返しますが、秘密投票は便宜的なものではなく、投票者への強制を無意味にする保護です。証明できない投票は売買したり強制したりできないからです。これを剥奪するなら、これらの欠陥は手の届くところにあります。あなたの雇用主、隣人、あるいは配偶者でさえ、あなたの機密情報を引き出すことができます。
この問題に対処するために何が行われていますか?
期待するほどではありません。修正されたバージョンのソフトウェアは2023年3月に開発・認証されましたが、ここで分析したデータは2026年5月のものです。開示や直接的な修正でさえ、選挙管理担当者による解決策の採用が遅いため、問題は解決されていません。以前は、この脆弱性が大規模に使用される可能性は低いと認めていたかもしれませんが、AIコーディングツールの出現は、事態を根本的に変えました。この脆弱性、そして以前は修正するほど技術的に複雑すぎると考えられていた他の多くの脆弱性について、私たちは瀬戸際にいます。
推奨事項
AIコーディングツールは技術的な障壁を下げたため、担当者はシステムをより緊急にパッチ適用する必要があり、私たち研究者はセキュリティ脆弱性の責任ある開示をどのように扱うかを再考する必要があります。修正までの時間は、全く異なる速度で進行しており、誰でもほとんど、あるいは全く技術的な知識なしに脆弱性を標的にすることができます。
具体的には、この脆弱性に関して、Dominionスキャナーを使用している管轄区域は、バージョン5.17(またはそれ以降)のソフトウェアをインストールする必要があります。影響を受けるスキャナーは、次の選挙の後ではなく、次の見出しの後ではなく、次の選挙の前に修正されるべきです。公開されている選挙データの維持は、健全で監査可能な民主主義にとって不可欠であり、これらの機械によって生成された結果のどれも問題視されていません。しかし、プライバシーアルゴリズムを不適切に展開し、投票するという行為そのもので投票者を危険にさらす場合、そのようなデータは維持できません。私たちが保護を怠ってきたのはまさにこの市民の義務であり、それを保護する時期はとうに過ぎています。
Max Springer は、プリンストン大学情報技術政策センターのポスドク研究員であり、メリーランド大学で応用数学の博士号を取得しています。彼の研究は、アルゴリズムとAIシステムを理論と実践の両方で、より信頼性が高く、信頼できるものにする方法を探求しています。科学的な研究に加えて、フリーランスの科学コミュニケーターとしても活動し、技術システムが責任を持って理解され、展開されるように、政策立案者と協力しています。