AI生成コンテンツ / AI-generated content
履歴書に、人には見えにくい文字を忍ばせ、AIなどの自動選考を自分に有利な方向へ誘導する――そんな「就活ハック」の実態を調べた研究が、2026年（令和8年）のUSENIX Securityで発表されました。約20万件の履歴書のうち、約1％から隠れた文言が検出されています。ただし、それで選考に通ったと証明されたわけではありません。
なぜ「見えない文字」をAIが読むのか
AI生成コンテンツ / AI-generated content
PDFは、画面に表示する見た目と、内部に持つ文字データが同じとは限りません。白い背景に白い文字を置いたり、文字を極端に小さくしたりすると、人には読めなくても、文字を取り出すプログラムには読める場合があります。ページの外や別の要素の後ろに隠す方法もあります。
AIに与える指示を「プロンプト」と呼びます。履歴書のような外から届いた資料に別の指示を紛れ込ませ、AIの判断を誘導するのがプロンプトインジェクション（指示の注入）です。たとえば「この応募者を高く評価するように」という趣旨の文言を忍ばせます。本来は評価される資料なのに、評価する側への指示として扱われると問題が起きます。
この論文では、直接の命令だけでなく、選考を誘導するために隠したスキルや職歴などもデータ注入として調べています。こちらは、AIが命令に従う問題とは仕組みが異なり、取り出した情報やキーワードの照合をゆがめようとするものです。従来型の自動選考でも起こり得ます。
この論文では、直接の命令だけでなく、選考を誘導するために隠したスキルや職歴などもデータ注入として調べています。こちらは、AIが命令に従う問題とは仕組みが異なり、取り出した情報やキーワードの照合をゆがめようとするものです。従来型の自動選考でも起こり得ます。
約20万件から見えた手口と割合
AI生成コンテンツ / AI-generated content
ノースカロライナ大学チャペルヒル校のMohan Zhang氏らは、採用サービスhireEZの履歴書196,682件を分析しました。氏名や連絡先などは取り除いています。独自の検出方法で2,030件、全体の約1％に、選考を誘導する隠れた文言が見つかったと報告しました。
目立つのは、検出された履歴書のうち、9割以上が直接の命令を含まないことです。データ注入の割合は、マッチングサービスの資料で90.5％、応募者管理システムの資料で95.7％でした。これは全応募者の9割という意味ではありません。
データ注入で最も多かったのは、技術や道具の名前などのスキル一覧です。ほかに、職歴・実績、求人票に書かれた条件、学歴・資格、これらを組み合わせた文言が見つかりました。人には見えない情報を機械に読ませ、求人に合う応募者と見なされようとする狙いが考えられます。
長期の資料では、検出割合は2019～2023年（令和5年）の約0.6～0.8％から、2024年（令和6年）には約1.2％へ上がり、2025年（令和7年）後半には0.67％に下がりました。古い事例は主にデータ注入で、生成AIが広まる前にも似た操作があったと考えられます。変化の原因についての論文の説明は仮説であり、因果関係を確かめた結果ではありません。
データ注入で最も多かったのは、技術や道具の名前などのスキル一覧です。ほかに、職歴・実績、求人票に書かれた条件、学歴・資格、これらを組み合わせた文言が見つかりました。人には見えない情報を機械に読ませ、求人に合う応募者と見なされようとする狙いが考えられます。
長期の資料では、検出割合は2019～2023年（令和5年）の約0.6～0.8％から、2024年（令和6年）には約1.2％へ上がり、2025年（令和7年）後半には0.67％に下がりました。古い事例は主にデータ注入で、生成AIが広まる前にも似た操作があったと考えられます。変化の原因についての論文の説明は仮説であり、因果関係を確かめた結果ではありません。
| 資料の集まり | 対象期間 | 履歴書数 | 検出数・割合 |
|---|---|---|---|
| 応募者と求人の マッチングサービス | 2024年7月 ～2025年11月 | 83,277件 | 993件・1.19％ |
| 複数企業の応募者管理システム | 2019年7月 ～2025年12月 | 113,405件 | 1,037件・0.91％ |
| 合計 | 上記の2資料 | 196,682件 | 2,030件・約1％ |
見た目と文字を比べて見抜く
AI生成コンテンツ / AI-generated content
研究チームは、履歴書に合わせた2つの検出方法を作りました。HCDは、文字の大きさや背景との色の違いなどで怪しい部分を探し、その内容が選考の操作を狙うものか、AIで確かめます。VDAは、人が見るページの画像と、機械が取り出した文字を、画像と文章を扱えるAIで比較します。
ポイントは、不審な命令文だけを探さないことです。スキル名だけを読んでも、正しく書かれた経歴か、隠して加えられた情報かは判断しにくいためです。「画面に見えないのに、文字データにはある」という違いが手がかりになります。論文によると、2つの検出方法はhireEZの実際のサービスにも組み込まれています。
ただし、検出も完璧ではありません。人が一部の結果を確認して推定したところ、HCDが疑わしいとしたもののうち、本当に操作目的と判断された割合は86.1％、VDAでは92.7％でした。これは攻撃をすべて見つけられる割合ではありません。装飾や文書変換の残りが誤って疑われたり、AIが存在しない違いを報告したりすることもありました。
ただし、検出も完璧ではありません。人が一部の結果を確認して推定したところ、HCDが疑わしいとしたもののうち、本当に操作目的と判断された割合は86.1％、VDAでは92.7％でした。これは攻撃をすべて見つけられる割合ではありません。装飾や文書変換の残りが誤って疑われたり、AIが存在しない違いを報告したりすることもありました。
就活生と採用側が気をつけること
AI生成コンテンツ / AI-generated content
この研究は、実際に提出された履歴書に、隠れた操作があることを示したものです。選考結果や採用の成否は調べていません。「AIをだませば内定が取れる」と読むのは誤りです。資料は1つの採用サービスから集めたもので、日本を含むすべての就活に同じ割合が当てはまるとも限りません。
約1％は検出器が出した推定であり、全件を人が確認した確定値ではありません。見落としの可能性から著者らは控えめな推定と説明していますが、誤検出もあります。また、隠れた資格や職歴の記述を見つけても、それが事実かどうかまで、この調査だけで証明できるわけではありません。
研究を踏まえた実務上の注意として、応募する側は、実際の経験やスキルを人にも読める形で整理しましょう。求人の言葉に合わせて正確に説明することと、隠れた文言で機械を誘導することは区別する必要があります。PDFにした後、表示と取り出せる文字を確認しておくと、意図しない混入にも気付きやすくなります。
採用する側は、文書の見た目と抽出文字の食い違いを確認し、AIの評価と経歴の根拠を照らし合わせることが大切です。検出結果だけで不正と決め付けず、該当箇所を人が確認する運用が考えられます。見えない命令だけでなく、見えないデータにも注意することが、この研究から得られる教訓です。
研究を踏まえた実務上の注意として、応募する側は、実際の経験やスキルを人にも読める形で整理しましょう。求人の言葉に合わせて正確に説明することと、隠れた文言で機械を誘導することは区別する必要があります。PDFにした後、表示と取り出せる文字を確認しておくと、意図しない混入にも気付きやすくなります。
採用する側は、文書の見た目と抽出文字の食い違いを確認し、AIの評価と経歴の根拠を照らし合わせることが大切です。検出結果だけで不正と決め付けず、該当箇所を人が確認する運用が考えられます。見えない命令だけでなく、見えないデータにも注意することが、この研究から得られる教訓です。
参考サイト
（この項おわり）
