「safety measures flagged」とは — Claude Codeのセキュリティ誤検知の対処

脆弱性診断やマルウェア解析をClaude Codeにやらせようとして、正当な作業なのに応答を止められた経験がある方は少なくないはずです。モデルの安全機構が会話の内容をサイバーセキュリティ関連の話題と判定し、リクエストごとフラグを立てる仕様が原因です。表示される文言の意味と、誤検知だった場合の解除申請、セッションを続ける方法をたどります。

safety measures flaggedとは何が起きているのか

Claude Codeが呼び出しているモデルには、会話の内容をサイバーセキュリティ関連の話題として検知する安全機構が組み込まれています。この機構がリクエストにフラグを立てると、モデル名を含む次のようなメッセージとともに応答が止まります。

API Error: Opus 4.8's safeguards flagged this message. Our intentionally broad safeguards allow us to deliver more capabilities faster, but can sometimes flag legitimate cybersecurity work. Apply to the Cyber Verification Program to reduce these interruptions. Send feedback with /feedback or learn more: https://support.claude.com/en/articles/14604842-real-time-cyber-safeguards-on-claude

メッセージ中のリンクはCyber Verification Programを指しています。正当なセキュリティ業務であることを申請して認められると、このプログラム経由でアクセスできるようになります。

この安全機構自体はサーバー側の仕組みで、v2.1.203より前から存在していました。クライアント側のリリースで変わってきたのは表示文言だけです。v2.1.203からv2.1.218までは「<model> has safety measures that flagged this message for a cybersecurity topic.」で始まる文面が使われ、対話セッションでは末尾に「意図したセキュリティ関連の話題でなければ/feedback で報告してほしい」という一文が付いていました。v2.1.203より前はさらに古い文面で、エグゼンプション申請フォームへのリンクが使われていました。

なぜ正当なセキュリティ調査でも止まるのか

エラーメッセージ自身が「intentionally broad safeguards(意図的に広くとった安全機構)」と説明しています。検知範囲を広めに設定することで、悪用の見逃しを減らしながら機能提供のスピードを優先する設計です。その代償として、脆弱性診断・マルウェア解析・侵入テストのような正当なセキュリティ業務が誤って引っかかることがあります。狙いを絞った悪用対策ではなく広範な事前フィルタである以上、この誤検知は仕様上避けられません。

プロバイダーによって表示が変わる

Amazon Bedrock・Google Cloud's Agent Platform・Microsoft Foundryを経由してClaude Codeを使っている場合は表示が変わります。サイバーセキュリティ関連のフラグは本記事のメッセージではなく、「Usage Policy refusal」として表示されます。表示は異なりますが根本原因は同じで、対処の方向性(会話を巻き戻す・言い回しを変える)も共通です。

非対話モード(-p フラグ)では最終行が /feedback への言及がない Learn more: 形式になります。

Cyber Verification Programの対象と審査の目安

Cyber Verification Programは、防御目的の正当なセキュリティ業務に従事する専門家を対象としています。自動ブロックの対象は2つのカテゴリに分かれ、データ流出やランサムウェア開発のような禁止用途は申請しても調整できません。一方、脆弱性の悪用やセキュリティツール開発のような高リスクの二面用途(dual use)は、申請によってアクセスを調整できる対象です。

申請方法は利用経路によって異なります。Anthropicが直接提供する経路とAmazon Bedrock経由では、リンクされた検証ポータルから申請します。Microsoft Foundry経由では専用フォーム(Cyber Use Case Form)から、それ以外のサードパーティプラットフォーム経由では各プラットフォームへの問い合わせが窓口になります。審査結果は目安として2営業日以内にメールで通知されます。ただし、Zero Data Retention(ZDR)を導入している組織のメンバーは、このプログラムの対象外です。なお公式の案内では、Google CloudのAgent Platform経由は現時点で申請の対象になっておらず、Amazon Bedrock上のOpus 5も対象外とされています。

対処 — 誤検知だった場合

意図せず引っかかったと考える場合は、次の2つの窓口があります。

• 今後も同種の作業を続ける予定がある場合はCyber Verification Programに申請し、正当なセキュリティ業務としてのアクセスを得る
• 単発の誤検知として報告したい場合は /feedback コマンドでfalse positiveとして送る

対処 — 同じセッションで作業を続ける

エラーが出たセッションをそのまま使い続けたい場合は、フラグが立ったターンより前のチェックポイントまで巻き戻してから、別のアプローチで続けます。

/rewind

Esc を2回押しても同じメニューが開きます。フラグが立ったターンより前のプロンプトを選び、会話とコードのどちらを戻すかを選択します。チェックポイントの詳しい挙動はClaude Code rewindコマンドで/clear前まで戻るにまとめています。

元のセッションを残したまま別の言い回しを試す

/rewind は同じセッションの中で過去のチェックポイントに戻る操作です。フラグが立つ前の会話はそのまま残し、別の言い回しを並行して試したい場合は /branch で新しいセッションに分岐させます。

/branch

/branch はその時点までの会話をコピーして新しいセッションに切り替え、元のセッションはディスク上でそのまま残ります。コマンドラインからは claude --continue --fork-session でも同じことができます。ただしフラグを引き起こした内容より前で分岐しなければ、コピー先でも同じフラグが再発する点は /rewind と変わりません。

似た文言の別エラーと混同しないための見分け方

このエラーとよく似た状況で発生する別のエラーに、auto modeの分類器がブロックする「Auto mode could not evaluate this action and is blocking it for safety」があります。こちらは会話中の以前の内容がAPI側の安全チェックに引っかかったケースです。auto modeの承認判定自体が実行できなかった結果であり、応答そのものが止まる本記事のエラーとは発生箇所が異なります。表示されたメッセージが safeguards flagged this message を含み応答自体が止まっているなら本記事のエラーです。auto mode という語を含み特定のツール操作だけがブロックされているなら別種のエラーです。

この対処はCLI・Desktop・Web版のどれでも共通か

このエラーへの対処コマンドは、CLI・Desktop app・Claude Code on the webのいずれでも共通です。3つの利用形態はいずれも同じClaude Code CLIをラップしているため、表示されるエラーメッセージと復旧コマンド(/rewind)は変わりません。安全機構自体はモデル側のサーバーサイドで動くため、どの利用形態から呼び出しても同じ判定が適用されます。

Claude Codeのセキュリティ運用全体との関係

この誤検知はモデル側の安全機構によるもので、Claude Code自体の権限設定やツールアクセス制御とは別の仕組みです。個人・チーム・企業でのセキュリティ運用を設計する際の権限モデルやサンドボックス設定はClaude Codeセキュリティ・権限ガイドにまとめています。Cyber Verification Programはリクエストの内容そのものへのフラグを緩和する仕組みで、権限設定を緩めることとは目的が異なる点に注意が必要です。

よくある質問

Cyber Verification Programに申請すると審査にどれくらいかかるか

目安として2営業日以内にメールで審査結果が通知されます。継続的にセキュリティ業務でClaude Codeを使う予定があるなら、誤検知が発生した時点で早めに申請しておくのが実務的です。

/feedbackで報告した誤検知はすぐに解除されるか

/feedback は個別のリクエストに対する誤検知の報告であり、その場でフラグが解除される仕組みではありません。同じセッションで作業を続けたい場合は /rewind でフラグが立ったターンより前まで戻り、別の言い回しやアプローチで再送する必要があります。

高リスクの二面用途と禁止用途はどう違うか

高リスクの二面用途(dual use)は、脆弱性の悪用やセキュリティツール開発のように、防御目的にも攻撃目的にも使える作業です。Cyber Verification Programに申請して認められれば、この区分は継続的にブロックされずに済みます。一方、データ流出やランサムウェア開発のような禁止用途は申請しても調整できない区分で、正当な業務であることを示す手段はありません。エラーに遭遇した作業がどちらの区分に近いかを見極めることが、申請するかどうかの判断材料になります。

この安全機構はClaude Code独自の機能か

いいえ。エラーメッセージにあるとおりモデル自体の安全機構で、サーバー側の仕組みです。Claude Codeのバージョンアップで変わってきたのはエラーメッセージの文言だけで、検知の仕組み自体はv2.1.203より前から存在していました。

Claude Codeのエラー全般を切り分ける手順はClaude Codeインストールエラーの切り分けチェックリストを参照してください。