Claude Media
「safeguards flagged this session」とは — Opus 5.5で出る確認と対処

「safeguards flagged this session」とは — Opus 5.5で出る確認と対処

Opus 5.5やSonnet 5.5で「safeguards flagged this session」と出る理由、Opus 4.8へ切り替えて続けるかの選び方、CVPの申請経路、/rewindでの再開手順を扱います。

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主に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。

Opus 5.5で safeguards flagged this session と出たのは、安全機構がセッションにフラグを立て、Claude Codeが別のモデルで続けようとしているサインです。初めて出たときは「今後も自動でOpus 4.8に切り替えて続けるか」と聞かれることがあり、答えは /config で後から変えられます。

画面の文言には、Opus 5.5は能力が高い分だけ安全機構も強く、サイバー以外の作業にもフラグが立つことがあると書かれています。ドキュメントでフラグの対象として挙がるのは、サイバーと生物関連が中心です。既定の代替先は、サイバー関連ならOpus 4.8(Sonnet 5.5ならSonnet 5)、Opus 5.5の生物関連ならOpus 5です。

画面に出る文言はモデルと利用経路で変わる

Claude Codeが呼び出すモデルの安全機構は、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します。フラグが立つと、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. Send feedback with /feedback or learn more: https://support.claude.com/en/articles/14604842-real-time-cyber-safeguards-on-claude

どの文言が出るかは、モデルと経路の組み合わせで決まります。

くらべる

フラグが立ったときの表示の違い

エラーで停止

Anthropic直・Opus 4.8 など

上のメッセージで応答が止まります。文頭は <model>'s safeguards flagged this message です。

冒頭の文言が違う

Opus 5.5 / Sonnet 5.5

文頭が <model>'s safeguards flagged this session になります。フラグの種類に代替モデルがあれば、エラーを出さずにそちらで再実行します。

Amazon Bedrock・Google Cloud's Agent Platform・Microsoft Foundryを経由する場合は別の文言です。サイバー関連のフラグも「Usage Policy refusal」として表示されます。文言は違っても、会話を巻き戻して言い回しを変えるという対処は共通です。

Fable系・Opus 5.5・Sonnet 5.5・Opus 5では自動で別モデルに切り替わる

これらのモデルで分類器がフラグを立てたとき、Claude Codeはリクエストを代替モデルで再実行し、切り替えたことをトランスクリプトに表示します。代替先は次のとおりです。

  • Fable 5.1 / Fable 5(サイバー関連): Opus 4.8
  • Opus 5.5(サイバー関連): Opus 4.8
  • Sonnet 5.5(サイバー関連): Sonnet 5
  • Opus 5(サイバー関連): Opus 4.8

切り替えた後は、そのモデルでセッションが続きます。元のモデルに戻すには /model を使います。effortを既定のまま使っているなら、フラグが立ったリクエストのeffortは引き継がれます。既定の medium のOpus 5.5からOpus 4.8へ切り替わっても medium のままです。設定や組織の既定値があればそちらが優先され、自分でeffortを変えたり再開したりすると引き継がれません。

Bedrock・Agent Platform・Foundryでも、モデルIDを識別できれば自動切り替えは動きます。どのモデルから切り替える場合も、ANTHROPIC_DEFAULT_OPUS_MODEL の設定かOpus 4.8のエントリが必要です。無ければSonnet 5.5を含め、切り替えは働きません。Sonnet 5.5ではさらに ANTHROPIC_DEFAULT_SONNET_MODEL の設定かSonnet 5のエントリが要ります。

このカテゴリ別の代替はv2.1.219以降の挙動で、v2.1.219より前はFable 5のフラグがすべてプロバイダーの既定のOpusに回されていました。

自動で切り替わるのが困るときは、/config で「Switch models when a message is flagged」をオフにするか、設定ファイルに次を書きます。

{
  "switchModelsOnFlag": false
}

オフにすると、フラグのたびにセッションが止まって選択を求められます(選択肢は後述の節にあります)。非対話モード(-p)やSDK連携のようにプロンプトを出せない環境では、フラグが立ったターンは拒否で終わります。モバイルアプリのクラウドセッションでは、プロンプトを編集して再試行する操作に対応していません。

Opus 4.8に切り替えて続けるかを聞かれたとき

switchModelsOnFlag を設定していない対話セッションでは、最初にフラグが立ったときに「今後も自動でOpus 4.8に切り替えて続けるか」と聞かれることがあります。答えは /config の「Switch models when a message is flagged」から後で変えられます。答え方で保存される内容が変わります。

  • 自動で切り替える: そのリクエストは代替モデルで再実行され、以降のセッションも代替モデルで進みます。Opus 5.5に戻すには /model を使います
  • 今のモデルに残る: 保存される値は false で、「Ask each time」と同じです。次にフラグが立ったときも確認が出ます
  • 質問を閉じる: 何も保存されず、次にフラグが立ったときにまた聞かれます

「Ask each time」にしている場合は、フラグのたびに切り替えるか、プロンプトを編集して再試行するかを選びます。

編集して再試行を選ぶときは、フラグの原因が会話全体にあることに注意が必要です。言い回しを少し変えただけでは再度止まりやすく、その場合は後述の /rewind で引き金のターンより前へ戻します。代替モデルも同じリクエストにフラグを立てたときは、プロンプトの編集か新しいセッションが選択肢です。

この確認画面が出ない場合もあります。Opus 5やSonnet 5.5の生物関連のフラグのように代替モデルがない分類と、代替先が availableModels で許可されていない場合は、確認なしで拒否に終わります。サブエージェントの中では確認が出ず、そのまま代替モデルで再実行されます。

最初のリクエストで出るなら、CLAUDE.mdやGit状態が原因かもしれない

フラグはユーザーが怪しい依頼を送る前、セッション最初のリクエストでも起こりえます。最初のリクエストにはCLAUDE.mdの内容やGitのステータスといった作業環境の情報が含まれるためです。セキュリティやバイオ関連の資料が多いリポジトリでは、その情報だけで分類器に引っかかる場合があります。

カスタマイズが原因かどうかは、--safe-mode で切り分けられます。v2.1.287の claude --help には次の行があります。

--safe-mode    Start with all customizations disabled …

CLAUDE.md・スキル・プラグイン・フック・MCPサーバーなどを読み込まずに起動します。それでも出るなら原因はカスタマイズではなく、Gitのステータスやディレクトリ名、あるいは依頼そのものです。Gitのステータスとディレクトリ名はカスタマイズではないため、--safe-mode でも送られます。

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して、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、正当な業務が引っかかることがあります。

Anthropicの説明では、セキュアコードレビュー・脅威モデリング・既知の問題のパッチ・自分のソースコードの脆弱性探索・セキュリティアラートの仕分けは、一般提供のモデルでも誰でも使えます。マルウェア解析やエクスプロイトの検証のような作業は、分類器に止められることがあります。後者が日常の業務なら、申請を検討する対象です。

誤検知だと思ったときの2つの窓口

窓口は、今後も同種の作業を続けるかどうかで選びます。

  • 続ける予定がある: 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: /feedback でfalse positive(誤検知)として送る

/feedback は報告であって、その場でフラグが外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るには、次の巻き戻しが必要です。

Cyber Verification Programの対象と申請経路

Cyber Verification Program(CVP)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向けの申請制プログラムです。2026年10月の改訂で、Defense Access・Red Team Access・Specialized Accessの3階層になりました。どの階層もOpus 5.5・Sonnet 5.5・Claude Mythos 5.1を含みます。脅威データの整理に使うMITRE ATT&CKの可視化は、LLM ATT&CK Navigatorとはで扱っています。

申請の入口は、経路を問わずVerification Portalです。Anthropicアカウントはポータル上で無料で作れ、課金情報は要りません。経路ごとの違いは次のとおりです。

経路申請の進め方
Anthropic直(Claude.ai・Claude Code・API)申請の進め方ポータルにサインインし、Programsから申請
Claude Platform on AWS申請の進め方先にLinked accountsでAWSアカウントIDを連携
Claude on Google Cloud申請の進め方先にLinked accountsでプロジェクトIDを連携
Microsoft Foundry申請の進め方Foundryにモデルをデプロイしたうえで、Azureのサブスクリプションとテナントを連携
Amazon Bedrock申請の進め方Fable 5.1のデータ保持の適用除外がある組織に限られる(Enterprise Frontier Safeguardsの提供後はその利用顧客も対象)
サードパーティ製品申請の進め方プラットフォームからAnthropicの登録リンクを受け取る。Specialized Accessは対象外

申請は組織ごとに1回で、1通の申請書から受け取った情報に応じて最も高い階層に割り当てられます。審査結果か追加情報の依頼は、7営業日以内のメール通知が目標です。組織の個々のユーザーが別々に申請する必要はなく、管理者が席を割り当てます。独立した研究者・メンテナー・バグバウンティ参加者は個人で申請でき、個人で申請できるのはDefense Accessだけです。

承認されただけでは有効になりません。ワークスペース・ロール・連携したクラウドアカウントに権限を割り当てて初めて効きます。CVPはデータ保持が前提で、FableかMythosのデータ保持の適用除外(ZDR)を持つ組織は、対応する全モデルでZDRのままCVPを使えます。

Defense Accessは、2026年12月15日までにフィッシング耐性のある多要素認証へ移行し、APIキーの利用をやめる必要があります。それまでは何らかの多要素認証が必須で、APIキーは7日ごとに失効します。Specialized Accessは、組織ごとに米国政府と連携した詳細な審査があります。

経路別の詳しい手順はCyber Verification Programの申請手順にあります。承認後のConsole側の設定はワークスペースへの割り当て手順です。

同じセッションで作業を続ける手順

フラグ判定は、直近のプロンプトだけでなく会話全体を対象にします。同じセッションで新しいメッセージを送っても、同じ拒否がたいてい再発します。--continue や --resume で開き直しても、トランスクリプトに引き金の内容が残っているため同じです。

手順

フラグが立ったセッションを再開する

  1. 1

    巻き戻しメニューを開く

    プロンプトの入力欄が空の状態で /rewind を実行するか、Esc を2回押します。入力欄に文字があるときは、Esc 2回で入力が消えるだけでメニューは開きません。

  2. 2

    フラグが立つ前のプロンプトを選ぶ

    メニューにはセッション中に送ったプロンプトが並びます。引き金になったターンより前のものを選びます。

  3. 3

    戻す対象を決める

    「Restore conversation」は会話だけを戻してコードは今のままにします。コードと会話の両方を戻す選択肢もあります。

  4. 4

    別のアプローチで送り直す

    同じ内容をそのまま送ると、また引っかかります。調査の目的や範囲を言い換えるか、依頼を分けて送ります。

/rewind のチェックポイントはセッションと一緒に保存されるため、セッションを再開した後でも使えます。ただしファイルのスナップショットは、最後に保存してから約30日で定期削除の対象になります。古いセッションでは「No files were restored」で失敗することがあり、保持期間は cleanupPeriodDays で延ばせます。チェックポイントの挙動はClaude Code rewindコマンドで/clear前まで戻るにまとめています。

引き金のターンが特定できないときは、/clear で同じプロジェクトの新しい会話を始める手があります。以前の会話はディスクに残り、/resume から開けます。同じプロセス内なら、巻き戻しメニューの先頭に出る /resume <session-id> (previous session) からも戻れます。

元の会話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に戻る操作です。フラグが立つ前の状態を残し、別の言い回しを並行して試すなら /branch を使います。

/branch

/branch は現在の会話をその時点で枝分かれさせて新しいセッションに切り替え、元のセッションは /resume で戻れる形で残します。コマンドラインからは claude --continue --fork-session が同じ働きです。v2.1.287の claude --help では、--fork-session は「再開時に元のセッションIDを使い回さず、新しいIDを作る」オプションとして出ます。

注意点は、分岐する位置です。引き金になった内容を含んだまま分岐すると、会話全体が評価されるため分岐先でも同じフラグが再発します。

/fork は名前が似ていますが、会話を新しいバックグラウンドセッションにコピーして手元の作業を続けるコマンドです(v2.1.212以降)。巻き戻しの代わりにはなりません。

似た文言の別エラーと見分ける

よく混同されるのが、auto modeで出る次のエラーです。

Auto mode could not evaluate this action and is blocking it for safety — a safety check separate from auto mode blocked this request because of earlier conversation content — it isn't about the action itself — run with --debug for details

こちらはauto modeの承認判定が実行できなかったという表示で、本記事のエラーとは別の仕組みです。ただし末尾の説明どおり、原因が会話の以前の内容にある場合は、本記事と同じ安全チェックが背景にあります。見分け方は文言です。safeguards flagged を含んで応答自体が止まるなら本記事、Auto mode で始まり特定のツール操作だけが止まるなら別のエラーとして扱います。

権限設定やサンドボックスとは別の仕組み

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です。権限モデルやサンドボックスの設計はClaude Codeセキュリティ・権限ガイドにまとめています。CVPが緩和するのはリクエスト内容へのフラグであり、権限設定を緩めることではありません。

防御側の脆弱性対応でのClaudeの使い方は、Claudeサイバーセキュリティ活用ガイドで扱っています。

よくある質問

この安全機構はClaude Code独自の機能か

いいえ。サーバー側にあるモデルの安全機構で、v2.1.203より前から存在していました。クライアントのリリースで変わったのは表示文言です。

  • v2.1.203より前: 「exemption(適用除外)を申請してください」という文面。申請フォームへのリンクつき
  • v2.1.203〜v2.1.218: has safety measures that flagged this message for a cybersecurity topic で始まる文面。対話セッションでは末尾に /feedback への案内が付く
  • v2.1.219〜v2.1.296: 現行の文面に、Apply to the Cyber Verification Program to reduce these interruptions. が加わる
  • 現行: 冒頭に掲げた文面

参照した一次ソース

この記事の記述は、次の一次ソースと照合しています。更新時に参照先が変わった場合は一覧も更新します。

  1. code.claude.com/docs/en/errors
  2. support.claude.com/en/articles/14604842-cyber-verification-program
  3. support.claude.com/en/articles/14604842-real-time-cyber-safeguards-on-claude
  4. code.claude.com/docs/en/model-config
  5. code.claude.com/docs/en/checkpointing
  6. code.claude.com/docs/en/settings-reference
この記事を共有:XはてブLinkedIn