30秒サマリー
- 自然言語からSQLを生成するAIで、カラム単位のアクセスポリシーを確定的に執行する手法「PCC-SQL」が発表された
- 3つのベンチマークと3つのOSSモデルで情報漏洩率0%を達成し、カバレッジは最大88.7%を記録
- トークン生成コストはダイレクトプロンプティング比で+10%以内に収まり、実用性も示された
何が起きたか
早稲田大学の宮本涼人氏、Xin Fan氏、山名早人氏の3名は2026年7月14日、arXivに論文「Policy-Conditioned Constrained Decoding for Column-Level Access Control in Text-to-SQL」を投稿した。
Text-to-SQL（自然言語をSQL文に変換するAI技術）は、データ提供者とユーザーの間の信頼境界をまたぐ形で導入が進んでいる。既存手法ではクエリが参照するカラム名の有無でアクセス可否を判断し、確率的に違反を排除しようとするが、同じカラムでも「出力値として使うのか」「フィルター条件として使うのか」「集計引数として使うのか」によってポリシー上の許可・不許可が異なるケースに対応できず、また確率的手法では違反の完全排除を保証できないという課題があった。
研究チームが開発した「PCC-SQL」は、カラムの「意味的使用（出力・フィルター条件・集計引数）」に基づくポリシーをデコーダの文法規則と対応付け、トークン生成の各ステップで違反トークンをマスクする手法を採用。これにより1回のデコーディングパスで単一クエリのカラム使用違反を確定的に排除する。Spider-CUベンチマークでは情報漏洩率0%、カバレッジ最大88.7%を達成した。処理コストはダイレクトプロンプティングと比較してトークン数で+10%以内に収まることも確認されている。
原典ハイライト
論文アブストラクトによれば、PCC-SQLは「ポリシー準拠」「回答カバレッジ」「コスト上限」という3つの競合要件を同時に満たすことを目標として設計されており、3ベンチマーク・3オープンソースモデルの組み合わせでLeakage Rate 0%を達成したと記載されている。
出典: arXiv cs.CL（論文）
So What?（なぜ重要か）
Text-to-SQLはBI・データ分析ツールへのAI組み込みで急速に普及しているが、従来の確率的アクセス制御では「ゼロ漏洩の保証」が得られなかった。本研究はデコード段階でポリシーを構造的に埋め込むことで、確定的な保証と実用的なカバレッジを両立できることを示した点で、LLM活用のガバナンス実装に新たな選択肢をもたらす。
日本企業への示唆
社内データベースに自然言語でアクセスするAIツールを導入・検討している日本企業にとって、カラム単位のアクセス制御をモデルのデコード層で確定的に担保するアーキテクチャは、個人情報保護法や社内セキュリティポリシーへの準拠を技術的に証明しやすくする手段となりうる。特に人事・財務・顧客DBをAIに開放する際のリスク管理策として、同種のConstrained Decoding手法の採用可否を技術選定の評価軸に加えることを検討したい。なお本論文はまだarXivプレプリント段階であり、査読済み成果ではない点に留意が必要。
背景・経緯
Text-to-SQLは自然言語の質問をSQLクエリに変換するタスクで、LLMの精度向上とともにデータ分析業務への実用導入が加速している。一方でデータアクセス権限の管理をAIレイヤーでどう実現するかは未解決の課題とされており、本研究はComputation and Language（cs.CL）に加えCryptography and Security（cs.CR）・Databases（cs.DB）の複合領域として分類されている。
