約 4 分で読めます

CMEK鍵の障害検知と復旧を三層で設計する方法

顧客管理鍵(CMEK)でClaudeのデータを保護すると、KMS側で鍵を無効化した瞬間に、Claudeを使う全ワークスペースが止まり得ます。鍵の無効化は運用ミスでも起きるため、止まったことに最初に気づく仕組みが統制の要件になります。2026年11月16日、組織webhookに external_key.failed と external_key.recovered が追加されました。この記事は、イベントを軸にした検知と復旧の設計を、取りこぼしを前提にまとめます。

external_key.failedはどんな条件で届くのか

KMSが鍵の利用を拒否し続けるとfailedが届き、復旧するとrecoveredが届きます。到達は最大30分遅れます。

トリガーは、鍵の無効化や、Anthropicへのアクセス権の取り消しなど、KMSによる実際の拒否です。テストイベントはありません。ペイロードは data.id(ekey_ で始まる鍵ID)と organization_id のみで、ワークスペースは含まれません。1つの鍵を複数のワークスペースが使えるためです。

到達時間の目安は、各ワークスペースが毎分1回程度Messages APIを呼ぶ場合で次のとおりです。トラフィックが少ないほど遅くなります。

  • external_key.failed: 鍵の無効化から30分以内。到着時点でリクエストが成功することもあります
  • external_key.recovered: 鍵が復旧してから約30分後

webhookだけで検知してはいけない理由は何か

イベントは取りこぼし得ます。鍵を使うリクエストがなければ検知されず、KMS障害は拒否に数えられません。

公式ドキュメントが挙げる取りこぼしの条件は、次のとおりです。

  1. 鍵を使うリクエストがない(拒否が観測されない)
  2. KMSの障害やタイムアウト(拒否ではないため両イベントとも出ない)
  3. 複数組織で同時に鍵が失敗した場合(Anthropicまたはクラウド側が原因の可能性があり、イベントもメールも出ない)
  4. Default Workspaceの鍵が失敗し、エンドポイントの値を暗号化している場合(自身のfailedを含む全イベントが止まる)

配信自体も、再送は数分で打ち切られ、失敗したイベントは破棄されます。連続失敗や3xx応答でエンドポイントが自動で無効化されても、通知はありません。結果として failed が2回続く、failed なしの recovered が届く、といった順序の乱れも起こります。受信側は冪等にし、webhook-id で重複排除してください。

検知と復旧の設計はどう組むべきか

三層で組みます。webhookは速報、cmek_keyエラーは実害の検知、定期validateが最終防衛線です。

第1層: webhook受信。 署名(Standard Webhooks の webhook-id / webhook-timestamp / webhook-signature)を検証し、5秒以内に2xxを返します。重い処理はキューに回します。

第2層: APIエラーの監視。 次の3つのエラーコードを別個にアラート化します。

  • cmek_key_disabled(400): 鍵の無効化
  • cmek_key_network_blocked: ネットワークによるアクセス遮断
  • cmek_key_unreachable(503): KMSに到達できない。再試行可能

第3層: 定期照合。 1日1回など、鍵一覧を取得して各鍵をvalidateします。エンドポイントの state が enabled かも併せて確認します。

イベントを受けた後の標準手順は次のとおりです。

POST /v1/organizations/external_keys/{id}/validate
  → status=failure : error の指示に従う / CMEKトラブルシュートを参照
  → status=success : 鍵を使う全ワークスペースで Messages API を1回送る

validateは1ワークスペース分の暗号化・復号の往復しか試さず、最大30秒待ちます。AWSでワークスペース単位にキーポリシーを絞っている場合、validateが成功しても他のワークスペースは拒否され得ます。したがって、external_key_id で一致するワークスペースを列挙し、個別に疎通確認します。無効化の反映には最大1時間かかるため、成功した場合は failed の1時間後に再確認が必要です。復旧後は recovered を待たず、同じ確認を繰り返します。

運用上の落とし穴と統制の要点は何か

鍵の削除は取り消せず復元もできません。無効化は再有効化で戻せますが、失敗中のリクエストは再試行されません。

  • 削除と無効化の区別: KMSで鍵を削除・削除予約・鍵素材を破棄すると、データは復元できません。無効化なら再有効化で戻ります。この差を、KMSの権限設計(削除権限の分離、削除予約期間の確保)に反映します
  • Default Workspaceの依存: 鍵がDefault Workspaceに使われると、エンドポイントの name、description、署名シークレットが鍵に依存します。障害中は配信が失敗し、イベントは後から送られません。警報の経路をClaude外の監視基盤にも持たせます
  • 変更の不可逆性: ワークスペースに一度attachした鍵は、外すことも差し替えることもできません。鍵の provider_config も、参照後は実質変更できません。鍵の変更は、新しいワークスペースを作って移行します
  • 削除の制約: 鍵のレコードは、アーカイブ済みを含むどのワークスペースも使っていない場合に限り削除できます
  • スコープ: 受信用の認証情報には、Admin APIキー、または org:admin スコープのトークンを使います。最小権限で分離し、鍵はシークレット管理基盤で保管します

大規模な組織では、鍵のライフサイクルと障害対応のRunbookを、クラウド基盤チーム・セキュリティチームと合同で整備することが成功条件になります。AI変革全体の統制設計は RDE で伴走しています。関連する設計はClaudeのデータ保持とFable 5.2移行と組織webhookの受信設計も参照してください。

参考

まとめ

CMEKの障害は、webhookだけでは確実に検知できません。webhookを速報、cmek_key_* エラーを実害の検知、定期validateを最終防衛線とする三層で組むと、取りこぼしの穴を塞げます。鍵の運用統制や検知基盤の設計で迷う場合は、Kuu株式会社のRDEにご相談ください。

関連記事

ClaudeのIP許可リストが守る範囲と守れない範囲thinking blockのアカウント束縛とテナント分離設計Web fetchツールの外向き通信を絞る4つの設定Claude APIキーの種類と漏えい時の初動手順