Internet Infrastructure Review（IIR）Vol.71
2026年9月

今回も前回までと同様に、ブロードバンドに関しては、個人及び法人向けのブロードバンド接続サービスについて、ファイバーとDSLによるブロードバンド顧客を収容するルータで、Sampled NetFlowにより収集した調査データを利用しています。モバイルに関しては、個人及び法人向けのモバイルサービスについて、使用量にはアクセスゲートウェイの課金用情報を、使用ポートにはサービス収容ルータでのSampled NetFlowデータを利用しています。

トラフィックは平日と休日で傾向が異なるため、1週間分のトラフィックを解析します。今回は、2026年6月1日～6月7日の1週間分のデータを解析して、前回解析した2025年6月2日～6月8日の1週間分と比較します。

ブロードバンドの集計は契約ごとに行い、一方モバイルでは複数電話番号の契約があるので電話番号ごとの集計となっています。ブロードバンド各利用者の使用量は、利用者に割り当てられたIPアドレスと、観測されたIPアドレスを照合して求めています。なお、IPoEトラフィックはインターネットマルチフィード社のtransixサービスを利用していて詳細なデータが取得できていないため、ポート別解析の対象にはなっていません。

まずは、ブロードバンド及びモバイル利用者の1日の利用量をいくつかの切り口から見ていきます。ここでの1日の利用量は各利用者の1週間分のデータの1日平均です。

2019年のレポートから、利用者の1日の使用量は個人向けサービス利用者のデータのみを使っています。これは、利用形態が多様な法人向けサービスを含めると分布の歪みが大きくなってしまうため、全体の利用傾向を掴むには個人向けサービス分だけを対象にした方が、より一般性があり分かりやすいと判断したからです。なお、次節のポート別使用量の解析では区別が難しいため法人向けも含めたデータを使っています。また、2021年からブロードバンドにはIPoEの利用者のデータも加えて、PPPoEとIPoEを統合してブロードバンドとして示しています^（注6）。

図-2及び図-3は、ブロードバンドとモバイル利用者の1日の平均利用量の分布（確率密度関数）を示します。アップロード（IN）とダウンロード（OUT）に分け、利用者のトラフィック量をX軸に、その出現確率をY軸に示していて、2025年と2026年を比較しています。X軸はログスケールで、10KB（10⁴）から1TB（10¹²）の範囲を示しています。一部の利用者はグラフの範囲外にありますが、おおむね1TB（10¹²）までの範囲に分布しています。

図中のINとOUTの各分布は、片対数グラフ上で正規分布となる対数正規分布に近い形をしています。これはリニアなグラフで見ると、左端近くにピークがある、いわゆるロングテールな分布です。OUTの分布はINの分布より右にずれていて、ダウンロード量がアップロード量より1桁以上大きくなっています。

まず、図-2のブロードバンドの分布を見ます。2025年と2026年を比較すると、INとOUT共に分布全体がわずかながらも右側に移動していて、全体的に利用量が増えていることが分かります。

図-3のモバイルの場合も、分布の山が昨年に比べ少し右に移動していて、全体の利用量が増えていることが分かります。モバイルの利用量は、ブロードバンドに比べて大幅に少なく、また、使用量に制限があるため、分布右側のヘビーユーザの割合が少なくなっています。極端なヘビーユーザも存在しません。外出時のみの利用や、使用量の制限のため、各利用者の日ごとの利用量のばらつきはブロードバンドより大きくなります。

表-1は、ブロードバンド利用者の1日のトラフィック量の平均値と中間値、分布の山の頂点にある最頻出値の推移を示します。分布の山に対して頂点が少しずれている場合は、最頻出値は分布の山の中央に来るように補正しています。分布の最頻出値を2025年と2026年で比較すると、INでは282MBから355MBに、OUTでは6310MBから7943MBに増えています。伸び率で見ると、INで1.26倍、OUTも1.26倍となっています。一方、2026年の平均値は、INで1067MB、OUTで7746MBでした。2025年には、それぞれ886MBと6538MBでした。なお、前述のように2020年分まではPPPoE利用者のみの数字で、2021年以降はPPPoE利用者とIPoE利用者を統合した数字になっています。

表-2はモバイルの値の推移で、2026年の最頻出値はINで18MB、OUTで141MB、平均値はINで23MB、OUTで194MBです。2025年の最頻出値はINで16MB、OUTで126MB、平均値はINで19MB、OUTで172MBでした。

図-4及び図-5では、利用者5,000人をランダムに抽出し、利用者ごとのIN/OUT使用量をプロットしています。X軸はOUT（ダウンロード量）、Y軸はIN（アップロード量）で、共にログスケールです。利用者のIN/OUTが同量であれば対角線上にプロットされます。

対角線の下側に対角線に沿って広がるクラスタは、ダウンロード量が1桁多い一般的なユーザです。各利用者の使用量やIN/OUT比率にも大きなばらつきがあり、多様な利用形態が存在することがうかがえます。モバイルでも、OUTが1桁多い傾向は同じですが、ブロードバンドに比べて利用量は大幅に少なくなっています。ブロードバンド、モバイル共に、2025年との違いはほとんど分かりません。

利用者間のトラフィック使用量の偏りを見ると、使用量には大きな偏りがあり、結果として全体は一部利用者のトラフィックで占められています。例えば、ブロードバンド上位10%の利用者がOUTの49%、INの71%を占めています。更に、上位1%の利用者がOUTの13%、INの41%を占めています。モバイルでは上位10%の利用者がOUTの48%、INの46%を占めていて、上位1%の利用者がOUTの11%、INの13%を占めています。これらの割合は昨年からほとんど変わっていません。

次に、トラフィックの内訳をポート別の使用量から見ていきます。最近では、ポート番号からアプリケーションを特定することは困難です。P2P系アプリケーションには、双方が動的ポートを使うものが多く、また、多くのクライアント・サーバ型アプリケーションがファイアウォールを回避するため、HTTPが使う80番ポートなどを利用します。大まかに分けると、双方が1024番以上の動的ポートを使っていればP2P系のアプリケーションの可能性が高く、片方が1024番未満のいわゆるウェルノウンポートを使っていれば、クライアント・サーバ型のアプリケーションの可能性が高いと言えます。そこで、TCPとUDPで、ソースとデスティネーションのポート番号の小さい方を取り、ポート番号別の使用量を見てみます。

表-3はブロードバンド利用者のポート使用割合について過去5年間の推移を示します。2026年の全体トラフィックの64%はTCPで、昨年から2ポイント減りました。HTTPSのTCP443番ポートの割合は、53%で前回からわずかに減りました。HTTPのTCP80番ポートの割合は5%で1ポイント減っています。QUICプロトコルで使われるUDP443番ポートは、25%で2ポイント増えました。

TCPの動的ポートは、わずかに減って6%でした。動的ポートでの個別のポート番号の割合はわずかで、最大の31000番でも1.7%となっています。

表-4はモバイル利用者のポート使用割合です。全体的にはブロードバンドの数字に近い値となっています。これは、スマートフォンでもPCと同様のアプリケーションを使うようになってきたことに加え、ブロードバンドにおけるスマートフォンの利用割合が増えているからだと考えられます。

ブロードバンドのポート別データは、PPPoEだけでIPoEを含まないので、固定ブロードバンド全体の傾向を表しているとは限りません。モバイルでのIPv4とIPv6の違いを見ると、IPv6ではTCPもUDPも443番ポートの割合がより大きくなっていて、IPoEでも同様の傾向があると考えられます。

図-6は、ブロードバンド全体トラフィックにおける主要ポート利用の週間推移を、2025年と2026年で比較したものです。TCPポートの80番・443番・1024番以上の動的ポート、UDPポート443番の4つに分けてそれぞれの推移を示しています。グラフでは、ピーク時の総トラフィック量を1として正規化して表しています。全体のピークは19時～23時頃です。2025年と比較して、全体では大きな変化はありませんが、UDPポート443番が少し増えています。

図-7のモバイルでは、トラフィックの大半を占めるTCP80番ポートと443番ポート、UDP443番ポートについて推移を示します。2025年と比べると、ブロードバンドと同様にUDPポート443番が少し増えています。ブロードバンドに比べ、平日には、朝の通勤時間、昼休み、夕方と3つのピークがあるなど利用時間の違いがあります。

今回は、本稿の報告内容を米国のクラウドフレア社が公開している情報と比較してみます。クラウドフレア社は、コンテンツ配信、セキュリティサービス、サイバー攻撃対策、DNSサービスなどのネットワーク基盤サービスをグローバルに提供する大手ネットワークサービス企業です。

クラウドフレア社のCloudflare Radar（https://radar.cloudflare.com/）は、彼らのグローバルネットワークとそのサービスで観測されたトラフィックやプロトコル情報を解析して無償提供している、2020年に始まった公開サービスです。最近では、筆者がトラフィックのトレンド情報を得るために、最も利用している公開サービスでもあります。

Cloudflare Radarでは、Web上で可視化された情報をグローバル、地域別、国別、あるいはAS番号別にブラウズ可能な他、APIを使ってデータを取得することもできます。

図-8に示したのは、日本の情報を今回のレポートと同じ6月1日から1週間分表示したものです（Cloudflare Radarの時刻はUTCなので、正確には本稿とは9時間ずれています）。上部のトラフィックグラフを見ると、日本時間で夜の11時ごろにピークがあり、また、土日には平日より昼間のトラフィックが多いなど、本稿で報告しているブロードバンドトラフィックのパターンとおおむね一致しています。

元にしているデータは、あくまでクラウドフレア社のサービスネットワークで観測したもので、また、各情報に具体的にどのサービスのデータを使っているかも開示されていません。今回取り上げるトラフィックやプロトコルの情報は、主にコンテンツ配信のHTTPアクセスログデータを使っていると推測できます。Webサーバがユーザからのリクエストを記録するHTTPアクセスログには、日時、クライアントIPアドレス、リクエストしたコンテンツのURL、コンテンツサイズ、ステータスコード、ブラウザ情報などが記録されます。

このように、観測対象も観測方法も本稿とはまったく違うので、必ずしも直接比較はできないのですが、取り扱っている項目に共通点も多く、いろいろ参考になります。また、同じ期間のグローバル及び国別の情報と比較することができるため、日本のトラフィックの特徴を把握することもできます。

表-5に、Cloudflare Radarから得られたグローバル、米国、イギリス、フランス、韓国、日本、そして、AS2497（IIJのAS番号）の6月1日からの1週間の情報と、本稿のブロードバンドとモバイルの情報を比較します。Cloudflare Radarでは、国別などの地理情報の特定には、外部のIPジオロケーションデータベースを利用しているとのことです。

なお、AS2497の情報はあくまでクラウドフレア社が外部から観測したIIJのトラフィックであり、ここでは本稿で報告しているブロードバンドとモバイル以外のビジネストラフィックが多くを占めています。したがって、比較の対象としては適切ではありませんが、AS番号別の表示例として挙げています。

以下に、表の行の項目について見ていきます。最初のHTTPの割合は、トラフィック量に占めるHTTPの割合で、その下のHTTP/1.x、HTTP/2、HTTP/3を合算したものだと考えられます。HTTPのバージョンはアクセスログの情報からだと推測できます。IIJデータでは、HTTPプロトコルのバージョンは分からないので、TCP80番ポート、TCP443番ポート、UDP443番ポートの割合を記入しています。

HTTPの割合は大体70%程度ですが、韓国が94%と突出して高くなっています。IIJデータのモバイルでHTTP割合が低いのは、一部の企業向けサービスの影響です。

IPv4とIPv6の割合についても、アクセスログの情報からだと推測します。IIJデータのブロードバンドでは正確な割合は分からないため、PPPoEとIPoEの割合を記入しています。IPv6割合は、フランスが68%と高く、韓国が17%と低いのが目立ちます。

モバイルとデスクトップの区別は、やはりアクセスログのUser-Agent（ブラウザ情報）を元にしていると推測できます。日本はモバイルが57%と高くなっています。

ボットと人間の区別についても、アクセスログのUser-AgentやRefererなどを元に、機械学習なども使って推測しているようです。世界的には、ボットのトラフィック増加が目立っているようですが、日本と韓国はボット割合が低くなっています。

ここ数年ブロードバンドトラフィックは比較的安定した成長を続けていて、その傾向にもあまり変化はみられません。前回のレポートでは、そろそろ次の変化の波が来る可能性について述べましたが、今のところまだその兆候はうかがえません。

とは言うものの、世界的に見るとボットのトラフィックが増えています。日本のボット割合はまだ低いのですが、水面下で変化が起こっていて、やがて日本にも波及してくる可能性は十分にあります。

前回のレポートでは、次の変化の考察の中で、AIチャットボット利用が増えてもブロードバンドトラフィック量への影響は少ないと予想しましたが、今回はもう少し深掘りしてみます。

従来型のボットは、検索エンジン用途などの目的で、特定の組織から来るものが多く、直接ブロードバンドには関係ありませんでした。AI学習用のコンテンツを幅広く収集するスクレイピングボットも、これまではこのタイプが主流で、Cloudflare Radarが報告しているボットもこのタイプが主流ではないかと思われます。

しかしながら、AI利用拡大に伴い、ボットの影響がブロードバンドにも現れる２種類のシナリオが想定できます。１つめのシナリオは、AIエージェントの一般利用の拡大に伴って、ユーザのデバイス上で動くAIエージェントが自身で検索したり、コンテンツにアクセスすることによる影響です。AIエージェントの利用が拡大すると、ブロードバンドにおけるボット割合も上がります。

これだけだと人間の代わりにAIボットがWebアクセスするだけとも考えられますが、更に長期的な影響も考えられます。現状の検索エンジンは人間が検索することを想定していて、人間が使いやすいように最適化されています。更に、広告によって収益を上げる構造になっています。ところが、AIエージェントにとっては、このような最適化や広告は無用なだけでなく、出力品質低下要因でもあります。そこで、AIエージェント用にコンテンツを加工する、もとい、加工を取り除くサービスも台頭してきています。つまり、AIエージェントの利用拡大で、これまでのWebの世界を牽引してきた検索と広告という構造そのものが変化を強いられる可能性が考えられるのです。

２つめのシナリオは、レジデンシャルプロキシと呼ばれる一般ユーザのデバイスを踏み台にしてアクセスを行うサービスの影響です。レジデンシャルプロキシを使うと、指定した国や都市の一般ユーザからのアクセスを装うことができるので、これをブロック回避手段として悪用する攻撃や、一般ユーザになりすましてAI学習用のデータ取得をする利用が増えているとの報告があります^（注7）。そして、ニーズがあるので、不正な手段やグレーな手法によって、一般ユーザのデバイスを所有者が気づかないうちにレジデンシャルプロキシ化して第三者に転売する不正なビジネスが横行しているようです。レジデンシャルプロキシに関してはまだ分からないことも多く、有効な検出方法もブロック方法も確立されていません。日本では、まだレジデンシャルプロキシの影響は限定的だとされていますが、高帯域かつ高品質の日本のブロードバンドサービスが狙われることを想定しておく必要があります。

日本においても、ボットトラフィックの拡大がそう遠くない将来に起こると想定できますが、その拡大ペースによって具体的にどのような影響をもたらすかはまだよく分かりません。今後とも、このような変化の兆候に注意を払い、適切な対応が取れるように準備をしていきたいと考えています。