Artificial Intelligence Sector Weekly Report
ห้วงเวลา: 31 สิงหาคม - 6 กันยายน 2569
TLP:CLEAR
ในรอบสัปดาห์ที่ผ่านมา ภูมิทัศน์ภัยคุกคามด้านปัญญาประดิษฐ์ (AI) ก้าวเข้าสู่จุดเปลี่ยนสำคัญที่มีหลักฐานเชิงประจักษ์ชัดเจน ผู้โจมตีเริ่มนำระบบ AI Agent Orchestration มาใช้ประสานงานเจาะระบบและรวบรวมข้อมูลหน่วยงานรัฐและการศึกษาในภูมิภาคเอเชียแบบอัตโนมัติ ขณะเดียวกันโครงสร้างพื้นฐานสำหรับพัฒนา AI อย่าง Langflow ตกเป็นเป้าหมายการโจมตีช่องโหว่โดยบอตเน็ตภาษา Go เพื่อขยายเครือข่าย DDoS นอกจากนี้ เทคนิคการหลบเลี่ยงจากงานวิจัยด้าน AI อย่าง ASCII Smuggling ถูกนำมาประยุกต์ใช้ในแคมเปญฟิชชิงปริมาณมหาศาลเพื่อหลบเลี่ยงโมเดลคัดกรองภาษาธรรมชาติ (NLP) สะท้อนให้เห็นว่าเทคโนโลยี AI กำลังถูกดัดแปลงเป็นทั้งเป้าหมาย โครงสร้างพื้นฐาน และเครื่องมือสนับสนุนการโจมตีทางไซเบอร์ในเวลาเดียวกัน
Hunt.io เปิดเผยการตรวจพบไดเรกทอรีเปิด 5 แห่งที่เชื่อมโยงกับแคมเปญเจาะระบบของผู้ปฏิบัติการที่ใช้ภาษาจีน โดยมีการใช้เฟรมเวิร์ก SecFlow ประสานงานระหว่างโมเดล Claude, Qwen และ DeepSeek เพื่อแบ่งบทบาทการลาดตระเวน ทดสอบช่องโหว่ เจาะระบบ และจัดทำรายงานอัตโนมัติ ข้อมูลที่พบในไดเรกทอรีแสดงการเจาะระบบ Office Automation (OA) ของรัฐบาลเขตเฟิงไถ (Fengtai District) ประเทศจีน เพื่อขโมยข้อมูลประจำตัวจาก LSASS และไฟล์ Registry ขณะที่เป้าหมายในโฮสต์อื่นพบการเจาะเข้าถึงระบบสารสนเทศทางการศึกษาและฐานข้อมูลบัตรมหาวิทยาลัย ตลอดจนการพุ่งเป้าโจมตีหน่วยงานในไต้หวัน กระทรวงการต่างประเทศอินโดนีเซีย และระบบอุตสาหกรรมในเมืองดานัง ประเทศเวียดนาม
แม้รายงานยังไม่ระบุชื่อหน่วยงานไทยเป็นเป้าหมายโดยตรง แต่การโจมตีครอบคลุมหน่วยงานรัฐและสถาบันการศึกษาในภูมิภาคอาเซียน (อินโดนีเซียและเวียดนาม) ซึ่งใช้โครงสร้างเว็บแอปพลิเคชันและสถาปัตยกรรมเครือข่ายใกล้เคียงกับหน่วยงานไทย จึงมีความเสี่ยงต่อการถูกสแกนและเจาะระบบด้วยกระบวนการ AI แบบอัตโนมัติ
ยุทธศาสตร์ (Strategic): ผู้โจมตีเริ่มเปลี่ยนผ่านจากการใช้ AI ช่วยเขียนโค้ดทั่วไป ไปสู่การสร้างระบบ AI Agent เต็มรูปแบบที่สามารถดำเนินกระบวนการเจาะระบบ (Offensive Pipeline) ได้เองอย่างเป็นระบบ
ยุทธการ (Operational): เฟรมเวิร์ก SecFlow แสดงให้เห็นการสลับใช้งานโมเดล AI หลากหลายค่ายผ่าน API Proxy เพื่อหลีกเลี่ยงข้อจำกัดด้านความปลอดภัย พร้อมผสานเครื่องมือสร้าง Webshell แบบ GLUTTON เพื่อคงการเชื่อมต่อระยะยาว
ยุทธวิธี (Tactical): การโจมตียังคงพึ่งพาช่องโหว่เว็บแอปพลิเคชันที่เป็นที่รู้จัก เช่น การโจมตีผ่านฟังก์ชันอัปโหลดไฟล์ ASPX บนระบบ OA และการใช้ SOCKS5 Proxy เพื่อปกปิดเส้นทางทราฟฟิก
หน่วยงานภาครัฐ, สถาบันการศึกษา, หน่วยงานด้านการทูตและกงสุล, โครงสร้างพื้นฐานภาคอุตสาหกรรม (ไต้หวัน, อินโดนีเซีย, เวียดนาม, จีน)
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
Akamai ตรวจพบบอตเน็ตสายพันธุ์ใหม่ที่พัฒนาด้วยภาษา Go มีความสามารถในการแพร่กระจายตัวแบบหนอน (Self-propagating) โดยมัลแวร์มีโมดูลสแกนหาเป้าหมายบนเครือข่ายอินเทอร์เน็ตสาธารณะอย่างอิสระ มัลแวร์ทำการโจมตีช่องโหว่ Remote Code Execution รหัส CVE-2026-33017 บนเฟรมเวิร์ก Langflow ซึ่งเป็นโอเพนซอร์สยอดนิยมในการสร้าง AI และ LLM Workflow ควบคู่กับการดึงรหัสผ่านจากไฟล์คอนฟิกที่เปิดเผย (/config.dat) และใช้ช่องโหว่ Command Injection บนเราเตอร์ตระกูล TOTOLINK โดยไม่มีการโจมตีแบบสุ่มรหัสผ่าน (Brute-force) เมื่อยึดครองระบบสำเร็จจะดาวน์โหลดไบนารีที่ตรงกับสถาปัตยกรรมของเครื่องเป้าหมายเพื่อเข้าร่วมเครือข่ายโจมตี DDoS ที่มีรูปแบบการยิงกว่า 30 วิธี
องค์กรธุรกิจ สตาร์ตอัป และทีมนักพัฒนาในประเทศไทยที่ติดตั้ง Langflow เพื่อทดสอบหรือใช้งานระบบ AI และ RAG ภายในองค์กร หากเปิดให้อินเทอร์เน็ตเข้าถึงได้โดยตรงโดยไม่จำกัดสิทธิ์หรือยังไม่ได้ติดตั้งแพตช์ มีความเสี่ยงสูงที่จะถูกเจาะระบบและแปรสภาพเป็นฐานยิง DDoS
ยุทธศาสตร์ (Strategic): โครงสร้างพื้นฐานและเครื่องมือในห่วงโซ่การพัฒนา AI (AI Toolchain) กลายเป็นเป้าหมายการโจมตีระดับต้นน้ำของกลุ่มอาชญากรไซเบอร์เพื่อนำทรัพยากรไปใช้ประโยชน์
ยุทธการ (Operational): บอตเน็ตถูกพัฒนาขึ้นด้วยภาษา Go ในลักษณะโมดูล รองรับสถาปัตยกรรมที่หลากหลาย ได้แก่ x86, amd64, ARM หลายรุ่นย่อย, Android ARM และ Windows โดยใช้เทคนิค Decompressor คล้ายกับ table.c ของ Mirai ขณะที่การเชื่อมต่อไปยัง C2 เป็นแบบ Plaintext TCP โดยไม่มีการเข้ารหัส ไม่มี TLS และไม่มีขั้นตอนยืนยันตัวตน (Authentication)
ยุทธวิธี (Tactical): ผู้ดูแลระบบต้องปิดการเข้าถึงพอร์ตบริการของ Langflow จากเครือข่ายภายนอก ตรวจสอบและป้องกันการเปิดเผยไฟล์คอนฟิกบนอุปกรณ์เราเตอร์ และตั้งค่าตรวจจับการเชื่อมต่อขาออกไปยังพอร์ต 9111 และโดเมน C2 ผิดปกติ
เซิร์ฟเวอร์ที่ติดตั้ง AI/LLM Workflow (Langflow), อุปกรณ์เครือข่ายและเราเตอร์, ผู้ให้บริการคลาวด์และโครงสร้างพื้นฐาน IoT
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
ทีมนักวิจัยของ Microsoft ตรวจพบแคมเปญฟิชชิงธีมการเงินขนาดใหญ่ที่นำเทคนิค ASCII Smuggling มาประยุกต์ใช้ในการหลบเลี่ยงตัวกรองอีเมล เทคนิคดังกล่าวเดิมคิดค้นขึ้นในงานวิจัยความมั่นคงปลอดภัยด้าน AI (Prompt Injection / XPIA) โดยผู้โจมตีทำการแทรกชุดอักขระล่องหนในบล็อก Unicode Tags (ช่วงรหัส U+E0000 ถึง U+E007F เช่น U+E0020 หรือ TAG SPACE) ไว้ตรงกลางของคำสำคัญ เช่น การเปลี่ยนคำว่า funding เป็น fun⟨U+E0020⟩ding ส่งผลให้ระบบตรวจจับข้อความและโมเดลการเรียนรู้ของเครื่อง (ML/NLP Tokenizer) ไม่สามารถจับคู่คำศัพท์ที่ผิดปกติได้ ขณะที่ผู้รับยังคงมองเห็นข้อความตามปกติ แคมเปญนี้ส่งอีเมลผ่านระบบ ActiveCampaign สูงสุดกว่า 2.37 ล้านฉบับต่อวัน
ระบบเกตเวย์อีเมลและตัวกรองสแปมขององค์กรในไทยส่วนใหญ่ยังไม่มีกระบวนการแปลงรหัสอักขระ (Unicode Normalization) ก่อนการประมวลผล ทำให้มีความเสี่ยงที่อีเมลหลอกลวงทางการเงินลักษณะนี้จะผ่านเข้าสู่กล่องจดหมายของบุคลากรในองค์กรได้โดยตรง
ยุทธศาสตร์ (Strategic): เกิดการถ่ายทอดเทคนิคการโจมตีข้ามสาย (Cross-domain migration) จากการทดสอบระบบ AI ไปสู่การก่ออาชญากรรมไซเบอร์ทั่วไปในระบบคัดกรองอีเมลองค์กร
ยุทธการ (Operational): ผู้โจมตีใช้โดเมนธีมการเงินหมุนเวียนกว่า 150 โดเมน ส่งผ่านระบบมาร์เก็ตติงที่น่าเชื่อถือตามตารางเวลาการทำงานปกติ (วันจันทร์-ศุกร์) เพื่อสร้างความแนบเนียนต่อระบบประเมินชื่อเสียงโดเมน
ยุทธวิธี (Tactical): ทีมป้องกันต้องกำหนดกระบวนการตัดหรือปรับมาตรฐานอักขระล่องหน (Strip/Normalize Unicode Tags) ในส่วนหัวและเนื้อหาอีเมลก่อนส่งเข้าสู่โมเดลตรวจจับ
ผู้ใช้งานอีเมลระดับองค์กร, สถาบันการเงินและสินเชื่อ, ผู้ให้บริการระบบรักษาความมั่นคงปลอดภัยอีเมลและโมเดลคัดกรอง NLP
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
Unit 42 รายงานการตรวจพบพฤติกรรมของกลุ่มผู้โจมตี CL-CRI-1131 (แคมเปญเม็กซิโก) และ CL-CRI-1163 (แคมเปญบราซิล) ที่นำเทคโนโลยี AI มาสนับสนุนกิจกรรมเจาะระบบและขโมยข้อมูลในภูมิภาคละตินอเมริกา โดยกลุ่ม CL-CRI-1131 ได้ติดตั้งเว็บแอปพลิเคชันโอเพนซอร์ส NextChat บนเซิร์ฟเวอร์ปฏิบัติการ (โฮสต์ 178.128.87[.]160) เพื่อเชื่อมต่อกับโมเดลภาษาขนาดใหญ่ (LLMs เช่น Claude และ GPT-4.1) ช่วยแก้ปัญหาเชิงเทคนิคแบบลองผิดลองถูก ตลอดจนสร้างสคริปต์แบตช์สำหรับดึงข้อมูลและจัดการ Shadow Copy ขณะที่กลุ่ม CL-CRI-1163 มีการใช้ AI ช่วยพัฒนาเครื่องมือ โดยพบการสร้างและปรับปรุงมัลแวร์ทันเนล SockTz ในภาษา Go แบบวนซ้ำหลายเวอร์ชัน (v1-v9) ควบคู่กับการใช้สคริปต์โจมตีที่ตั้งชื่อบ่งชี้การสร้างจาก LLM (เช่น exploit_creative.py)
การโจมตีดังกล่าวยังจำกัดอยู่ในภูมิภาคละตินอเมริกา อย่างไรก็ตาม แนวโน้มการนำ AI มาใช้เป็นเครื่องมือช่วยพัฒนาโค้ดมัลแวร์และสคริปต์โจมตีอย่างรวดเร็ว (Rapid Tooling Iteration) กำลังกลายเป็นมาตรฐานใหม่ของกลุ่มผู้โจมตีทั่วโลก ซึ่งจะส่งผลให้ระยะเวลาในการปรับแต่งเครื่องมือเพื่อหลบเลี่ยงการตรวจจับสั้นลงอย่างมาก
ยุทธศาสตร์ (Strategic): เทคโนโลยี AI กำลังลดช่องว่างทักษะทางเทคนิคของกลุ่มผู้ไม่หวังดี ทำให้กลุ่มแฮกเกอร์ระดับกลางสามารถพัฒนาและปรับแต่งเครื่องมือเจาะระบบที่มีความซับซ้อนได้อย่างรวดเร็ว
ยุทธการ (Operational): กลุ่ม CL-CRI-1131 มีการตั้งค่าเว็บแอป AI (NextChat) บนเซิร์ฟเวอร์ปฏิบัติการของตนเองเพื่อทดสอบและควบคุมชุดคำสั่ง (Prompts) กับโมเดลหลายค่ายได้อย่างปลอดภัย ขณะที่กลุ่ม CL-CRI-1163 พัฒนามัลแวร์ทันเนล SockTz หลายเวอร์ชันและนำสคริปต์ที่สร้างด้วย LLM มาปรับใช้ในภารกิจเจาะระบบ
ยุทธวิธี (Tactical): เฝ้าระวังพฤติกรรมการรันสคริปต์แบบวนซ้ำ (Iterative script execution) บนเครื่องปลายทาง และตรวจจับการเชื่อมต่อไปยังบริการ Dynamic DNS เช่น DuckDNS ที่ใช้เชื่อมต่อโครงสร้าง C2
ภาคการขนส่งและโลจิสติกส์, ภาคการเงินและการธนาคาร, หน่วยงานภาครัฐและสาธารณูปโภคประปา (เม็กซิโก, เอกวาดอร์, บราซิล)
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
CVE-2026-33017 บนเฟรมเวิร์ก Langflow ทันที พร้อมทั้งยกเลิกการเปิดเผยพอร์ตอินเทอร์เฟซสู่สาธารณะโดยตรง และจำกัดการเข้าถึงเฉพาะเครือข่ายภายในหรือผ่าน VPN เท่านั้น
U+E0000 - U+E007F) และอักขระล่องหนอื่นๆ ก่อนที่ระบบจะนำข้อความไปประมวลผลด้วยโมเดล NLP หรือจับคู่คำต้องห้าม