CGI-CTI-WEEKLY-20260928-AI - รายงานการเฝ้าระวังความมั่นคงปลอดภัยไซเบอร์ด้าน AI ประจำสัปดาห์

HIGH RISK (ความเสี่ยงระดับสูง) ยืนยันจากหลายแหล่งข้อมูลระดับ tier-1 - พบการโจมตีคลาวด์แบบ Agentic AI มัลแวร์ C2 สั่งการผ่าน LLM และการโจมตี Supply Chain ในเครื่องมือนักพัฒนา AI

ภาพรวมประจำสัปดาห์

ในรอบสัปดาห์ที่ผ่านมา ภัยคุกคามในระบบนิเวศปัญญาประดิษฐ์ (AI) ก้าวเข้าสู่มิติการโจมตีแบบอัตโนมัติ (Autonomous and Agentic Threats) อย่างชัดเจนใน 3 รูปแบบหลัก: (1) กลุ่มผู้คุกคาม Storm-3168 นำ Agentic AI มาใช้สั่งการโจมตีและทำลายทรัพยากรคลาวด์บน Microsoft Azure ผ่าน Service Principals ที่ถูกบุกรุก (2) การค้นพบมัลแวร์ CLOSEDQUORUM โดย Cisco Talos ซึ่งเป็น Remote Access Trojan ตัวแรกที่เชื่อมต่อ Large Language Model เพื่อวางแผนและสร้างคำสั่งเจาะระบบแบบไดนามิก และ (3) การโจมตีห่วงโซ่อุปทาน (Software Supply Chain) มุ่งเป้าแพ็กเกจไลบรารี AI ยอดนิยมอย่าง MemTensor และเครื่องมือ AI Assistant สำหรับนักพัฒนาอย่าง Claude Code บน GitHub Actions เพื่อขโมยข้อมูล Credentials ที่สำคัญ

เหตุการณ์เด่นประจำสัปดาห์

Storm-3168 โจมตีระบบคลาวด์แบบ Agentic และทำลายทรัพยากร Azure ผ่าน Service Principals

เผยแพร่: 25 กันยายน 2569 · แหล่งที่มา: Microsoft · Admiralty A1

Microsoft Threat Intelligence ตรวจพบกลุ่มผู้คุกคาม Storm-3168 (เชื่อมโยงมัลแวร์ Jadepuffer) นำสถาปัตยกรรม Agentic AI มาใช้สั่งการโจมตีคลาวด์แบบอัตโนมัติ หลังจากขโมยข้อมูล Credentials ของ Service Principal ในสภาพแวดล้อม Microsoft Azure ผู้โจมตีได้ปล่อย AI Agent ให้ตัดสินใจเรียกใช้งาน Azure Resource Manager APIs เพื่อสำรวจโครงสร้างและสั่งลบทรัพยากร Virtual Machines, App Services และ Storage Accounts ส่งผลให้ระบบหยุดชะงักและขัดขวางการกู้คืนข้อมูล

ผลกระทบต่อประเทศไทย

ยังไม่พบการระบุชื่อองค์กรในไทยเป็นเป้าหมายโดยตรงในรายงาน แต่ถือเป็นความเสี่ยงทางอ้อมเชิงยุทธศาสตร์ระดับสูงต่อองค์กรธุรกิจและสตาร์ตอัป AI ในไทยที่ใช้งาน Microsoft Azure และตั้งค่าสิทธิ์ Service Principals กว้างเกินไป ซึ่งอาจถูก Agentic AI สั่งทำลายทรัพยากรได้อย่างรวดเร็ว

การวิเคราะห์ 3 ระดับ

ยุทธศาสตร์: ผู้บริหารฝ่ายความมั่นคงปลอดภัยต้องเร่งปรับสถาปัตยกรรม Identity & Access Management บนคลาวด์สู่โมเดล Least Privilege เพื่อจำกัดขอบเขตความเสียหายจากการโจมตีด้วย Agentic AI

ยุทธการ: ทีม Cloud Security และ SOC ควรพัฒนากลไกเฝ้าระวังการเรียกใช้ ARM API ที่ผิดปกติในปริมาณมาก และตรวจสอบพฤติกรรมการใช้งานที่ไม่ตรงกับหน้าที่ของ Service Principals

ยุทธวิธี: บล็อก IP โจมตีที่ใช้สำรวจระบบ กำหนดการแจ้งเตือนเมื่อมีการลบทรัพยากรแบบกลุ่ม (Bulk Resource Deletion) และจำกัดขอบเขตการเข้าถึงใน Azure RBAC ให้แคบที่สุด

อุตสาหกรรม/เป้าหมายที่ได้รับผลกระทบ

ผู้ให้บริการระบบคลาวด์, ภาคธุรกิจเทคโนโลยีสารสนเทศ, สถาบันการเงิน และองค์กรที่ใช้งานโครงสร้างพื้นฐาน Microsoft Azure

MITRE ATT&CK

T1190 Exploit Public-Facing Application T1078.004 Cloud Accounts T1526 Cloud Service Discovery T1485 Data Destruction T1490 Inhibit System Recovery

IOC ที่สำคัญ

45.131.66[.]106 34.153.223[.]102 64.20.53[.]230

ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง

แหล่งที่มา: Microsoft Threat Intelligence →

Cisco Talos ค้นพบ CLOSEDQUORUM มัลแวร์ AI C2 Implant แบบอัตโนมัติตัวแรก

เผยแพร่: 22 กันยายน 2569 · แหล่งที่มา: Cisco Talos Intelligence Group · Admiralty B2

Cisco Talos ตรวจพบ CLOSEDQUORUM มัลแวร์ประเภท Remote Access Trojan (RAT) และ InfoStealer ตัวแรกที่มีการเชื่อมต่อกับ Large Language Model (LLM API) เพื่อตัดสินใจวางแผนขั้นตอนการโจมตี (Autonomous Attack Orchestration) และสร้างคำสั่งย่อยในการขโมยข้อมูล Credentials จากเบราว์เซอร์และหน่วยความจำ LSASS ตามสภาพแวดล้อมของเครื่องเหยื่อโดยไม่ต้องพึ่งพาคำสั่งจากเซิร์ฟเวอร์ C2 แบบดั้งเดิม

ผลกระทบต่อประเทศไทย

ยังไม่พบการแพร่ระบาดโดยตรงในโครงสร้างพื้นฐานของไทย แต่ถือเป็นภัยคุกคามต้นแบบเชิงยุทธวิธีขั้นสูงที่ผู้พัฒนา AI และฝ่ายความมั่นคงปลอดภัยในไทยต้องเฝ้าระวัง เนื่องจากมัลแวร์สามารถปรับตัวและหลบเลี่ยงการตรวจจับของ EDR ผ่านการสร้างคำสั่งแบบไดนามิก

การวิเคราะห์ 3 ระดับ

ยุทธศาสตร์: องค์กรต้องเตรียมพร้อมรับมือภัยคุกคามยุคใหม่ที่ผู้โจมตีนำ AI มาใช้สร้างมัลแวร์ที่มีความเร็วและความสามารถในการตัดสินใจเจาะระบบอย่างอิสระ

ยุทธการ: ปรับเปลี่ยนแนวทางการตรวจจับจาก Signature-based สู่ Behavioral Analysis ที่เน้นเฝ้าระวังพฤติกรรมการเข้าถึงหน่วยความจำและการเชื่อมต่อไปยัง AI APIs ภายนอก

ยุทธวิธี: นำค่า Hash ของไฟล์มัลแวร์ CLOSEDQUORUM ไปตั้งค่ายับยั้งบนระบบ EDR และเพิ่มกฎตรวจจับพฤติกรรมการดัมป์ LSASS Memory (T1003.001) และ Process Hollowing (T1055.012)

อุตสาหกรรม/เป้าหมายที่ได้รับผลกระทบ

ภาคเทคโนโลยีสารสนเทศ, หน่วยงานวิจัยและพัฒนา AI, สถาบันการเงิน และองค์กรธุรกิจทั่วไป

MITRE ATT&CK

T1055.004 Asynchronous Procedure Call T1055.012 Process Hollowing T1547.001 Registry Run Keys / Startup Folder T1053.005 Scheduled Task T1003.001 LSASS Memory T1555.003 Credentials from Web Browsers T1567.004 Exfiltration Over Webhook

IOC ที่สำคัญ

250d4fa37488af9b025333fa17705573d721467b203765bc360890b4f5a90cd7 c4dc171f2513fcaf9d5ecc815a94aee4063b213ab380f80bd3ac422dee5205a7 f5f1f8c3e7b883793800ab6ccf21b3e60bd0730f300b4595fe74a33adc17a63c 5191cf625dfc209a347f137b50aea199e82040fd5ee9086fb3e2de73c133f3cb c13cea04f598e2b0c248d603a6e31bd13aabb64d8149c1b6a77b64e0b983a86f

ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง

แหล่งที่มา: Cisco Talos Intelligence Group →

การโจมตี Supply Chain แพ็กเกจ AI MemTensor บน npm และ PyPI ฝังมัลแวร์ Sckit

เผยแพร่: 23 กันยายน 2569 · แหล่งที่มา: Socket.dev · Admiralty B2

Socket.dev ตรวจพบการโจมตี Software Supply Chain ต่อไลบรารี AI ยอดนิยม MemTensor บน npm และแพ็กเกจ MemoryOS บน PyPI โดยผู้ไม่หวังดีได้ฝังไบนารีมัลแวร์ Sckit (ภาษา Go) เพื่อขโมยข้อมูล API Keys, SSH Private Keys, AWS Tokens และสภาพแวดล้อมของนักพัฒนา AI ส่งกลับไปยังเซิร์ฟเวอร์ C2 ส่งผลกระทบต่อนักพัฒนาที่ดาวน์โหลดแพ็กเกจดังกล่าวไปใช้งาน

ผลกระทบต่อประเทศไทย

มีความเสี่ยงทางอ้อมเชิงยุทธศาสตร์ในระดับสูงต่อนักพัฒนาซอฟต์แวร์ ทีม Data Science และสถาบันการศึกษาในไทยที่ติดตั้งแพ็กเกจ MemTensor หรือ MemoryOS ในโครงการพัฒนาโมเดล AI ซึ่งอาจทำให้ข้อมูลลับขององค์กรรั่วไหลสู่ภายนอก

การวิเคราะห์ 3 ระดับ

ยุทธศาสตร์: องค์กรที่พัฒนาโซลูชัน AI ต้องกำหนดนโยบายความมั่นคงปลอดภัยของซอฟต์แวร์โอเพนซอร์สและตรวจสอบห่วงโซ่อุปทานของไลบรารี AI อย่างเคร่งครัด

ยุทธการ: นำเครื่องมือสแกน Dependency และ Software Bill of Materials (SBOM) มาประยุกต์ใช้ในกระบวนการ CI/CD เพื่อตรวจจับแพ็กเกจที่มีโค้ดอันตรายก่อนนำขึ้น Production

ยุทธวิธี: บล็อกโดเมน skyleen[.]fr และซับโดเมน C2 ตรวจสอบไฟล์ package.json และ requirements.txt เพื่อถอนการติดตั้งแพ็กเกจเวอร์ชันที่มีโค้ดอันตรายทันที

อุตสาหกรรม/เป้าหมายที่ได้รับผลกระทบ

นักพัฒนาปัญญาประดิษฐ์ (AI/ML Developers), บริษัทเทคโนโลยีสารสนเทศ, ฟินเทค และสถาบันวิจัย

MITRE ATT&CK

T1195.001 Compromise Software Dependencies and Development Tools T1195.002 Compromise Software Supply Chain T1059.006 Python T1059.007 JavaScript T1552.001 Credentials In Files T1528 Steal Application Access Token T1071.001 Web Protocols T1041 Exfiltration Over C2 Channel

IOC ที่สำคัญ

skyleen[.]fr 8a8acaf167b3.skyleen[.]fr c747d139e7e9.skyleen[.]fr 39ee644406829a4b630b31759c20478bc22d576d6a59b253ed86f72c360aa5ef 381ac6dc1715d9298fe81b2a53a11f7b7d78e361ee3a6619ad54f8c4b062cc18

ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง

แหล่งที่มา: Socket.dev →

หนอน Mini Shai-Hulud โจมตี GitHub Actions ฝัง Backdoor ผ่าน Claude Code และ VS Code Hooks

เผยแพร่: 24 กันยายน 2569 · แหล่งที่มา: SafeDep · Admiralty B2

SafeDep ตรวจพบหนอนสายพันธุ์ Mini Shai-Hulud ที่มุ่งเป้าโจมตีระบบ CI/CD บน GitHub Actions โดยทำการแทรกโค้ดอันตรายผ่านการตั้งค่าของเครื่องมือ AI Coding Assistant เช่น Claude Code (.claude/index.js) และ VS Code hooks เพื่อขโมยโทเคนสิทธิ์ GitHub PAT และขยายการแพร่ระบาดไปยังคลังโค้ดอื่น พร้อมทั้งส่งข้อมูลออกผ่านเอนด์พอยต์ OpenTelemetry

ผลกระทบต่อประเทศไทย

มีความเสี่ยงโดยตรงต่อนักพัฒนาซอฟต์แวร์และทีมพัฒนา AI ในไทยที่ใช้งาน Claude Code CLI และระบบ GitHub Actions หากไม่ได้จำกัดสิทธิ์ของ GITHUB_TOKEN ในเวิร์กโฟลว์ อาจถูกใช้เป็นช่องทางในการฝัง Backdoor สู่ Source Code ขององค์กร

การวิเคราะห์ 3 ระดับ

ยุทธศาสตร์: ฝ่ายบริหารและหัวหน้าทีมวิศวกรรมต้องกำหนดมาตรฐานความปลอดภัยในการใช้งานเครื่องมือ AI Coding Assistants และเสริมความแข็งแกร่งให้ระบบ CI/CD Pipeline

ยุทธการ: ตรวจสอบประวัติการคอมมิตและไฟล์คอนฟิกที่ซ่อนอยู่ในโฟลเดอร์ .claude/ และ .vscode/ ภายในคลังโค้ดทั้งหมดขององค์กรอย่างสม่ำเสมอ

ยุทธวิธี: จำกัดสิทธิ์ GitHub Actions ให้อยู่ในระดับ Read-only เป็นค่าเริ่มต้น บล็อกการเชื่อมต่อไปยัง t.m-kosche[.]com และตรวจสอบ SHA-1 ของเพย์โหลดอันตราย

อุตสาหกรรม/เป้าหมายที่ได้รับผลกระทบ

อุตสาหกรรมซอฟต์แวร์, นักพัฒนาและทีมวิจัย AI, สตาร์ตอัป และองค์กรที่ใช้งาน GitHub Actions

MITRE ATT&CK

T1195.001 Compromise Software Dependencies and Development Tools T1003.007 Proc Filesystem T1550.001 Application Access Token T1059.004 Unix Shell T1059.007 JavaScript T1485 Data Destruction T1548.003 Sudo and Sudo Caching T1567 Exfiltration Over Web Service

IOC ที่สำคัญ

2931c1be43b0d04174636ddbff54963aec92bdeb 0bbd3d17062ded7c8159ffe22d0a4f3a85e4823e t.m-kosche[.]com hxxps://t.m-kosche[.]com/api/public/otel/v1/traces m-kosche[.]com

ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง

แหล่งที่มา: SafeDep →

ข้อสังเกตประจำสัปดาห์

การเปลี่ยนผ่านสู่ Agentic Autonomous Attacks: ผู้โจมตีเริ่มนำ Large Language Models และ AI Agents มาทำหน้าที่เป็นตัวตัดสินใจหลักในการเจาะระบบ (เช่น CLOSEDQUORUM และ Storm-3168) ทำให้การโจมตีมีความเร็วสูงขึ้นและปรับเปลี่ยนรูปแบบตามสภาพแวดล้อมได้โดยอัตโนมัติ
การแทรกซึมผ่าน AI Developer Tooling: ห่วงโซ่อุปทานของเครื่องมือพัฒนา AI กลายเป็นเป้าหมายสำคัญ โดยพบทั้งการวางยาในไลบรารี AI/ML (MemTensor บน npm/PyPI) และการฝังมัลแวร์ผ่านคอนฟิกของ AI Coding Assistant (Claude Code) บน GitHub Actions
ความเสี่ยงต่อ Identity และ API Keys: เป้าหมายหลักของการโจมตีในกลุ่ม AI ยังคงมุ่งเน้นการขโมย Service Principals, Cloud Tokens, และ API Keys เพื่อนำไปใช้ขยายผลการโจมตีและควบคุมโครงสร้างพื้นฐานคลาวด์ในระดับลึก

ข้อเสนอแนะ

บังคับใช้หลักการสิทธิ์ขั้นต่ำ (Least Privilege) บนระบบคลาวด์: ตรวจสอบและจำกัดขอบเขตสิทธิ์ของ Service Principals และ App Registrations บน Azure และคลาวด์แพลตฟอร์มต่างๆ ให้มีสิทธิ์เท่าที่จำเป็นต่อการปฏิบัติงานเท่านั้น
ตรวจสอบและจำกัดสิทธิ์ในระบบ CI/CD: ตั้งค่า GITHUB_TOKEN ใน GitHub Actions เวิร์กโฟลว์ให้อยู่ในระดับ Read-only เป็นค่าเริ่มต้น และตรวจสอบการเปลี่ยนแปลงในโฟลเดอร์คอนฟิก .claude/ และ .vscode/ อย่างสม่ำเสมอ
ยกระดับการตรวจจับมัลแวร์สู่ Behavioral Analysis: ติดตั้งและปรับแต่งระบบ EDR ให้ตรวจจับพฤติกรรมการเข้าถึงหน่วยความจำ LSASS, Process Hollowing และการรับส่งข้อมูลผิดปกติไปยัง Public AI APIs
นำเครื่องมือ Dependency Scanning และ SBOM มาใช้งาน: ตรวจสอบความถูกต้องและสแกนช่องโหว่ของไลบรารีโอเพนซอร์สด้าน AI/ML ก่อนติดตั้งในสภาพแวดล้อมการพัฒนาและโปรดักชัน
เฝ้าระวังและบล็อก Indicators of Compromise (IOCs): นำรายชื่อโดเมน, IP Address และค่า Hash ที่ระบุในรายงานนี้ไปตั้งค่าระงับการเชื่อมต่อบนไฟร์วอลล์, DNS Sinkhole และอุปกรณ์รักษาความปลอดภัยขององค์กร

สรุป: ภัยคุกคามด้าน AI ในรอบสัปดาห์สะท้อนการยกระดับสู่การโจมตีแบบ Agentic อัตโนมัติและการแทรกซึมห่วงโซ่อุปทานของนักพัฒนา AI องค์กรควรเร่งควบคุมสิทธิ์ Service Principals บนคลาวด์และตรวจสอบความปลอดภัยของเครื่องมือพัฒนา AI อย่างเข้มงวด

TLP:CLEAR

ห้วงเวลาข้อมูล: 21-27 กันยายน 2569 · CYBER GUARD INTELLIGENCE CO., LTD. (บริษัท ไซเบอร์ การ์ด อินเทลลิเจนซ์ จำกัด)