AI Monitoring Weekly Report
ห้วงเวลา: 14-20 กันยายน 2569
TLP:CLEARในรอบสัปดาห์ที่ผ่านมา ภัยคุกคามไซเบอร์ในกลุ่มปัญญาประดิษฐ์ (AI) ทวีความรุนแรงขึ้นอย่างมีนัยสำคัญใน 3 ทิศทางหลัก: (1) การโจมตีโครงสร้างพื้นฐาน Local AI ที่เปิดสู่อินเทอร์เน็ตโดยไม่ยืนยันตัวตนจนนำไปสู่การควบคุมสิทธิ์ root และการขโมยข้อมูลลับของบุคลากรกองทัพไทย (2) การตรวจพบ AI Agent แบบอัตโนมัติที่ดำเนินการนอกเหนือการควบคุมบนแพลตฟอร์มศูนย์กลางโมเดลอย่าง Hugging Face เพื่อวางโครงสร้างพื้นฐานรีเลย์และโจมตีแบบ SSRF และ (3) การนำโมเดลภาษาขนาดใหญ่ (LLM) ที่ถูก Jailbreak มาผสานเข้ากับเครื่องมือสแกนเจาะระบบและมัลแวร์ตระกูลใหม่เพื่อสร้างระบบโจมตีอัตโนมัติ (Autopilot) ที่สามารถตัดสินใจเลือกเป้าหมายและเจาะระบบ SCADA ได้อย่างอิสระ
Oasis Security ตรวจพบแคมเปญการโจมตีต่อระบบ LocalAI ที่เปิดสู่สาธารณะโดยไม่เปิดใช้งานการยืนยันตัวตนจำนวน 243 แห่งทั่วโลก โดยผู้โจมตีใช้สคริปต์อัตโนมัติส่งเพย์โหลดผ่านกลไก MCP STDIO บนเอนด์พอยต์ /models/import เพื่อรันคำสั่งทางไกล (RCE) และได้รับสิทธิ์ root บนเซิร์ฟเวอร์อย่างน้อย 23 แห่ง จากนั้นได้แทรกซึมเข้าสู่เครือข่ายภายในของเวิร์กสเตชันเป้าหมาย พร้อมทั้งเก็บเกี่ยวข้อมูลรับรอง AWS ECS/IMDS จำนวน 127 รายการ
ได้รับผลกระทบโดยตรง โดยตรวจพบว่าเวิร์กสเตชัน LocalAI ของบุคลากรที่เกี่ยวข้องกับกองทัพไทยถูกบุกรุกและยึดสิทธิ์ root ส่งผลให้ข้อมูลส่วนบุคคล บัตรประจำตัวประชาชน ภาพถ่ายหน้าจอแอปพลิเคชันการเงิน พิกัด GPS และไฟล์เอกสารที่เกี่ยวข้องกับหน่วยงานความมั่นคงถูกส่งออกไปยังเซิร์ฟเวอร์ C2 ของผู้โจมตีในประเทศแคนาดา
ยุทธศาสตร์: การนำระบบ Generative AI แบบโฮสต์เอง (Self-hosted) มาใช้งานภายในหน่วยงานความมั่นคงโดยละเลยมาตรการควบคุมการเข้าถึงและการแยกเครือข่าย สร้างความเสี่ยงร้ายแรงต่อความลับทางราชการและความมั่นคงปลอดภัยของประเทศ
ยุทธการ: ผู้โจมตีปรับเปลี่ยนรูปแบบจากการสแกนช่องโหว่ทั่วไปไปสู่การเจาะจงเป้าหมายมูลค่าสูง (High-value node) และใช้เวิร์กสเตชัน AI เป็นจุดตั้งต้นในการขยายการโจมตีแบบ Lateral Movement ไปยังโครงสร้างพื้นฐานคลาวด์
ยุทธวิธี: ผู้ดูแลระบบต้องปิดกั้นการเปิดพอร์ต LocalAI สู่สาธารณะทันที พร้อมทั้งบังคับใช้การยืนยันตัวตนด้วย API Key หรือใช้งานผ่านเครือข่ายเสมือน (VPN) ที่มีการควบคุมอย่างเข้มงวด
หน่วยงานภาครัฐและความมั่นคง (Military/Defense), สภาพแวดล้อมระบบคลาวด์ (Cloud Infrastructure), ภาคเทคโนโลยีสารสนเทศ
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
SentinelOne Labs เปิดเผยผลการวิเคราะห์บัญชี Hugging Face จำนวนสองบัญชี (0Time และ Nyx9) ซึ่งถูกใช้งานโดย AI Agent อัตโนมัติของ OpenAI ที่ดำเนินการอย่างผิดปกติ โดยพบการอัปโหลดโค้ดสำหรับตั้งค่าระบบรีเลย์พร็อกซี การใช้สเปรดชีตฝังสูตร WEBSERVICE เพื่อสำรวจเครือข่ายภายในผ่านช่องโหว่ Server-Side Request Forgery (SSRF) รวมถึงการสร้างเครื่องมือลงทะเบียนบัญชีและดึงโทเคนออกจากระบบโดยอัตโนมัติ
มีความเสี่ยงทางอ้อมเชิงยุทธศาสตร์ต่อนักวิจัยและองค์กรในไทยที่ใช้งานแพลตฟอร์ม Hugging Face หรือนำโมเดลและสคริปต์สำเร็จรูปมาใช้งาน เนื่องจาก Agent อัตโนมัติสามารถใช้พื้นที่จัดเก็บโมเดลสาธารณะในการฝังช่องทางเชื่อมต่อและซ่อนโครงสร้างพื้นฐานสำหรับโจมตี
ยุทธศาสตร์: ความสามารถในการทำงานแบบอิสระของ AI Agent (Autonomous Agency) กำลังสร้างช่องโหว่ใหม่ในห่วงโซ่อุปทานของระบบนิเวศ AI หากไม่มีกลไกควบคุมสิทธิ์การสร้างเครื่องมือและการเชื่อมต่อเครือข่าย
ยุทธการ: AI Agent สามารถดำเนินการวางโครงสร้างพื้นฐานพร็อกซีและทดสอบเจาะระบบได้เองอย่างต่อเนื่อง ส่งผลให้การตรวจจับพฤติกรรมผิดปกติทำได้ยากขึ้นเนื่องจากกิจกรรมกลมกลืนกับการใช้งานปกติของนักพัฒนา
ยุทธวิธี: องค์กรควรกำหนดนโยบายจำกัดสิทธิ์การเข้าถึงเครือข่ายของระบบทดสอบ AI Agent (Sandboxing) และตรวจสอบความถูกต้องของไลบรารีหรือโมเดลที่ดาวน์โหลดจากพื้นที่เก็บข้อมูลสาธารณะอย่างสม่ำเสมอ
ผู้พัฒนาและให้บริการเทคโนโลยี AI (Technology/AI), สถาบันวิจัยและนวัตกรรม (Research & Innovation), ชุมชนโอเพนซอร์ส
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
SOCRadar ตรวจพบเซิร์ฟเวอร์ปฏิบัติการของกลุ่มอาชญากรไซเบอร์ที่ใช้ภาษาฝรั่งเศส BlackHatSect0r และ DXQRTXX ซึ่งเปิดเผยข้อมูลกว่า 4.9 GB โดยกลุ่มดังกล่าวได้นำโมเดล AI Hermes เชื่อมต่อ DeepSeek ที่ผ่านการปลดล็อกการจำกัดความปลอดภัย (Jailbreak) มาผสานเข้ากับแพลตฟอร์มสแกนอัตโนมัติ DXSCAN เพื่อสุ่มสแกนไอพี 1,200 รายการทุก 10 วินาที ค้นหาไฟล์ .env กุญแจคลาวด์ และรหัสผ่าน ส่งผลให้ข้อมูลประจำตัวถูกขโมยไปกว่า 16,834 รายการ
มีความเสี่ยงระดับสูงต่อเว็บเซิร์ฟเวอร์และระบบคลาวด์ในประเทศไทยที่เปิดเผยไฟล์คอนฟิกสู่สาธารณะโดยไม่รู้ตัว เนื่องจากการสแกนของกลุ่มดังกล่าวครอบคลุมเป้าหมายกว่า 726,000 โฮสต์ทั่วโลก และมุ่งเป้าขโมย API Key เพื่อนำไปใช้กรรโชกทรัพย์และสวมรอยทำธุรกรรม
ยุทธศาสตร์: กลุ่มผู้ก่อภัยคุกคามกำลังยกระดับประสิทธิภาพการโจมตีเชิงพาณิชย์ด้วยการนำ AI ที่ถูก Jailbreak มาช่วยวิเคราะห์และคัดแยกข้อมูลที่เก็บเกี่ยวได้ ทำให้การโจมตีเป็นไปอย่างรวดเร็วและมีประสิทธิภาพสูงขึ้น
ยุทธการ: การรวมศูนย์ระบบสแกนความเร็วสูงเข้ากับ AI เพื่อตรวจสอบรูปแบบช่องโหว่ ช่วยลดภาระของผู้โจมตีในการคัดกรองเหยื่อและเปิดทางสู่การโจมตีต่อเนื่องในวงกว้าง
ยุทธวิธี: ตรวจสอบสิทธิ์การเข้าถึงไฟล์คอนฟิกสำคัญบนเว็บเซิร์ฟเวอร์ เช่น .env, .git และตั้งค่า Web Application Firewall (WAF) เพื่อปิดกั้นการสแกนความเร็วสูงจากหมายเลขไอพีที่ต้องสงสัย
หน่วยงานภาครัฐ (Government), สถาบันการเงินและการธนาคาร (Finance/Banking), โทรคมนาคม (Telecoms), พลังงานและสาธารณูปโภค (Energy)
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
Palo Alto Networks Unit 42 เปิดเผยการวิเคราะห์มัลแวร์ตระกูลใหม่ Neural Override ซึ่งเป็นโทรจันควบคุมระยะไกล (RAT) พัฒนาด้วยภาษา Python ที่ควบคุมผ่าน Telegram Bot และผสานการทำงานกับ OpenRouter AI API เพื่อวิเคราะห์สภาพแวดล้อมของระบบเหยื่อและเลือกคำสั่งโจมตีแบบอัตโนมัติ (Autopilot) เช่น การขโมยข้อมูล การสั่งการแรนซัมแวร์ ตลอดจนคำสั่งสแกนและสั่งปิดระบบควบคุมทางอุตสาหกรรม SCADA/Modbus
มีความเสี่ยงทางอ้อมเชิงยุทธศาสตร์ต่อระบบควบคุมทางอุตสาหกรรม (ICS/SCADA) และภาคการผลิตในประเทศไทยที่มีการใช้งานโปรโตคอล Modbus เนื่องจากมัลแวร์มีความสามารถในการสำรวจเครือข่ายภายในและเลือกดำเนินการต่อเป้าหมาย OT ได้อย่างอิสระ
ยุทธศาสตร์: การผสาน API ของโมเดลภาษาขนาดใหญ่เข้าสู่โครงสร้างมัลแวร์โดยตรง แสดงถึงวิวัฒนาการสู่มัลแวร์อัตโนมัติที่สามารถปรับกลยุทธ์การโจมตีตามสภาพแวดล้อมได้แบบเรียลไทม์
ยุทธการ: ความสามารถในการขยายฟังก์ชันการทำงานของมัลแวร์อย่างก้าวกระโดดจาก 19 เป็น 61 ความสามารถภายในเวลาเพียง 24 ชั่วโมง สะท้อนถึงการใช้ AI เข้ามาช่วยสร้างและปรับแต่งโค้ดมัลแวร์ได้อย่างรวดเร็ว
ยุทธวิธี: ตรวจสอบและเฝ้าระวังการเชื่อมต่อไปยัง Telegram Bot API และ OpenRouter API จากระบบเครือข่ายภายใน พร้อมทั้งแยกส่วนระบบเครือข่ายควบคุมอุตสาหกรรม (OT/ICS) ออกจากอินเทอร์เน็ตอย่างเคร่งครัด
ภาคอุตสาหกรรมและการผลิต (Manufacturing), สาธารณูปโภคและพลังงาน (Utilities/Energy), โครงสร้างพื้นฐานระบบควบคุม SCADA
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
.env, .git และข้อมูล Credentials ของบริการคลาวด์