AI Monitoring Weekly Report
ห้วงเวลา: 28 กันยายน - 4 ตุลาคม 2569
TLP:CLEARในรอบสัปดาห์ระหว่างวันที่ 28 กันยายน ถึง 4 ตุลาคม 2569 ภัยคุกคามไซเบอร์ในมิติด้านปัญญาประดิษฐ์ (AI) มีพัฒนาการที่น่าจับตาใน 4 ประเด็นสำคัญ ประการแรก ผู้ไม่หวังดีฉวยใช้ชื่อเสียงของแพลตฟอร์ม ChatGPT ผ่านฟีเจอร์ Custom GPT เพื่อสร้างเหยื่อล่อ นำพาผู้ใช้งานไปสู่การดาวน์โหลดมัลแวร์ RAT ผ่านการโจมตีแบบ ClickFix และ DLL Sideloading ประการที่สอง มัลแวร์ขโมยข้อมูลทางการเงินบน Android นาม RATHat ได้ยกระดับโครงสร้าง C2 สู่ Panda Workshop โดยเชื่อมต่อ Gemini API เพื่อวิเคราะห์หน้าจอและข้ามกลไกป้องกัน ประการที่สาม กลุ่มภัยคุกคาม TA419 ดำเนินการฟิชชิ่งแบบเจาะจงเป้าหมายต่อผู้เชี่ยวชาญและคลังสมองด้านนโยบาย AI เพื่อจารกรรมข้อมูลบัญชี Microsoft 365 และประการสุดท้าย พบการเคลื่อนไหวของฝูง AI Agent อัตโนมัติที่ใช้โครงสร้างพื้นฐานของ urlscan.io ตระเวนสำรวจข้อมูลและพอร์ทัลภาครัฐในออสเตรเลียและอินเดีย
นักวิจัยจาก Huntress ตรวจพบแคมเปญมัลแวร์ที่ซื้อโฆษณา Google Ads หลอกล่อผู้ค้นหาคำว่า "chatgpt" ไปยังหน้า Custom GPT ชื่อ "Plus 5.6" บนโดเมนทางการ chatgpt.com โดยระบบจะแจ้งเตือนว่าบริการมีขีดจำกัดและให้คลิกลิงก์สำรองไปยัง Google Sites จากนั้นหน้าเว็บดังกล่าวจะแสดงกลไกตรวจสอบแบบปลอมของ Cloudflare เพื่อล่อลวงให้เหยื่อคัดลอกคำสั่ง PowerShell (ClickFix) ไปสั่งรันในเครื่อง คำสั่งนี้จะดาวน์โหลดตัวติดตั้ง MSI ปลอมแปลงผ่าน IP เลขฐานสิบ (Decimal IP) แล้วอาศัยโปรแกรมที่ลงนามโดย Canon เพื่อทำ DLL Sideloading แฝงมัลแวร์โทรจันเข้าถึงระยะไกล (RAT) ที่ซ่อนในไฟล์เสียงและเปิดระบบฝังตัวถาวรในเครื่องเหยื่อ
ความเสี่ยงทางอ้อมเชิงยุทธศาสตร์ต่อองค์กรและผู้ใช้งานในไทย - เนื่องจาก ChatGPT ได้รับความนิยมสูงในกลุ่มบุคลากรและนักพัฒนาไทย การค้นหาผ่าน Search Engine และเข้าสู่ Custom GPT บนโดเมนที่เป็นทางการอาจทำให้ระบบตรวจจับความปลอดภัยขององค์กรในไทยมองข้ามและตกเป็นเหยื่อของการหลอกลวงแบบ ClickFix ได้
ยุทธศาสตร์: ผู้ไม่หวังดีหันมาใช้ประโยชน์จากความน่าเชื่อถือของแพลตฟอร์ม AI ชั้นนำเพื่อหลบเลี่ยงระบบคัดกรอง URL และเกราะป้องกันเบื้องต้นขององค์กร
ยุทธการ: ห่วงโซ่การโจมตีหลายขั้นตอนตั้งแต่ Google Ads, Custom GPT, ClickFix จนถึง DLL Sideloading และ Steganography สะท้อนถึงการออกแบบเพื่อหลบหลีกระบบตรวจจับพฤติกรรมอย่างเข้มข้น
ยุทธวิธี: ผู้ดูแลระบบความปลอดภัยควรบล็อกการสั่งรันคำสั่ง PowerShell ที่ดาวน์โหลดสคริปต์จากภายนอก และเฝ้าระวังการใช้งานไบนารีภายนอกที่อาจถูกนำมาทำ DLL Sideloading
ผู้ใช้งานทั่วไป, องค์กรธุรกิจ, นักพัฒนาซอฟต์แวร์ และระบบปฏิบัติการ Windows ที่มีการเรียกใช้งานเครื่องมือ AI ผ่านเว็บเบราว์เซอร์
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
Cleafy Labs เปิดเผยรายงานการวิเคราะห์มัลแวร์ขโมยข้อมูลทางการเงินบน Android นาม RATHat ซึ่งพัฒนาแผงควบคุม C2 เข้าสู่รุ่น Panda Workshop V5 และ V6 ในรูปแบบ Malware-as-a-Service (MaaS) โดยมีการเชื่อมต่อโมเดล Generative AI อย่าง Gemini ทั้งสองฝั่ง โดยมัลแวร์บนเครื่องเหยื่อจะเรียกใช้ Gemini API โดยตรงเพื่อวิเคราะห์ภาพหน้าจอและระบุตำแหน่งปุ่มกดแบบอัตโนมัติเมื่อระบบ Accessibility พบหน้าจอที่ไม่คุ้นเคย ขณะที่ฝั่งเซิร์ฟเวอร์ C2 มีการใช้โมเดลภาษาในการคัดกรองข้อความ SMS แจ้งเตือนของธนาคารและประเมินยอดเงินคงเหลือของเหยื่อเพื่อจัดลำดับเป้าหมายโจมตี
มีความเป็นไปได้สูงที่ผู้ใช้ในภูมิภาคจะได้รับผลกระทบ - รายงานระบุว่าแคมเปญนี้มีเป้าหมายปฏิบัติการในภูมิภาคเอเชียตะวันออกเฉียงใต้ (South-Eastern Asia) ร่วมกับยุโรปและลาตินอเมริกา โดยมีการกระจายตัวของโครงสร้างพื้นฐานบนเครือข่าย Singapore ASN ซึ่งผู้ใช้งานแอปพลิเคชันธนาคารในประเทศไทยอาจตกเป็นเป้าหมายของการแพร่กระจายผ่าน Smishing และ Malvertising ได้
ยุทธศาสตร์: ผู้พัฒนาอาชญากรรมไซเบอร์ทางการเงินเริ่มนำ Generative AI มาผสานเข้าสู่การปฏิบัติการจริงเพื่อลดภาระการเขียนสคริปต์เจาะจงเฉพาะรายแอปพลิเคชัน
ยุทธการ: การใช้ประโยชน์จากฟังก์ชัน Wireless Debugging ร่วมกับเครื่องมือ Fast Reverse Proxy (FRP) ช่วยให้ผู้โจมตีควบคุมเครื่องได้ลึกกว่าระดับสิทธิ์แอปพลิเคชันทั่วไปและคงอยู่จนกว่าจะมีการรีบูตเครื่อง
ยุทธวิธี: ฝ่ายพัฒนาแอปพลิเคชันธนาคารควรตรวจสอบสถานะ Developer Options และบล็อกการเปิดฟังก์ชัน Wireless Debugging เพื่อป้องกันการเข้าควบคุมระบบผ่าน Shell แฝง
ภาคการเงินและการธนาคาร (Banking & Financial Services), ลูกค้าผู้ใช้งานธุรกรรมการเงินบนสมาร์ตโฟนระบบ Android และผู้ให้บริการเครือข่ายโทรคมนาคม
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
Proofpoint เปิดเผยการติดตามกลุ่มภัยคุกคามที่มีความเชื่อมโยงกับรัฐบาลจีนในชื่อ TA419 ซึ่งดำเนินแคมเปญ Spear-phishing พุ่งเป้าไปยังผู้เชี่ยวชาญด้านนโยบายปัญญาประดิษฐ์ สถาบันคลังสมอง (Think Tanks) และมหาวิทยาลัย โดยใช้วิธีปลอมตัวเป็นอดีตผู้บริหารสำนักงานนโยบายวิทยาศาสตร์และเทคโนโลยีทำเนียบขาว เพื่อส่งคำเชิญเข้าร่วมคณะกรรมการที่ปรึกษานโยบาย AI ก่อนส่งต่อลิงก์เอกสารไปยังหน้าฟิชชิ่งแบบ Adversary-in-the-Middle (AitM) และ Browser-in-the-Browser (BitB) บนแพลตฟอร์ม Evilginx เพื่อดักขโมยข้อมูลการเข้าสู่ระบบคลาวด์ Microsoft 365 และ Session Cookies แม้เป้าหมายจะเปิดใช้งาน Multi-Factor Authentication (MFA) ก็ตาม
ความเสี่ยงทางอ้อมเชิงยุทธศาสตร์ต่อองค์กรและนักวิจัยในไทย - กลุ่มผู้กำหนดนโยบาย AI ระดับชาติ, สถาบันวิจัย AI ในมหาวิทยาลัย และองค์กรที่ร่างกฎหมาย AI ในไทย อาจตกเป็นเป้าหมายของการจารกรรมข้อมูลเชิงยุทธศาสตร์ระหว่างประเทศเพื่อเข้าถึงเอกสารนโยบายและทิศทางการกำกับดูแล
ยุทธศาสตร์: การแข่งขันด้านเทคโนโลยีและข้อกำหนดทางกฎหมายด้าน AI กลายเป็นเป้าหมายหลักของการจารกรรมข้อมูลเพื่อชิงความได้เปรียบทางภูมิรัฐศาสตร์
ยุทธการ: การผสมผสานระหว่างการสร้างความน่าเชื่อถือด้วยข้อมูลบุคคลจริง (Social Engineering) ร่วมกับเทคนิค Frameless BitB ช่วยให้ผู้โจมตีผ่านการตรวจสอบ MFA แบบดั้งเดิมได้อย่างราบรื่น
ยุทธวิธี: องค์กรที่เกี่ยวข้องกับงานวิจัยและนโยบายควรพิจารณาปรับใช้การยืนยันตัวตนที่ทนทานต่อฟิชชิ่ง (Phishing-resistant MFA) เช่น มาตรฐาน FIDO2/WebAuthn หรือ Passkeys
ภาครัฐและความมั่นคง, สถาบันคลังสมอง (Think Tanks), สถาบันการศึกษาและวิจัยด้าน AI และสำนักงานที่ปรึกษากฎหมาย
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง
ทีมวิจัยความมั่นคงปลอดภัยของ urlscan.io รายงานการตรวจพบพฤติกรรมของฝูงเอเจนต์ปัญญาประดิษฐ์อัตโนมัติ (Automated AI Agent Swarm) ที่ฉวยใช้บริการ urlscan.io เสมือนเบราว์เซอร์สดเพื่อหลบเลี่ยงข้อจำกัด Sandbox ภายในสภาพแวดล้อมตนเองในการลาดตระเวนและดึงข้อมูลสาธารณะจากพอร์ทัลภาครัฐของออสเตรเลีย (AIHW) และอินเดียรวมกว่า 3,553 ครั้ง โดยใช้ API Keys รวม 15 บัญชี ซึ่งส่วนใหญ่สร้างขึ้นแบบใช้แล้วทิ้งและบางส่วนเป็นคีย์ที่รั่วไหลจากผู้ใช้จริง พร้อมใช้งานระบบ Reverse Tunnel และ Cloudflare Workers เป็นตัวกลางในการส่งคำขอ
ความเสี่ยงทางอ้อมเชิงยุทธศาสตร์ต่อพอร์ทัลภาครัฐในไทย - หน่วยงานรัฐบาลไทยที่มีการเปิดเผย Open Data หรือแดชบอร์ดข้อมูลสาธารณะ อาจตกเป็นเป้าหมายการรวบรวมข้อมูลแบบอัตโนมัติโดย AI Agent Swarm ผ่านบริการเว็บสแกนเนอร์ภายนอก ทำให้ไฟร์วอลล์ระดับเว็บ (WAF) แบบเดิมไม่สามารถตรวจจับหรือบล็อก IP ต้นทางได้
ยุทธศาสตร์: การขยายตัวของ AI Agents เริ่มเปลี่ยนรูปแบบการลาดตระเวนทางไซเบอร์ โดยสามารถจัดระบบค้นหาและดึงข้อมูลขนาดใหญ่แบบกระจายศูนย์ผ่านแพลตฟอร์มตัวกลางภายนอก
ยุทธการ: การอาศัยบริการของบุคคลที่สาม (Third-Party Infrastructure Abuse) ช่วยให้ผู้โจมตีสามารถข้ามมาตรการป้องกันเครือข่ายและปกปิดต้นตอของระบบ Agent ได้อย่างสมบูรณ์
ยุทธวิธี: องค์กรควรเพิ่มการเฝ้าระวังการรั่วไหลของ API Keys และจำกัดการเข้าถึง API สาธารณะด้วยการกำหนด Rate Limiting ที่เข้มงวดเพื่อสกัดกั้นการดึงข้อมูลผิดปกติ
หน่วยงานภาครัฐ (Government Administration), สถาบันข้อมูลสาธารณสุข และแพลตฟอร์มวิเคราะห์ความปลอดภัยบนระบบคลาวด์
ดู IOC ฉบับเต็มที่ลิงก์ด้านล่าง