รายงานล่าสุดจาก Google: แฮกเกอร์อัปเกรดแล้ว! เอไอเอเจนต์ขุดช่องโหว่อัตโนมัติ แพตช์เพิ่งออกก็ถูกนำไปใช้โจมตีทันที
Panewslabผู้เขียน: Google Threat Intelligence Group (GTIG)
เรียบเรียง: DeepTechFlow
**บทนำจาก DeepTechFlow:** สมดุลระหว่างการรุกและการรับในสงครามไซเบอร์กำลังถูกพลิกโฉมอย่างสิ้นเชิงด้วยความเป็นอัตโนมัติของ Generative AI Google Threat Intelligence Group (GTIG) เผยแพร่รายงานวิจัยติดตามทั่วโลกล่าสุดระบุว่า แฮกเกอร์ได้ก้าวข้ามขั้นเริ่มต้นของการ "ถามคำถามง่ายๆ กับ AI" ไปแล้ว และยกระดับเป็นอาวุธไซเบอร์อัตโนมัติเต็มรูปแบบแบบ end-to-end ที่ขับเคลื่อนด้วยการทำงานร่วมกันของมัลติเอเจนต์
ในกรณีการบุกรุกจริงที่เพิ่งเปิดเผย ผู้โจมตีได้ติดตั้งไปป์ไลน์การค้นหาช่องโหว่อัตโนมัติที่สร้างจากเฟรมเวิร์กมัลติเอเจนต์แบบโอเพนซอร์ส โดยเปลี่ยนแพตช์ความปลอดภัย PHP ที่เพิ่งเผยแพร่อย่างเป็นทางการให้เป็นโค้ดโจมตีที่ใช้ได้จริง และภายในเวลาอันสั้นก็ได้ทำการเจาะระบบอัตโนมัติและขโมยข้อมูลจากเว็บไซต์รัฐบาลและธุรกิจของฝรั่งเศส
บทความนี้จะย้อนรอยไทม์ไลน์วิวัฒนาการของเฟรมเวิร์กมัลติเอเจนต์สำหรับการเจาะระบบ ระบบนิเวศการขายต่อพลังประมวลผลโมเดลคลาวด์ที่ถูกขโมย (LLMJacking) และวิธีที่ฝ่ายป้องกันแนวหน้าสร้างแนวป้องกันอัตโนมัติในยุคเอเจนต์
บทสรุปผู้บริหาร: ผู้โจมตีก้าวเข้าสู่ยุคของมัลติเอเจนต์อัตโนมัติอย่างเป็นทางการ
ในขณะที่กลุ่มแฮกเกอร์เร่งเปลี่ยนจากการถาม Prompt พื้นฐานไปสู่การติดตั้งเวิร์กโฟลว์เอเจนต์อัตโนมัติเต็มรูปแบบ การใช้ Generative AI (GenAI) ในเชิงกลยุทธ์ในการโจมตีไซเบอร์จริงได้มาถึงจุดเปลี่ยนสำคัญแล้ว
GTIG อ้างอิงจากประสบการณ์การตอบสนองเหตุฉุกเฉินแนวหน้าของ Mandiant และข้อมูลเทเลเมทรีทั่วโลก สรุปแนวโน้มวิวัฒนาการหลัก 5 ประการของภัยคุกคาม AI ทั่วโลกในไตรมาสที่ผ่านมา:
การเปลี่ยนไปสู่เวิร์กโฟลว์อัตโนมัติและเฟรมเวิร์กมัลติเอเจนต์: ผู้โจมตีไม่เพียงใช้โมเดลภาษาขนาดใหญ่ (LLM) เป็นเครื่องมือเพิ่มประสิทธิภาพการทำงาน แต่ยังเริ่มผสานรวมเอเจนต์ปฏิบัติการอัตโนมัติเต็มรูปแบบ ประสานงานหลายโมเดลเพื่อดำเนินการลาดตระเวน ตรวจสอบโค้ด และใช้ประโยชน์จากช่องโหว่พร้อมกัน
การค้นหาช่องโหว่อัตโนมัติและวิศวกรรมย้อนกลับแพตช์: แฮกเกอร์กำลังใช้โมเดลขนาดใหญ่ในการวิเคราะห์แพตช์ความปลอดภัยที่เพิ่งเผยแพร่อย่างเป็นระบบ ภายในไม่กี่ชั่วโมงก็สามารถอนุมานตรรกะการกระตุ้นช่องโหว่ย้อนกลับได้ ซึ่งเป็นการยุติช่วงเวลาหน้าต่างแพตช์ของฝ่ายป้องกันอย่างสิ้นเชิง
การแย่งชิงพลังประมวลผลและการแปลงข้อมูลรับรอง AI เป็นเงิน (LLMJacking): อาชญากรไซเบอร์ที่ขับเคลื่อนด้วยผลกำไรบุกรุกสภาพแวดล้อมคลาวด์ขององค์กรอย่างหนัก ขโมยคีย์ API ของ LLM มูลค่าสูงและโควตาพลังประมวลผล แล้วนำไปขายต่อในดาร์กเว็บในราคาลด 70% ผ่าน "เครื่องผสมโมเดล" เพื่อฟอกเงิน
ระบบอัตโนมัติ end-to-end ของปฏิบัติการข้อมูลเท็จ (IO): แฮกเกอร์ระดับรัฐและผู้รับเหมาสงครามความคิดเห็นเชิงพาณิชย์ได้ฝังโมเดลขนาดใหญ่ลงในเครือข่ายบัญชีปลอมอย่างลึกซึ้ง ทำให้สามารถลงทะเบียนบัญชีปลอมอัตโนมัติเต็มรูปแบบ สร้างภาพถ่ายชีวิตที่สมจริง และส่งข้อความที่ปรับแต่งเฉพาะบุคคลได้ในวงกว้าง
การเจาะระบบแบบเจาะจงเป้าหมายต่อองค์กรคริปโตและเทคโนโลยีขั้นสูง: แฮกเกอร์จากเกาหลีเหนือและภูมิหลังเฉพาะใช้เครื่องมือปลอมแปลงเรซูเม่และเสียงด้วย AI อย่างกว้างขวางเพื่อปลอมตัวเป็นผู้สมัครงาน สร้างคำตอบแบบเรียลไทม์ในการสัมภาษณ์ทางเทคนิค และหลังจากได้รับการว่าจ้างก็ทำการโจมตีห่วงโซ่อุปทานเชิงลึก
เฟรมเวิร์กมัลติเอเจนต์ในการบุกรุกเครือข่าย
ในการวิจัยติดตามที่ผ่านมา GTIG บันทึกส่วนใหญ่เป็นความพยายามประปรายของแฮกเกอร์ในการทดลองใช้ LLM ในวงจำกัด อย่างไรก็ตาม การนำเฟรมเวิร์กมัลติเอเจนต์อัตโนมัติมาใช้ในเชิงวิศวกรรมของผู้โจมตีในปัจจุบัน ถือเป็นสัญญาณว่าสงครามไซเบอร์ได้ก้าวเข้าสู่การทำงานร่วมกันอัตโนมัติในวงกว้างอย่างเป็นทางการ
แกนหลักของเฟรมเวิร์กการโจมตีนี้คือการนำวงจรปฏิบัติการ OODA แบบคลาสสิก (สังเกต ปรับทิศทาง ตัดสินใจ ลงมือ) มาใช้ โดยเอเจนต์ควบคุมหลักจะมอบหมายงาน และเอเจนต์ย่อยเฉพาะทางจะดำเนินการสแกนโทโพโลยีเครือข่าย ระบุลายนิ้วมือ เขียนสคริปต์ และเคลื่อนที่ในแนวราบพร้อมกัน
รูป: กระบวนการทำงานร่วมกันของเฟรมเวิร์กโจมตีมัลติเอเจนต์ LLM
นอกเหนือจากเครื่องมือทดสอบการเจาะระบบ ARTEX ที่ได้รับความสนใจในวงการความปลอดภัยเมื่อเร็วๆ นี้ GTIG ยังจับกุมเอเจนต์โจมตีโอเพนซอร์สหลายตัวที่ผู้โจมตีใช้โดยตรงในการบุกรุกแนวหน้าได้อย่างอิสระ:
• CAIRN: เฟรมเวิร์กทดสอบการเจาะระบบมัลติเอเจนต์โอเพนซอร์สที่อิงวงจรปิด OODA สามารถสแกนโฮสต์เครือข่ายภายในที่ไม่มีการป้องกันโดยอัตโนมัติโดยไม่ต้องมีการแทรกแซงจากมนุษย์ และสร้าง Exploit แบบไดนามิก
• CyberStrikeAI: เฟรมเวิร์กโจมตีที่ออกแบบมาโดยเฉพาะสำหรับ LLM มีเอเจนต์ย่อยที่รับผิดชอบการรักษาสิทธิ์การเข้าถึงและการขโมยข้อมูลรับรอง
• HexStrike AI: เครื่องมือโจมตีเชิงรุกที่ผสานรวม Model Context Protocol (MCP) อย่างลึกซึ้ง สามารถเชื่อมต่อบรรทัดคำสั่งการเจาะระบบของแฮกเกอร์เข้ากับโมเดลขนาดใหญ่เชิงพาณิชย์ได้อย่างราบรื่น
• PentAGI: เครื่องมืออัตโนมัติที่มุ่งลดอุปสรรคทางเทคนิคในการโจมตีของแฮกเกอร์อย่างมาก แม้แต่สคริปต์คิดดี้มือใหม่ที่ไม่เข้าใจหลักการช่องโหว่พื้นฐานก็สามารถใช้มันเพื่อออกคำสั่งบุกรุกที่ซับซ้อนได้
รูป: แผนที่วิวัฒนาการความ成熟ของ LLM ในการต่อสู้โจมตีและป้องกันไซเบอร์จริง
การใช้เอเจนต์ในการวิจัยและพัฒนาช่องโหว่: เปลี่ยนแพตช์เป็นการโจมตี
ภัยคุกคามเชิงปฏิบัติที่น่ากังวลที่สุดของเทคโนโลยีมัลติเอเจนต์คือการลดเวลาที่ใช้ในการค้นหาช่องโหว่และการพัฒนาอาวุธจากหลายวันเหลือเพียงไม่กี่นาที
ผู้โจมตีดึงโค้ดแพตช์โอเพนซอร์สอย่างเป็นทางการจาก GitHub โดยอัตโนมัติแล้วป้อนให้เอเจนต์วิเคราะห์โค้ด ซึ่งโมเดลจะเปรียบเทียบ Diff ของโค้ดแบบเรียลไทม์ เพื่อระบุตรรกะข้อบกพร่องพื้นฐานที่ยังไม่ได้ติดตั้งแพตช์อย่างแพร่หลายได้อย่างแม่นยำ
รูป: เปรียบเทียบจำนวนช่องโหว่ N-Day และ 0-Day ที่แฮกเกอร์ใช้โจมตีจริงตั้งแต่ปี 2024 จนถึงปัจจุบัน
ในเหตุการณ์ความปลอดภัยจริงที่เพิ่งคลี่คลาย GTIG ติดตามและยึดเซิร์ฟเวอร์ staging สำหรับการโจมตีที่เปิดเผยต่อสาธารณะ เซิร์ฟเวอร์นี้ติดตั้งเฟรมเวิร์กการค้นหาช่องโหว่อัตโนมัติเต็มรูปแบบที่อิง LLM โดยในคอมเมนต์โค้ดมีบันทึกการพัฒนาภาษารัสเซียเขียนไว้อย่างชัดเจน:
คีย์ LLM API สำหรับการใช้ประโยชน์จากช่องโหว่อัตโนมัติ (โครงการนำร่อง exploit_agent)
ต้องกรอกคีย์ลงในตัวแปรสภาพแวดล้อมด้วยตนเอง ห้ามป้อนในหน้าต่างแชทสาธารณะ การกำหนดค่าทั้งสองบรรทัดเป็นรายการบังคับ
องค์กรแฮกเกอร์นี้ (รหัส Emad) ใช้เฟรมเวิร์กดังกล่าวเพื่อทำวิศวกรรมย้อนกลับอัตโนมัติเต็มรูปแบบสำหรับช่องโหว่แกนกลาง PHP ที่เพิ่งประกาศ (CVE-2026-109618 และ CVE-2026-109619) และสร้างเพย์โหลดโจมตีจริงภายในไม่กี่ชั่วโมงหลังแพตช์เผยแพร่ จากนั้นคลัสเตอร์อัตโนมัตินี้ได้ทำการโจมตีแบบยัดเยียดข้อมูลรับรองอย่างไม่เลือกหน้าต่อพอร์ทัลรัฐบาลและธุรกิจหลายแห่งในยุโรป รวมถึงฝรั่งเศส และขโมยข้อมูลพื้นฐานที่ละเอียดอ่อนได้สำเร็จ
การแย่งชิงพลังประมวลผล (LLMJacking): แฮกเกอร์เปลี่ยนโมเดลคลาวด์ที่ถูกขโมยเป็นเงินได้อย่างไร
พร้อมกับการย้ายขึ้นคลาวด์อย่างเต็มรูปแบบขององค์กรและการแพร่หลายของโครงสร้างพื้นฐาน Generative AI อันตรายจากการขโมยข้อมูลรับรองคลาวด์กำลังลุกลามอย่างรวดเร็วไปยังระดับพลังประมวลผลของโมเดล
ทีมแนวหน้าของ Mandiant ได้จัดการกับคดีอาชญากรรมไซเบอร์รูปแบบใหม่ที่เรียกว่า "LLMJacking (การแย่งชิงพลังประมวลผลโมเดลขนาดใหญ่)" หลายคดีในช่วงไม่กี่เดือนที่ผ่านมา หลังจากแฮกเกอร์บุกรุกสภาพแวดล้อม AWS หรือ Google Cloud ขององค์กร พวกเขาไม่ให้ความสำคัญกับการติดตั้งมัลแวร์ขุดเหมืองอีกต่อไป แต่รีบเปิดใช้งานสิทธิ์การเข้าถึง API ของโมเดลขนาดใหญ่ระดับสูงขององค์กรเหยื่ออย่างรวดเร็ว
รูป: ปริมาณการเรียก API ของโมเดลขนาดใหญ่ขององค์กรเหยื่อเพิ่มขึ้นอย่างหายนะเนื่องจากการโจมตี LLMJacking บนคลาวด์
แฮกเกอร์ใช้ข้อมูลรับรองผู้ดูแลระบบที่ขโมยมาเพื่อสร้างบทบาท IAM และบัญชีบริการที่ซ่อนอยู่ภายในองค์กร จากนั้นเชื่อมต่อกับ "เกตเวย์บริการผสม LLM (LLM Mixer)" บนดาร์กเว็บ
ตลาดใต้ดินบนดาร์กเว็บมีแพลตฟอร์มขายต่อผิดกฎหมายจำนวนมากเช่น APIMart เกิดขึ้น แฮกเกอร์นำ API โมเดลขนาดใหญ่เชิงพาณิชย์ของแท้ที่ขโมยมาไปขายต่อให้อาชญากรไซเบอร์รายอื่นในราคาถูกเพียง 20% ถึง 30% ของราคาทางการ องค์กรเหยื่อไม่เพียงเผชิญความเสี่ยงข้อมูลสำคัญรั่วไหล แต่ยังต้องจ่ายบิลค่าใช้จ่ายมหาศาลหลายแสนดอลลาร์ต่อเดือนสำหรับการเรียกใช้อย่างบ้าคลั่งของแฮกเกอร์
โมเดลขนาดใหญ่ผสานรวมเข้ากับสงครามข้อมูลเท็จและความคิดเห็นอย่างเต็มรูปแบบ
ในด้านการต่อสู้ทางความคิดและกองทัพม้าน้ำออนไลน์ LLM ได้กลายเป็นคันโยกสำคัญที่พลิกโครงสร้างต้นทุนของสตูดิโอม้าน้ำแบบดั้งเดิม
แก๊งอาชญากรรมไซเบอร์เชิงพาณิชย์ "Influence-as-a-Service (IaaS)" ได้พัฒนาระบบควบคุมความคิดเห็นอัตโนมัติแบบ ready-to-use ระบบจะจับคู่บัญชีปลอมกับน้ำเสียงและภาษาท้องถิ่นของกลุ่มเป้าหมายย่อยโดยอัตโนมัติ และเมื่อสร้างภาพประกอบผ่านโมเดลการแพร่กระจาย ยังจงใจเพิ่มสัญญาณรบกวนเลนส์เล็กน้อย ภาพเบลอ และมุมเอียง เพื่อเลียนแบบภาพถ่ายชีวิตที่ถ่ายจากมือถือธรรมดาอย่างแนบเนียน จนสามารถหลบเลี่ยงอัลกอริทึมตรวจจับ AI ปลอมของโซเชียลมีเดียกระแสหลักได้อย่างง่ายดาย
ในขณะเดียวกัน เพื่อหลีกเลี่ยงการแบน IP ของแพลตฟอร์มโซเชียล แก๊งปฏิบัติการจะกำหนดเส้นทางการรับส่งข้อมูลผ่านเครือข่ายพร็อกซีที่พักอาศัยทั่วโลก ประกอบกับการลงทะเบียนด้วยหมายเลขโทรศัพท์ใช้แล้วทิ้งอัตโนมัติเต็มรูปแบบจำนวนมาก สร้างเมทริกซ์บอทม้าน้ำแบบกระจายศูนย์อย่างสมบูรณ์ที่สามารถสร้างใหม่ได้ตลอดเวลา
การป้องกันเชิงรุกและการเสริมความแข็งแกร่งของระบบนิเวศของ Google
เมื่อเผชิญกับความท้าทายด้านอาวุธเอเจนต์ที่รุนแรงขึ้น Google กำลังใช้ข่าวกรองภัยคุกคามแนวหน้าอย่างเต็มที่เพื่อป้อนกลับการจัดแนวความปลอดภัยพื้นฐานของโมเดล สร้างแนวป้องกันเชิงรุกหลายชั้น:
การเสริมความแข็งแกร่งของโมเดลแบบเรียลไทม์และการสร้างภูมิคุ้มกันต่อตัวอย่างฝ่ายตรงข้าม: Prompt แฮกเกอร์ล่าสุดและตรรกะการโจมตีมัลติเอเจนต์ที่ Mandiant จับได้ในภาคสนามจะถูกแปลงเป็นคลังข้อมูลการฝึกฝนแบบ adversarial ของ Google DeepMind และทีมความปลอดภัยทันที เพื่อบล็อกการตอบสนองของโมเดลต่อโค้ดที่เป็นอันตรายและคำสั่งการเจาะระบบที่ระดับพื้นฐาน
แพลตฟอร์มติดตามภัยคุกคาม Google AI Threat Tracker: ให้บริการตรวจสอบพฤติกรรมที่เป็นอันตรายของเอเจนต์แบบเรียลไทม์และการแจ้งเตือนปริมาณการเรียกใช้ที่ผิดปกติแก่ลูกค้าองค์กรทั่วโลก บล็อกการรับส่งข้อมูล LLMJacking ที่ไม่ได้รับอนุญาตภายในไม่กี่วินาที
ระบบอัตโนมัติด้านปฏิบัติการความปลอดภัย (SecOps): ติดตั้งโมเดลตรวจสอบพฤติกรรมเอเจนต์เฉพาะในศูนย์ความปลอดภัยคลาวด์ ใช้ AI ต่อสู้กับ AI ระบุร่องรอยการแฝงตัวของมัลแวร์อัตโนมัติได้อย่างแม่นยำจากโทโพโลยีการสื่อสารเครือข่ายและลำดับการเรียกระบบ
เนื้อหานี้จัดทำขึ้นโดยมีวัตถุประสงค์เพื่อแจ้งข้อมูลและให้ความรู้เท่านั้น และไม่ถือว่าเป็นคำแนะนำด้านการลงทุนที่เกี่ยวข้องกับ BTCC แต่อย่างใด BTCC ใช้ความพยายามอย่างเต็มที่ แต่ไม่สามารถรับประกันความจริงแท้ ความถูกต้อง หรือความเป็นต้นฉบับของเนื้อหาข้างต้นได้