25 ปฏิบัติการเจาะระบบด้วย AI เล็งอย่างน้อย 19 องค์กร พบเข้าถึงหรือดูข้อมูล 10 แห่ง

ปฏิบัติการเจาะระบบไซเบอร์ที่ใช้ AI จำนวน 25 ครั้ง มุ่งเป้าไปยังองค์กรอย่างน้อย 19 แห่งในช่วงเดือนสิงหาคมถึงกันยายน 2026 โดยยืนยันว่ามีการเข้าถึงโดยไม่ได้รับอนุญาตหรือมีการตรวจดูข้อมูลใน 10 แห่ง

Unit 42 ทีมวิจัยด้านความปลอดภัยในเครือพาโล อัลโต เน็ตเวิร์กส์ (Palo Alto Networks, $PANW) เปิดเผยข้อมูลนี้ในรายงานที่เผยแพร่เมื่อวันที่ 12 พฤศจิกายน

ตัวเลข 25 หมายถึงจำนวนปฏิบัติการ องค์กรอย่างน้อย 19 แห่งหมายถึงจำนวนเป้าหมาย และ 10 แห่งหมายถึงองค์กรที่ยืนยันการเข้าถึงหรือการตรวจดูข้อมูลแล้ว หน่วยนับเหล่านี้แตกต่างกัน จึงไม่ควรตีความว่าปฏิบัติการ 10 จากทั้งหมด 25 ครั้งประสบความสำเร็จ

ผู้โจมตีปรับแต่ง Cairn ซึ่งเป็นเฟรมเวิร์กทดสอบการเจาะระบบที่เปิดเผยต่อสาธารณะ แล้วเชื่อมต่อกับ GLM 5.2 ของ Zhipu และโมเดล V4 Flash กับ V4 Pro ของดีปซีค (DeepSeek) รายงานระบุจำนวนการใช้งานแยกตามโมเดลว่า GLM 5.2 ถูกใช้ 13 ครั้ง, DeepSeek V4 Flash 8 ครั้ง และ V4 Pro 4 ครั้ง

มนุษย์เป็นผู้กำหนดองค์กรเป้าหมายและจุดประสงค์การโจมตี เมื่อผู้ควบคุมป้อนเป้าหมาย Cairn จะรวบรวมข้อมูลที่ตรวจพบไว้บนกระดานบันทึกร่วม จากนั้นวางแผนและดำเนินการขั้นตอนถัดไป

ผู้ควบคุมยังสามารถป้อนคำใบ้เพิ่มเติมระหว่างปฏิบัติการได้ เอกสารสาธารณะของ Cairn อธิบายว่า AI agent สามารถอ่านข้อมูลบนกระดานร่วมเพื่อกำหนดขั้นตอนถัดไป และมนุษย์สามารถเสริมคำใบ้ให้ได้

ปฏิบัติการแต่ละครั้งใช้เวลาตั้งแต่ 20 นาทีไปจนถึงมากกว่า 50 ชั่วโมง กรณีศึกษาในรายงานยังรวมถึงงานอัตโนมัติที่ดำเนินต่อเนื่องเป็นเวลานาน

ปฏิบัติการหนึ่งที่มุ่งเป้าบริษัทจัดหาอุปกรณ์เซมิคอนดักเตอร์มีการป้อนที่อยู่สำหรับเชื่อมต่อ VPN ชื่อกลุ่ม และรหัสผ่านที่ใช้ร่วมกันไว้ล่วงหน้า ข้อมูลที่ผู้โจมตีได้มาก่อนถูกนำมาใช้ในกระบวนการเจาะระบบอัตโนมัติ

ในระบบปฏิบัติการของบริษัทเซมิคอนดักเตอร์แห่งหนึ่ง มีการสร้างบัญชีผู้ดูแลระบบและ API token โดยไม่ได้รับอนุญาต กรณีนี้จึงไม่ได้หยุดอยู่แค่การพยายามเข้าถึง แต่ยังมีการสร้างบัญชีและข้อมูลยืนยันตัวตนภายในระบบด้วย

ปฏิบัติการที่มุ่งเป้าสหภาพครูเข้าถึงข้อมูลสมาชิก บันทึกของ Cairn ระบุว่ามีการเข้าถึงประวัติสมาชิกมากกว่า 1 ล้านรายการ รายชื่อติดต่อ CRM ราว 31,000 รายการ และแฮชรหัสผ่านของพนักงาน

ตัวเลขเหล่านี้แสดงขนาดของข้อมูลคนละประเภท ได้แก่ ประวัติสมาชิก รายชื่อติดต่อ และแฮชรหัสผ่าน จึงไม่ควรนำมารวมเป็นจำนวนผู้เสียหายหรือปริมาณข้อมูลที่ถูกนำออกไป

ที่องค์กรกำหนดมาตรฐานอุตสาหกรรม เอกสารลงคะแนนถูกเขียนทับผ่านพื้นที่จัดเก็บบนคลาวด์ที่ใช้งานได้โดยไม่ต้องยืนยันตัวตน รายงานจึงบันทึกกรณีเปลี่ยนแปลงเอกสาร นอกเหนือจากการตรวจดูข้อมูล

ก่อนหน้านี้ TokenPost เคยรายงาน กรณีสภาพแวดล้อมทดสอบโมเดลเชื่อมต่ออินเทอร์เน็ต จนโมเดลของแอนโทรปิก (Anthropic) เข้าถึงระบบของสามองค์กรโดยไม่ได้รับอนุญาต รายงานฉบับใหม่นี้รวบรวมปฏิบัติการที่ผู้โจมตีนำโมเดล AI มาเชื่อมต่อและใช้ในงานเจาะระบบ

Unit 42 ระบุจุดอ่อนที่ถูกนำไปใช้ ได้แก่ การเลี่ยงการยืนยันตัวตน ข้อมูลรับรองที่อ่อนแอหรือใช้ค่าเริ่มต้น และ API บนคลาวด์ที่เปิดเผยต่อสาธารณะ ทีมวิจัยประเมินว่า AI ช่วยเพิ่มจำนวนการลองโจมตีซ้ำและขยายขอบเขตการโจมตี มากกว่าจะทำให้เทคนิคการเจาะระบบซับซ้อนขึ้น

Unit 42 เสนอให้จัดการสิทธิ์ของบัญชี ลดสินทรัพย์ที่เปิดรับการเชื่อมต่อจากภายนอก และติดตั้งแพตช์ซอฟต์แวร์ รายงานไม่ได้เปิดเผยชื่อองค์กรที่ได้รับผลกระทบ และไม่ได้ระบุว่ามีตลาดซื้อขายสินทรัพย์ดิจิทัล กระเป๋าเงิน หรือโครงการบล็อกเชนอยู่ในกลุ่มเป้าหมาย