เมื่อความเสี่ยงกลายเป็นความจริง

ปัญญาประดิษฐ์ (AI) ไม่ใช่เรื่องของอนาคตอีกต่อไป แต่มันได้ถูกฝังลึกอยู่ในการโจมตีและการป้องกันทางไซเบอร์แล้ว ด้วยช่องโหว่ใหม่ๆ ที่เกิดขึ้น การใช้โมเดลโอเพนซอร์สอย่างแพร่หลาย และผู้โจมตีที่มีความคิดสร้างสรรค์มากขึ้น ทำให้ความเสี่ยงที่เราเคยเตือนไว้ได้กลายเป็นความจริงที่จับต้องได้แล้ว

1. การหลอกลวงด้วย Deepfake และตัวตนสังเคราะห์ (Synthetic Identity Frauds)

การโจมตีด้วย Deepfake ได้เปลี่ยนจากข่าวพาดหัวที่นานๆ ครั้งจะเห็น มาเป็นภัยคุกคามที่เกิดขึ้นเป็นประจำ ในช่วงกลางปี 2025 กลุ่มแฮกเกอร์ BlueNoroff ของเกาหลีเหนือ (หรือที่รู้จักในชื่อ TA444) ได้ใช้ Deepfake วิดีโอคอลของผู้บริหารบริษัทบน Zoom เพื่อหลอกให้พนักงานติดตั้งมัลแวร์ที่สร้างขึ้นมาโดยเฉพาะ

การโคลนเสียง (Voice Cloning) ยิ่งอันตรายกว่าในปัจจุบัน โมเดลอย่าง VALLE ของ Microsoft, ElevenLabs และโมเดลโอเพนซอร์สอื่นๆ สามารถโคลนเสียงได้จากไฟล์เสียงเพียงไม่กี่วินาที ผู้โจมตีจะเลียนแบบเสียงบุคคลที่น่าเชื่อถือ เช่น ผู้บริหารระดับสูงหรือหัวหน้าแผนก เพื่อหลอกให้พนักงานโอนเงิน, เปิดเผยข้อมูลล็อกอิน หรือปล่อยข้อมูลที่ละเอียดอ่อน

ฝ่ายป้องกันกำลังตอบโต้ด้วยเครื่องมืออย่าง Vastav AI ที่วิเคราะห์สื่อ, การเคลื่อนไหวของใบหน้า, และข้อมูลเมตาดาต้าของเสียงเพื่อตรวจจับการปลอมแปลง แต่การตรวจจับมักจะตามหลังอยู่ก้าวหนึ่งเสมอ และการโจมตีก็มักจะสำเร็จก่อนที่จะมีการตอบสนองใดๆ

2. Prompt Injection, Jailbreaking และการโจมตีแบบ Zero-Click

Prompt Injection และ Jailbreaking ยังคงเป็นช่องโหว่ที่ร้ายแรง ในปี 2025 เราได้เห็นการโจมตีแบบ Prompt Injection แบบ Zero-Click มากขึ้น ซึ่งเพียงแค่การได้รับอีเมลหรือคำเชิญในปฏิทินก็สามารถกระตุ้นให้เกิดการโจมตีได้โดยที่ผู้ใช้ไม่ต้องมีการกระทำใดๆ เลย

กรณีศึกษาที่โดดเด่นคือ EchoLeak (CVE 2025 32711) ซึ่งเป็นช่องโหว่ Prompt Injection แบบ Zero-Click ใน Microsoft 365 Copilot โดยอีเมลที่สร้างขึ้นมาเป็นพิเศษได้ใช้ประโยชน์จาก Teams proxy, การดึงรูปภาพอัตโนมัติ และการอ้างอิง Markdown เพื่อยกระดับสิทธิ์และขโมยข้อมูลออกไปโดยที่ผู้ใช้ไม่เคยคลิกอะไรเลย

งานวิจัยยังแสดงให้เห็นว่าแอปพลิเคชัน AI เชิงพาณิชย์ส่วนใหญ่ยังคงมีช่องโหว่ จากการศึกษาล่าสุดพบว่า 31 จาก 36 แอปพลิเคชันด้านการธนาคารบนมือถือหรือแชทบอททางการเงินสามารถถูกโจมตีได้ผ่าน Prompt Injection

3. แรนซัมแวร์ที่ใช้ AI ช่วย และมัลแวร์ที่เปลี่ยนรูปแบบได้ (Polymorphic Malware)

ในปี 2025 แรนซัมแวร์ได้มีวิวัฒนาการไปอีกขั้น กรอบการโจมตี (Attack Frameworks) เริ่มใช้ AI เข้ามาช่วยมากขึ้น เพื่อปรับเปลี่ยนเพย์โหลด (payloads) ได้แบบเรียลไทม์ โดยมีการสาธิตแนวคิดที่เรียกว่า Ransomware 3.0 ซึ่งแสดงให้เห็นว่าต้นแบบแรนซัมแวร์ที่ควบคุมโดย AI สามารถวางแผน, เปลี่ยนแปลงตัวเอง (mutate), และดำเนินการโจมตีในแต่ละขั้นตอนได้แบบไดนามิกจากพรอมต์ที่ฝังอยู่ในโค้ด

นอกจากนี้ ในช่วงปลายปี 2025 PromptLock ซึ่งถูกค้นพบโดย ESET ได้กลายเป็นแรนซัมแวร์ตัวแรกที่รู้จักซึ่งขับเคลื่อนด้วย AI และทำงานบนเครื่องของผู้ใช้โดยตรง โดยสร้างสคริปต์แบบไดนามิกเพื่อแจกแจงไฟล์, ขโมยข้อมูล, และเข้ารหัสระบบทั้งบน Windows, macOS, และ Linux

ภัยคุกคามเหล่านี้สามารถหลบเลี่ยงโปรแกรมแอนติไวรัสแบบดั้งเดิมและการตรวจจับเชิงพฤติกรรม (heuristic) ทำให้ฝ่ายป้องกันต้องหันไปพึ่งพาการวิเคราะห์เชิงพฤติกรรม (behavioral analysis) และการตรวจจับความผิดปกติ (anomaly detection) แทนการจับคู่ซิกเนเจอร์ (signature matching)

4. Dark LLMs, ห่วงโซ่อุปทาน และ Shadow AI

ผู้โจมตีกำลังใช้ Dark LLMs หรือโมเดลโอเพนซอร์สที่ถูกดัดแปลงเพื่อวัตถุประสงค์ร้ายมากขึ้น พวกเขายังใช้เครื่องมือและ API ของบุคคลที่สามที่ไม่ผ่านการตรวจสอบในทางที่ผิด ทำให้ห่วงโซ่อุปทาน (Supply Chain) ได้กลายเป็นช่องทางการโจมตีที่สำคัญ

เมื่อไม่นานมานี้ Anthropic ได้เตือนว่าแฮกเกอร์กำลังใช้โมเดล Claude เพื่อทำงานลาดตระเวน (reconnaissance), ขโมยข้อมูลประจำตัว (credential harvesting) และขั้นตอนอื่นๆ ในการเจาะระบบโดยอัตโนมัติ แคมเปญเหล่านี้ส่งผลกระทบต่อองค์กรในภาครัฐ, การดูแลสุขภาพ, และการศึกษา ซึ่งมักจะเรียกค่าไถ่สำหรับข้อมูลที่ถูกขโมยไป

โมเดลเหล่านี้ยังถูกฝังแบ็คดอร์ (backdoor) หรือถูกเปลี่ยนชื่อแล้วนำไปขายในฟอรัมใต้ดิน ซึ่งมักจะถูกถอดมาตรการป้องกันความปลอดภัยออกทั้งหมด ทำให้กลายเป็นผู้ช่วยในการก่ออาชญากรรมได้อย่างง่ายดาย ปัญหา Shadow AI หรือการใช้ระบบ AI ที่ไม่ได้รับการอนุมัติจากองค์กรโดยพนักงาน ก็ยิ่งทำให้สถานการณ์เลวร้ายลง เนื่องจากฝ่ายไอทีไม่สามารถมองเห็นหรือควบคุมได้

5. การขโมยข้อมูล, การวางยาข้อมูล (Adversarial Poisoning) และความสมบูรณ์ของโมเดล

นอกเหนือจากการป้อนข้อมูลที่เป็นอันตรายหรือมัลแวร์แล้ว ตัวโมเดล AI เองก็กำลังถูกโจมตีเช่นกัน การวางยาข้อมูล (Adversarial Poisoning) คือการป้อนข้อมูลที่เสียหายเข้าไปในกระบวนการฝึกสอนหรือปรับแต่งโมเดล เพื่อให้โมเดลทำงานผิดพลาดเมื่อนำไปใช้งานจริง

งานวิจัยล่าสุดเกี่ยวกับการโจมตีผ่านการฝังโฆษณาแสดงให้เห็นว่า ผู้โจมตีสามารถวางยาในจุดตรวจสอบ (checkpoints) ของโมเดลเพื่อให้ผลลัพธ์ที่ได้มีโฆษณาที่เป็นอันตรายหรือคำสั่งที่ซ่อนอยู่

ขณะที่ AI Agent กลายเป็นส่วนหนึ่งของกระบวนการทำงาน ไม่ว่าจะเป็น Copilot ในเบราว์เซอร์, ชุดโปรแกรมสำนักงาน, และแพลตฟอร์มแชท พวกมันก็อาจถูกบีบบังคับให้ดำเนินการที่ไม่ได้รับอนุญาต เช่น การติดตั้งมัลแวร์หรือเปิดเผยข้อมูลผ่านช่องทางการรับข้อมูลที่ถูกเจาะ

---

มองไปข้างหน้า: ผู้โจมตีแบบ Agentic ปะทะ SOC อัตโนมัติ

เฟสต่อไปของ AI ในโลกความปลอดภัยทางไซเบอร์จะไม่ใช่แค่เรื่องฟิชชิ่งที่เร็วขึ้นหรือแรนซัมแวร์ที่เปลี่ยนรูปแบบได้ แต่มันจะเป็นเรื่องของ “ความสามารถในการดำเนินการด้วยตนเอง” (Agency)

ผู้โจมตี AI แบบ Agentic (Agentic AI adversaries) จะปฏิบัติการเหมือนทหารรับจ้างดิจิทัล แทนที่จะใช้สคริปต์เพื่อวัตถุประสงค์เดียว พวกมันจะดำเนินแคมเปญอย่างต่อเนื่อง: ตรวจสอบระบบยืนยันตัวตนเพื่อหาบัญชีที่อ่อนแอ, เคลื่อนย้ายเข้าไปในแอปพลิเคชันบนคลาวด์, และขโมยข้อมูลออกไปพร้อมกับปรับตัวให้เข้ากับการป้องกันทุกรูปแบบที่เจอ พวกมันจะเชื่อมโยงเครื่องมือต่างๆ เข้าด้วยกันโดยอัตโนมัติ, เปิดการโจมตีเล็กๆ นับพันครั้งพร้อมกัน, และประสานงานกันผ่านห่วงโซ่อุปทานเพื่อสร้างความเสียหายให้กับทั้งภาคส่วนในคราวเดียว

ในอีกด้านหนึ่ง ฝ่ายป้องกันกำลังเร่งพัฒนาไปสู่ SOC อัตโนมัติ (Autonomous SOC) แทนที่มนุษย์จะต้องจมอยู่กับการแจ้งเตือนจำนวนมหาศาล ศูนย์ปฏิบัติการด้านความปลอดภัยที่ขับเคลื่อนด้วย AI จะรวบรวมข้อมูลจากทุกส่วน ทั้งจากอุปกรณ์ปลายทาง, เครือข่าย, คลาวด์ และระบบยืนยันตัวตน จากนั้นจะตัดสินใจว่าสัญญาณใดสำคัญ, ดำเนินการควบคุมสถานการณ์แบบเรียลไทม์, และส่งต่อเฉพาะเรื่องที่ต้องการการตัดสินใจจากมนุษย์เท่านั้น ความหวังก็คือ แม้แต่ผู้อำนวยการฝ่ายไอทีของเขตการศึกษาหรือธุรกิจขนาดกลางที่มีแอดมินเพียงสองคน ก็จะสามารถปฏิบัติการได้เทียบเท่ากับ SOC ของบริษัทใน Fortune 100

ฝ่ายไหนจะชิงความได้เปรียบได้ก่อนคือคำถามสำคัญแห่งทศวรรษ หากผู้โจมตีพัฒนา Agentic AI ได้สมบูรณ์แบบก่อนที่ฝ่ายป้องกันจะขยายขีดความสามารถของ SOC อัตโนมัติได้ เราอาจจะได้เห็นคลื่นของการโจมตีความเร็วสูงที่ระบบรับมือแบบดั้งเดิมไม่สามารถต้านทานได้ แต่ถ้าฝ่ายป้องกันสามารถผสานระบบอัตโนมัติเข้ากับการทำงานได้อย่างลึกซึ้งและชาญฉลาด AI ก็อาจจะสามารถพลิกโฉมเศรษฐศาสตร์ของความปลอดภัยทางไซเบอร์ได้ในที่สุด ซึ่งจะทำให้การป้องกันถูกลง, เร็วขึ้น, และขยายขนาดเพื่อเอาชนะการโจมตีได้ดียิ่งขึ้น

---

กรอบการป้องกันเชิงรุก (A Proactive Defense Framework)

การป้องกันภัยคุกคามยุค AI ต้องอาศัยความร่วมมือระหว่างฝ่ายบริหารและไอที

สำหรับผู้บริหาร (Strategy & Governance):

1. จัดทำนโยบายกำกับดูแล AI (AI Governance): กำหนดกฎเกณฑ์ที่ชัดเจนว่าพนักงานสามารถใช้ AI อะไรได้บ้าง และใช้อย่างไรให้ปลอดภัย
2. ลงทุนกับการฝึกอบรม (Invest in Awareness): จัดอบรมพนักงานให้รู้เท่าทันกลโกง Phishing และ Deepfake ในรูปแบบใหม่ๆ
3. นำปรัชญา Zero Trust มาปรับใช้: ตัดสินใจในเชิงกลยุทธ์ที่จะไม่ไว้วางใจการเชื่อมต่อใดๆ และต้องมีการตรวจสอบยืนยันตัวตนเสมอ

สำหรับฝ่ายไอที (Technology & Operations):

1. ใช้ระบบ Endpoint Security ยุคใหม่ (EDR/XDR): เปลี่ยนจาก Antivirus แบบดั้งเดิมมาใช้ระบบที่สามารถตรวจจับ “พฤติกรรม” ที่ผิดปกติ เพื่อต่อสู้กับมัลแวร์ที่ไม่เคยรู้จักมาก่อน
2. เสริมความแข็งแกร่งให้ระบบยืนยันตัวตน (IAM): ใช้ระบบยืนยันตัวตนหลายปัจจัย (MFA) ที่ทนทานต่อ Phishing
3. รักษาความปลอดภัยของ AI ที่พัฒนาเอง (MLSecOps): หากมีการพัฒนา AI ใช้เอง ต้องมีกระบวนการตรวจสอบข้อมูลและทดสอบความปลอดภัยของโมเดล

การรักษาความปลอดภัยไซเบอร์ในยุค AI ไม่ใช่ภาระของฝ่ายไอที แต่เป็นองค์ประกอบสำคัญของกลยุทธ์ทางธุรกิจ การทำงานร่วมกันระหว่างผู้บริหารที่เข้าใจความเสี่ยงทางธุรกิจและฝ่ายไอทีที่มีความเชี่ยวชาญทางเทคนิค คือกุญแจสำคัญที่จะช่วยให้องค์กรเติบโตได้อย่างมั่นคงและปลอดภัย

อ้างอิงเว็บไซต์: https://www.watchguard.com/wgrd-news/blog/top-5-ai-security-risks