ปัญญาประดิษฐ์เปลี่ยนธรรมชาติของภัยไซเบอร์ไปอย่างไร
เดือนมกราคม 2567 การประชุมทางวิดีโอครั้งเดียวทำให้บริษัทวิศวกรรมรายใหญ่ของอังกฤษเสียเงินไป 25 ล้านดอลลาร์ ผู้จัดการฝ่ายการเงินได้รับคำเชิญเข้าคอลออนไลน์ด่วน บนจอเป็นหน้าคุ้น ๆ ทั้ง CFO และผู้บริหารระดับสูงอีกหลายคน ทุกคนทั้งหน้าตาและเสียงเหมือนเพื่อนร่วมงานตัวจริง
เรื่องที่คุยกันคือดีลลับ เวลากระชั้นชิด เขาถูกขอให้โอนเงินหลายรายการ เงินถูกส่งไปยังบัญชีหลายบัญชีในฮ่องกง
หนึ่งสัปดาห์ต่อมาจึงรู้ความจริงว่าในคอลนั้นไม่มีผู้บริหารตัวจริงอยู่เลยสักคน ทุกคนบนจอเป็นดีปเฟก คือภาพสังเคราะห์ที่สร้างด้วยปัญญาประดิษฐ์
นี่ไม่ใช่การทดลองหรือการสาธิตเทคโนโลยี แต่เป็นการโจมตีจริงที่วางแผนและลงมืออย่างพิถีพิถัน
เมื่อการโจมตีไม่แพงอีกต่อไป
เป็นเวลานานที่การโจมตีไซเบอร์แบ่งได้เป็นสองแบบ
แบบแรกเป็นแบบพื้น ๆ ทั้งฟิชชิง ไฟล์แนบที่มีมัลแวร์ และสคริปต์ที่หาได้จากแหล่งสาธารณะ แบบที่สองคือปฏิบัติการที่ซับซ้อนและใช้เงินมาก ต้องใช้เวลาหลายเดือนและทีมผู้เชี่ยวชาญที่มีประสบการณ์
ปัญญาประดิษฐ์ทำลายการแบ่งแบบนี้ไปแล้ว
ในการทดลองวิจัยชิ้นหนึ่ง มีการป้อนคำอธิบายช่องโหว่สาธารณะหลายร้อยรายการจากฐานข้อมูล CVE ให้ AI เอเจนต์ที่ทำงานเองอัตโนมัติ เอเจนต์สร้าง exploit ที่ใช้งานได้จริงให้ช่องโหว่มากกว่าครึ่งโดยไม่มีคนเข้ามาเกี่ยว ต้นทุนเฉลี่ยในการสร้าง exploit หนึ่งตัวไม่ถึงสามดอลลาร์
กำแพงที่กั้นคนไม่ให้เข้าสู่อาชญากรรมไซเบอร์หายไปแล้ว ขณะที่คุณภาพของการโจมตีกลับสูงขึ้นหลายเท่า
ดีปเฟก: เครื่องมือที่เล่นกับความไว้ใจ
กรณีบริษัทอังกฤษไม่ใช่ข้อยกเว้น ตามรายงานของอุตสาหกรรม จำนวนการโจมตีที่ใช้ดีปเฟกในช่วงไม่กี่ปีที่ผ่านมาเพิ่มขึ้นกว่า 2,000%
เดือนเมษายน 2566 นักธุรกิจในเมืองเปาโถวของจีนโอนเงิน 4.3 ล้านหยวน หรือกว่า 600,000 ดอลลาร์ หลังวิดีโอคอลกับคนที่เขาคิดว่าเป็นเพื่อน ใบหน้าของคู่สนทนาถูกสลับด้วย AI ธนาคารอายัดเงินส่วนใหญ่ไว้ได้ทัน
ในสหรัฐฯ ผู้เกษียณวัย 82 ปีสูญเงินเก็บไปเกือบ 700,000 ดอลลาร์ หลังเห็นโฆษณาที่มี “Elon Musk” ซึ่งอ้างว่าเสนอโอกาสลงทุนสุดพิเศษ วิดีโอดูน่าเชื่อ และเงินก็ทวงคืนไม่ได้
สิ่งที่เหมือนกันในทุกกรณีคือ เหยื่อไม่ได้สงสัยเลยว่าสิ่งที่เห็นเป็นของจริงหรือไม่ ดีปเฟกไม่ได้ทำงานด้วยการเจาะระบบ แต่ด้วยการเจาะความไว้ใจ
เงินไม่ใช่เป้าหมายหลัก
การคิดว่าการโจมตีแบบนี้คุกคามแค่คนที่ดูแลเงินก้อนใหญ่เป็นความคิดที่อันตราย สำหรับผู้โจมตี สิทธิ์เข้าถึงมีค่ากว่ามาก
นักพัฒนา ผู้ดูแลระบบ และวิศวกร DevOps ถือกุญแจเข้าสู่ระบบ production คอนโซลคลาวด์ ฐานข้อมูล API และซอร์สโค้ด สถานการณ์การโจมตีดูธรรมดามาก ทั้งโทรศัพท์ด่วนจาก “CTO” ข้อความจาก “หัวหน้าทีม” หรือวิดีโอคอลกับ “เพื่อนร่วมงานฝั่ง DevOps” ที่ขอให้เปิดสิทธิ์เข้าถึงให้ชั่วคราว หรือให้เปลี่ยนข้อมูลล็อกอินด่วน
สิทธิ์เข้าถึงที่ถูกขโมยไปถูกขายในตลาดมืด และสิทธิ์เข้าถึงบริษัทใหญ่อาจมีราคาหลักหมื่นดอลลาร์ขึ้นไป แต่มูลค่าจริงอยู่ที่ผลที่ตามมา ไม่ว่าจะเป็นโครงสร้างพื้นฐานที่ถูกเข้ารหัส ฐานข้อมูลลูกค้าที่รั่วไหล ทรัพย์สินทางปัญญาที่ถูกขโมย หรือธุรกิจที่ต้องหยุดชะงัก
การโจมตีอัตโนมัติ: ไม่ต้องใช้คนอีกต่อไป
ระบบ AI สมัยใหม่ทำให้วงจรการโจมตีเกือบทั้งหมดเป็นอัตโนมัติได้ เอเจนต์แบบนี้เลือกเป้าหมายเอง วิเคราะห์ข้อมูลสาธารณะของบริษัท ทดสอบโครงสร้างพื้นฐาน หาช่องโหว่ สร้างและปรับ exploit ได้เอง
เดือนกันยายน 2568 Anthropic ตรวจพบแคมเปญโจมตีที่ AI เอเจนต์ทำงานเชิงยุทธวิธีไป 80–90% คนเข้ามาแทรกแค่บางจุด เป้าหมายมีราว 30 แห่ง ทั้งบริษัทเทคโนโลยีรายใหญ่ สถาบันการเงิน โรงงานเคมี และหน่วยงานรัฐในหลายประเทศ แต่เจาะสำเร็จได้เพียงไม่กี่แห่ง
โครงการวิจัยแสดงให้เห็นแล้วว่ามีแรนซัมแวร์ที่ใช้โมเดลภาษาซึ่งรันบนเครื่องเอง และตัดสินใจแบบเรียลไทม์ว่าจะค้น คัดลอก หรือเข้ารหัสไฟล์ไหน นี่ไม่ใช่ทฤษฎี แต่เป็นต้นแบบที่ใช้งานได้จริง
ช่องทางใหม่: การโจมตีตัวระบบ AI เอง
การนำโมเดลภาษามาใช้อย่างแพร่หลายทำให้เกิดช่องโหว่ประเภทใหม่ การแอบแทนที่คำสั่ง การชักจูงผ่านการสวมบทบาท และกับดักทางตรรกะ เปิดทางให้บังคับโมเดลทำสิ่งที่มันไม่ได้ถูกออกแบบมาให้ทำ
ในงานวิจัยชิ้นหนึ่ง คำสั่งแอบแฝงที่ฝังไว้ในภาพทางการแพทย์ทำให้โมเดลสรุปผิดในสัดส่วนที่สูงพอสมควร ในทางการแพทย์ ความผิดพลาดแบบนี้อาจแลกมาด้วยชีวิต
ถ้าโมเดลถูก fine-tune ต่อด้วยข้อมูลจากผู้ใช้ ผู้โจมตีก็ค่อย ๆ เปลี่ยนพฤติกรรมของมันได้ ด้วยการแทรกตัวอย่าง “อาบยาพิษ” เข้าไป
ผลจริงของความผิดพลาดเพียงจุดเดียว
ประวัติศาสตร์ความปลอดภัยไซเบอร์มีบทเรียนให้เห็นแล้วว่าการมองข้ามหลักการพื้นฐานนำไปสู่อะไร:
- บอตเน็ต Mirai ที่ใช้รหัสผ่านค่าเริ่มต้นของอุปกรณ์ IoT โจมตีผู้ให้บริการ DNS อย่าง Dyn จนล่มในปี 2559 ทำให้ Twitter, Netflix และบริการใหญ่อื่น ๆ ในสหรัฐฯ ใช้งานไม่ได้อยู่หลายชั่วโมง
- แบ็กดอร์ที่ผู้โจมตีใช้เวลาหลายปีค่อย ๆ ฝังลงในไลบรารี XZ อาจเปิดทางให้เข้าถึงเซิร์ฟเวอร์ Linux หลายล้านเครื่องจากระยะไกล และถูกค้นพบโดยบังเอิญในปี 2567
- การไม่แบ่งแยกหน้าที่ทำให้พนักงานยักยอกเงินหลายล้านดอลลาร์ในสถาบันการเงินได้
- ความผิดพลาดในการตรวจสิทธิ์เข้าถึงนำไปสู่การรั่วไหลของเอกสารลับหลายร้อยล้านฉบับ
ในทุกกรณี การโจมตีเริ่มต้นจากเรื่องเล็ก ๆ
ทำไม “ค่อยเพิ่มความปลอดภัยทีหลัง” ใช้ไม่ได้อีกแล้ว
แนวทางแบบเดิมที่เพิ่มความปลอดภัยหลังพัฒนาเสร็จไปไม่รอดอีกต่อไป ปัญญาประดิษฐ์สร้าง exploit ได้เร็วกว่าที่ทีมจะออกแพตช์ทัน คนคนเดียวกับเอเจนต์อัตโนมัติหนึ่งตัวโจมตีเป้าหมายได้หลายพันแห่งพร้อมกัน
นอกจากนี้ AI ยังหาห่วงโซ่ช่องโหว่ที่ไม่ธรรมดาได้ คือการผสมกันของปัญหาเล็ก ๆ ที่ถ้าแยกกันดูก็ไม่อันตราย แต่พอรวมกันแล้วได้สิทธิ์ควบคุมระบบทั้งหมด
Security by Design: มาตรฐานใหม่
คำตอบเดียวที่ยั่งยืนคือความปลอดภัยที่ฝังอยู่ในสถาปัตยกรรมของระบบตั้งแต่แรก
สิทธิ์น้อยที่สุดเท่าที่จำเป็น การป้องกันหลายชั้น การล้มเหลวอย่างปลอดภัย ความเรียบง่าย การแบ่งแยกหน้าที่ และค่าเริ่มต้นที่ปลอดภัย ทั้งหมดนี้ไม่ใช่หลักการบนกระดาษ แต่เป็นมาตรการเชิงปฏิบัติที่เหตุการณ์จริงพิสูจน์มาแล้ว
ความปลอดภัยเป็นขั้นตอนแยกต่างหากไม่ได้อีกแล้ว มันต้องเป็นสถานะตั้งต้นของระบบ
โลกหลังยุคแห่งความไว้ใจ
เราอยู่ในโลกที่ exploit ที่ใช้ได้จริงราคาถูกกว่ากาแฟหนึ่งแก้ว ดีปเฟกแยกไม่ออกจากคนจริง และเอเจนต์อัตโนมัติโจมตีโครงสร้างพื้นฐานตลอด 24 ชั่วโมง
ในสภาพแบบนี้ ความไว้ใจไม่ใช่สมมติฐานตั้งต้นอีกต่อไป ทุกคำขอด่วนเรื่องสิทธิ์เข้าถึง ข้อมูล หรือเงิน ต้องตรวจสอบผ่านอีกช่องทางหนึ่ง นี่ไม่ใช่ความหวาดระแวง แต่เป็นความจริงใหม่ของการทำงาน
ความปลอดภัยไซเบอร์ไม่ใช่งานของทีมใดทีมหนึ่งอีกต่อไป มันเริ่มที่สถาปัตยกรรม ต่อเนื่องไปในโค้ด และไปจบที่การตัดสินใจในแต่ละวันของทุกคนที่ทำงานกับระบบสำคัญ
บทความที่มีประโยชน์และการพูดคุยอยู่ที่นี่ (ภาษารัสเซีย)
การป้องกันพื้นฐานของทีม
ขั้นต่ำที่ช่วยลดความเสี่ยง: แยกสิทธิ์เข้าถึง ใช้การยืนยันตัวตนหลายปัจจัย สำรองข้อมูล และกฎว่าห้ามวางข้อมูลลับลงในโมเดลสาธารณะ สำหรับเครื่องมือ AI ให้เพิ่มบันทึกการทำงานและขั้นตอนเพิกถอนสิทธิ์เข้าถึง
