สรุปสั้น

แฮ็กเกอร์ของรัฐเกาหลีเหนือไม่พอใจกับการพิมพ์พรอมป์ลงในแชตบอตสาธารณะอีกต่อไป หนึ่งในกลุ่มจารกรรมหลักของประเทศเริ่มรันปัญญาประดิษฐ์แบบออฟไลน์บนเซิร์ฟเวอร์ของตัวเอง เชื่อมเครื่องมือค้นหาเอกสารเข้ากับไฟล์ที่กลุ่มถือครองอยู่ และรวบรวมชิ้นส่วนซอฟต์แวร์ที่จำเป็นสำหรับฝัง AI เข้าไปในมัลแวร์ของตัวเอง บริษัทความปลอดภัยของเกาหลีใต้ชื่อ Genians ระบุว่าค้นพบการตั้งค่าดังกล่าวหลังติดตามและวิเคราะห์ล็อกบนโครงสร้างพื้นฐานที่เชื่อมโยงกับ Kimsuky ซึ่งเป็นหน่วยแฮ็กที่อยู่ภายใต้สำนักงานลาดตระเวนใหญ่ของเกาหลีเหนือมาหลายเดือน

Genians ไม่พบหลักฐานว่ากลุ่มนี้ฝึกโมเดล AI ขึ้นมาเอง และบริษัทก็ไม่ได้เสนอข้อเท็จจริงนั้นในฐานะเรื่องที่น่าวางใจ รายงานบรรยายว่ากลุ่มอยู่ในระยะ “ค้นคว้าและสะสมองค์ความรู้” คือกำลังประกอบและทดสอบเครื่องมือที่มีอยู่แล้ว มากกว่าจะสร้างโมเดลใหม่ โดยมีเป้าหมายที่ดูจะเป็นการสอดแทรก AI เข้าไปตลอดสายปฏิบัติการ ตั้งแต่การเขียนมัลแวร์ไปจนถึงการวิเคราะห์ข้อมูล สำหรับหน่วยข่าวกรองที่ใช้เวลาหลายปีทำฟิชชิงใส่หน่วยงานรัฐ สถาบันวิจัย และเป้าหมายเชิงยุทธศาสตร์อื่น ๆ ทิศทางนี้หมายถึงการโจมตีที่เตรียมได้เร็วขึ้นและสังเกตได้ยากขึ้น

รายละเอียดข่าว

เว็บไซต์ The Hacker News รายงานเมื่อวันที่ 10 สิงหาคม พ.ศ. 2569 ว่า Genians เปิดเผยหลักฐานที่แสดงว่า Kimsuky กำลังสร้างชุดเครื่องมือ AI แบบใช้งานในเครื่องขึ้นมาบนโครงสร้างพื้นฐานของตัวเอง หลักฐานแกนกลางคือเครื่องมือสำหรับรันโมเดลภาษาแบบออฟไลน์ ได้แก่ Ollama, GPT4All และ Msty ซึ่งพบทั้งหมดบนโครงสร้างพื้นฐานที่ Genians เชื่อมโยงกับกลุ่มนี้

จุดที่ทำให้หลักฐานมีน้ำหนักคือรายงานระบุว่าเครื่องมือเหล่านั้นถูกรันหรือถูกตั้งค่าแล้ว ไม่ใช่เพียงถูกดาวน์โหลดมาเก็บไว้เฉย ๆ โดย Ollama ได้สร้างคีย์ที่โปรแกรมจะสร้างขึ้นเมื่อเปิดใช้งานครั้งแรก ส่วน GPT4All มีไฟล์ localdocs_v3.db ที่ถูกตั้งค่าไว้แล้ว ซึ่งเป็นฐานข้อมูลที่ฟีเจอร์ LocalDocs ของโปรแกรมใช้ทำ retrieval-augmented generation หรือ RAG

RAG คือกลไกที่ทำให้โมเดลตอบคำถามจากคลังเอกสารส่วนตัวได้ การมีฐานข้อมูลตัวนี้จึงเป็นหลักฐานว่าผู้ก่อเหตุพยายามเชื่อมเอกสารที่ตัวเองถือครองอยู่เข้ากับระบบ AI แต่ไม่ได้พิสูจน์ว่าเอกสารเหล่านั้นเป็นของที่ขโมยมา ซึ่งเป็นเส้นแบ่งที่รายงานระบุไว้อย่างระมัดระวัง

Kimsuky builds offline AI stack to boost phishing and automate malware development

นักวิจัยยังกู้คืนคำสั่งของผู้ปฏิบัติการรายหนึ่งได้แยกต่างหาก เป็นการขอให้ตรวจชุดข้อมูลเพื่อหารายละเอียดกระเป๋าเงินคริปโต ข้อมูลรับรองตัวตนของ Gmail และประวัติการลงทะเบียนเว็บไซต์ โดยลงท้ายว่า “ยิ่งวิเคราะห์ละเอียดยิ่งดี กรุณาอย่าทำแบบลวก ๆ” อย่างไรก็ตามรายงานไม่สามารถยืนยันได้ว่าคำขอชิ้นนี้ถูกส่งเข้าไปยังบริการ AI จริงหรือไม่

กลุ่มนี้ไม่ได้หยุดอยู่แค่แอปสำเร็จรูป บนโครงสร้างพื้นฐานเดียวกัน Genians พบไลบรารีสำหรับนักพัฒนา ได้แก่ LLaMaSharp, Semantic Kernel ของบริษัท Microsoft และ Microsoft.Agents.AI ซึ่งเป็นส่วนประกอบสำหรับสร้างฟังก์ชัน AI ลงในซอฟต์แวร์ C# และ .NET ที่เขียนขึ้นเอง นอกจากนี้ยังพบไฟล์ของ Whisper ซึ่งเป็นระบบถอดเสียงเป็นข้อความของ OpenAI พร้อมคู่มือการสกัดข้อความจากไฟล์เสียง และร่องรอยการใช้งานจริงของ Cursor ซึ่งเป็นเครื่องมือแก้ไขโค้ดที่ขับเคลื่อนด้วย AI

ไม่มีเครื่องมือชิ้นใดในรายการนี้ที่แปลกประหลาด ทั้งหมดเป็นซอฟต์แวร์ที่นักพัฒนาทั่วไปใช้กันอยู่แล้ว สิ่งที่ใหม่คือการที่กลุ่มจารกรรมระดับรัฐชาติประกอบเครื่องมือเหล่านี้เข้าด้วยกันอย่างจงใจ เพื่อผลัก AI ให้ลึกเข้าไปในกระบวนการทำงานของการโจมตีเอง

วิธีการโจมตี

กิจกรรมชุดนี้ต่อยอดจากแคมเปญของ Kimsuky ที่ Genians เรียกว่า Operation GitPower ซึ่งฉวยใช้คลังโค้ดบน GitHub เป็นช่องทางสั่งการ ในสายการติดเชื้อที่เริ่มจากไฟล์ LNK แล้วส่งต่อไปยัง PowerShell และเคยแจกจ่ายเพย์โหลด AsyncRAT ที่เข้ารหัสไว้โดยอำพรางเป็นไฟล์รูปภาพ ก่อนหน้านี้บริษัท Fortinet เคยบันทึกรูปแบบการใช้ GitHub เป็นเซิร์ฟเวอร์สั่งการในภาพกว้างไว้เมื่อเดือนเมษายน ในการโจมตีที่พุ่งเป้าผู้ใช้ในเกาหลีใต้ อย่างไรก็ตามรายงานของ Fortinet ยืนยันเฉพาะตระกูลเทคนิคที่แวดล้อมอยู่ ไม่ได้ยืนยันสิ่งประดิษฐ์ AI แบบใช้ในเครื่องที่ Genians เพิ่งพบ ขณะที่สำนักข่าว Reuters ระบุว่าข้อค้นพบใหม่ชุดนี้ยังไม่สามารถตรวจสอบยืนยันได้อย่างเป็นอิสระ

เมื่อไม่มีช่องโหว่ให้แพตช์ ภาระจึงตกอยู่ที่ฝ่ายตั้งรับทั้งหมด และจุดที่เปลี่ยนไปมากที่สุดคือสัญญาณบ่งชี้ที่เคยใช้ได้จะอ่อนกำลังลง เมื่อ AI เป็นคนเขียนเหยื่อล่อ ร่องรอยเดิมอย่างสำนวนแปลที่ขัดเขิน การจัดรูปแบบที่งุ่มง่าม และคำสะกดผิด ก็จะหายไป สิ่งที่ต้องเฝ้าดูจึงเปลี่ยนจากคุณภาพของข้อความ ไปเป็นสิ่งที่การบุกรุกทำจริงบนเครื่อง

รายงานของ Genians แนะนำให้ฝ่ายตั้งรับหาความสัมพันธ์ระหว่างการรันไฟล์ LNK การเรียกใช้ PowerShell งานตั้งเวลาที่ถูกซ่อนไว้ ทราฟฟิกที่วิ่งไปยัง GitHub และกิจกรรมของเพย์โหลดในขั้นถัดไป แทนที่จะตัดสินเหยื่อล่อจากความเนี้ยบของหน้าตาเป็นหลัก

Genians เชื่อมโยงปฏิบัติการนี้เข้ากับ Kimsuky ด้วยความทับซ้อนกับแคมเปญก่อนหน้า เบาะแสจากโครงสร้างพื้นฐาน และคำศัพท์ภาษาเกาหลีเหนือที่กู้คืนได้จากล็อกของผู้ปฏิบัติการ ด้านกระทรวงการคลังสหรัฐฯ ซึ่งคว่ำบาตร Kimsuky เมื่อปี 2566 อธิบายว่ากลุ่มนี้อยู่ใต้บังคับบัญชาของสำนักงานลาดตระเวนใหญ่และเน้นงานเก็บข่าวกรองเป็นหลัก ก้าวนี้ยังสอดคล้องกับรูปแบบที่ Genians เคยชี้ไว้เมื่อปี 2568 ตอนที่เชื่อมโยง Kimsuky เข้ากับการโจมตีแบบ spear-phishing ซึ่งใช้ภาพบัตรประจำตัวพนักงานทหารเกาหลีใต้ที่สร้างด้วย ChatGPT

ผลกระทบ

ผลกระทบที่ชัดที่สุดตกอยู่กับฝ่ายตั้งรับที่ยังฝึกพนักงานให้จับฟิชชิงจากสำนวนแปลกและคำสะกดผิด เพราะเกณฑ์เหล่านั้นกำลังหมดอายุ องค์กรที่ยังวัดผลการฝึกอบรมด้วยอัตราการกดลิงก์ในอีเมลจำลองที่เขียนหยาบ ๆ จะประเมินความพร้อมของตัวเองสูงเกินจริง เมื่อเหยื่อล่อจริงถูกเขียนด้วยเครื่องมือที่ผลิตภาษาได้เนียนกว่าคนเขียนเดิมมาก

ในระดับปฏิบัติการ การที่กลุ่มยกโมเดลมารันบนเซิร์ฟเวอร์ตัวเองยังลบร่องรอยอีกชั้นหนึ่งออกไปด้วย เพราะที่ผ่านมาการใช้บริการ AI สาธารณะทิ้งบันทึกไว้ที่ผู้ให้บริการ ซึ่งบริษัทเจ้าของโมเดลเคยใช้ระบุและปิดบัญชีของกลุ่มรัฐหนุนหลังมาแล้ว การย้ายมาทำงานออฟไลน์ตัดช่องทางการมองเห็นนั้นทิ้งทั้งหมด และทำให้กลุ่มป้อนข้อมูลอ่อนไหวเข้าโมเดลได้โดยไม่ต้องกังวลว่าจะถูกตรวจสอบ

ในทางกลับกัน ควรระวังไม่ตีความเกินกว่าที่หลักฐานรองรับ ชุดเครื่องมือออฟไลน์ที่เพิ่งพบ ทั้งโมเดลในเครื่อง ฐานข้อมูล RAG และเครื่องมือถอดเสียง ยังไม่เคยถูกแสดงให้เห็นว่าทำงานกับเหยื่อจริงในรายงานที่มีอยู่ และยังไม่มีการเปิดเผยจำนวนเหยื่อของ Operation GitPower เมื่อวางเทียบกับกรอบการเล่าเรื่องแบบ “เครื่องมือโจมตีด้วย AI” ความเปลี่ยนแปลงระยะสั้นที่เกิดขึ้นจริงจึงแคบกว่าที่ป้ายชื่อนั้นสื่อ สิ่งที่กำลังเกิดคือการวางรากฐานเพื่อทำให้บางส่วนของปฏิบัติการเป็นอัตโนมัติ ไม่ใช่การเปลี่ยนโฉมการโจมตีที่เสร็จสมบูรณ์แล้ว

คำแนะนำ

ทีมเฝ้าระวังควรปรับตรรกะการตรวจจับจากการพึ่งคุณภาพของข้อความ ไปเป็นการเชื่อมโยงพฤติกรรมบนเครื่องเข้าด้วยกัน โดยเฉพาะสายที่เริ่มจากไฟล์ LNK แล้วตามด้วยการเรียก PowerShell ซึ่งเป็นลายเซ็นหลักของแคมเปญนี้ ควรตั้งกฎแจ้งเตือนเมื่อพบไฟล์ LNK ถูกรันจากโฟลเดอร์ดาวน์โหลดหรือไฟล์แนบ และเมื่อการรันนั้นตามด้วยการสร้างงานตั้งเวลาที่ถูกซ่อนไว้

ทราฟฟิกไปยัง GitHub เป็นอีกจุดที่ต้องทบทวน เพราะเป็นบริการที่แทบทุกองค์กรอนุญาตอยู่แล้วและมักไม่ถูกตรวจ ทีมควรแยกให้ออกระหว่างการใช้งานตามปกติของนักพัฒนา กับการที่เครื่องของผู้ใช้ทั่วไปซึ่งไม่ได้เขียนโค้ดกลับมีการเรียกดูคลังโค้ดเป็นระยะอย่างสม่ำเสมอ ซึ่งเป็นรูปแบบของการรับคำสั่งมากกว่าการทำงานจริง

ในด้านการฝึกอบรมพนักงาน ควรเลิกใช้ข้อผิดพลาดทางภาษาเป็นตัวชี้วัดหลักในการสอนให้สังเกตฟิชชิง แล้วหันไปเน้นการตรวจสอบบริบทแทน เช่น ผู้ส่งคนนี้เคยติดต่อมาก่อนหรือไม่ คำขอนี้สมเหตุสมผลกับหน้าที่ของผู้รับหรือไม่ และมีช่องทางยืนยันตัวตนนอกอีเมลหรือไม่ เพราะบริบทเป็นสิ่งที่ AI ปลอมได้ยากกว่าสำนวนภาษามาก

สุดท้าย องค์กรในภาคที่เป็นเป้าประจำของกลุ่มนี้ ได้แก่ หน่วยงานรัฐ สถาบันวิจัย และองค์กรที่ทำงานเกี่ยวกับคาบสมุทรเกาหลี ควรถือว่าคุณภาพของเหยื่อล่อจะดีขึ้นเรื่อย ๆ และลงทุนกับการยืนยันตัวตนที่ทนต่อฟิชชิง เช่น กุญแจความปลอดภัยแบบฮาร์ดแวร์ แทนการพึ่งความสามารถของผู้ใช้ในการแยกแยะอีเมลปลอมเพียงอย่างเดียว

แหล่งอ้างอิง