สรุปสั้น

ทีม Frontier Red Team ของบริษัท Anthropic เผยแพร่งานวิจัยที่ประเมินว่าโมเดล AI ขนาดเล็กอาจอยู่ห่างจากความสามารถในการแพร่ตัวเองข้ามอุปกรณ์ IoT เชิงพาณิชย์เพียงไม่กี่เดือน โดยไม่ต้องอาศัยศูนย์ข้อมูล งานวิจัยมุ่งศึกษา “AI worm” ที่รันโมเดลของตัวเองบนอุปกรณ์ที่ยึดได้โดยตรง มัลแวร์แบบนี้จะปิดยากเพราะไม่มีศูนย์กลางให้ตัด แม้จะแพร่ได้ช้า ทีมวิจัยซื้อกล่องทีวีแอนดรอยด์ยี่ห้อทั่วไป 15 เครื่อง ราคาเครื่องละราว 55 ดอลลาร์ แล้วแบ่งโมเดล open-weight ขนาด 26,000 ล้านพารามิเตอร์ไปรันบนกล่องเหล่านี้ได้ที่ความเร็ว 0.39 โทเคนต่อวินาที

ในการทดสอบวงจรแพร่ตัวเองเต็มรูปแบบบนเครือข่ายปิดที่มีอุปกรณ์แอนดรอยด์จำลอง 8 เครื่อง โดยจงใจทำให้ขั้นเจาะระบบง่ายที่สุด มีเพียงโมเดล GLM-5.2 ที่ทำสำเร็จ แพร่ครบ 8 เครื่องใน 4 จาก 5 รอบ Anthropic ประเมินว่าโมเดลขนาดไม่เกิน 30B ที่ยังพลาดตอนต่อขั้นตอนเข้าด้วยกัน จะพัฒนาถึงระดับ GLM-5.2 ภายในสิ้นปี 2569 หากก้าวหน้าตามอัตราที่ผ่านมา และ “ตัวแพร่พันธุ์ที่ใช้ weight ขนาดเล็กอาจเป็นไปได้ไม่นานหลังจากนั้น” ทั้งนี้ยังไม่มีตัวแพร่พันธุ์อิสระที่สมบูรณ์เกิดขึ้นจริง

รายละเอียดข่าว

เว็บไซต์ SecurityWeek รายงานเมื่อวันที่ 13 ตุลาคม 2569 ว่างานวิจัยของ Anthropic ไม่ได้เน้นขั้นการเจาะระบบ ซึ่งมีงานวิจัยก่อนหน้าศึกษาไว้แล้ว แต่ตั้งคำถามว่าโมเดลสามารถทำให้ AI inference ทำงานบนฮาร์ดแวร์ที่ไม่คุ้นเคยได้เองหรือไม่ ผลคือโมเดลขนาด 9B ทำได้สำเร็จบนฮาร์ดแวร์ 8 จาก 9 ประเภทที่ทดสอบ

Anthropic ถือว่าผลการทดลองเป็น “เพดานบน” ของความสำเร็จในโลกจริง เพราะขั้นเจาะระบบถูกทำให้ง่ายโดยเจตนา แต่ก็ชี้ว่าบอตเน็ต IoT ในอดีตอย่าง Mirai แพร่กระจายได้มหาศาลเพียงด้วยการลองรหัสผ่านเริ่มต้นจากผู้ผลิต ขั้นที่ถูกทำให้ง่ายจึงไม่ได้ห่างจากความจริงมากนักสำหรับอุปกรณ์ราคาถูก

ทีมวิจัยยังคำนวณกรณีบอตเน็ตขนาดเท่า Kimwolf ที่เคยติดเชื้ออุปกรณ์กว่า 2 ล้านเครื่อง หากทุก 15 กล่องรันโมเดล 26B หนึ่งสำเนา บอตเน็ตนี้จะรองรับได้ราว 133,000 สำเนา แต่พลังประมวลผลรวมทั้งหมดเทียบได้ไม่เกินราว 40 GPU รุ่น Nvidia H100 และการแพร่แต่ละครั้งใช้เวลามากกว่า 1 วัน ต่างจากบอตเน็ตแบบเดิมที่ต้องเขียนมาเฉพาะอุปกรณ์ AI worm อาจหาทางทำงานบนฮาร์ดแวร์ที่ไม่รู้จักได้เอง และโมเดลก็เก่งขึ้นในทุกขั้นของห่วงโซ่ รวมถึงการถ่ายทอดสิ่งที่เรียนรู้ให้สำเนาของตัวเอง

วิธีการโจมตี

วงจรแพร่ตัวเองที่ทีมวิจัยทดสอบประกอบด้วยขั้นตอนหลักต่อเนื่องกัน คือ เข้าถึงอุปกรณ์เป้าหมาย สำรวจฮาร์ดแวร์และระบบปฏิบัติการที่ไม่คุ้นเคย ติดตั้งและตั้งค่า runtime สำหรับ inference คัดลอก weight ของโมเดลข้ามไป แล้วเริ่มรันสำเนาใหม่ให้ทำวงจรเดิมต่อไป จุดเปราะของโมเดลขนาดเล็กในตอนนี้ไม่ใช่ขั้นใดขั้นหนึ่ง แต่คือการต่อหลายขั้นเข้าด้วยกันโดยไม่พลาด ซึ่งเป็นความสามารถที่กำลังพัฒนาเร็ว

สิ่งที่ทำให้ AI worm ต่างจากมัลแวร์ทั่วไปคือ ตัวมันเองเป็นทั้งเครื่องยนต์ตัดสินใจและ payload ไม่ต้องพึ่งเซิร์ฟเวอร์ C2 หรือ API ของผู้ให้บริการโมเดล การปิดโครงสร้างพื้นฐานกลางหรือการระงับบัญชี API ซึ่งเป็นวิธีหยุดยั้งที่ใช้ได้ผลในปัจจุบัน จึงใช้กับมันไม่ได้

ผลกระทบ

กลุ่มเสี่ยงหลักคืออุปกรณ์แอนดรอยด์ราคาถูกอย่างกล่องทีวี (TV box) และอุปกรณ์ IoT ที่ใช้รหัสผ่านเริ่มต้นหรือปล่อยบริการดีบักเปิดไว้ ซึ่งเคยเป็นฐานของบอตเน็ตขนาดใหญ่มาแล้วหลายครั้ง ในระยะสั้นพลังประมวลผลที่ได้ยังต่ำและแพร่ได้ช้า แต่คุณสมบัติ “ไม่มีจุดศูนย์กลางให้ปิด” ทำให้การกำจัดหลังเกิดการระบาดยากกว่าบอตเน็ตเดิมมาก

ข้อมูลนี้ควรอ่านอย่างระมัดระวัง งานวิจัยเป็นการทดลองในสภาพแวดล้อมควบคุม และการคาดการณ์เวลาอิงจากอัตราพัฒนาการในอดีตของโมเดล ยังไม่มีหลักฐานว่ามีผู้โจมตีพยายามสร้างมัลแวร์ลักษณะนี้จริง

คำแนะนำ

  • ผู้ให้บริการอินเทอร์เน็ต (ISP): เฝ้าดูการถ่ายโอนไฟล์ขนาดใหญ่ระดับ weight ของโมเดลและทราฟฟิกต่อเนื่องระหว่างอุปกรณ์ปลายทางที่ปกติไม่สื่อสารกัน ซึ่ง Anthropic ชี้ว่าเป็นสัญญาณที่โดดเด่นและตรวจได้
  • องค์กร: ห้ามนำกล่องทีวีแอนดรอยด์ยี่ห้อไม่มีที่มาเข้าเครือข่าย แยกอุปกรณ์ IoT ไว้ใน VLAN เฉพาะ และจำกัดการสื่อสารระหว่างอุปกรณ์ในวงเดียวกัน
  • เปลี่ยนรหัสผ่านเริ่มต้นทุกอุปกรณ์ ปิด ADB/Telnet/SSH ที่ไม่ใช้ และตรวจพอร์ตบริการดีบักที่เปิดออกสู่เครือข่าย
  • ผู้ผลิต: เลิกใช้รหัสผ่านเริ่มต้นร่วม และส่งอุปกรณ์ออกมาพร้อมค่าตั้งต้นที่ปลอดภัย ซึ่งจะลดจำนวนเป้าหมายได้มากที่สุด
  • ทีมความปลอดภัย: บรรจุสถานการณ์ AI worm ที่ไม่มี C2 ไว้ในแผนรับมือเหตุการณ์ เพราะวิธี takedown แบบเดิมอาจใช้ไม่ได้

แหล่งอ้างอิง