สรุปสั้น
ทีม Unit 42 ของบริษัท Palo Alto Networks เปิดเผยว่าผู้โจมตีที่ใช้ชื่อ BUGSTER ใช้เครื่องมือ AI ช่วยโจมตีองค์กรในอินเดีย รวมถึงมหาวิทยาลัย 2 แห่งที่ไม่เปิดเผยชื่อ ชุดเครื่องมือของเขาประกอบด้วย Hermes Agent เฟรมเวิร์กผู้ช่วย AI ที่ใช้ DeepSeek V4 เป็นโมเดลให้เหตุผล และ Cursor เป็นเครื่องมือเขียนโค้ด ผู้โจมตีปิดระบบควบคุมความปลอดภัยของโมเดล แล้วพึ่งสคริปต์และรายงานที่ AI เขียนให้ ในเหตุที่ยืนยันแล้ว เขาขโมยฐานข้อมูล MongoDB กว่า 5,200 ระเบียน ซึ่งมีข้อมูลส่วนบุคคลของนักศึกษาและบุคลากร
Unit 42 ชี้ว่ากรณีนี้แสดงให้เห็นว่า AI ช่วยให้คนทักษะจำกัดทำงานที่เคยต้องใช้ประสบการณ์มากขึ้นได้ แต่ไม่ได้แปลว่าโมเดลลงมือเองทั้งหมด จุดที่เปิดทางจริงคือบัญชีผู้ดูแลที่รหัสผ่านอ่อนและบริการที่เปิดออกอินเทอร์เน็ต ไม่ใช่ช่องโหว่ใหม่ นักวิจัยยังพบร่องรอยงานอื่น ทั้งการขโมยข้อมูลรับรอง การเจาะรหัส Wi-Fi การหาข้อมูลผู้ถือคริปโตรายใหญ่ และแผนฉ้อโกงบริการโทรศัพท์ แต่ส่วนใหญ่เป็นเพียงการเตรียมการที่ยังไม่พบว่าลงมือจริง
รายละเอียดข่าว
เว็บไซต์ Cybersecurity News รายงานเมื่อวันที่ 23 ตุลาคม 2569 อ้างรายงานของ Unit 42 ที่ระบุและสืบสวนกิจกรรมนี้จากการตรวจสภาพแวดล้อม เครื่องมือ และบันทึกของผู้โจมตีเอง ในมหาวิทยาลัยแห่งแรก ผู้โจมตีใช้ AI ช่วยสำรวจแพลตฟอร์มการศึกษาออนไลน์และบริการที่เกี่ยวข้อง ซึ่งรายงานอธิบายว่ามีเว็บไซต์ WordPress แพลตฟอร์มการเรียน พอร์ทัลนักศึกษา และแดชบอร์ดผู้ดูแล จากนั้นนำข้อมูลไปไล่ลองรหัสผ่านบัญชี และเครื่องมือพบล็อกอินที่ใช้ได้หนึ่งบัญชี
Unit 42 ไม่ได้ระบุว่ากิจกรรมนี้นำไปสู่การขโมยข้อมูล 5,200 ระเบียน เพราะฐานข้อมูลนั้นมาจากการเจาะมหาวิทยาลัยอีกแห่ง ในกรณีที่สอง ผู้โจมตีเข้าถึงฐานข้อมูลของมหาวิทยาลัยรัฐด้วยบัญชีผู้ดูแลที่ป้องกันด้วยรหัสผ่านอ่อน ข้อมูล MongoDB ที่ถูกขโมยรวมระเบียนนักศึกษาระดับอนุปริญญา ปริญญาตรี และบัณฑิตศึกษา และข้อมูลอาจารย์ บันทึกของผู้โจมตียังมีรายละเอียดบางส่วนของระบบคลาวด์และฐานข้อมูลของมหาวิทยาลัยด้วย
กิจกรรมทั้งหมดที่ Unit 42 อธิบายพึ่งพาเครื่องมือพื้นฐาน ข้อมูลที่รวบรวมเกี่ยวกับเป้าหมาย และการเข้าถึงบัญชีผู้ดูแล ไม่ต้องใช้ช่องโหว่ซอฟต์แวร์ที่เพิ่งค้นพบ ซึ่งตอกย้ำว่าบริการที่เปิดเผยหรือบัญชีที่อ่อนแอเพียงจุดเดียวก็ส่งผลรุนแรงได้
วิธีการโจมตี
ผู้โจมตีใช้รายงานที่ AI สร้างช่วยจัดระเบียบการสำรวจเป้าหมายและผลิตสคริปต์ นักวิจัยพบชุดเครื่องมือสแกนข้อมูลรับรองขนาดใหญ่ที่ออกแบบมาหา secret ที่หลุด เช่น คีย์คลาวด์และกุญแจส่วนตัวในไฟล์หรือล็อก ซึ่งเปิดทางให้เข้าบริการได้หากองค์กรปล่อยไว้โดยไม่ป้องกัน นอกจากนี้ยังสร้างโปรไฟล์ AI แยกตามงาน โปรไฟล์หนึ่งใช้ขอคำแนะนำเรื่องฉ้อโกง VoIP อีกโปรไฟล์ใช้ค้นข้อมูลผู้ให้บริการโทรศัพท์ แต่ Unit 42 พบเพียงเอกสารวางแผน ไม่มีบันทึกการโทรหรือสัญญาณว่าปฏิบัติการโทรศัพท์เริ่มทำงานแล้ว
งานอีกส่วนคือกระบวนการอัตโนมัติสำหรับเจาะรหัสผ่าน Wi-Fi ซึ่งต้องใช้อุปกรณ์อยู่ใกล้เครือข่ายเป้าหมายเพื่อเก็บข้อมูลการยืนยันตัวตน บ่งชี้ว่าผู้โจมตีเข้าถึงพื้นที่จริงได้ เขายังรวบรวมข้อมูลผู้ถือคริปโตรายใหญ่ แต่นักวิจัยไม่พบการดำเนินการต่อ ประเด็นที่ Unit 42 เน้นคือผู้โจมตีนำโมเดล AI มาผสมกับเครื่องมือธรรมดาและความหละหลวมด้านบัญชี เพื่อทำอาชญากรรมหลายรูปแบบไปพร้อมกัน ซึ่งต่างจากข้อกังวลเดิมที่มองเพียงว่าโมเดลให้คำแนะนำที่เป็นอันตราย
ผลกระทบ
มหาวิทยาลัยเป็นเป้าที่เปราะบาง เพราะมีระบบหลายตัวเปิดออกอินเทอร์เน็ต ทั้งเว็บไซต์ แพลตฟอร์มการเรียน และพอร์ทัล มีบัญชีผู้ดูแลจำนวนมากที่มักใช้รหัสผ่านซ้ำ และเก็บข้อมูลส่วนบุคคลของนักศึกษาและบุคลากรปริมาณมาก ข้อมูลที่หลุดเปิดทางให้ฟิชชิงเจาะจงเป้าและการแอบอ้างตัวตนต่อได้
ในภาพใหญ่ กรณี BUGSTER แสดงว่าเกณฑ์ทักษะขั้นต่ำของการโจมตีลดลง เมื่อ AI ช่วยเขียนสคริปต์ สรุปข้อมูลเป้าหมาย และวางแผนงานได้ ผู้โจมตีทักษะจำกัดจึงไล่หาเป้าที่อ่อนแอได้มากขึ้นและเร็วขึ้น การป้องกันจึงต้องกลับมาที่พื้นฐาน เพราะช่องที่ถูกใช้ไม่ได้ขึ้นกับโมเดล AI ตัวใด
คำแนะนำ
- ทบทวนบัญชีผู้ดูแลทุกระบบ ลบรหัสผ่านอ่อนหรือที่ใช้ซ้ำ และบังคับ MFA ทุกจุดที่ทำได้
- จำกัดการเข้าถึงฐานข้อมูล เช่น MongoDB ให้เฉพาะระบบและผู้ใช้ที่อนุมัติ ห้ามเปิดพอร์ตฐานข้อมูลออกอินเทอร์เน็ตโดยตรง
- ตรวจพอร์ทัลและบริการที่เปิดออกอินเทอร์เน็ตว่ามีส่วนที่ไม่จำเป็นหรือไม่ และเฝ้าระวังการล็อกอินผิดปกติหรือการเข้าถึงระเบียนจำนวนมาก
- เก็บ secret เช่น คีย์ API และข้อมูลรับรองคลาวด์ให้พ้นจากไฟล์สาธารณะและล็อก หากสงสัยว่าหลุด ให้เพิกถอนหรือหมุนเวียนทันทีและตรวจบันทึกการเข้าถึง
- ใช้ WPA3 หรือ WPA2-Enterprise พร้อมรหัสผ่านที่แข็งแรงสำหรับ Wi-Fi และตรวจหาอุปกรณ์แปลกปลอมใกล้พื้นที่
- หากองค์กรใช้ AI agent ทำงานจริง ให้จำกัดสิทธิ์ เปิดระบบความปลอดภัยและการอนุมัติไว้ และทบทวนการกระทำของ agent อย่างสม่ำเสมอ
Indicators of Compromise (IoCs)
indicator ทั้งหมด defang แล้ว ([.]) ต้องแปลงกลับก่อนใช้งาน
| ประเภท | Indicator | คำอธิบาย |
|---|---|---|
| IP | 162.243.3[.]92 | โครงสร้างพื้นฐานของผู้โจมตีที่ใช้โฮสต์บริการหลายตัว |
| IP | 104.238.38[.]202 | พร็อกซีเซิร์ฟเวอร์เชิงพาณิชย์ |