สรุปสั้น
การโจมตีไซเบอร์ที่ใช้ AI ช่วยในทุกขั้นตอนเริ่มถูกรายงานในอาเซียนมากขึ้นตลอดปี 2569 และล่าสุดมาเลเซียก็ยืนยันว่าเจอแล้ว เมื่อวันที่ 28 ตุลาคม 2569 นาย Chang Lih Kang รัฐมนตรีว่าการกระทรวงวิทยาศาสตร์ เทคโนโลยีและนวัตกรรมของมาเลเซีย กล่าวในงาน LGMS AI Cybersecurity Summit 2026 ที่กัวลาลัมเปอร์ว่า ผู้โจมตีใช้ AI ทำการโจมตีอัตโนมัติ หาช่องโหว่ และสร้างกลลวงที่น่าเชื่อขึ้น มาตรการรักษาความปลอดภัยแบบดั้งเดิมจึงไม่เพียงพอ องค์กรต้องเฝ้าระวังต่อเนื่อง ตรวจจับภัยตั้งแต่ต้น และมุ่งป้องกันก่อนเกิดเหตุแทนการตามแก้หลังเสียหาย
อีกด้านหนึ่ง นาย Fong Choong Fook กรรมการผู้จัดการบริษัท LGMS ผู้จัดงาน เปิดเผยว่าบริษัทพบการโจมตีที่ใช้ AI กับองค์กรขนาดใหญ่ 2 แห่งในมาเลเซียตั้งแต่เดือนกรกฎาคม และจากการวิเคราะห์ AI ถูกใช้ตลอดทั้งกระบวนการ ตั้งแต่สำรวจและประเมินเป้าหมาย เจาะเข้าระบบ จนถึงวางแบ็กดอร์ เขาคาดว่าปี 2570 จะเป็นปีใหญ่ของการโจมตีด้วย AI agent เพราะต้นทุนการแฮ็กลดลงจนทุกองค์กรไม่ว่าเล็กหรือใหญ่ตกเป็นเป้าได้ องค์กรควรเริ่มทบทวนรอบการแพตช์และการเฝ้าระวังให้ทันกับความเร็วของผู้โจมตี
รายละเอียดข่าว
เว็บไซต์ New Straits Times รายงานเมื่อวันที่ 28 ตุลาคม 2569 ว่า นาย Chang Lih Kang กล่าวเปิดงานประชุมสุดยอดซึ่งจัดภายใต้หัวข้อ “When Attackers Use AI, Cyber Defence Must Evolve” เขาย้ำว่าถ้าผู้โจมตีใช้ AI จนเร็วและซับซ้อนขึ้น ฝ่ายป้องกันก็ต้องมีเครื่องมือที่ตามทัน และชี้ว่ามาเลเซียต้องพัฒนาบุคลากรและเทคโนโลยีความปลอดภัยของตัวเอง เพื่อรองรับเป้าหมายการเป็นชาติ AI ภายในปี 2573
ส่วนนาย Fong Choong Fook ให้ข้อมูลการโจมตีจริงที่บริษัทพบ 2 กรณีในองค์กรขนาดใหญ่ตั้งแต่เดือนกรกฎาคม และอธิบายว่าต้นทุนการแฮ็กที่ต่ำลงทำให้ผู้โจมตีใช้ซอฟต์แวร์และ AI เริ่มการโจมตีได้เอง ขยายวงเป้าหมายไปทุกอุตสาหกรรม
ด้านเว็บไซต์ Malaysiakini ซึ่งเผยแพร่ประกาศของ LGMS ก่อนงานเมื่อวันที่ 9 ตุลาคม 2569 ระบุว่างานนี้เป็นการประชุมปิดสำหรับผู้ได้รับเชิญราว 200 คน ทั้ง CISO และผู้นำด้านเทคโนโลยีจากภาคธนาคาร ประกันภัย โทรคมนาคม หน่วยงานรัฐและผู้กำกับดูแล โดยอ้างอิงบริบทของพระราชบัญญัติความมั่นคงปลอดภัยไซเบอร์ปี 2567 (Cyber Security Act 2024) และความพยายามยกระดับภาคโครงสร้างพื้นฐานสำคัญของชาติ (NCII) LGMS ยังใช้เวทีนี้เปิดตัวผลิตภัณฑ์ความปลอดภัย 5 รายการที่พัฒนาในมาเลเซีย
ข้อจำกัดของหลักฐานมีมาก ข้อแรก LGMS ไม่ได้เปิดเผยชื่อหรือภาคธุรกิจขององค์กร 2 แห่งที่ถูกโจมตี ข้อสอง ไม่มีรายละเอียดว่าใช้ AI ตัวใด ผู้โจมตีเป็นใคร หรือเกิดความเสียหายอะไร ข้อสาม ข้อมูลมาจากบริษัทที่ขายบริการและผลิตภัณฑ์ด้านความปลอดภัย และพูดในงานที่เปิดตัวผลิตภัณฑ์ของตัวเอง จึงควรอ่านเป็นการเตือนแนวโน้มมากกว่ารายงานเหตุการณ์ที่ตรวจสอบได้
วิธีการโจมตี
AI ช่วยทั้งห่วงโซ่การโจมตี — ตามคำอธิบายของ LGMS ผู้โจมตีใช้ AI ตั้งแต่ขั้นสำรวจ (reconnaissance) เพื่อหาเป้าหมายและข้อมูลที่เปิดเผย ขั้นประเมินว่าเป้าไหนคุ้มค่า ขั้นเจาะเข้าระบบ ไปจนถึงขั้นวางแบ็กดอร์เพื่อคงสิทธิ์เข้าถึงระยะยาว รายงานไม่ได้ระบุช่องโหว่หรือเครื่องมือที่ใช้
ทำไมถึงน่ากังวล — เมื่อ AI ทำงานที่เคยต้องใช้ทีมผู้เชี่ยวชาญได้เอง ต้นทุนต่อการโจมตีหนึ่งครั้งจึงลดลงมาก ผู้โจมตีคุ้มที่จะเล็งองค์กรขนาดกลางและเล็กที่เคยถูกมองข้าม และเวลาระหว่างการเปิดเผยช่องโหว่กับการถูกโจมตีจริงก็สั้นลง ภาพเดียวกันนี้เคยเห็นในกรณีผู้โจมตีสายจีนใช้เอเจนต์ AI เจาะหน่วยงานรัฐเวียดนามและอินโดนีเซีย (2026/10/258 )
ผลกระทบ
กลุ่มที่เสี่ยงโดยตรงคือองค์กรขนาดใหญ่ในมาเลเซีย โดยเฉพาะภาคการเงิน โทรคมนาคม และโครงสร้างพื้นฐานสำคัญที่อยู่ภายใต้ Cyber Security Act 2024 แต่ด้วยต้นทุนที่ลดลง องค์กรทุกขนาดในภูมิภาคก็อยู่ในวงเสี่ยงเช่นกัน ขนาดของปัญหายังวัดไม่ได้ เพราะมีเพียง 2 กรณีที่ถูกพูดถึงโดยไม่มีรายละเอียด
ความหมายเชิงนโยบาย คือ รัฐบาลมาเลเซียยอมรับต่อสาธารณะว่าการโจมตีด้วย AI ไม่ใช่เรื่องอนาคตอีกต่อไป และกำลังผลักให้ภาคเอกชนเปลี่ยนจากการตรวจความปลอดภัยเป็นรอบไปสู่การเฝ้าระวังต่อเนื่อง ซึ่งจะส่งผลต่อแนวทางกำกับดูแลภาค NCII ในระยะต่อไป
คำแนะนำ
- ย่นรอบการแพตช์ระบบที่เปิดสู่อินเทอร์เน็ต — ช่องโหว่ที่ AI หาเจอถูกนำไปใช้เร็วขึ้นมาก ระบบหน้าบ้านควรแพตช์ภายในไม่กี่วันหลังผู้ผลิตออกแพตช์ ไม่ใช่รอรอบประจำเดือน
- ทำบัญชีทรัพย์สินที่เปิดสู่ภายนอกให้ครบ — สแกนหาเซิร์ฟเวอร์ ซับโดเมน และบริการที่ไม่มีเจ้าของ เพราะเป็นจุดแรกที่ AI สำรวจเจอ
- เฝ้าระวังการคงสิทธิ์ (persistence) — ตรวจบัญชีใหม่ งานตั้งเวลา เว็บเชลล์ และบริการที่ไม่รู้จักบนเซิร์ฟเวอร์สำคัญอย่างต่อเนื่อง เพราะการโจมตีที่ LGMS พบจบที่การวางแบ็กดอร์
- ตรวจหารหัสผ่านพนักงานที่รั่ว แล้วบังคับเปลี่ยนรหัสและใช้ MFA ที่กันฟิชชิงได้กับบัญชีสิทธิ์สูง
- ซ้อมแผนรับมือภายใต้สมมติฐานว่าผู้โจมตีเร็วกว่าเดิม — ทดสอบว่าทีมตรวจจับและตัดการเชื่อมต่อได้ภายในกี่ชั่วโมง