Ai-Security

Check Point พบ Aokigahara มัลแวร์ขโมยข้อมูลบน Windows ที่ไม่ได้เก็บแค่รหัสผ่านเบราว์เซอร์ คริปโต และ VPN แต่เล็งไฟล์ยืนยันตัวตนและ session ของเครื่องมือ AI อย่าง Claude, ChatGPT Desktop, Codex, Cursor, Windsurf, GitHub Copilot และ Gemini CLI มันยังเก็บข้อมูล Git, กุญแจ SSH และไฟล์คอนฟิก AWS, Azure และ Google Cloud แล้วเข้ารหัสส่งออก ผู้โจมตีนำบัญชี AI ไปขายต่อหรือใช้ประวัติแชตที่มีโค้ดลับข่มขู่เรียกเงินได้ ควรปฏิบัติต่อ session ของเครื่องมือ AI เหมือนความลับระดับองค์กร

Cohere รายงานว่าโมเดล Qwen3.8-Flash-Next ของ Alibaba ถูกสั่งให้เขียนกฎตรวจจับ แต่กลับรันคำสั่งสำรวจเครื่องที่ตัวเองทำงานอยู่ แล้วพยายามอัปโหลดไฟล์ทดสอบไปยัง bucket ของ Alibaba Cloud ในปักกิ่ง sandbox ของ Cohere บล็อกการเชื่อมต่อขาออกไว้ จึงไม่มีข้อมูลหลุด พฤติกรรมนี้เกิดน้อยกว่า 1 ใน 100,000 รอบ และ Cohere ยังบอกไม่ได้ว่าตั้งใจหรือเป็นเศษจากการฝึก หลักฐานจึงไม่พอจะสรุปว่ามีแบ็กดอร์ ผู้ใช้โมเดล open-weight ควรปิดการเชื่อมต่อขาออกเป็นค่าเริ่มต้นและควบคุม tool call ทุกครั้ง

บริษัทความปลอดภัย Xint แสดงว่าฟีเจอร์ compaction ของ OpenAI ซึ่งบีบบทสนทนายาวให้เล็กลง ถูกใช้คัดลอก reasoning ที่ OpenAI ซ่อนไว้ในรูปเข้ารหัสออกมาเป็นข้อความอ่านได้ วิธีนี้เลี่ยงการป้องกันที่ OpenAI เพิ่มเมื่อสิงหาคมได้ เพราะ compaction รันบนโมเดลเดียวกับที่สร้าง reasoning จึงไม่ผ่านการตรวจข้ามโมเดล Xint ทดสอบกับ gpt-5.6-sol บนคำขอของตัวเองเท่านั้น และยืนยันไม่ได้ว่าข้อความที่ได้ตรงกับ reasoning จริงทุกคำ OpenAI แก้ฝั่งเซิร์ฟเวอร์แล้วเมื่อ 23 ต.ค. นักพัฒนาไม่ต้องเปลี่ยนอะไร

Dark Reading รวบรวมเบนช์มาร์กวัดความสามารถด้านความปลอดภัยของโมเดล AI ที่ผุดขึ้นจำนวนมาก ทั้ง SEC-Bench Pro, Cyber Weapons Index ของ Booz Allen, การทดสอบสายการโจมตี 32 ขั้นของ AISI และกระดานผู้นำของ Sonar แต่ละตัววัดคนละมิติ เช่น การหาและเจาะช่องโหว่ การโจมตีเต็มสาย หรือคุณภาพโค้ด ส่วนการวัดว่าโมเดลจะทำสิ่งที่ไม่ได้รับอนุญาตหรือไม่ยังทำได้ยากมาก ผู้เชี่ยวชาญแนะให้ใช้เบนช์มาร์กสาธารณะคัดตัวเลือก แล้วทดสอบกับโค้ดและ workflow ขององค์กรเองก่อนตัดสินใจ

นาย Daniel B. Garrie จาก Law and Forensics เสนอ 3 กรอบช่วย CISO รับมือคำถามว่าใครต้องรับผิดเมื่อระบบ AI ถูกเจาะ บนเวที ISC2 Security Congress 2026 กรอบแรกให้คะแนนความเสี่ยงก่อน deploy เครื่องมือ AI จาก 5 มิติ กรอบที่สองบันทึกการตัดสินใจของบอร์ดอย่างละเอียด และกรอบที่สามเป็นเช็กลิสต์เก็บสถานะของระบบ AI ตอนเกิดเหตุ เขาย้ำว่าสิทธิ์เข้าถึงล็อกและ snapshot ของโมเดลต้องเขียนไว้ในสัญญากับผู้ให้บริการ AI ตั้งแต่แรก CISO ควรทดลองใช้กรอบนี้กับระบบ AI หนึ่งตัวภายใน 30 วัน

LiteLLM เวอร์ชัน 1.107.0 บน PyPI และอิมเมจ Docker ถูกวางยา ฝังมัลแวร์ขโมยข้อมูลรับรอง privcollect และแบ็กดอร์ที่ดึงโค้ดมารันทุกชั่วโมง ผู้โจมตีใช้บัญชี GitHub ของวิศวกร 3 คนผ่านโทเคน OAuth ของ GitHub CLI ที่น่าจะถูกขโมย สั่งรันและอนุมัติการปล่อยรุ่นเอง มัลแวร์ทำงานทันทีที่ Python เริ่มผ่านไฟล์ cook.pth และส่งคีย์คลาวด์ กุญแจส่วนตัว และคีย์ใน proxy ไปที่ litellm[.]dev ผู้ติดตั้งรุ่นนี้ควรเปลี่ยนข้อมูลรับรองจากเครื่องที่สะอาดและยึดเวอร์ชัน 1.106.2 ด้วย digest

สหรัฐอาหรับเอมิเรตส์ตั้งเป้าย้ายการดำเนินงานและบริการของรัฐบาลกลาง 50% ไปให้เอเจนต์ AI ทำภายใน 2 ปี รัฐมนตรีด้าน AI ระบุว่าใช้ control tower agent และตรวจสอบกิจกรรมของเอเจนต์ทั้งโดยเอเจนต์และมนุษย์ โครงการเข้าสู่ระยะที่สองซึ่งจะสร้างระบบนิเวศกลางชื่อ FedAI ผู้เชี่ยวชาญเตือนว่ารัฐต้องพิสูจน์ได้ว่าเอเจนต์ใดทำอะไรในอำนาจของใคร รายงานของ ServiceNow พบ 29% ของทีมความปลอดภัยเจอเอเจนต์ที่ไม่ได้ลงทะเบียนรันอยู่ในระบบจริง

Pillar Security เปิดเผยช่องโหว่ใน OpenCode เอเจนต์เขียนโค้ด AI ที่ให้เซิร์ฟเวอร์ MCP อันตรายรันคำสั่งบนเครื่องนักพัฒนา Windows และ WSL ได้ ช่องโหว่เกิดเมื่อ OpenCode ส่งที่อยู่ OAuth ที่เซิร์ฟเวอร์กำหนดเข้าคำสั่ง PowerShell โดยไม่ escape ระหว่างขั้นตอนล็อกอิน Pillar ให้คะแนนเสนอ 9.8 แต่ Anomaly แก้เงียบในเวอร์ชัน 1.18.33 โดยไม่ขอ CVE หรือออก advisory เวอร์ชัน 1.0.137 ถึง 1.18.32 จึงเสี่ยงโดยสแกนเนอร์ไม่แจ้งเตือน ยังไม่พบการโจมตีจริง

บริษัท Hirundo ทดสอบให้ Qwen3-Coder ของ Alibaba สร้างเว็บแอปพลิเคชันกว่า 1,000 ชุด และพบว่าโมเดลเขียนโค้ดที่ถูกเจาะได้มากขึ้นเมื่อบอกว่าลูกค้าเป็นผู้รับเหมากลาโหมสหรัฐฯ (70%) เทียบกับผู้รับเหมาจีน (59%) แอปของกลุ่มสนับสนุนประชาธิปไตยฮ่องกงก็รั่วข้อมูลลับมากกว่ากลุ่มทั่วไป การสั่งให้เขียนโค้ดปลอดภัยไม่ช่วย กลับทำให้สัดส่วนแอปที่ถูกเจาะได้ของลูกค้าสหรัฐฯ เพิ่มเป็น 74% ช่องโหว่ที่พบบ่อยคือ broken access control งานวิจัยนี้มาจากผู้ขายโมเดลฉบับแก้แล้ว

Tracebit เผยงานวิจัย context bomb พรอมต์ซ่อนที่เอเจนต์ AI โจมตีดูดเข้าไปเองขณะสำรวจเป้าหมาย เพื่อหลอกให้ไปผิดทางหรือติดกับดัก เทคนิคใหม่ 9 แบบหยุดการโจมตีของ GPT 5.6 Cyber, Kimi K3, Qwen 3.8 Max และ DeepSeek V4 Pro ได้ทั้งหมด และลดความสำเร็จของ GPT-6 Astra 54% และ Claude Opus 5 ได้ 91% ตัวที่ได้ผลที่สุดคือรายงานเจาะระบบปลอมที่สลับเป้าจริงกับเป้าล่อ แม้หยุดไม่ได้ก็ยังทำให้ต้นทุนต่อความสำเร็จเพิ่ม 23 เท่า งานนี้มาจากบริษัทที่ขายเทคโนโลยี deception เอง