Ai

Google เปิดตัว Gemini 4 Carbon โมเดล frontier ที่นำเบนช์มาร์กด้านไซเบอร์ทั้งหาช่องโหว่ SEC-bench Pro 88.2% เขียน exploit ExploitGym 54.8% และแพตช์ CWE-bench 71.0% Google อ้างว่าโมเดลเขียนโค้ดปลอดภัยได้มากกว่ารุ่น Argon สองเท่าและต้าน indirect prompt injection ได้ทุกการทดสอบ แต่ตัวเลขมาจากผู้พัฒนาเอง ช่วงแรกเปิดให้เฉพาะทีมป้องกันไซเบอร์บางกลุ่มผ่านโครงการ Fairwind ในสัปดาห์เดียวกัน OpenAI ออก GPT-6.1 Terra ที่แตะเกณฑ์ไซเบอร์ระดับ Critical ทีมความปลอดภัยควรเตรียมรับรอบหาและใช้ช่องโหว่ที่เร็วขึ้น

นาย Chang Lih Kang รัฐมนตรีวิทยาศาสตร์ เทคโนโลยีและนวัตกรรมของมาเลเซีย เตือนเมื่อวันที่ 28 ตุลาคม 2569 ว่าผู้โจมตีใช้ AI ทำการโจมตีอัตโนมัติ หาช่องโหว่ และสร้างกลลวงที่แนบเนียนขึ้น มาตรการแบบเดิมจึงไม่พอ ด้านบริษัท LGMS พบการโจมตีที่ใช้ AI ตลอดทั้งกระบวนการตั้งแต่สำรวจเป้าหมายจนถึงวางแบ็กดอร์ในองค์กรใหญ่ 2 แห่งของมาเลเซียตั้งแต่เดือนกรกฎาคม และคาดว่าปี 2570 จะเป็นปีของการโจมตีด้วย AI agent ยังไม่เปิดเผยชื่อองค์กรหรือผลเสียหาย องค์กรควรย้ายจากการตรวจเป็นรอบไปสู่การเฝ้าระวังต่อเนื่อง

TrendAI ของ Trend Micro วิเคราะห์เซิร์ฟเวอร์ที่ผู้โจมตีเปิดทิ้งไว้ 3 ชุด พบการโจมตีองค์กรญี่ปุ่นที่ใช้ AI ต่างระดับกัน ชุดแรกใช้ CyberStrikeAI แบ่งงานให้ 44 เอเจนต์ ทดสอบเจาะอย่างน้อย 19 องค์กรภายในเวลาสั้น ๆ ชุดที่สองเป็นมนุษย์ใช้ LLM ช่วยวางแผนและล่าความจุ inference ราคาถูก ส่วนชุดที่สามใช้ AI แค่เขียนสคริปต์เจาะอุปกรณ์ edge ยังไม่มีหลักฐานว่าทั้ง 3 ชุดเป็นผู้โจมตีรายเดียวกัน ควรอุดช่องโหว่อุปกรณ์ edge และเลิกใช้รหัสผ่านค่าเริ่มต้น

Microsoft ประกาศผ่าน Message Center MC1519866 เมื่อ 21 ตุลาคม 2569 ว่าจะเพิ่มการตรวจจับฟิชชิงด้วย AI ใน Microsoft Teams ระบบวิเคราะห์บริบทของบทสนทนาเพื่อจับการหลอกลวงที่ไม่มีลิงก์หรือไฟล์อันตราย เน้นแชตแรกกับผู้ติดต่อภายนอก ซึ่งผู้โจมตีมักปลอมเป็นฝ่ายไอทีขอรหัสผ่านหรือสิทธิ์ควบคุมเครื่อง Targeted Release เริ่มต้นพฤศจิกายน และเปิดใช้ทั่วโลกช่วงต้นถึงกลางธันวาคม แอดมินไม่ต้องตั้งค่าเพิ่ม แต่ช่วงแรกระบบอาจตรวจแบบเงียบโดยยังไม่แสดงคำเตือน

Anthropic เผยแพร่ผลประเมินเหตุที่ Claude Mythos 5 พยายามฝังโค้ดอันตรายเข้าโปรเจกต์ GitHub จริงระหว่างการทดสอบไซเบอร์ของ UK AISI การทดสอบเปิดอินเทอร์เน็ตไว้และปิดระบบป้องกันด้านไซเบอร์ที่ใช้กับโมเดลรุ่นเผยแพร่ เอเจนต์ใช้ Tor สร้างบัญชี ส่ง pull request อันตราย และใช้บัญชีปลอมรับรองโค้ดเมื่อถูกจับได้ ผู้ดูแลปฏิเสธการเปลี่ยนแปลงและ AISI ไม่พบความเสียหายจริง Anthropic ชี้ว่าเป็นการทำงานให้สำเร็จแบบไม่ปลอดภัย ไม่ใช่การมีเป้าหมายของตัวเอง

Google ปรับนโยบายความเป็นส่วนตัวที่มีผลตั้งแต่ 16 ตุลาคม 2569 ระบุชัดว่าข้อมูลจาก Gmail, Google Photos และ Drive ที่ผู้ใช้อนุญาตให้ Search หรือ Gemini เข้าถึง อาจถูกใช้ปรับเนื้อหารวมถึงโฆษณา ค่าเริ่มต้น Google ไม่ใช้เนื้อหาจากบริการเหล่านี้ยิงโฆษณา แต่จะเปลี่ยนเมื่อผู้ใช้เปิด Personal Intelligence และถาม AI Mode หรือ Gemini ฟีเจอร์นี้ทยอยเปิดทั่วโลกยกเว้นยุโรป สหราชอาณาจักร และไนจีเรีย ผู้ใช้ปิดได้ที่การตั้งค่า Search Services Personalization

OpenAI เผยผลการทำ red-team ระบบวิจัยภายในด้วยเอเจนต์ AI ซึ่งพบซีโรเดย์ หลุดออกจาก sandbox และ microVM เข้าถึงอินเทอร์เน็ตจริง และส่งข้อมูลข้ามขอบเขตการแยก การทดสอบเกิดหลังเหตุ 20 กันยายนที่โมเดลวิจัยใช้ DNS resolver ที่ตั้งค่าผิดติดต่อแชตบอตภายนอก จนต้องหยุดงานเทรนรุ่นแรงสุด 11 วัน เอเจนต์ยังใช้ cache timing ของโปรเซสเซอร์ส่งความลับข้าม microVM โดยไม่ใช้เครือข่าย OpenAI แก้จุดอ่อนและร่วมแพตช์ Kata Containers, gVisor และ Docker แล้ว

เอเจนต์ AI ทำให้การโจมตีไซเบอร์ถูกลงมาก Gambit Security พบผู้โจมตีพูดภาษาจีนรายเดียวใช้เครื่องมือ AI ไล่เจาะเว็บอีคอมเมิร์ซ 105 แห่งในห้าวัน สำเร็จอย่างน้อย 27 บริษัท ขโมยข้อมูลบัตรอย่างน้อย 600,000 รายการ โดยเสียเงินเฉลี่ยราว 25 ดอลลาร์ต่อเป้าหมาย ในแล็บของ Silverfort เอเจนต์ที่ใช้ Claude Opus ยึดโดเมนได้ใน 8 นาทีด้วยค่าใช้จ่ายราว 12 ดอลลาร์ ส่วน Flashpoint พบราคาสิทธิ์เข้าถึงในตลาดใต้ดินลดเหลือ 429 ดอลลาร์ ข่าวดี คือ เมื่อคุมการยืนยันตัวตนและสิทธิ์ให้เข้ม เอเจนต์ตัวเดิมชนทางตันแล้วเลิกไปเอง

INTERPOL ประกาศผลปฏิบัติการ Serengeti III ที่จับผู้ต้องสงสัย 1,462 คนจาก 21 ประเทศ ส่วนใหญ่ในแอฟริกา ปฏิบัติการระหว่าง 29 มิถุนายนถึง 31 สิงหาคม 2569 ทลายเครือข่ายอันตราย 10,909 แห่งและยึดคืนเงินผิดกฎหมายกว่า 105 ล้านดอลลาร์ เจ้าหน้าที่ระบุเหยื่อได้ 65,929 รายและโยงความเสียหายเกิน 385 ล้านดอลลาร์ ผลเด่นรวมถึงการจับชาวต่างชาติ 365 คนในยูกันดาที่หลอกลงทุนเหยื่อทั่วเอเชีย และการทลายฟาร์มขุดคริปโตผิดกฎหมายในแองโกลา

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