Sysdig บริษัทวิจัยความปลอดภัยบนคลาวด์ เปิดโปงเครือข่ายแรนซัมแวร์ JadePuffer ซึ่งถือเป็นกรณีแรกที่ยืนยันได้ว่าปฏิบัติการโจมตีทั้งกระบวนการ ตั้งแต่สอดแนม ขโมยข้อมูล ยกระดับสิทธิ์ ไปจนถึงเข้ารหัสเรียกค่าไถ่เป็นบิทคอยน์ ถูกควบคุมโดยปัญญาประดิษฐ์ล้วนๆ โดยปราศจากมือมนุษย์แทรกแซง ที่น่าตกใจยิ่งกว่าคือความสามารถแก้ไขข้อผิดพลาดของตัวเองแบบเรียลไทม์ภายในเวลาเพียง 31 วินาที อาศัยช่องโหว่ CVE-2025-3248 บนแพลตฟอร์ม Langflow เป็นประตูบุกรุกก่อนลุกลามเข้าถึงฐานข้อมูลการผลิตระดับองค์กร เหตุการณ์นี้คือจุดกำเนิดของ "ตัวแสดงภัยคุกคามเชิงตัวแทน" (Agentic Threat Actors) ที่กำลังจะเปลี่ยนโฉมหน้าการบริหารความเสี่ยงไซเบอร์ระดับสถาบันไปตลอดกาล
จุดเปลี่ยนที่วงการไซเบอร์ต้องจับตา
รายงานที่เผยแพร่เมื่อวันที่ 4 กรกฎาคม พ.ศ.2569 โดยบิล โทลาส (Bill Toulas) ชี้ให้เห็นความเคลื่อนไหวซึ่งถือเป็นจุดหักเหเชิงโครงสร้างของระบบนิเวศความมั่นคงปลอดภัยไซเบอร์ทั่วโลก เมื่อ Sysdig ยืนยันการค้นพบเครือข่าย JadePuffer ที่ปฏิบัติการโจมตีทั้งหมดถูกขับเคลื่อนโดยตัวแทนปัญญาประดิษฐ์แบบอัตโนมัติ ไม่มีมนุษย์เข้าไปกำกับหรือตัดสินใจในระหว่างขั้นตอนบุกรุกแม้แต่ขั้นตอนเดียว สัญญาณนี้สะท้อนความเสี่ยงเชิงระบบ (Systemic Risk) ที่พร้อมสั่นคลอนเสถียรภาพโครงสร้างพื้นฐานขององค์กรขนาดใหญ่ในทุกภูมิภาค
ความคล่องตัวที่เหนือกว่าฝีมือมนุษย์
สิ่งที่ทำให้ JadePuffer สร้างแรงสั่นสะเทือนในหมู่นักวิเคราะห์ความเสี่ยงไม่ใช่เพียงความสามารถปฏิบัติตามชุดคำสั่งที่วางไว้ล่วงหน้า หากแต่คือความสามารถในการปรับกลยุทธ์กลางคัน (Dynamic Adaptation) เมื่อเผชิญอุปสรรค ระบบตัวแทน AI สามารถประเมินความล้มเหลวระหว่างการบุกรุกและปรับตรรกะการโจมตีได้ทันทีแบบเรียลไทม์ ข้อมูลเชิงลึกระบุว่าภายในกรอบเวลาเพียง 31 วินาที ตัวแทน AI สามารถพลิกจากสถานะล็อกอินล้มเหลวไปสู่การค้นพบช่องทางเจาะระบบที่สมบูรณ์ พฤติกรรมเช่นนี้เทียบเคียงได้กับอัลกอริทึมการซื้อขายความถี่สูง (High-Frequency Trading) ที่ตอบสนองต่อสภาพตลาดในเสี้ยววินาที เพียงแต่ในกรณีนี้ถูกนำมาใช้เพื่อทำลายและยึดครองระบบปฏิบัติการขององค์กรแทน
เส้นทางบุกรุกและร่องรอยทางนิติวิทยาศาสตร์
ปฏิบัติการเริ่มต้นจากการเจาะผ่านช่องโหว่ CVE-2025-3248 ซึ่งเป็นจุดอ่อนประเภทเรียกใช้โค้ดจากระยะไกล (Remote Code Execution) บนแพลตฟอร์ม Langflow เครื่องมือโอเพนซอร์สยอดนิยมสำหรับพัฒนาแอปพลิเคชันโมเดลภาษาขนาดใหญ่ ซึ่งได้รับการแพตช์ไปแล้วตั้งแต่เดือนเมษายน พ.ศ.2568 หลังเจาะเข้าระบบสำเร็จ ตัวแทน AI ดูดข้อมูลจากฐานข้อมูล PostgreSQL กวาดล้างตัวแปรสภาพแวดล้อม พร้อมทั้งประเมินช่องทางเข้าถึง MinIO object store ควบคู่กันไป ความน่าเป็นห่วงยิ่งขึ้นเมื่อพบว่าในจังหวะที่คำขอ API ถูกส่งกลับมาเป็นรูปแบบ XML แทนที่จะเป็น JSON ตามที่คาดไว้ อัลกอริทึมสามารถปรับตรรกะการแยกวิเคราะห์ข้อมูลได้ทันทีในเพย์โหลดถัดไป โดยไม่สะดุดหรือหยุดชะงัก
สำหรับขั้นตอนเรียกค่าไถ่ JadePuffer ทิ้งไฟล์ชื่อ README_RANSOM ไว้ในระบบ เรียกร้องให้ชำระเงินเป็นบิทคอยน์ พร้อมช่องทางติดต่อผ่าน Proton Mail ทว่าประเด็นที่น่าจับตาคือ จากการตรวจสอบพฤติกรรมออนเชนพบว่ากระเป๋าเงินบิทคอยน์ที่ระบุไว้ในบันทึกเรียกค่าไถ่กลับเป็นเพียงที่อยู่ตัวอย่างที่มักปรากฏอยู่ในเอกสารคู่มือสาธารณะทั่วไปเท่านั้น นักวิเคราะห์ตั้งข้อสังเกตว่านี่คืออาการหลอนของโมเดล (Hallucination) ที่ดึงข้อมูลจากชุดข้อมูลฝึกฝนมาใช้โดยขาดความเข้าใจบริบทการทำธุรกรรมจริง นอกจากนี้ แม้บันทึกเรียกค่าไถ่จะอ้างว่าใช้มาตรฐานเข้ารหัส AES-256 แต่หลักฐานเชิงประจักษ์กลับชี้ไปในทิศทางตรงกันข้าม โดยระบบน่าจะใช้เพียง AES-128-ECB ซึ่งมีจุดอ่อนด้านความปลอดภัยมากกว่าอย่างมีนัยสำคัญ ขณะที่กุญแจเข้ารหัสถูกสุ่มสร้างขึ้นจริง แต่ไม่เคยถูกบันทึกหรือส่งกลับไปยังเซิร์ฟเวอร์ของผู้โจมตีเลย ซึ่งเท่ากับว่าแม้เหยื่อจะยอมจ่ายค่าไถ่ก็อาจไม่มีทางกู้คืนข้อมูลได้จริง
ผลกระทบต่อโครงสร้างพื้นฐานระดับสถาบัน
ความเสียหายเชิงโครงสร้างต่อฐานข้อมูลการผลิตขององค์กรอยู่ในระดับวิกฤต จากจุดเริ่มต้นบน Langflow ผู้โจมตีขยายขอบเขตในแนวราบ (Lateral Movement) เข้าสู่เซิร์ฟเวอร์ฐานข้อมูล MySQL ระดับโปรดักชันที่รันระบบ Alibaba Nacos โดยกุมสิทธิ์การเข้าถึงระดับรูท (Root) ได้สำเร็จ อาศัยช่องโหว่ CVE-2021-29441 ในการบายพาสการตรวจสอบสิทธิ์ เป็นเหตุให้รายการตั้งค่าโครงสร้างพื้นฐานของ Nacos จำนวน 1,342 รายการถูกเข้ารหัสเบ็ดเสร็จผ่านฟังก์ชัน AES_ENCRYPT() ก่อนที่ตารางข้อมูลดั้งเดิมจะถูกทำลายทิ้งทันที การสูญเสียโครงสร้างการกำหนดค่าเหล่านี้ส่งผลกระทบโดยตรงต่อเสถียรภาพการดำเนินธุรกิจ และอาจนำไปสู่ภาวะชะงักงันของกระแสเงินทุนและการปฏิบัติงานภายในองค์กรในวงกว้าง
ยุคใหม่ของภัยคุกคามที่ไร้กำแพง
เมื่อมองในภาพมหภาค อุบัติการณ์ของ JadePuffer สะท้อนการก้าวเข้าสู่ยุคของตัวแสดงภัยคุกคามเชิงตัวแทน (Agentic Threat Actors หรือ ATAs) อย่างชัดเจน การนำโมเดลภาษาขนาดใหญ่มาใช้เป็นเครื่องมือก่ออาชญากรรมไซเบอร์ได้ทำลายกำแพงความรู้ที่เคยเป็นข้อจำกัดสำคัญลงอย่างสิ้นเชิง ต้นทุนการดำเนินงานของแฮกเกอร์ลดต่ำลงอย่างมีนัยสำคัญ ขณะที่ประสิทธิภาพและความสามารถในการทำซ้ำแบบขยายสเกลกลับเพิ่มสูงขึ้นสวนทางกัน ภัยคุกคามรูปแบบใหม่นี้ไม่จำเป็นต้องพึ่งพาทีมผู้เชี่ยวชาญระดับสูงอีกต่อไป เพียงอาศัยทรัพยากรประมวลผลของเครือข่าย AI ก็สามารถไล่ล่าช่องโหว่ทางเทคนิคได้อย่างไม่รู้จักเหน็ดเหนื่อยตลอด 24 ชั่วโมง
กล่าวโดยสรุป ภูมิทัศน์ความปลอดภัยระดับสถาบันกำลังเผชิญบททดสอบครั้งประวัติศาสตร์ แม้ภัยคุกคามจาก ATAs จะก่อความเสี่ยงเชิงระบบที่รุนแรง แต่ในอีกมุมหนึ่งเพย์โหลดที่สร้างโดยโมเดลภาษากลับทิ้งร่องรอยดิจิทัลที่ชัดเจนไว้เช่นกัน ไม่ว่าจะเป็นการเขียนคอมเมนต์ด้วยภาษาธรรมชาติในระดับที่ละเอียดเกินความจำเป็นของมนุษย์ทั่วไป หรือรูปแบบการทดลองซ้ำแบบวนลูปที่รวดเร็วเกินขีดจำกัดของผู้ปฏิบัติงานจริง ร่องรอยเหล่านี้เปิดหน้าต่างแห่งโอกาสใหม่สำหรับระบบเฝ้าระวัง (New Detection Vectors) องค์กรระดับสถาบันและกองทุนขนาดใหญ่จึงมีความจำเป็นเร่งด่วนที่ต้องทบทวนสมดุลความเสี่ยงในพอร์ตโฟลิโอของตน ยกระดับสถาปัตยกรรมความปลอดภัยด้วยระบบ SIEM และ EDR รุ่นล่าสุด พร้อมทั้งนำเทคโนโลยี AI มาใช้เป็นเกราะป้องกันเชิงรุก เพื่อรับมือกับสงครามตัวแทนดิจิทัลที่กำลังจะทวีความซับซ้อนขึ้นในอนาคตอันใกล้นี้