ธุรกิจพร้อมสำหรับการโจมตีไซเบอร์ที่ขับเคลื่อนด้วย AI หรือไม่?

การวิเคราะห์แนวโน้มปัจจุบันช่วยให้专家สามารถคาดการณ์ได้ว่าผู้โจมตีไซเบอร์จะใช้ปัญญาประดิษฐ์ในอนาคตอย่างไร ด้วยข้อมูลนี้ พวกเขาสามารถระบุภัยคุกคามที่เกิดขึ้นใหม่ที่ใหญ่ที่สุดและกำหนดว่าธุรกิจเตรียมพร้อมหรือไม่ พวกเขาอาจสามารถระบุวิธีแก้ปัญหาได้

สถานะของภัยคุกคาม AI ในช่วงไม่กี่ปีที่ผ่านมา

แม้ว่าเทคโนโลยี AI จะค่อนข้างใหม่ แต่ก็ได้กลายเป็นเครื่องมือที่โดดเด่นสำหรับแฮกเกอร์ แนวโน้มเหล่านี้ชี้ให้เห็นว่าการโจมตีไซเบอร์ AI กำลังเพิ่มขึ้น

1. การทำลายแบบจำลอง

โดยการโจมตีแบบจำลองภาษาขนาดใหญ่ (LLM) โดยตรง ผู้โจมตีสามารถจัดการพฤติกรรมของแบบจำลอง ลดความแม่นยำของเอาต์พุตหรือเปิดเผยข้อมูลส่วนบุคคลในการฝึกอบรม ข้อมูลพิษและวิศวกรรมคำสั่งเป็นเทคนิคการโจมตีที่พบบ่อย

การโจมตีบางครั้งนำโดยผู้โจมตีที่พยายามสร้างความวุ่นวายหรือขโมยข้อมูลที่ละเอียดอ่อน การโจมตีบางครั้งดำเนินการโดยศิลปินผิดหวังที่ต้องการปกป้องงานศิลปะของตนจาก AI การสแกน ไม่ว่าจะด้วยวิธีใด บริษัทและผู้ใช้ปลายทางก็ได้รับผลกระทบในทางลบ

2. การโจมตีด้วยการปลอมตัว

ในปี 2024 ผู้บริหารของ Ferrari ได้รับข้อความ WhatsApp หลายข้อจาก CEO Benedetto Vigna Vignaพูดถึงการเข้าซื้อกิจการในอนาคตและกระตุ้นให้พนักงานของเขาลงนามในข้อตกลงไม่เปิดเผยข้อมูล เขายังโทรศัพท์มาเพื่อหารือเกี่ยวกับการให้ทุน มีปัญหาหนึ่ง — ไม่ใช่เขา

การปลอมตัวที่เกือบสมบูรณ์แบบเลียนแบบเสียงพูดของ Vigna ที่มีสำเนียงอิตาลีใต้ได้อย่างดีเยี่ยม แต่ความไม่สอดคล้องกันเล็กน้อยในเสียงทำให้ผู้บริหารต้องตื่นตัวจากการหลอกลวง พนักงานถามเกี่ยวกับชื่อหนังสือที่ Vigna แนะนำเมื่อไม่กี่วันก่อน ซึ่งเป็นคำถามที่ CEO จริงๆ จะรู้คำตอบได้ ผู้หลอกลวงวางสายทันที

AI สามารถเลียนแบบเสียงของบุคคล พฤติกรรมในการเรียกดู ข้อเขียน และรูปลักษณ์ได้ เมื่อเทคโนโลยีนี้พัฒนาไป การระบุการปลอมตัวจะยิ่งยากขึ้น ผู้หลอกลวงมักจะวางเป้าหมายไว้ในสถานการณ์ที่ต้องเร่งด่วนเพื่อป้องกันไม่ให้พวกเขาสงสัยถึงความไม่สอดคล้องกันเล็กน้อย

3. การโจมตีแบบฟิชชิงด้วย AI

ในอดีต บุคคลสามารถระบุอีเมลฟิชชิงได้โดยการดูไวยากรณ์ที่ไม่ดี ลิงก์ที่น่าสงสัย การทักทายทั่วไป และคำขอที่ไม่เหมาะสม ตอนนี้ด้วยเทคโนโลยีการประมวลผลภาษาธรรมชาติ ผู้โจมตีสามารถสร้างข้อความที่น่าเชื่อถือได้ด้วยไวยากรณ์ที่สมบูรณ์แบบ

นักวิจัยพบว่าอีเมลฟิชชิงแบบสแปมที่เปิดใช้งาน AI ที่สมบูรณ์แบบมีอัตราการคลิก 54%ซึ่งเทียบเท่ากับอีเมลฟิชชิงที่เขียนโดยมนุษย์ เนื่องจากการหลอกลวงเหล่านี้น่าเชื่อถือมากขึ้น จึงกลายเป็นเรื่องธรรมดา การศึกษาพบว่ามากกว่า 80% ของอีเมลฟิชชิงแสดงหลักฐานของการมีส่วนร่วมของ AI

4. การโจมตีแบบวิศวกรรมสังคม

การโจมตีแบบวิศวกรรมสังคมเกี่ยวข้องกับการหลอกลวงบุคคลให้ดำเนินการหรือเปิดเผยข้อมูล AI ช่วยให้ผู้โจมตีสามารถตอบสนองได้เร็วขึ้นและสร้างข้อความที่น่าเชื่อถือมากขึ้น โมเดลการประมวลผลภาษาธรรมชาติใดๆ สามารถทำการวิเคราะห์เชิงวิธีวิทยาเพื่อระบุสถานะทางอารมณ์ของผู้รับ ทำให้พวกเขามีแนวโน้มที่จะยอมจำนนมากขึ้น

นอกจากการปรับปรุงเทคนิคการโจมตีแบบวิศวกรรมสังคมแล้ว เทคโนโลยีการเรียนรู้ของเครื่องยังลดข้อจำกัดด้านการเข้าถึงแบบดั้งเดิม ทำให้ผู้เริ่มต้นสามารถดำเนินแคมเปญที่ซับซ้อนได้ หากใครก็ตามสามารถกลายเป็นนักอาชญากรรมไซเบอร์ได้ ใครก็ตามสามารถกลายเป็นเป้าหมายได้

การโจมตี AI ขับเคลื่อนด้วยข้อมูลในอนาคต

ในช่วงต้นปี 2026 การโจมตี AI คาดว่าจะยังคงอยู่ในระดับความตื่นเต้นต่ำ แต่จะพัฒนาไปอย่างรวดเร็วเมื่อเวลาผ่านไป ทำให้ผู้โจมตีไซเบอร์สามารถเข้าสู่ขั้นตอนการปรับให้เหมาะสม การใช้งาน และการปรับขนาดได้ พวกเขาจะสามารถเปิดตัวแคมเปญที่เปิดใช้งาน AI ที่สมบูรณ์แบบได้ไม่นาน ตัวอย่างที่ยืนยันของการโจมตีไซเบอร์ AI จะไม่หายากในไม่ช้า

ไวรัสพอลิโมฟิกเป็นไวรัสที่ขับเคลื่อนด้วย AI ที่สามารถเปลี่ยนรหัสของมันเองทุกครั้งที่มันคัดลอกเพื่อหลบหลีกการตรวจจับ ผู้โจมตีสามารถส่งพาโลดผ่านระบบนิเวศ AI เรียกใช้ LLM ในเวลาทำงานเพื่อสร้างคำสั่งหรือฝังไวรัสไว้ใน LLM กลุ่มการรักษาความปลอดภัยของ Google (GOOGL ) ค้นพบไวรัสชนิดนี้ครั้งแรกในปี 2025

ครอบครัวไวรัสคือ PROMPTFLUX และ PROMPTSTEAL ระหว่างการดำเนินการ พวกมันใช้ LLM เพื่อขอเทคนิคการหลบหลีกและหลบเลี่ยง VBScript พวกมันหลบหลีกการตรวจจับตามลายลักษณ์อักษรโดยการทำให้รหัสของตนเองไม่ชัดเจนตามความต้องการ

หลักฐานบ่งชี้ว่าภัยคุกคามเหล่านี้ยังคงอยู่ในขั้นทดสอบ — คุณลักษณะบางอย่างที่ไม่สมบูรณ์ถูกแสดงเป็นคำอธิบาย และการเรียกใช้ API มีจำกัด ไวรัส AI พอลิโมฟิกเหล่านี้อาจยังคงอยู่ในช่วงพัฒนา แต่การมีอยู่ของพวกมันแสดงถึงขั้นตอนสำคัญที่ยิ่งใหญ่ในแนวทางของเทคนิคการโจมตีที่ปรับให้เหมาะสมและปรับให้เหมาะสม

การวิจัยของ NYU Tandon แสดงให้เห็นว่า LLM สามารถดำเนินการโจมตีแรนซัมแวร์ได้อย่างอิสระ ซึ่งเรียกว่า Ransomware 3.0 พวกมันสามารถทำการซ้อมรบ สร้างพาโลด และส่วนบุคคลในการข่มขู่โดยไม่ต้องมีการมีส่วนร่วมของมนุษย์ต้องใช้เพียงคำสั่งภาษาธรรมชาติที่ฝังไว้ในไบนารี่โมเดลให้ผลลัพธ์เป็นรูปแบบพอลิโมฟิกที่ปรับให้เหมาะสมกับสภาพแวดล้อมในการดำเนินการโดยการสร้างรหัสที่เป็นอันตรายไดนามิกที่เวลาทำงาน

ธุรกิจเตรียมพร้อมสำหรับการโจมตี AI หรือไม่?

尽管มีการใช้จ่ายด้านความปลอดภัยทางไซเบอร์หลายพันล้านดอลลาร์ ธุรกิจส่วนตัวยังคงดิ้นรนเพื่อให้ทันภัยคุกคามที่เปลี่ยนแปลงไป เทคโนโลยีการเรียนรู้ของเครื่องอาจทำให้ซอฟต์แวร์ตรวจจับและตอบสนองที่มีอยู่ล้าสมัย ทำให้การป้องกันยิ่งยากขึ้น มันไม่ช่วยให้หลายคนไม่ปฏิบัติตามมาตรฐานความปลอดภัยขั้นพื้นฐาน

รายงานความตื่นเต้นด้านความปลอดภัยทางไซเบอร์ของ DIB ในปี 2024 ได้สำรวจผู้เชี่ยวชาญด้านเทคโนโลยีสารสนเทศ 400 คนในสหรัฐอเมริกา ฐานอุตสาหกรรมป้องกันประเทศ (DIB) มากกว่าครึ่งหนึ่งของผู้ตอบแบบสอบถามรายงานว่าพวกเขาอยู่ห่างจากมาตรฐานการรับรองความตื่นเต้นด้านความปลอดภัยทางไซเบอร์ (CMMC) 2.0 เป็นเวลาหลายปี แม้ว่าความสอดคล้องกับ NIST 800-171 ที่เทียบเท่าจะถูกกำหนดไว้ในสัญญาของกระทรวงกลาโหม (DoD) ตั้งแต่ปี 2016 มาแล้วหลายคนให้คะแนนรูปแบบความปลอดภัยของตนเองว่าดีกว่าที่เป็นจริง

ข้อกำหนด CMMC ใหม่มีผลบังคับใช้เมื่อวันที่ 10 พฤศจิกายน2025 ในการดำเนินการต่อ สัญญาทั้งหมดของ DoD จะต้องมีการปฏิบัติตาม CMMC ระดับหนึ่งในการมอบสัญญา กฎใหม่เหล่านี้มีจุดมุ่งหมายเพื่อเสริมสร้างความปลอดภัยทางไซเบอร์ของ DIB แต่จะมีประสิทธิภาพหรือไม่ในยุค AI?

AI ป้องกันคือคำตอบหรือไม่?

การต่อสู้กับไฟด้วยไฟอาจเป็นวิธีเดียวในการต่อต้านการเพิ่มขึ้นของการโจมตี AI ที่ไม่สามารถหลีกเลี่ยงได้ ด้วย AI ป้องกัน องค์กรสามารถตอบสนองต่อภัยคุกคามได้อย่างมีประสิทธิภาพในเวลาจริง อย่างไรก็ตาม วิธีนี้มีข้อบกพร่องด้านความปลอดภัยของตนเอง — การรักษาแบบจำลองให้ปลอดภัยจากการทำลายล้างจะต้องมีการกำกับดูแลและตรวจสอบอย่างต่อเนื่อง

ตาม Harvard Business Reviewวิธีแก้ปัญหาแบบดั้งเดิมทำให้ธุรกิจตกอยู่ในความเสี่ยงต่อการโจมตีไซเบอร์ AIเพื่อให้ได้รับความตื่นเต้นด้านความปลอดภัยทางไซเบอร์ พวกเขาต้องใช้เทคโนโลยีการเรียนรู้ของเครื่องเพื่อคาดการณ์และตอบสนองต่อภัยคุกคามโดยอัตโนมัติ

ไม่มีคำตอบง่ายๆ ว่า AI ป้องกันคือคำตอบของปัญหานี้หรือไม่ บริษัทควรใช้ทรัพยากรในการใช้งานเครื่องมือการเรียนรู้ของเครื่องหรือไม่ หรือควรขยายทีมเทคโนโลยีสารสนเทศของตนหรือไม่ ไม่สามารถคาดเดาได้ว่าการลงทุนใดจะให้ผลตอบแทนในระยะยาว

องค์กรขนาดใหญ่อาจเห็นผลตอบแทนจากการรักษาความปลอดภัยทางไซเบอร์ที่เป็นอัตโนมัติ ในขณะที่ธุรกิจขนาดเล็กอาจดิ้นรนในการให้เหตุผลในการใช้จ่าย เทคโนโลยีการอัตโนมัติแบบดั้งเดิมอาจช่วยลดช่องว่างได้ในราคาที่ต่ำกว่ามาก แต่จะไม่สามารถตอบสนองต่อภัยคุกคามที่เปลี่ยนแปลงได้

Steve Durbin ซีอีโอของ Information Security Forum ระบุว่าการนำ AI มาใช้มีประโยชน์อย่างมาก แต่ก็มีข้อเสียที่สำคัญด้วย ตัวอย่างเช่น บริษัทต่างๆ มักจะประสบกับการเตือนภัยปลอมที่เพิ่มขึ้น ซึ่งทำให้ทีมรักษาความปลอดภัยเสียเวลา นอกจากนี้ การพึ่งพา AI มากเกินไปอาจทำให้ทีมมั่นใจมากเกินไป ส่งผลให้เกิดช่องโหว่ด้านความปลอดภัย

การนำทางภูมิทัศน์ภัยคุกคาม AI

ไม่สามารถกำหนดขนาดของ AI ในภูมิทัศน์ภัยคุกคามได้อย่างแม่นยำ เนื่องจากผู้โจมตีสามารถใช้ AI เพื่อสร้างโค้ดที่เป็นอันตรายหรือเขียนอีเมลฟิชชิงได้ แทนที่จะใช้ AI ในเวลาทำงาน ผู้โจมตีรายเดียวและกลุ่มผู้โจมตีที่ได้รับการสนับสนุนจากรัฐอาจใช้ AI ในขนาดใหญ่

การไปตามข้อมูลที่มีอยู่ การทำลายแบบจำลอง AI ฟิชชิง และไวรัสพอลิโมฟิกจะกลายเป็นภัยคุกคามทางไซเบอร์ที่ใหญ่ที่สุดในปี 2026 ผู้โจมตีไซเบอร์มีแนวโน้มที่จะใช้ LLM ต่อไปเพื่อสร้าง พาโลด และปรับเปลี่ยนพาโลดที่เป็นอันตราย โดยมุ่งเป้าไปที่อุตสาหกรรมที่มีมูลค่าสูง เช่น การเงิน เช่นเดียวกับบุคคลทั่วไป