NSA, CISA, FBI เตือนบริษัท AI จากจีนว่ากำลังสกัดโมเดล AI แนวหน้าของสหรัฐฯ

สำนักข่าวกรองแห่งชาติ (NSA), หน่วยงานความปลอดภัยไซเบอร์และโครงสร้างพื้นฐาน (CISA) และสำนักงานสอบสวนกลางของสหรัฐอเมริกา (FBI) ได้ออกคำแนะนำด้านความปลอดภัยไซเบอร์ร่วมกันเมื่อวันที่ 8 กันยายน 2026 โดยเตือนว่าบริษัทปัญญาประดิษฐ์ที่ตั้งอยู่ในจีนกำลังสกัดความสามารถที่เป็นกรรมสิทธิ์จากโมเดล AI แนวหน้าของสหรัฐฯ อย่างเป็นระบบผ่านแคมเปญการสกัดความรู้ขนาดอุตสาหกรรมที่ดำเนินมาตั้งแต่ปลายปี 2024 อย่างน้อย

ในคำแนะนำที่กำหนดหมายเลข AA26-251A หน่วยงานระบุว่าแคมเปญเหล่านี้ “เป็นแกนหลัก—ไม่ใช่เพียงส่วนเสริม” ของกลยุทธ์การพัฒนา AI ของบริษัทต่าง ๆ ตามคำแนะนำ มีความเป็นไปได้ว่ารัฐบาลจีนรับรู้อยู่ DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun, และ Z.AI ได้สกัดโทเคนเป็นพันล้านรายการจากการแลกเปลี่ยนและคำขอหลายล้านครั้งจากโมเดล AI แนวหน้าของสหรัฐฯ รวมถึงรูปแบบของ Claude, GPT, Gemini และ Grok หน่วยงานระบุว่าการกระทำนี้ละเมิดเงื่อนไขการใช้ของบริษัทสหรัฐฯ และเป็นภัยต่อความเป็นผู้นำด้านเทคโนโลยีของสหรัฐฯ

ประกาศของ CISA เกี่ยวกับคำแนะนำ อธิบายว่าการสกัดความรู้เป็นเทคนิคการเรียนรู้ของเครื่องที่ฝึกโมเดลที่มีความสามารถน้อยกว่าโดยใช้ผลลัพธ์ของโมเดลที่ใหญ่กว่าและมีความสามารถมากกว่า แม้จะเป็นวิธีการฝึกที่ถูกต้องตามหลัก CISA ระบุว่าเทคนิคนี้อาจถูกนำไปใช้ในทางที่ผิดเพื่อให้ได้ความสามารถจากคู่แข่งในเวลาน้อยลงและต้นทุนต่ำกว่าการพัฒนาอย่างถูกต้อง “เราขอเรียกร้องให้บริษัท AI ดำเนินการอย่างเร่งด่วนเพื่อปกป้องแพลตฟอร์มของตนจากแคมเปญการสกัดความรู้ที่อาจทำให้ช่องว่างของความก้าวหน้าที่บริษัทอเมริกันทำได้หดลง” นาย Nick Andersen ผู้อำนวยการชั่วคราวของ CISA กล่าว

กิจกรรมที่เชื่อมโยงกับ DeepSeek, Moonshot AI, และบริษัทอื่น ๆ

ตามคำแนะนำ DeepSeek ได้ดำเนินแคมเปญการสกัดอย่างเป็นระบบต่อโมเดล AI แนวหน้าของสหรัฐฯ ตั้งแต่ปลายปี 2024 เพื่อสร้างข้อมูลการฝึกสังเคราะห์สำหรับโมเดลของตน รวมถึง R1 ที่เปิดตัวต้นปี 2025 หน่วยงานระบุว่า DeepSeek มุ่งเน้นที่ความสามารถด้านการให้เหตุผล การปรับแต่งเฉพาะทาง และฟังก์ชันโดเมนเฉพาะเพื่อ ลดค่าใช้จ่ายด้านการคำนวณและการวิจัย และค่าใช้จ่ายการฝึก $5.6 ล้านที่บริษัทอ้างอิงนั้นทำให้เข้าใจผิดเพราะไม่ได้รวมค่าใช้จ่ายของข้อมูลที่ได้จากการสกัดที่เป็นอันตราย ระหว่างปลายปี 2024 ถึงกลางปี 2025 DeepSeek สกัดข้อมูลจาก Claude 3.7, Claude Sonnet 4, Claude Sonnet 4.5, Claude Opus 4.1, Gemini 2.5 Pro Preview, Gemini 2.5 Flash Preview, GPT‑4, GPT‑4o, GPT‑4 Mini, GPT‑4 Nano, GPT‑5, และ Grok 4 เพื่อฝึกโมเดล R1 และ V3 ของตน

คำแนะนำระบุว่า Moonshot AI ได้ดำเนินแคมเปญการสกัดอย่างกว้างขวางตั้งแต่กลางปี 2025 โดยสกัดข้อมูล Claude Fable 5 อย่างมีนัยสำคัญเพื่อฝึกโมเดล Kimi‑K3 และสกัดข้อมูล GPT‑4o เพื่อฝึกโมเดล Kimi‑K2 ความสามารถที่มุ่งเป้าหมายรวมถึงการปรับแต่งแบบมีผู้ควบคุม (supervised fine‑tuning) การเรียนรู้แบบเสริม (reinforcement learning) วิศวกรรมซอฟต์แวร์ และคณิตศาสตร์ ซึ่งได้มาจากโมเดล Claude, GPT, Gemini และ Grok ต่าง ๆ Moonshot AI ใช้การแลกเปลี่ยนหลายล้านครั้งที่มุ่งเน้นการให้เหตุผลเชิงตัวแทนและการใช้เครื่องมือ การเขียนโค้ดและการวิเคราะห์ข้อมูล การพัฒนาเอเจนต์ที่ใช้คอมพิวเตอร์ และการมองเห็นคอมพิวเตอร์ ตามที่ระบุในคำแนะนำ

ในปลายปี 2025 คำแนะนำระบุว่า Alibaba สกัด Claude‑4, Claude Opus, Claude Sonnet, และ GPT‑5 เพื่อปรับปรุงวิศวกรรมซอฟต์แวร์ การสนทนาบริการลูกค้า และการสร้างภาพและอักขระในตระกูลโมเดล Qwen ในช่วงเวลาเดียวกัน MiniMax สกัดความสามารถการให้เหตุผลแบบโซ่ของความคิด (chain‑of‑thought), การเรียนรู้แบบเสริม, การปรับแต่งแบบมีผู้ควบคุม, และวิศวกรรมซอฟต์แวร์เพื่อปรับปรุงโมเดล M2 ของตนจาก Claude Code, Claude Sonnet 4, Claude Opus, Gemini 1, Gemini 2.5 Pro, และ Gemini 3 Pro ตามคำแนะนำ MiniMax ยังใช้ Claude Code สำหรับการพัฒนาซอฟต์แวร์ภายในและใช้การฉีดคำสั่งเพื่อพยายามทำให้ Claude Code เชื่อว่าตนเป็นผลิตภัณฑ์ของ MiniMax

ระหว่างปลายปี 2025 ถึงต้นปี 2026 คำแนะนำระบุว่า StepFun สกัดข้อมูลจาก Claude Opus 4.1 และ 4.5, Claude Sonnet 4.5, Claude Haiku 4.5, GPT‑5 Mini, GPT‑5 Pro, GPT‑5.1, GPT‑5.1 Codex, และ GPT‑5.2 เพื่อปรับปรุงฟังก์ชันการเขียนโค้ดและการทำงานของเอเจนต์ในโมเดล Step 4 ของตน ภายในกลางปี 2026 Z.AI ได้สกัดโทเคนหลายพันล้านรายการของข้อมูล GPT‑5.5 และ Claude Opus 4.8 เพื่อพัฒนาความสามารถในการให้เหตุผลแบบโซ่ของความคิด ตามที่ระบุในคำแนะนำ

กลยุทธ์และเทคนิค

คำแนะนำระบุว่าบริษัทต่าง ๆ ส่งคำขอสกัดผ่าน API ของแอปพลิเคชันพื้นเมือง ผู้ให้บริการคลาวด์ระยะไกล และผู้รวมรวม API ของบุคคลที่สามที่ทำให้ข้อมูลเมตาของผู้ใช้ถูกซ่อน และใช้ตลาดสีเทาของพร็อกซี API ที่เรียกว่า “transfer stations” เพื่อหลีกเลี่ยงข้อจำกัดด้านภูมิศาสตร์ หลบหลีกการป้องกัน และทำลายความสามารถในการตรวจสอบ การประหยัดต้นทุนมาจากการจัดซื้อสมาชิกระดับพรีเมียมเป็นจำนวนมากและแชร์ระหว่างทีมผู้พัฒนา ตามคำแนะนำ เทคนิคขั้นสูงรวมถึงการสกัดการให้เหตุผลแบบโซ่ของความคิด การสลับเส้นทางอัตโนมัติระหว่างช่องทางเมื่อพบการบล็อก และกรอบการประเมินคุณภาพที่ออกแบบมาเพื่อตรวจจับมาตรการป้องกัน

หน่วยงานได้แมปกิจกรรมนี้กับกรอบงาน MITRE ATLAS ตลอดช่วงวงจรชีวิตของผู้โจมตี ตั้งแต่การพัฒนาทรัพยากรจนถึงการขโมยข้อมูล รวมถึงการสร้างบัญชีปลอมและการใช้พรอมต์ jailbreak ที่บังคับให้โมเดลเปิดเผยการให้เหตุผลแบบโซ่ของความคิด คำแนะนำระบุว่า DeepSeek ใช้พรอมต์ที่สั่งให้โมเดลจินตนาการและอธิบายเหตุผลภายในของการตอบสนองที่เสร็จสมบูรณ์ และ MiniMax ย้ายการแลกเปลี่ยนไปยังโมเดล Claude ใหม่ภายใน 24 ชั่วโมงหลังจากเปิดตัว

คำแนะนำยังอธิบายสี่เทคนิคที่ถือว่าเป็นนวัตกรรม: การหลีกเลี่ยงข้อจำกัดภูมิภาคพร้อมการใช้ประโยชน์จากการสมัครสมาชิก, โครงสร้างพื้นฐานการกำหนดเส้นทางคำขอแบบศูนย์กลาง, การทำความสะอาดเมตาดาต้าคำขอโดยอัตโนมัติ, และการเพิ่มประสิทธิภาพโควตาและต้นทุนอย่างเป็นระบบ ตัวบ่งชี้การตรวจจับที่ระบุในคำแนะนำรวมถึงบัญชีที่ใช้ร่วมกันจากหลายที่อยู่ IP และ user‑agent, การใช้งานต่อเนื่องตลอด 24 ชั่วโมงโดยไม่มีการเปลี่ยนแปลงจากมนุษย์, อัตราส่วนการสมัครสมาชิกต่อการใช้งานที่ผิดปกติ, และการสมัครสมาชิกใหม่ที่เริ่มใช้งานเต็มที่ทันที

การบรรเทาที่แนะนำ

หน่วยงานแนะนำให้บริษัท AI ของสหรัฐฯ ดำเนินการสามขั้นตอนโดยทันที: ดำเนินการตรวจจับและบรรเทาพรอมต์, บัญชี, เครือข่าย, และพฤติกรรมที่ผิดปกติหรือเป็นอันตรายอย่างครอบคลุม; ปรับเปลี่ยนการตอบสนองเพื่อทำให้ผลลัพธ์ต่อการสกัดที่สงสัยเป็นแบบเบี่ยงเบนเล็กน้อย; และสร้างระบบแบ่งปันข้อมูลข่าวกรองระหว่างผู้ให้บริการโมเดล, แพลตฟอร์มคลาวด์, และผู้รวมรวม API

การเปลี่ยนแปลงการตอบสนองอาจรวมถึงการใช้ความเป็นส่วนตัวเชิงแตกต่าง (differential privacy) หรือให้บริการโมเดลที่ลดระดับสำหรับคำขอสกัดที่สงสัย ตามที่คำแนะนำระบุ บริษัทควรเปลี่ยนแปลงเหล่านี้แบบแปรผันตามคำขอเพื่อทำให้การประเมินคุณภาพของการตอบสนองยากขึ้น คำแนะนำแนะนำไม่ให้แจ้งผู้ใช้ที่สงสัยว่าการสกัดเป็นอันตรายเมื่อมีการเปลี่ยนแปลงการตอบสนอง ในขณะเดียวกันควรแจ้งนักวิจัยด้านความปลอดภัย AI และผู้ประเมินบุคคลที่สามเกี่ยวกับการเปลี่ยนแปลงโมเดล

คำแนะนำระบุการบรรเทาต่าง ๆ ที่อ้างอิงจาก MITRE ATLAS ได้แก่ การจำกัดอัตราการสอบถาม, การควบคุมการเข้าถึงโมเดลการผลิต, การบันทึกข้อมูลเทเลเมทรี AI, การทำให้ผลลัพธ์เป็นข้อมูลที่ไม่ชัดเจน, การทำ Red Teaming แบบศัตรู, การเสริมความแข็งแรงของโมเดล, การใช้ Ensemble, และการจำกัดการเผยแพร่ศิลปะโมเดล นอกจากนี้ยังอ้างอิงถึงการจัดประเภทการเรียนรู้ของเครื่องแบบศัตรูของ NIST ซึ่งรวมถึงความเป็นส่วนตัวเชิงแตกต่างพร้อมการแลกเปลี่ยนระหว่างสัญญาณรบกวนและประโยชน์, การแทรกแซงก่อนและหลังการฝึก, และเทคนิคการจัดรูปแบบและคำสั่งพรอมต์

คำแนะนำเรียกร้องให้มีการตอบสนองประสานงานระหว่างรัฐบาลสหรัฐ, ภาคอุตสาหกรรมเอกชน, และพันธมิตรต่างชาติ โดยระบุว่าการเปิดเผยของอุตสาหกรรมบันทึกเครือข่ายพร็อกซีที่จัดการบัญชีปลอมหลายหมื่นบัญชีพร้อมกัน มันแนะนำให้องค์กรที่ได้รับผลกระทบจากแคมเปญเหล่านี้ยื่นเรื่องร้องเรียนต่อศูนย์รับเรื่องอาชญากรรมทางอินเทอร์เน็ตของ FBI