การโจมตีรูปแบบนี้เรียกว่า Agent Data Injection หรือ ADI โดยผู้โจมตีจะไม่พยายามซ่อนคำสั่งอันตรายไว้ในข้อความโดยตรง แต่จะเปลี่ยนแปลงข้อเท็จจริงเล็ก ๆ เช่น ชื่อผู้ส่งอีเมล หมายเลขปุ่มบนหน้าเว็บ ชื่อผู้เขียนความคิดเห็น หรือผลลัพธ์จากเครื่องมือที่ Agent เชื่อว่าเคยดำเนินการแล้ว

ผลที่ตามมาคือ AI Agent ยังคงทำงานตามคำสั่งของผู้ใช้ตามปกติ แต่ทำงานบนข้อมูลที่ถูกปลอมแปลง ซึ่งอาจนำไปสู่การสั่งซื้อสินค้าโดยไม่ได้ตั้งใจ การรันคำสั่งอันตรายบนคอมพิวเตอร์ หรือการอนุมัติโค้ดที่มีความเสี่ยง

Agent Data Injection คืออะไร

Agent Data Injection เป็นแนวทางการโจมตี AI Agent ที่มุ่งเปลี่ยนแปลงข้อมูลซึ่งระบบใช้ประกอบการตัดสินใจ โดยไม่จำเป็นต้องเปลี่ยนคำสั่งหลักของผู้ใช้

โดยทั่วไป AI Agent ต้องประมวลผลข้อมูลสองประเภท ได้แก่

• คำสั่ง เช่น สิ่งที่ผู้ใช้ต้องการให้ Agent ทำ
• ข้อมูล เช่น อีเมล หน้าเว็บไซต์ ความคิดเห็นใน GitHub ผลลัพธ์จากเครื่องมือ หรือข้อมูลจากฐานข้อมูล

การโจมตีแบบ Prompt Injection ทั่วไปจะซ่อนคำสั่งไว้ในข้อมูล เช่น สั่งให้ Agent เพิกเฉยต่องานเดิมและส่งไฟล์ให้ผู้โจมตี แต่ ADI ใช้วิธีที่แตกต่างออกไป โดยปลอมรายละเอียดที่ Agent เชื่อว่าเป็นข้อมูลจริง

ตัวอย่างเช่น ผู้ใช้สั่งให้ AI สรุปรีวิวสินค้า แต่รีวิวที่ถูกแทรกไว้มีข้อมูลปลอมเกี่ยวกับหมายเลขปุ่ม เมื่อ Agent ต้องการคลิกปุ่ม “อ่านเพิ่มเติม” ระบบอาจคลิกปุ่ม “ซื้อทันที” แทน

ในกรณีของเครื่องมือช่วยเขียนโค้ด ผู้ใช้สามารถสั่งให้ Agent นำวิธีแก้ไขจากผู้ดูแลโครงการใน GitHub มาใช้งาน แต่ความคิดเห็นปลอมอาจทำให้ Agent เชื่อว่าคำสั่งของผู้โจมตีมาจากผู้ดูแลโครงการจริง

ช่องโหว่เกิดจากวิธีที่ AI Agent อ่านข้อมูล

ระบบทั่วไปใช้ตัวแยกข้อมูล เช่น เครื่องหมายคำพูด วงเล็บปีกกา แท็ก วงเล็บเหลี่ยม และบรรทัดใหม่ เพื่อบอกว่าข้อมูลแต่ละส่วนเริ่มต้นและสิ้นสุดตรงไหน

โปรแกรมแบบดั้งเดิมจะอ่านโครงสร้างเหล่านี้ตามกฎที่แน่นอน หากเครื่องหมายไม่ตรงตามรูปแบบ โปรแกรมมักมองว่าเป็นข้อความธรรมดา แต่โมเดลภาษาขนาดใหญ่ไม่ได้อ่านด้วยกฎตายตัวเสมอไป ระบบจะตีความโครงสร้างจากความน่าจะเป็นและบริบทของข้อความ

นักวิจัยเรียกเทคนิคที่ใช้ประโยชน์จากพฤติกรรมนี้ว่า Probabilistic Delimiter Injection

ผู้โจมตีสามารถใส่อักขระที่มีลักษณะคล้ายเครื่องหมายแบ่งข้อมูลลงในช่องที่ตนเองควบคุมได้ เช่น

• เครื่องหมายคำพูดที่มีการ Escape
• เครื่องหมายคำพูดแบบโค้ง
• วงเล็บหรือแท็กที่ดูคล้ายโครงสร้างจริง
• เครื่องหมายดอลลาร์
• การขึ้นบรรทัดใหม่ในตำแหน่งที่ทำให้เกิดความสับสน

แม้อักขระเหล่านี้จะไม่ใช่ตัวแบ่งข้อมูลที่ถูกต้องตามหลักของโปรแกรม แต่ AI อาจตีความว่าเป็นโครงสร้างใหม่ ทำให้มองเห็นข้อมูลที่ไม่มีอยู่จริง เช่น อีเมลอีกฉบับ ปุ่มอีกปุ่ม หรือผลลัพธ์จากเครื่องมืออีกชุดหนึ่ง

ตัวอย่างการโจมตี Agent Data Injection

ทีมวิจัยได้สร้างตัวอย่างการโจมตีบนเครื่องมือที่เปิดให้ใช้งานจริง โดยแบ่งออกเป็นหลายสถานการณ์สำคัญ

ปลอมหมายเลขปุ่มบนหน้าเว็บไซต์

ในระบบ Web Agent ผู้โจมตีสามารถแทรกรีวิวสินค้าที่มีข้อมูลอ้างอิงถึงหมายเลขปุ่มซึ่งตรงกับปุ่มจริงบนหน้าเว็บไซต์

เมื่อ Agent ต้องการคลิกปุ่ม “Read More” เพื่ออ่านรายละเอียดเพิ่มเติม ระบบอาจเลือกหมายเลของค์ประกอบที่ถูกปลอมไว้ และคลิกปุ่ม “Buy Now” แทน ทำให้เกิดการสั่งซื้อโดยที่ผู้ใช้ไม่ได้ตั้งใจ

เครื่องมือที่ถูกนำมาทดสอบประกอบด้วย Claude in Chrome, Google Antigravity และ Nanobrowser

ปัจจัยสำคัญคือ Web Agent บางระบบกำหนดหมายเลของค์ประกอบบนหน้าเว็บแบบเรียงลำดับ ผู้โจมตีจึงสามารถคำนวณหรือคาดเดาหมายเลขของปุ่มเป้าหมายได้ง่าย

ปลอมชื่อผู้เขียนความคิดเห็นใน GitHub

ในเครื่องมือช่วยเขียนโค้ด ผู้โจมตีสามารถสร้างความคิดเห็นที่ดูเหมือนมาจากผู้ดูแลโครงการ โดยปลอมส่วนที่แสดงชื่อผู้เขียนหรือโครงสร้างของข้อมูลความคิดเห็น

เมื่อผู้ใช้สั่งให้ Agent นำวิธีแก้ไขจากผู้ดูแลโครงการไปใช้ ระบบอาจเชื่อว่าคำสั่งของผู้โจมตีเป็นคำแนะนำจากผู้ดูแลจริง และเสนอให้รันคำสั่งดังกล่าวบนคอมพิวเตอร์ของนักพัฒนา

เครื่องมือที่ถูกนำมาทดสอบ ได้แก่

• Claude Code
• OpenAI Codex
• Google Gemini CLI

แม้ระบบจะขอให้ผู้ใช้กดยืนยันก่อนรันคำสั่ง แต่คำอธิบายที่แสดงอาจดูเป็นขั้นตอนปกติ เนื่องจากเหตุผลของ Agent ถูกสร้างขึ้นจากข้อมูลปลอมที่ระบบเชื่อว่าเป็นจริง

ปลอมผลลัพธ์ของการตรวจสอบโค้ด

อีกหนึ่งรูปแบบคือการสร้าง Pull Request ที่ปลอมบันทึกผลการตรวจสอบ ทำให้ Agent เชื่อว่าเคยรันเครื่องมือวิเคราะห์หรือทดสอบความปลอดภัยไปแล้ว

ผลลัพธ์ปลอมอาจระบุว่าโค้ดไม่มีปัญหา เมื่อ Agent ตรวจสอบประวัติการทำงาน ระบบจึงตัดสินว่าโค้ดปลอดภัยและแนะนำให้รวมโค้ดเข้าสู่โครงการ

หากผู้ใช้อนุมัติ Pull Request โค้ดอันตรายจริงอาจถูกนำเข้าสู่ระบบ แม้ขั้นตอนการตรวจสอบที่ Agent อ้างถึงจะไม่เคยเกิดขึ้น

ระบบขออนุมัติก่อนทำงานอาจยังไม่เพียงพอ

AI Agent หลายระบบมีขั้นตอนขออนุมัติจากผู้ใช้ก่อนดำเนินการที่มีความเสี่ยง เช่น คลิกปุ่มสั่งซื้อ รันคำสั่ง หรือรวมโค้ดเข้าสู่โครงการ

อย่างไรก็ตาม การขออนุมัติจะช่วยได้ก็ต่อเมื่อข้อมูลที่แสดงต่อผู้ใช้มีความถูกต้องและเพียงพอ

ในกรณีของ Web Agent หน้าต่างยืนยันอาจแจ้งเพียงว่า Agent ต้องการคลิกองค์ประกอบหนึ่งบนหน้าเว็บ แต่ไม่ได้อธิบายอย่างชัดเจนว่าปุ่มดังกล่าวคืออะไร มีข้อความว่าอย่างไร และเหตุใด Agent จึงต้องคลิก

ส่วนเครื่องมือช่วยเขียนโค้ดอาจแสดงเหตุผลอย่างเป็นขั้นตอน แต่ถ้าข้อมูลต้นทางถูกปลอม เหตุผลทั้งหมดก็ยังดูสมเหตุสมผลได้ แม้ข้อสรุปจะผิดตั้งแต่ต้น

จุดนี้ทำให้ผู้ใช้แยกแยะได้ยากว่าคำขออนุมัติมาจากขั้นตอนปกติ หรือเป็นผลจากข้อมูลที่ผู้โจมตีสร้างขึ้น

โมเดล AI หลายค่ายพบความเสี่ยงจาก ADI

งานวิจัยระบุว่าโมเดลจากหลายผู้พัฒนาแสดงพฤติกรรมที่สามารถถูกโจมตีด้วยวิธีดังกล่าวได้ โดยมีการทดสอบกับโมเดลจาก OpenAI, Anthropic และ Google

โมเดลที่ถูกระบุในงานวิจัยประกอบด้วย

• OpenAI GPT-5.2
• OpenAI GPT-5-mini
• Anthropic Claude Opus 4.5
• Anthropic Claude Sonnet 4.5
• Google Gemini 3 Pro
• Google Gemini 3 Flash

จากการทดสอบ การโจมตีข้อมูลแบบมีโครงสร้างประสบความสำเร็จประมาณ 31% ถึง 43% ขณะที่การโจมตีผ่านข้อมูลบนหน้าเว็บมีอัตราความสำเร็จตั้งแต่ประมาณหนึ่งในสามไปจนถึงเกือบทุกครั้งในบางรูปแบบการทดสอบ

เมื่อนำไปทดสอบกับระบบป้องกัน Prompt Injection ที่ออกแบบมาโดยเฉพาะ การโจมตีแบบซ่อนคำสั่งทั่วไปถูกป้องกันได้เกือบทั้งหมด แต่ ADI ยังสามารถทำงานสำเร็จได้สูงสุดประมาณ 50%

สาเหตุคือระบบป้องกันส่วนใหญ่มุ่งตรวจหาข้อความที่มีลักษณะเป็นคำสั่งอันตราย แต่ ADI ไม่จำเป็นต้องใช้คำสั่งตรง ๆ ผู้โจมตีเพียงเปลี่ยนข้อมูลที่ Agent ใช้ประกอบการตัดสินใจ

วิธีป้องกัน Agent Data Injection

งานวิจัยได้ทดลองแนวทางป้องกันหลายรูปแบบ โดยแต่ละวิธีมีข้อดีและข้อจำกัดแตกต่างกัน

ใช้รหัสองค์ประกอบแบบสุ่ม

ChatGPT Atlas Browser สามารถป้องกันตัวอย่างการโจมตีด้วยการคลิกได้ เนื่องจากระบบกำหนดรหัสแบบสุ่มให้กับองค์ประกอบแต่ละรายการบนหน้าเว็บ แทนการใช้หมายเลขเรียงลำดับ

เมื่อรหัสไม่สามารถคาดเดาได้ ผู้โจมตีจะปลอมหมายเลขให้ตรงกับปุ่มเป้าหมายได้ยากขึ้น

นักวิจัยยังทดลองเพิ่มรหัสสุ่มขนาดสั้นไว้กับชื่อฟิลด์ ซึ่งช่วยลดอัตราความสำเร็จของการโจมตีจากประมาณ 49% เหลือประมาณ 29% โดยยังคงรักษาความสามารถของ Agent ในการทำงานทั่วไปได้

ติดตามแหล่งที่มาของข้อมูล

แนวทางที่มีประสิทธิภาพสูงคือการติดตามว่าแต่ละข้อมูลมาจากแหล่งใด ใครเป็นผู้ควบคุม และระบบสามารถเชื่อถือข้อมูลนั้นได้ในระดับใด

วิธีนี้สามารถป้องกันการโจมตีในชุดทดสอบได้ทั้งหมด แต่มีผลกระทบต่อความสามารถในการทำงานของ Agent อย่างมาก โดยระบบทำงานทั่วไปสำเร็จเพียงประมาณหนึ่งในสามของงานทั้งหมด

ปัญหาคือการติดตามแหล่งที่มาอย่างเข้มงวดอาจทำให้ Agent ปฏิเสธข้อมูลที่จำเป็น หรือไม่สามารถเชื่อมโยงข้อมูลจากหลายแหล่งเพื่อทำงานที่ซับซ้อนได้

ลบเครื่องหมายที่ใช้แบ่งข้อมูล

การลบหรือกรองเครื่องหมายวรรคตอนบางประเภทสามารถลดโอกาสที่ AI จะตีความข้อมูลปลอมเป็นโครงสร้างจริง

อย่างไรก็ตาม วิธีนี้อาจทำลายข้อมูลที่จำเป็น เช่น

• ลิงก์เว็บไซต์
• พาธของไฟล์
• โค้ดโปรแกรม
• JSON หรือ XML
• ข้อความที่ต้องใช้เครื่องหมายคำพูด
• คำสั่งในระบบปฏิบัติการ

จึงเป็นแนวทางที่ลดความเสี่ยงได้ แต่ไม่เหมาะกับ Agent ที่ต้องประมวลผลข้อมูลทางเทคนิคจำนวนมาก

แสดงรายละเอียดก่อนขออนุมัติ

ระบบควรแสดงข้อมูลที่ผู้ใช้สามารถตรวจสอบได้ก่อนอนุมัติ เช่น

• ชื่อและข้อความของปุ่มที่จะคลิก
• URL ปลายทาง
• คำสั่งเต็มที่จะถูกรัน
• ผู้เขียนความคิดเห็นจากข้อมูลที่ผ่านการยืนยัน
• ไฟล์ที่จะถูกแก้ไข
• ผลกระทบจากการรวมโค้ด
• แหล่งที่มาของข้อมูลที่ Agent ใช้อ้างอิง

การแจ้งเพียงว่า Agent ต้องการดำเนินการบางอย่างอาจไม่เพียงพอ เพราะผู้ใช้ยังไม่สามารถตัดสินได้ว่าระบบกำลังทำสิ่งที่ถูกต้องหรือไม่

เงื่อนไขที่ทำให้การโจมตีเกิดขึ้นได้

Agent Data Injection ต้องอาศัยองค์ประกอบหลายอย่างร่วมกัน

• Agent ต้องประมวลผลข้อมูลที่บุคคลภายนอกแก้ไขได้
• ผู้โจมตีต้องทราบหรือค้นหารูปแบบที่ระบบใช้จัดโครงสร้างข้อมูล
• Agent ต้องนำข้อมูลดังกล่าวไปใช้ตัดสินใจหรือเลือกเครื่องมือ
• ระบบตรวจสอบต้องไม่แยกข้อมูลที่เชื่อถือได้ออกจากข้อมูลที่ผู้ใช้ภายนอกควบคุม
• ขั้นตอนอนุมัติต้องแสดงรายละเอียดไม่เพียงพอต่อการตรวจสอบ

เว็บไซต์ อีเมล GitHub Issue Pull Request รีวิวสินค้า และข้อความจากระบบภายนอกจึงเป็นพื้นที่เสี่ยง เพราะข้อมูลเหล่านี้สามารถถูกสร้างหรือแก้ไขโดยบุคคลที่ระบบไม่ควรเชื่อถือโดยอัตโนมัติ

ผู้โจมตีรู้รูปแบบข้อมูลของ Agent ได้อย่างไร

สำหรับเครื่องมือโอเพนซอร์สหรือระบบที่ติดตั้งบนเครื่อง ผู้โจมตีสามารถศึกษารูปแบบข้อมูลได้จากซอร์สโค้ด การตรวจสอบไฟล์ หรือการวิเคราะห์พฤติกรรมของระบบ

ระบบคลาวด์จะตรวจสอบได้ยากกว่า เนื่องจากรูปแบบข้อมูลภายในไม่ได้เปิดเผยต่อผู้ใช้ แต่ทีมวิจัยระบุว่าสามารถใช้การสนทนาหลายขั้นตอนเพื่อทำให้โมเดลเปิดเผยรูปแบบบางส่วนได้

อีกประเด็นที่ต้องระวังคือ โมเดลขนาดใหญ่และขนาดเล็กของบริษัทเดียวกันอาจใช้รูปแบบข้อมูลร่วมกัน ผู้โจมตีจึงอาจศึกษารูปแบบจากโมเดลขนาดเล็กที่ทดสอบได้ง่ายกว่า แล้วนำข้อมูลไปใช้กับโมเดลขนาดใหญ่

ความเชื่อมโยงกับ EchoLeak และการโจมตีผ่าน GitHub

ปัญหาความน่าเชื่อถือของข้อมูลใน AI Agent เคยปรากฏให้เห็นผ่านช่องโหว่อื่นมาก่อน

ในเดือนมิถุนายน 2025 มีการเปิดเผย EchoLeak หรือ CVE-2025-32711 ซึ่งเกี่ยวข้องกับ Microsoft 365 Copilot ผู้โจมตีสามารถสร้างอีเมลที่ทำให้ระบบเปิดเผยข้อมูลภายในได้โดยไม่ต้องให้ผู้ใช้คลิกลิงก์

EchoLeak ใช้วิธีซ่อนคำสั่งไว้ในข้อมูล ขณะที่ Agent Data Injection เปลี่ยนไปปลอมข้อเท็จจริงที่ระบบเชื่อถือ เช่น ใครเป็นผู้ส่ง ข้อมูลมาจากแหล่งใด หรือเครื่องมือเคยทำอะไรไปแล้ว

นอกจากนี้ ยังเคยมีการสาธิตว่าข้อความใน GitHub Issue และ Pull Request สามารถชักนำ Coding Agent ให้เข้าถึงข้อมูลจาก Repository ส่วนตัว หรือเปิดเผยข้อมูลสำคัญได้

ความแตกต่างสำคัญคือการโจมตีเดิมพยายามสั่ง Agent โดยตรง แต่ ADI ทำให้ Agent เข้าใจสถานการณ์ผิด แล้วปล่อยให้ระบบดำเนินงานเดิมต่อไปเอง

นักพัฒนา AI Agent ควรเตรียมรับมืออย่างไร

การป้องกัน ADI ไม่ควรพึ่งการกรอง Prompt Injection เพียงอย่างเดียว แต่ต้องออกแบบระบบให้แยกข้อมูลตามระดับความน่าเชื่อถืออย่างชัดเจน

แนวทางที่ควรนำไปพิจารณา ได้แก่

• แยก Metadata ที่ระบบสร้างออกจากข้อความที่ผู้ใช้ควบคุม
• ใช้รหัสแบบสุ่มสำหรับองค์ประกอบสำคัญ
• ตรวจสอบตัวตนของผู้ส่งและผู้เขียนจากระบบต้นทาง
• ไม่ใช้ข้อความที่แสดงบนหน้าจอเป็นหลักฐานยืนยันตัวตนเพียงอย่างเดียว
• บันทึกผลการทำงานของเครื่องมือในพื้นที่ที่ข้อมูลภายนอกแก้ไขไม่ได้
• แสดงคำสั่งและผลกระทบทั้งหมดก่อนให้ผู้ใช้อนุมัติ
• กำหนดสิทธิ์ของ Agent ตามหลัก Least Privilege
• แยกขั้นตอนอ่านข้อมูลออกจากขั้นตอนดำเนินการ
• ตรวจสอบข้อมูลซ้ำด้วยโปรแกรมที่ใช้กฎแบบตายตัว
• ทดสอบ Agent ด้วยข้อมูลที่มีโครงสร้างผิดปกติและอักขระหลอก

แนวคิดสำคัญคือ ระบบต้องไม่ถือว่าข้อมูลทุกส่วนที่อยู่ในบริบทเดียวกันมีความน่าเชื่อถือเท่ากัน ชื่อผู้ส่งที่ระบบยืนยันแล้วควรถูกแยกออกจากเนื้อหาอีเมล และผลลัพธ์จากเครื่องมือจริงควรถูกแยกออกจากข้อความที่ Repository ภายนอกสามารถแก้ไขได้

สรุป Agent Data Injection สะท้อนปัญหาความน่าเชื่อถือของข้อมูลใน AI Agent

Agent Data Injection แสดงให้เห็นว่าอันตรายต่อ AI Agent ไม่ได้เกิดจากคำสั่งที่พยายามเปลี่ยนเป้าหมายของระบบเท่านั้น แต่ยังเกิดจากข้อมูลปลอมที่ทำให้ Agent เข้าใจสถานการณ์ผิดได้ด้วย

Agent อาจยังคงทำงานตามคำขอของผู้ใช้ทุกขั้นตอน แต่เลือกปุ่มผิด เชื่อผู้ส่งผิด รันคำสั่งผิด หรืออนุมัติโค้ดผิด เพราะข้อมูลพื้นฐานที่ใช้ตัดสินใจถูกผู้โจมตีแทรกแซง

ระบบป้องกัน Prompt Injection แบบเดิมจึงอาจไม่เพียงพอสำหรับ Agent ที่สามารถดำเนินการจริง นักพัฒนาต้องแยกข้อมูลที่ระบบรับรองออกจากข้อมูลภายนอก ติดตามแหล่งที่มา ใช้รหัสที่คาดเดาไม่ได้ และแสดงรายละเอียดที่ตรวจสอบได้ก่อนขออนุมัติ

เมื่อ AI Agent ได้รับสิทธิ์เข้าถึงเบราว์เซอร์ คอมพิวเตอร์ Repository และข้อมูลภายในองค์กรมากขึ้น การออกแบบขอบเขตความน่าเชื่อถือของข้อมูลจะกลายเป็นส่วนสำคัญของระบบรักษาความปลอดภัย ไม่ต่างจากการแยกโค้ดออกจากข้อมูลในซอฟต์แวร์แบบดั้งเดิม

ที่มา thehackernews

SiamGeek

The post Agent Data Injection ภัยโจมตี AI Agent รูปแบบใหม่ที่ปลอมข้อมูลให้ระบบตัดสินใจผิด appeared first on SiamByte.

อย่างไรก็ตาม โค้ดหลายส่วนของ TuxBot v3 Evolution ยังทำงานไม่สมบูรณ์ และภายในไฟล์ยังพบข้อความคำเตือนด้านความปลอดภัย รวมถึงกระบวนการวิเคราะห์ของ AI ที่ผู้พัฒนาไม่ได้ลบออกก่อนนำโค้ดไปใช้งาน

แม้ตัวอย่างที่นักวิจัยตรวจสอบจะยังมีข้อผิดพลาด แต่โครงสร้างโดยรวมแสดงให้เห็นว่า AI อาจช่วยให้ผู้โจมตีรายเดียวสามารถสร้างระบบบอตเน็ตขนาดใหญ่ที่มีองค์ประกอบซับซ้อนได้รวดเร็วยิ่งขึ้น

TuxBot v3 Evolution คืออะไร

TuxBot v3 Evolution เป็นเฟรมเวิร์กบอตเน็ตแบบแยกส่วนที่ออกแบบมาเพื่อควบคุมอุปกรณ์ IoT ที่ถูกเจาะระบบ เช่น เราเตอร์ กล้องวงจรปิด อุปกรณ์เครือข่าย เซิร์ฟเวอร์ Linux และอุปกรณ์ที่เปิดบริการ Telnet หรือบริการจัดการระยะไกลโดยไม่มีการป้องกันที่เพียงพอ

เมื่ออุปกรณ์ติดมัลแวร์แล้ว ผู้ควบคุมสามารถสั่งให้อุปกรณ์เหล่านั้นเข้าร่วมการโจมตีแบบ Distributed Denial-of-Service หรือ DDoS สแกนหาเป้าหมายเพิ่มเติม เปิดพร็อกซี หรือเรียกใช้โมดูลอื่นภายในระบบได้

นักวิจัยจาก Palo Alto Networks Unit 42 ระบุว่า TuxBot v3 Evolution ถูกสร้างขึ้นให้มีลักษณะคล้ายแพลตฟอร์มควบคุมบอตเน็ตระดับมืออาชีพ รองรับผู้ใช้งานหลายคน มีแผงควบคุมสำหรับผู้ดูแล ระบบติดตั้งอัตโนมัติ และโมดูลโจมตีที่สามารถเพิ่มเติมหรือแก้ไขได้

พบหลักฐานการใช้ AI ช่วยเขียนโค้ดมัลแวร์

หนึ่งในประเด็นสำคัญของ TuxBot v3 Evolution คือการพบข้อความที่เกี่ยวข้องกับโมเดลภาษาขนาดใหญ่ภายในซอร์สโค้ด

นักวิจัยพบว่าไฟล์หลายรายการมีความคิดเห็นในโค้ดที่บันทึกกระบวนการคิด การตัดสินใจ และขั้นตอนการย้ายฟังก์ชันจากภาษาหนึ่งไปยังอีกภาษาหนึ่ง ซึ่งมีลักษณะเหมือนผลลัพธ์ที่สร้างโดย AI

ข้อความบางส่วนมีการกล่าวถึง “ผู้ใช้” ซึ่งในบริบทนี้หมายถึงผู้พัฒนาที่ส่งคำสั่งให้ AI ช่วยเขียนหรือปรับปรุงโค้ด นอกจากนี้ยังพบคำเตือนด้านความปลอดภัยที่ AI ใส่มาพร้อมคำตอบ แต่ผู้พัฒนาไม่ได้ตรวจสอบและลบออกก่อนนำไฟล์ไปใช้งาน

แม้ AI จะช่วยสร้างโครงสร้างของบอตเน็ตได้หลายส่วน แต่ฟังก์ชันบางรายการกลับทำงานผิดพลาด ซึ่งแสดงให้เห็นว่าผู้พัฒนาอาจนำโค้ดที่สร้างขึ้นไปใช้งานโดยไม่ได้ตรวจสอบอย่างละเอียด

องค์ประกอบหลักของ TuxBot v3 Evolution

TuxBot v3 Evolution ไม่ได้เป็นเพียงมัลแวร์ไฟล์เดียว แต่ประกอบด้วยระบบย่อยหลายส่วนที่ทำงานร่วมกัน ได้แก่

• โปรแกรม Bot Agent ที่เขียนด้วยภาษา C
• เซิร์ฟเวอร์ Command-and-Control หรือ C2 ที่เขียนด้วยภาษา Go
• แผงควบคุมสำหรับให้บริการโจมตี DDoS
• ระบบ Exploit Virtual Machine สำหรับจัดการโค้ดเจาะช่องโหว่
• ระบบทดสอบที่ทำงานผ่าน Docker
• ระบบคอมไพล์และสร้างไฟล์มัลแวร์แบบอัตโนมัติ
• เครื่องมือสแกนอุปกรณ์และบริการบนเครือข่าย
• ระบบสื่อสารสำรองหลายรูปแบบ
• โมดูลพร็อกซี SOCKS5
• โมดูลสำหรับหยุดโปรเซสของมัลแวร์คู่แข่ง

โครงสร้างดังกล่าวช่วยให้ผู้พัฒนาสามารถเพิ่มช่องโหว่ วิธีการโจมตี หรือช่องทางติดต่อกับเซิร์ฟเวอร์ควบคุมได้โดยไม่ต้องสร้างระบบใหม่ทั้งหมด

รองรับอุปกรณ์หลายสถาปัตยกรรม

Bot Agent ของ TuxBot v3 Evolution ถูกออกแบบให้สามารถคอมไพล์ข้ามแพลตฟอร์ม เพื่อรองรับอุปกรณ์ IoT และเซิร์ฟเวอร์ที่ใช้หน่วยประมวลผลหลายสถาปัตยกรรม

สถาปัตยกรรมที่พบว่ารองรับประกอบด้วย

• ARM
• MIPS
• MIPSEL
• MIPS64
• x86_64
• PowerPC
• RISC-V

ความสามารถในการรองรับหลายสถาปัตยกรรมช่วยเพิ่มโอกาสที่มัลแวร์จะสามารถทำงานบนเราเตอร์ กล้อง IP กล่อง Android และอุปกรณ์ IoT จากผู้ผลิตหลายรายได้

ใช้รหัสผ่านเกือบ 1,500 ชุดเพื่อโจมตี Telnet

TuxBot v3 Evolution มีโมดูลสำหรับโจมตีบริการ Telnet ด้วยวิธี Brute Force โดยใช้ชุดชื่อผู้ใช้และรหัสผ่านจำนวน 1,496 คู่

รหัสผ่านเหล่านี้จะถูกใช้ทดสอบกับอุปกรณ์ที่เปิด Telnet ไว้บนอินเทอร์เน็ต โดยเฉพาะอุปกรณ์ที่ยังใช้รหัสผ่านเริ่มต้นจากโรงงาน หรือใช้รหัสผ่านที่คาดเดาได้ง่าย

หากเข้าสู่ระบบสำเร็จ มัลแวร์จะพยายามดาวน์โหลดและติดตั้ง Bot Agent ลงในอุปกรณ์ ก่อนเชื่อมต่อกลับไปยังเซิร์ฟเวอร์ C2 เพื่อรอรับคำสั่งจากผู้ควบคุม

มีโค้ดโจมตีอุปกรณ์ IoT มากกว่า 30 กลุ่ม

นอกเหนือจากการเดารหัสผ่าน Telnet แล้ว เฟรมเวิร์กนี้ยังรวมโค้ดที่วางแผนใช้โจมตีช่องโหว่ที่เป็นที่รู้จักในอุปกรณ์ IoT มากกว่า 30 กลุ่ม

เป้าหมายหลักคืออุปกรณ์ที่ไม่ได้อัปเดตเฟิร์มแวร์ หรือยังเปิดหน้าเว็บจัดการที่มีช่องโหว่อยู่บนอินเทอร์เน็ต

อย่างไรก็ตาม นักวิจัยพบว่าโมดูลเจาะช่องโหว่บางส่วนยังทำงานไม่สมบูรณ์ และระบบ Exploit Virtual Machine ในตัวอย่างที่ตรวจสอบยังไม่สามารถทำงานได้ตามที่ผู้พัฒนาออกแบบไว้ทั้งหมด

ช่องทางสื่อสารกับเซิร์ฟเวอร์ C2

TuxBot v3 Evolution ใช้ช่องทางสื่อสารหลักผ่าน TCP ที่เข้ารหัส และยังมีช่องทางสำรองหลายรูปแบบเพื่อช่วยให้บอตยังติดต่อกับผู้ควบคุมได้ แม้ช่องทางหลักจะถูกบล็อก

ช่องทางที่พบประกอบด้วย

• การเชื่อมต่อ TCP แบบเข้ารหัส
• Domain Generation Algorithm หรือ DGA ที่ใช้ SHA-512
• ระบบ Peer-to-Peer หรือ P2P
• คำสั่งที่ลงลายมือชื่อด้วย Ed25519
• Internet Relay Chat หรือ IRC
• DNS TXT Query
• HTTP Polling

การมีช่องทางสำรองหลายระดับทำให้การตัดการเชื่อมต่อระหว่างบอตกับผู้ควบคุมทำได้ยากกว่าบอตเน็ตทั่วไปที่พึ่งพาเซิร์ฟเวอร์หรือโดเมนเพียงแห่งเดียว

พอร์ตที่เซิร์ฟเวอร์ TuxBot ใช้งาน

เซิร์ฟเวอร์ C2 ที่เขียนด้วยภาษา Go ใช้พอร์ต TCP หลักสามพอร์ตสำหรับงานที่แตกต่างกัน

TCP Port 1999 หรือ 31337

ใช้สำหรับรับการเชื่อมต่อจากอุปกรณ์ที่ติดมัลแวร์ และส่งคำสั่งแบบเข้ารหัสไปยังบอตที่กำลังออนไลน์

TCP Port 2222

ใช้เปิด Interactive Shell ผ่านโปรโตคอล SSH เพื่อให้ผู้ควบคุมสามารถเข้าสู่ระบบและจัดการเซิร์ฟเวอร์ได้

TCP Port 9999

ใช้เป็นอินเทอร์เฟซแบบ JSON สำหรับเชื่อมต่อกับโปรแกรมหรือระบบจัดการอื่นผ่าน API

ผู้ดูแลระบบสามารถนำข้อมูลพอร์ตเหล่านี้ไปใช้ประกอบการตรวจสอบบันทึกเครือข่ายได้ แต่ไม่ควรใช้เพียงหมายเลขพอร์ตเป็นตัวบ่งชี้การโจมตีเพียงอย่างเดียว เนื่องจากผู้โจมตีสามารถเปลี่ยนค่าได้

ขั้นตอนการทำงานหลังติดอุปกรณ์

เมื่อ TuxBot เริ่มทำงานบนอุปกรณ์ที่ถูกเจาะระบบ มัลแวร์จะดำเนินการตามลำดับที่กำหนดไว้ล่วงหน้า

ขั้นตอนสำคัญประกอบด้วย

1. โหลดที่อยู่เซิร์ฟเวอร์ C2 จากระบบหลายระดับ
2. ตรวจสอบว่ากำลังทำงานอยู่ในสภาพแวดล้อมวิเคราะห์หรือเครื่องเสมือนหรือไม่
3. ตรวจหาเครื่องมือดีบักและโปรแกรมวิเคราะห์มัลแวร์
4. เปลี่ยนหรือซ่อนชื่อโปรเซส
5. ติดตั้งกลไก Persistence
6. เชื่อมต่อกับเซิร์ฟเวอร์ C2
7. เริ่มโมดูลสแกน Telnet, SSH, HTTP และ ADB
8. ปิดโปรเซสที่เกี่ยวข้องกับมัลแวร์คู่แข่ง
9. เปิดช่องทาง IRC, HTTP, DNS และ P2P สำรอง
10. เริ่ม SOCKS5 Proxy
11. เตรียมโมดูลสำหรับโจมตี DDoS
12. เรียกใช้ส่วนที่เกี่ยวข้องกับการขุดคริปโทเคอร์เรนซี ซึ่งยังอยู่ในลักษณะ Placeholder

ระบบสแกน HTTP รองรับ 128 การเชื่อมต่อพร้อมกัน

โมดูล HTTP Scanner ของ TuxBot สามารถจัดการการเชื่อมต่อพร้อมกันได้สูงสุด 128 รายการ

หน้าที่หลักคือสแกนหาเว็บอินเทอร์เฟซของเราเตอร์ กล้องวงจรปิด และอุปกรณ์ IoT ที่เปิดให้เข้าถึงจากอินเทอร์เน็ต จากนั้นตรวจสอบว่าเป้าหมายมีช่องโหว่หรือใช้การตั้งค่าที่ไม่ปลอดภัยหรือไม่

การสแกนแบบพร้อมกันจำนวนมากช่วยให้บอตเน็ตสามารถค้นหาอุปกรณ์เป้าหมายใหม่ได้อย่างรวดเร็ว และขยายจำนวนเครื่องในเครือข่ายได้โดยอัตโนมัติ

วิธีสร้าง Persistence บนระบบ Linux

เพื่อให้มัลแวร์ยังคงทำงานหลังรีสตาร์ตเครื่อง TuxBot ใช้วิธีติดตั้งตัวเองหลายรูปแบบ

• สร้าง Systemd Service
• เพิ่มคำสั่งลงใน Cron
• เรียกใช้ Watchdog Process
• ตรวจสอบและเปิดโปรเซสใหม่เมื่อมัลแวร์หยุดทำงาน

การใช้หลายกลไกพร้อมกันทำให้การลบมัลแวร์ออกจากระบบทำได้ยากขึ้น หากผู้ดูแลระบบลบเพียงไฟล์หลัก แต่ไม่ได้ตรวจสอบ Service, Cron Job และโปรเซสเฝ้าระวังทั้งหมด

มีต้นแบบจาก Mirai และเครื่องมือ DDoS อื่น

นักวิจัยพบว่าส่วนประกอบของ TuxBot v3 Evolution มีความเชื่อมโยงกับบอตเน็ตและเครื่องมือโจมตีหลายโครงการ

โค้ดบางส่วนมีต้นแบบหรือแนวทางจาก

• Mirai
• AISURU
• Wuhan
• MHDDoS
• Kaitori v3.9

บางฟังก์ชันถูกย้ายมาจาก MHDDoS ซึ่งเป็นเครื่องมือ DDoS แบบโอเพนซอร์สที่พัฒนาด้วยภาษา Python ก่อนถูกนำมาปรับเป็นส่วนหนึ่งของเฟรมเวิร์กใหม่

นักวิจัยยังพบโครงสร้างพื้นฐานที่ใช้ร่วมกับ Kaitori v3.9 และเครื่องมือของ AISURU ซึ่งเชื่อมโยงผู้ควบคุม TuxBot เข้ากับกลุ่มหรือระบบนิเวศ Keksec ที่มีประวัติดำเนินบอตเน็ต IoT หลายสายพันธุ์พร้อมกัน

พบตัวอย่างบน VirusTotal ตั้งแต่เดือนมกราคม 2026

มีการอัปโหลดตัวอย่างมัลแวร์อย่างน้อยหนึ่งรายการไปยังแพลตฟอร์ม VirusTotal เมื่อวันที่ 20 มกราคม 2026 แสดงให้เห็นว่า TuxBot v3 Evolution ถูกพัฒนาและเผยแพร่มาระยะหนึ่งแล้วก่อนที่รายละเอียดจะถูกเปิดเผยต่อสาธารณะ

หลักฐานเพิ่มเติมระบุว่าผู้พัฒนาเริ่มดำเนินงานเกี่ยวกับโครงการนี้ก่อนหน้านั้นประมาณหนึ่งปี โดยเริ่มจากการคัดลอกคลังโค้ด MHDDoS บน GitHub แล้วนำมาปรับปรุงต่อ

นักวิจัยระบุว่าอาจมี TuxBot เวอร์ชันที่ได้รับการแก้ไขและทำงานได้สมบูรณ์กว่าตัวอย่างที่ตรวจพบ เนื่องจากข้อผิดพลาดหลายจุดสามารถแก้ไขได้ด้วยการตรวจสอบโค้ดแบบพื้นฐาน

ความเสี่ยงจากการใช้ AI พัฒนามัลแวร์

กรณีของ TuxBot v3 Evolution แสดงให้เห็นว่า AI สามารถช่วยลดเวลาในการสร้างเครื่องมือโจมตีที่มีองค์ประกอบจำนวนมากได้ แม้ผู้พัฒนาจะไม่ได้มีทีมขนาดใหญ่

ความเสี่ยงสำคัญไม่ได้อยู่ที่ AI สามารถสร้างมัลแวร์ที่สมบูรณ์ได้ทันที แต่เป็นการช่วยให้ผู้โจมตีสามารถ

• เขียนโค้ดได้รวดเร็วขึ้น
• ย้ายฟังก์ชันระหว่างภาษาโปรแกรม
• สร้างระบบควบคุมและ API
• เพิ่มโมดูลสแกนเครือข่าย
• สร้างระบบคอมไพล์หลายสถาปัตยกรรม
• ออกแบบแผงควบคุมสำหรับผู้ใช้งานหลายคน
• นำโค้ดจากโครงการเดิมมาประกอบเป็นเครื่องมือใหม่

ในขณะเดียวกัน ข้อผิดพลาดและข้อความจาก AI ที่หลงเหลืออยู่ในไฟล์ก็แสดงให้เห็นว่าการพึ่งพาโค้ดที่สร้างโดย AI โดยไม่มีการตรวจสอบ สามารถสร้างปัญหาด้านเสถียรภาพและความปลอดภัยให้กับผู้พัฒนาเองได้เช่นกัน

วิธีป้องกันอุปกรณ์ IoT จาก TuxBot และบอตเน็ตประเภทเดียวกัน

องค์กรและผู้ใช้งานควรตรวจสอบอุปกรณ์ IoT ที่เชื่อมต่ออินเทอร์เน็ตอย่างสม่ำเสมอ โดยเฉพาะอุปกรณ์ที่ไม่ได้รับการอัปเดตเป็นเวลานาน

แนวทางป้องกันที่ควรดำเนินการ ได้แก่

• เปลี่ยนชื่อผู้ใช้และรหัสผ่านเริ่มต้นทันที
• หลีกเลี่ยงการใช้รหัสผ่านซ้ำกับระบบอื่น
• ปิด Telnet และใช้ SSH เมื่อจำเป็น
• จำกัดการเข้าถึง SSH ด้วย Firewall หรือ VPN
• ปิด ADB บนอุปกรณ์ Android ที่ไม่จำเป็นต้องใช้งาน
• ไม่เปิดหน้าเว็บจัดการอุปกรณ์ให้เข้าถึงจากอินเทอร์เน็ตโดยตรง
• อัปเดตเฟิร์มแวร์จากผู้ผลิตอย่างสม่ำเสมอ
• แยกเครือข่าย IoT ออกจากระบบงานสำคัญ
• ตรวจสอบ DNS TXT Query และการเชื่อมต่อ IRC ที่ผิดปกติ
• ตรวจสอบ Systemd Service และ Cron Job ที่ไม่รู้จัก
• เฝ้าระวังการสแกนพอร์ตจำนวนมากจากอุปกรณ์ภายใน
• ตรวจสอบการใช้งาน CPU และแบนด์วิดท์ที่เพิ่มขึ้นผิดปกติ
• ลบหรือเปลี่ยนอุปกรณ์ที่สิ้นสุดระยะเวลาการสนับสนุนแล้ว

บอตเน็ต IoT ยังเป็นภัยคุกคามที่ต้องเฝ้าระวัง

การเปิดเผย TuxBot v3 Evolution เกิดขึ้นในช่วงเดียวกับที่มีการตรวจพบบอตเน็ตอื่น เช่น RustDuck และ AryStinger ซึ่งมุ่งโจมตีเราเตอร์ กล้อง IP กล่อง Android และเซิร์ฟเวอร์ที่มีการรักษาความปลอดภัยไม่เพียงพอ

อุปกรณ์ที่ถูกยึดครองสามารถถูกนำไปใช้โจมตีบริการออนไลน์ ทำให้เว็บไซต์หรือระบบไม่สามารถให้บริการได้ รวมถึงใช้เป็นจุดเริ่มต้นในการสำรวจเครือข่ายของเป้าหมายเพิ่มเติม

แม้ TuxBot v3 Evolution ในตัวอย่างที่ตรวจสอบจะยังอยู่ระหว่างการพัฒนา แต่ฟังก์ชันหลักหลายส่วนสามารถทำงานได้แล้ว ประกอบกับการใช้ AI ช่วยสร้างโค้ด ทำให้ผู้โจมตีสามารถเพิ่มความสามารถและสร้างบอตเน็ตที่ซับซ้อนได้รวดเร็วกว่าเดิม

สรุป

TuxBot v3 Evolution เป็นบอตเน็ต IoT แบบแยกส่วนที่รวมความสามารถด้านการเดารหัสผ่าน การโจมตีช่องโหว่ การสแกนเครือข่าย การโจมตี DDoS การเปิดพร็อกซี และการสื่อสารกับเซิร์ฟเวอร์ควบคุมผ่านหลายช่องทางไว้ในระบบเดียว

หลักฐานภายในซอร์สโค้ดแสดงให้เห็นว่าผู้พัฒนาใช้ AI ช่วยเขียนและปรับย้ายโค้ดหลายส่วน แม้ผลลัพธ์บางรายการจะยังมีข้อผิดพลาดและมีข้อความจาก AI หลงเหลืออยู่ก็ตาม

เหตุการณ์นี้สะท้อนให้เห็นว่าภัยคุกคามจากบอตเน็ต IoT กำลังพัฒนาไปสู่ระบบที่มีความซับซ้อนและสร้างได้รวดเร็วขึ้น องค์กรจึงควรเร่งตรวจสอบอุปกรณ์ IoT ปิดบริการที่ไม่จำเป็น อัปเดตเฟิร์มแวร์ และจำกัดการเข้าถึงอุปกรณ์จากอินเทอร์เน็ต เพื่อลดโอกาสถูกนำไปใช้เป็นส่วนหนึ่งของเครือข่ายบอตเน็ต

ที่มา thehackernews

SiamGeek

The post พบ TuxBot v3 Evolution บอตเน็ต IoT ที่ใช้ AI ช่วยพัฒนา พร้อมระบบโจมตี DDoS หลายรูปแบบ appeared first on SiamByte.

ข้อมูลที่เผยแพร่ผ่าน Digital Chat Station บนแพลตฟอร์ม Weibo ระบุว่า Xiaomi 18 Pro จะมาพร้อมการอัปเกรดหลายด้าน ทั้งหน้าจอ กล้อง ระบบเสียง มอเตอร์สั่น แบตเตอรี่ และระบบชาร์จ โดยเฉพาะกล้องหลักและกล้องซูมที่อาจใช้เซนเซอร์ความละเอียดสูงถึง 200 ล้านพิกเซลทั้งสองตัว

Xiaomi 18 Pro จะใช้ชิป Snapdragon 8 Elite Gen 6 Pro

Xiaomi 18 Pro จะใช้ชิป Snapdragon 8 Elite Gen 6 Pro ซึ่งเป็นชิปประมวลผลระดับเรือธงรุ่นใหม่ของ Qualcomm ขณะที่ Xiaomi 18 รุ่นมาตรฐานอาจใช้ Snapdragon 8 Elite Gen 6 รุ่นปกติ

สมาร์ตโฟนในตระกูล Xiaomi 18 จะเป็นหนึ่งในกลุ่มอุปกรณ์ชุดแรกที่นำชิปรุ่นใหม่นี้มาใช้งาน โดยตัวชิปจะทำหน้าที่รองรับการประมวลผลทั่วไป การเล่นเกม กล้องถ่ายภาพ ระบบ AI และการจัดการพลังงานให้มีประสิทธิภาพมากขึ้น

หน้าจอแบนขนาดกะทัดรัด ขอบบางเท่ากันทุกด้าน

Xiaomi 18 Pro จะมาพร้อมหน้าจอแบนขนาดไม่ใหญ่มาก โดยเน้นความคมชัดสูงและการออกแบบมุมหน้าจอให้มีความโค้งมนขนาดใหญ่

รายละเอียดหน้าจอที่มีการเปิดเผยประกอบด้วย

• หน้าจอแบนความคมชัดสูง
• ตัวเครื่องมีมุมโค้งมนมากขึ้น
• ขอบหน้าจอบางเป็นพิเศษ
• ขอบหน้าจอทั้งสี่ด้านมีความสมมาตร
• เน้นขนาดตัวเครื่องที่จับถือและใช้งานได้สะดวก

แนวทางการออกแบบดังกล่าวจะช่วยให้ Xiaomi 18 Pro มีพื้นที่แสดงผลที่ดูเต็มตามากขึ้น โดยไม่จำเป็นต้องเพิ่มขนาดตัวเครื่องจนใหญ่เกินไป

กล้องหลัก 200MP พร้อมเซนเซอร์ขนาดใหญ่

หนึ่งในจุดเด่นสำคัญของ Xiaomi 18 Pro คือระบบกล้องหลัง โดยมีรายงานว่ากล้องหลักจะใช้เซนเซอร์ความละเอียด 200 ล้านพิกเซล พร้อมเซนเซอร์รับภาพขนาดใหญ่

เซนเซอร์ที่มีขนาดใหญ่จะช่วยเพิ่มความสามารถในการรับแสง ส่งผลให้การถ่ายภาพในพื้นที่แสงน้อย การเก็บรายละเอียด และการแยกแสงเงาทำได้ดีขึ้น รวมถึงช่วยลดสัญญาณรบกวนในภาพถ่ายเวลากลางคืน

อย่างไรก็ตาม ยังไม่มีรายละเอียดเกี่ยวกับรุ่นของเซนเซอร์ ขนาดเซนเซอร์จริง หรือค่ารูรับแสงของกล้องหลักออกมาอย่างเป็นทางการ

กล้อง Telephoto Macro ความละเอียด 200MP

นอกจากกล้องหลักแล้ว Xiaomi 18 Pro จะมาพร้อมกล้อง Telephoto Macro ความละเอียด 200 ล้านพิกเซล โดยจะใช้เซนเซอร์ขนาดใหญ่เช่นเดียวกัน

กล้องประเภท Telephoto Macro สามารถรองรับทั้งการซูมถ่ายวัตถุที่อยู่ไกลและการถ่ายภาพระยะใกล้ ทำให้ผู้ใช้สามารถถ่ายภาพบุคคล ภาพวัตถุขนาดเล็ก อาหาร ดอกไม้ หรือรายละเอียดต่าง ๆ ได้ด้วยกล้องตัวเดียว

จุดเด่นของระบบกล้องที่มีการเปิดเผย ได้แก่

• กล้องหลักความละเอียด 200 ล้านพิกเซล
• กล้อง Telephoto Macro ความละเอียด 200 ล้านพิกเซล
• ใช้เซนเซอร์รับภาพขนาดใหญ่
• รองรับการซูมและการถ่ายภาพระยะใกล้
• เน้นคุณภาพของภาพถ่ายในหลายระยะ

หาก Xiaomi นำกล้องความละเอียด 200 ล้านพิกเซลมาใช้ทั้งกล้องหลักและกล้องซูมจริง Xiaomi 18 Pro จะเป็นสมาร์ตโฟนที่โดดเด่นด้านการถ่ายภาพมากกว่ารุ่นก่อนอย่างชัดเจน

แบตเตอรี่ไม่น้อยกว่า 7,000mAh

Xiaomi 18 Pro จะมาพร้อมแบตเตอรี่ที่มีความจุไม่น้อยกว่า 7,000mAh ซึ่งถือว่าเป็นขนาดที่ค่อนข้างใหญ่สำหรับสมาร์ตโฟนเรือธงที่เน้นตัวเครื่องขนาดกะทัดรัด

แบตเตอรี่ขนาดใหญ่จะช่วยรองรับการใช้งานตลอดวัน ทั้งการถ่ายภาพ เล่นเกม ดูวิดีโอ ใช้งานเครือข่าย 5G และใช้ฟีเจอร์ประมวลผล AI โดยลดความจำเป็นในการชาร์จระหว่างวัน

รองรับชาร์จเร็ว 100W และชาร์จไร้สาย

ด้านระบบชาร์จ Xiaomi 18 Pro จะรองรับการชาร์จแบบมีสายกำลังไฟ 100W พร้อมรองรับระบบชาร์จแบบไร้สาย

ข้อมูลที่มีการเปิดเผยเกี่ยวกับระบบพลังงานประกอบด้วย

• แบตเตอรี่ความจุไม่น้อยกว่า 7,000mAh
• รองรับชาร์จเร็วแบบมีสาย 100W
• รองรับการชาร์จแบบไร้สาย
• ระบบจัดการพลังงานทำงานร่วมกับชิป Snapdragon รุ่นใหม่

ยังไม่มีข้อมูลเกี่ยวกับกำลังไฟสูงสุดของระบบชาร์จไร้สาย รวมถึงระยะเวลาที่ใช้ในการชาร์จแบตเตอรี่จากระดับต่ำจนเต็ม

อัปเกรดลำโพงคู่และมอเตอร์สั่น

Xiaomi จะทำการปรับปรุงระบบลำโพงคู่ของ Xiaomi 18 Pro เพื่อเพิ่มคุณภาพเสียงสำหรับการดูภาพยนตร์ เล่นเกม ฟังเพลง และสนทนาผ่านลำโพง

ตัวเครื่องจะมาพร้อมมอเตอร์สั่นที่มีขนาดค่อนข้างใหญ่ขึ้น เพื่อให้แรงสั่นตอบสนองได้ชัดเจนกว่าเดิม โดยเฉพาะเวลาพิมพ์ข้อความ เล่นเกม กดปุ่มบนหน้าจอ หรือรับการแจ้งเตือน

การปรับปรุงระบบเสียงและแรงสั่นถือเป็นส่วนสำคัญของประสบการณ์ใช้งานสมาร์ตโฟนเรือธง แม้จะไม่ได้เป็นคุณสมบัติที่เห็นได้ชัดจากภายนอกก็ตาม

Xiaomi 18 Pro อาจมาพร้อม Android 17

Xiaomi 18 Pro มีโอกาสเปิดตัวพร้อมระบบปฏิบัติการ Android 17 และครอบทับด้วยระบบของ Xiaomi รุ่นใหม่ แต่ในขณะนี้ยังไม่มีข้อมูลยืนยันเกี่ยวกับเวอร์ชันซอฟต์แวร์อย่างเป็นทางการ

รายละเอียดด้านซอฟต์แวร์ที่ยังต้องติดตามประกอบด้วย ระยะเวลาการอัปเดต Android จำนวนปีของแพตช์ความปลอดภัย ฟีเจอร์ AI และความสามารถใหม่ภายในระบบของ Xiaomi

กำหนดเปิดตัว Xiaomi 18 Pro

Xiaomi วางแผนเปิดตัวสมาร์ตโฟนตระกูล Xiaomi 18 ในเดือนกันยายน โดยจะประกอบด้วยอย่างน้อย 3 รุ่น ได้แก่

• Xiaomi 18
• Xiaomi 18 Pro
• Xiaomi 18 Pro Max

การเปิดตัวในตลาดจีนจะเกิดขึ้นก่อน ส่วนกำหนดวางจำหน่ายในตลาดต่างประเทศ รวมถึงรายชื่อรุ่นที่จะทำตลาดนอกประเทศจีน ยังไม่มีการประกาศออกมา

สรุปสเปกสำคัญ Xiaomi 18 Pro

Xiaomi 18 Pro จะเป็นสมาร์ตโฟนเรือธงที่เน้นทั้งประสิทธิภาพ กล้องถ่ายภาพ และแบตเตอรี่ โดยรายละเอียดสำคัญที่มีการเปิดเผยในขณะนี้ ได้แก่

• ชิป Snapdragon 8 Elite Gen 6 Pro
• หน้าจอแบนขนาดกะทัดรัด
• ขอบหน้าจอบางและสมมาตรทั้งสี่ด้าน
• กล้องหลักความละเอียด 200 ล้านพิกเซล
• กล้อง Telephoto Macro ความละเอียด 200 ล้านพิกเซล
• แบตเตอรี่ไม่น้อยกว่า 7,000mAh
• ชาร์จเร็วแบบมีสาย 100W
• รองรับการชาร์จแบบไร้สาย
• ลำโพงคู่ได้รับการปรับปรุง
• มอเตอร์สั่นขนาดใหญ่ขึ้น
• วางแผนเปิดตัวในเดือนกันยายน

สรุป

Xiaomi 18 Pro จะเป็นอีกหนึ่งสมาร์ตโฟนเรือธงที่น่าจับตามอง โดยเฉพาะการใช้กล้องหลักและกล้อง Telephoto Macro ความละเอียด 200 ล้านพิกเซล พร้อมแบตเตอรี่ขนาดไม่น้อยกว่า 7,000mAh และชาร์จเร็ว 100W

นอกจากนี้ ชิป Snapdragon 8 Elite Gen 6 Pro หน้าจอขอบบาง และการปรับปรุงระบบเสียงกับมอเตอร์สั่น จะช่วยยกระดับประสบการณ์ใช้งานโดยรวม อย่างไรก็ตาม รายละเอียดทั้งหมดในขณะนี้ยังไม่ได้รับการประกาศจาก Xiaomi โดยตรง จึงต้องติดตามข้อมูลเพิ่มเติมเมื่อใกล้ถึงกำหนดเปิดตัวในเดือนกันยายน

SiamGeek

The post Xiaomi 18 Pro วางแผนเปิดตัวเดือนกันยายน พร้อมกล้องคู่ 200MP และแบตเตอรี่ 7,000mAh appeared first on SiamByte.

ชิป Samsung Gaia จะเน้นการประมวลผล AI ภายในอุปกรณ์ หรือ Edge AI เพื่อช่วยลดการพึ่งพาระบบคลาวด์ พร้อมเพิ่มความรวดเร็ว ความเป็นส่วนตัว และประสิทธิภาพด้านการใช้พลังงาน

Samsung Gaia คือชิป AI สำหรับพีซีรุ่นใหม่

Gaia เป็นชิป AI Accelerator ที่ Samsung จะทำขึ้นสำหรับรองรับงานประมวลผลปัญญาประดิษฐ์บนคอมพิวเตอร์ส่วนบุคคล โดยภายในจะใช้สถาปัตยกรรมหน่วยประมวลผล NPU ที่ได้รับการปรับแต่งให้เหมาะกับงาน AI มากขึ้น

NPU หรือ Neural Processing Unit เป็นหน่วยประมวลผลที่ออกแบบมาเพื่อจัดการงานด้าน Machine Learning และ AI โดยเฉพาะ เช่น การสร้างข้อความ การประมวลผลภาพ การแปลภาษา การตัดเสียงรบกวน และการใช้งานผู้ช่วย AI บนพีซี

จุดเด่นเบื้องต้นของชิป Samsung Gaia ประกอบด้วย

• ผลิตด้วยกระบวนการขนาด 4 นาโนเมตร
• ใช้สถาปัตยกรรม NPU ที่ปรับแต่งสำหรับงาน AI
• รองรับการประมวลผล Edge AI บนพีซี
• เน้นประสิทธิภาพต่อการใช้พลังงานที่ดี
• รองรับตลาด Physical AI เช่น หุ่นยนต์และอุปกรณ์อัจฉริยะ
• ลดการส่งข้อมูลไปประมวลผลบนระบบคลาวด์

Samsung ส่งชิปต้นแบบให้ลูกค้ารายใหญ่ทดสอบแล้ว

มีรายงานว่า Samsung ได้ส่งชิป Gaia รุ่นต้นแบบให้กับลูกค้ารายใหญ่บางรายเพื่อนำไปทดสอบแล้ว แต่ยังไม่มีการเปิดเผยรายชื่อบริษัทหรือผู้ผลิตอุปกรณ์ที่ได้รับชิปต้นแบบดังกล่าว

การส่งชิปต้นแบบให้ลูกค้าทดสอบถือเป็นหนึ่งในขั้นตอนสำคัญก่อนเข้าสู่กระบวนการผลิตจำนวนมาก โดยผู้ผลิตพีซีสามารถตรวจสอบประสิทธิภาพ การใช้พลังงาน ความเข้ากันได้กับระบบ และความเหมาะสมสำหรับผลิตภัณฑ์รุ่นใหม่

Samsung วางแผนเริ่มผลิตชิป Gaia ในปริมาณมากภายในปีหน้า หากการทดสอบและกระบวนการพัฒนาเป็นไปตามแผนที่กำหนด

ชิป Gaia จะรองรับงาน Edge AI บนพีซี

หนึ่งในเป้าหมายหลักของ Samsung Gaia คือการรองรับ PC Edge AI ซึ่งหมายถึงการประมวลผลข้อมูล AI ภายในเครื่องโดยตรง แทนการส่งข้อมูลทั้งหมดไปยังเซิร์ฟเวอร์ภายนอก

การประมวลผล AI ภายในพีซีมีข้อดีหลายด้าน ได้แก่

• ตอบสนองคำสั่งได้รวดเร็วขึ้น
• ใช้งานฟีเจอร์ AI บางประเภทได้โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต
• ลดความหน่วงจากการรับส่งข้อมูล
• เพิ่มความเป็นส่วนตัวให้ข้อมูลของผู้ใช้งาน
• ลดค่าใช้จ่ายและภาระการประมวลผลบนระบบคลาวด์
• ช่วยยืดระยะเวลาการใช้งานแบตเตอรี่ในโน้ตบุ๊ก

ชิป Gaia จึงอาจถูกนำมาใช้งานร่วมกับฟีเจอร์ AI บนระบบปฏิบัติการ โปรแกรมสำนักงาน เครื่องมือสร้างคอนเทนต์ และซอฟต์แวร์ประชุมออนไลน์

Samsung Gaia จะเน้นประสิทธิภาพต่อพลังงาน

รายงานระบุว่า Samsung จะออกแบบชิป Gaia ให้มีประสิทธิภาพต่อการใช้พลังงานในระดับสูง ซึ่งเป็นปัจจัยสำคัญสำหรับพีซีและโน้ตบุ๊กรุ่นใหม่ที่ต้องทำงานด้าน AI อย่างต่อเนื่อง

การใช้ NPU แยกสำหรับประมวลผลงาน AI จะช่วยลดภาระของ CPU และ GPU ทำให้ระบบสามารถเลือกใช้หน่วยประมวลผลที่เหมาะสมกับลักษณะงานได้มากขึ้น

ตัวอย่างงานที่สามารถส่งไปประมวลผลด้วย NPU ได้แก่

• การสรุปและสร้างข้อความด้วย AI
• การลบพื้นหลังหรือปรับแต่งรูปภาพ
• การสร้างคำบรรยายระหว่างประชุม
• การแปลภาษาแบบเรียลไทม์
• การปรับคุณภาพเสียงและภาพจากกล้อง
• การตรวจจับวัตถุและจดจำภาพ
• การใช้งานผู้ช่วย AI ภายในเครื่อง

Gaia จะรองรับตลาด Physical AI และหุ่นยนต์

นอกจากการใช้งานบนพีซีแล้ว Samsung ยังวางแผนให้ Gaia รองรับตลาด Physical AI ซึ่งเป็นการนำ AI ไปใช้งานร่วมกับอุปกรณ์ที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมจริงได้

อุปกรณ์ในกลุ่ม Physical AI อาจครอบคลุมถึง

• หุ่นยนต์ภายในบ้าน
• หุ่นยนต์อุตสาหกรรม
• อุปกรณ์อัตโนมัติในโรงงาน
• กล้องและระบบตรวจจับอัจฉริยะ
• อุปกรณ์ Edge Computing
• ระบบควบคุมเครื่องจักรด้วย AI

การประมวลผลข้อมูลบนตัวอุปกรณ์จะช่วยให้หุ่นยนต์และระบบอัตโนมัติสามารถตอบสนองได้รวดเร็ว โดยไม่ต้องรอรับผลการประมวลผลจากระบบคลาวด์ตลอดเวลา

Samsung เตรียมแข่งขันในตลาดชิป AI สำหรับพีซี

ตลาดพีซี AI กำลังกลายเป็นพื้นที่แข่งขันสำคัญของผู้ผลิตชิปรายใหญ่ เนื่องจากคอมพิวเตอร์รุ่นใหม่เริ่มเพิ่ม NPU เพื่อรองรับซอฟต์แวร์และฟีเจอร์ AI ภายในเครื่อง

การพัฒนาชิป Gaia จะช่วยให้ Samsung ขยายธุรกิจจากตลาดหน่วยความจำ ชิปสำหรับสมาร์ตโฟน และธุรกิจรับผลิตเซมิคอนดักเตอร์ ไปสู่ตลาดชิปเร่งความเร็ว AI สำหรับพีซีและอุปกรณ์อัจฉริยะ

อย่างไรก็ตาม ปัจจุบันยังไม่มีข้อมูลเกี่ยวกับจำนวนคอร์ NPU ความเร็วในการประมวลผล ความจุหน่วยความจำ หรือค่า TOPS ของชิป Gaia อย่างเป็นทางการ รวมถึงยังไม่ทราบว่าจะถูกติดตั้งเป็นชิปแยก หรือรวมอยู่ภายในแพลตฟอร์มประมวลผลอื่น

สรุป Samsung Gaia ชิป AI สำหรับพีซี

Samsung วางแผนพัฒนาชิป AI Accelerator สำหรับพีซีภายใต้ชื่อรหัส Gaia โดยจะใช้กระบวนการผลิตขนาด 4 นาโนเมตร พร้อมสถาปัตยกรรม NPU ที่ออกแบบมาเพื่อรองรับการประมวลผล Edge AI อย่างมีประสิทธิภาพ

ชิปรุ่นนี้จะเน้นประสิทธิภาพต่อการใช้พลังงาน และสามารถนำไปใช้งานได้ทั้งในตลาดพีซี หุ่นยนต์ และระบบ Physical AI โดย Samsung ได้ส่งชิปต้นแบบให้ลูกค้ารายใหญ่บางรายทดสอบแล้ว และวางแผนเริ่มผลิตในปริมาณมากภายในปีหน้า

ขณะนี้ Samsung ยังไม่ได้เปิดเผยรายละเอียดทางเทคนิคและกำหนดการเปิดตัวอย่างเป็นทางการ จึงต้องติดตามข้อมูลเพิ่มเติมเกี่ยวกับประสิทธิภาพ อุปกรณ์ที่รองรับ และพันธมิตรที่จะนำชิป Gaia ไปใช้งานต่อไป

ที่มา gsmarena

SiamGeek

The post Samsung วางแผนพัฒนาชิป AI สำหรับพีซี Gaia บนกระบวนการผลิต 4 นาโนเมตร appeared first on SiamByte.

Sophos เปิดเผยผลการวิเคราะห์ข้อมูลจากระบบ Endpoint Protection ของบริษัท โดยพบว่า AI Coding Agent หลายรายกำลังเรียกใช้คำสั่งและเข้าถึงข้อมูลในลักษณะที่คล้ายกับพฤติกรรมของผู้โจมตี ส่งผลให้ระบบตรวจจับภัยคุกคามแจ้งเตือนหรือบล็อกการทำงาน แม้ตัว AI จะไม่ได้มีเจตนาร้ายก็ตาม

พฤติกรรมที่ถูกตรวจจับมีตั้งแต่การถอดรหัสข้อมูลรับรองในเบราว์เซอร์ การตรวจสอบข้อมูลใน Windows Credential Manager การดาวน์โหลดไฟล์ผ่านเครื่องมือของระบบ ไปจนถึงการสร้างสคริปต์ในโฟลเดอร์ Startup เพื่อให้ทำงานอัตโนมัติเมื่อเปิดเครื่อง

AI Coding Agent ทำอะไรจนถูกมองว่าเป็นการโจมตี

Sophos วิเคราะห์ข้อมูลจากระบบตรวจจับพฤติกรรมบน Windows เป็นระยะเวลา 7 วันในเดือนมิถุนายน 2026 โดยนับจากจำนวนเครื่องที่พบพฤติกรรม ไม่ได้นับจากจำนวนเหตุการณ์ทั้งหมด

ผลการวิเคราะห์พบว่ากิจกรรมที่ถูกบล็อกแบ่งออกเป็นกลุ่มสำคัญ ได้แก่

• การเข้าถึงข้อมูลรับรองคิดเป็น 56.2 เปอร์เซ็นต์
• การสั่งรันคำสั่งหรือโปรแกรมคิดเป็น 28.8 เปอร์เซ็นต์
• การดาวน์โหลดไฟล์ผ่านเครื่องมือของ Windows
• การสร้างกลไกให้โปรแกรมทำงานอัตโนมัติหลังเปิดเครื่อง
• การลองใช้วิธีอื่นทันทีเมื่อวิธีแรกถูกระบบรักษาความปลอดภัยบล็อก

Sophos ระบุว่าข้อมูลดังกล่าวเป็นเพียงภาพจากระบบของบริษัทในช่วงเวลาจำกัด จึงไม่ควรถูกมองว่าเป็นตัวแทนของอุตสาหกรรมทั้งหมด แต่สะท้อนให้เห็นแนวโน้มที่ฝ่ายรักษาความปลอดภัยต้องเตรียมรับมือ

การเข้าถึงข้อมูลในเบราว์เซอร์ทำให้ระบบแจ้งเตือน

หนึ่งในกฎตรวจจับที่ทำงานบ่อยที่สุดเกี่ยวข้องกับการใช้ Windows Data Protection API หรือ DPAPI เพื่อถอดรหัสข้อมูลที่ถูกจัดเก็บไว้ในเบราว์เซอร์

กฎนี้คิดเป็น 42.6 เปอร์เซ็นต์ของกลุ่มพฤติกรรมเข้าถึงข้อมูลรับรอง โดยปกติแล้ว DPAPI ถูกใช้เพื่อปกป้องข้อมูลสำคัญ เช่น รหัสผ่าน คุกกี้ และข้อมูลการเข้าสู่ระบบ

Sophos พบว่า Claude Code ซึ่งใช้งานชุดความสามารถ GStack สามารถเรียกฟังก์ชันสำหรับควบคุมเบราว์เซอร์ โดยมีการใช้ PowerShell ติดต่อกับ DPAPI เพื่อปลดล็อกข้อมูลที่เบราว์เซอร์จัดเก็บไว้

เมื่อมองจากมุมของผู้ใช้งาน การทำงานดังกล่าวอาจเป็นส่วนหนึ่งของระบบอัตโนมัติที่ผู้ใช้สั่งให้ AI ดำเนินการ แต่สำหรับระบบรักษาความปลอดภัย พฤติกรรมนี้แทบไม่ต่างจากการขโมยข้อมูลรับรองของผู้ใช้งาน

Claude Code ตรวจสอบ Credential Manager ของ Windows

Sophos ยังพบเหตุการณ์ที่ Claude Code ปิดเบราว์เซอร์ซึ่งกำลังทำงานอยู่ ก่อนเรียกใช้สคริปต์ Python เพื่ออ่านข้อมูลจากพื้นที่จัดเก็บข้อมูลรับรองของเบราว์เซอร์

ในอีกเหตุการณ์หนึ่ง Claude Code ใช้คำสั่งต่อไปนี้เพื่อตรวจสอบข้อมูลที่ Windows Credential Manager จัดเก็บไว้

cmdkey /list

คำสั่งดังกล่าวเป็นคำสั่งที่ถูกต้องตามปกติของ Windows แต่ผู้โจมตีก็นำไปใช้เพื่อค้นหาบัญชี ชื่อผู้ใช้ หรือข้อมูลรับรองที่อาจนำไปใช้เข้าถึงระบบอื่นได้เช่นกัน

Sophos ระบุว่า Claude Code ในเหตุการณ์นี้ทำงานร่วมกับตัวเลือก --dangerously-skip-permissions ซึ่งเป็นโหมดที่ลดขั้นตอนการขออนุญาตก่อนดำเนินการบางอย่าง

โหมดนี้อาจช่วยให้ AI ทำงานได้รวดเร็วขึ้น แต่ก็เพิ่มความเสี่ยง เนื่องจาก AI สามารถเรียกใช้คำสั่งสำคัญได้โดยไม่ต้องให้ผู้ใช้ตรวจสอบทุกขั้นตอน

OpenAI Codex เปลี่ยนวิธีดาวน์โหลดไฟล์เมื่อถูกบล็อก

OpenAI Codex ถูกตรวจพบว่าพยายามดาวน์โหลดตัวติดตั้ง Python จากเว็บไซต์ python.org โดยเริ่มจากการใช้คำสั่ง certutil

เมื่อระบบรักษาความปลอดภัยบล็อกคำสั่งดังกล่าว Codex จึงเปลี่ยนไปใช้ bitsadmin เพื่อดาวน์โหลดไฟล์แทน

ทั้ง certutil และ bitsadmin เป็นเครื่องมือที่มีอยู่ใน Windows และสามารถใช้ในงานดูแลระบบได้ตามปกติ แต่เป็นเครื่องมือที่ผู้โจมตีนิยมนำไปใช้ดาวน์โหลดไฟล์อันตรายโดยไม่ต้องติดตั้งโปรแกรมเพิ่มเติม

พฤติกรรมลักษณะนี้มักถูกเรียกว่า Living off the Land หรือการใช้เครื่องมือที่มีอยู่ในระบบปฏิบัติการเพื่อดำเนินกิจกรรมบางอย่าง

แม้ไฟล์เป้าหมายในกรณีนี้จะเป็นตัวติดตั้ง Python ที่มาจากแหล่งจริง แต่การที่ AI เปลี่ยนไปใช้เครื่องมืออีกตัวทันทีหลังจากถูกบล็อก มีลักษณะคล้ายกับผู้โจมตีที่ปรับวิธีการตามสถานการณ์

Cursor สร้างสคริปต์ในโฟลเดอร์ Startup

Cursor ถูกตรวจพบว่าใช้ PowerShell เพื่อเขียนไฟล์สคริปต์ลงในโฟลเดอร์ Startup ของ Windows

ไฟล์ที่อยู่ในโฟลเดอร์ดังกล่าวจะถูกเรียกใช้งานโดยอัตโนมัติเมื่อผู้ใช้เข้าสู่ระบบหรือเปิดเครื่อง ทำให้ระบบรักษาความปลอดภัยมักจัดพฤติกรรมนี้อยู่ในกลุ่ม Persistence หรือการสร้างช่องทางให้โปรแกรมทำงานต่อเนื่อง

Sophos ไม่สามารถยืนยันได้ว่าสคริปต์ดังกล่าวมีหน้าที่อะไร แต่การเขียนไฟล์ลงใน Startup โดยกระบวนการที่ไม่ใช่โปรแกรมติดตั้งที่เชื่อถือได้ ถือเป็นพฤติกรรมที่ฝ่ายรักษาความปลอดภัยต้องตรวจสอบ

AI Agent อาจเป็นทั้งเครื่องมือพัฒนาและเครื่องมือโจมตี

ปัญหานี้ไม่ได้อยู่ที่ AI Coding Agent ฝั่งนักพัฒนาเพียงอย่างเดียว เพราะผู้โจมตีก็สามารถใช้ AI Agent เพื่อช่วยสร้าง ทดสอบ และปรับปรุงมัลแวร์ได้เช่นกัน

Sophos เคยพบผู้โจมตีใช้ AI Agent เพื่อพัฒนาเครื่องมือและทดสอบการหลบเลี่ยงระบบ Endpoint Detection and Response หรือ EDR โดยมีการใช้ Claude Opus 4.5 ช่วยประสานขั้นตอนการทำงาน

นอกจากนี้ นักวิจัยยังเคยแสดงให้เห็นว่า Coding Agent สามารถถูกหลอกให้เรียกใช้คำสั่งของผู้โจมตีผ่านข้อมูลหรือไฟล์ที่ถูกวางกับดักไว้ได้

เหตุการณ์ลักษณะนี้มีความเสี่ยงสูง เนื่องจาก AI Agent ทำงานอยู่ภายใต้บัญชีผู้ใช้ที่ได้รับความเชื่อถือ ระบบรักษาความปลอดภัยจึงอาจแยกได้ยากว่าคำสั่งนั้นเกิดจากผู้ใช้จริง AI ที่ทำงานตามปกติ หรือ AI ที่ถูกควบคุมโดยผู้โจมตี

พฤติกรรมเดียวกันอาจมาจากหลายสถานการณ์

การเรียกใช้ DPAPI การดาวน์โหลดไฟล์ผ่านเครื่องมือของ Windows หรือการเขียนไฟล์ลงใน Startup ไม่ได้บ่งชี้เจตนาได้ชัดเจนเหมือนในอดีต

พฤติกรรมเดียวกันอาจเกิดจากหลายกรณี ได้แก่

• AI Coding Agent ทำงานตามคำสั่งของนักพัฒนา
• ผู้โจมตีใช้ AI Agent เป็นเครื่องมือดำเนินการ
• AI Agent ถูกโจมตีผ่านข้อมูลหรือคำสั่งที่ถูกฝังไว้
• โปรแกรมปกติใช้เครื่องมือของระบบเพื่อทำงานอัตโนมัติ
• ผู้โจมตีใช้บัญชีที่ถูกต้องและเครื่องมือที่มีอยู่ในเครื่อง

ข้อมูลจาก CrowdStrike Global Threat Report 2026 ระบุว่า 82 เปอร์เซ็นต์ของเหตุการณ์ที่ตรวจพบในปี 2025 เป็นการโจมตีที่ไม่ใช้มัลแวร์โดยตรง

ผู้โจมตีหันมาใช้ข้อมูลรับรองที่ถูกต้อง เครื่องมือของระบบ และโปรแกรมที่ได้รับความเชื่อถือมากขึ้น ทำให้ระบบรักษาความปลอดภัยต้องเน้นตรวจจับจากพฤติกรรมแทนการค้นหาไฟล์มัลแวร์เพียงอย่างเดียว

เมื่อ AI Agent เริ่มสร้างพฤติกรรมแบบเดียวกันในระหว่างการทำงานปกติ จำนวนการแจ้งเตือนที่ต้องตรวจสอบจึงเพิ่มขึ้น และอาจทำให้ฝ่ายรักษาความปลอดภัยแยกเหตุการณ์จริงออกจากเหตุการณ์ที่ไม่เป็นอันตรายได้ยากขึ้น

แนวทางลดการแจ้งเตือนจาก AI Coding Agent

Sophos แนะนำให้องค์กรแยกนโยบายตรวจจับตามระดับความเสี่ยงของแต่ละพฤติกรรม ไม่ควรปิดระบบตรวจจับทั้งหมดเพียงเพราะต้นทางเป็น AI Coding Agent ที่รู้จัก

สำหรับพฤติกรรมทั่วไป เช่น การรันคำสั่ง PowerShell การดาวน์โหลดไฟล์จากแหล่งที่เชื่อถือได้ หรือการลองใช้คำสั่งใหม่หลังจากคำสั่งเดิมล้มเหลว องค์กรสามารถปรับขอบเขตการตรวจจับโดยพิจารณาจากข้อมูลต่อไปนี้

• ชื่อโปรเซสหลัก เช่น claude.exe หรือ cursor.exe
• โปรเซสลูกที่ถูกสร้างจาก AI Agent
• โฟลเดอร์โครงการหรือ Workspace ที่ได้รับอนุญาต
• โฟลเดอร์ชั่วคราวที่ใช้ระหว่างการพัฒนา
• ชื่อเสียงและความน่าเชื่อถือของโดเมนปลายทาง
• Hash หรือลายเซ็นดิจิทัลของไฟล์ที่ดาวน์โหลด
• บัญชีผู้ใช้และระดับสิทธิ์ของกระบวนการ
• คำสั่งที่ AI เรียกใช้และบริบทก่อนหน้า

การกำหนดเงื่อนไขเหล่านี้ช่วยลดการแจ้งเตือนที่ไม่จำเป็น โดยไม่ต้องยกเว้นการตรวจสอบ AI Agent ทั้งหมด

การเข้าถึงข้อมูลรับรองไม่ควรถูกอนุญาตแบบครอบคลุม

Sophos เน้นว่าพฤติกรรมเกี่ยวกับข้อมูลรับรองควรถูกจัดการอย่างเข้มงวดกว่ากิจกรรมประเภทอื่น

การถอดรหัสข้อมูลจากเบราว์เซอร์ การตรวจสอบ Windows Credential Manager หรือการอ่านโทเคนของผู้ใช้ ไม่ควรถูกมองว่าปลอดภัยโดยอัตโนมัติเพียงเพราะคำสั่งดังกล่าวมาจาก AI Agent

แนวทางที่องค์กรควรนำไปใช้ ได้แก่

• ปิดโหมดข้ามการขออนุญาตในเครื่องขององค์กร
• ไม่ให้ AI Agent ทำงานด้วยสิทธิ์ผู้ดูแลระบบโดยไม่จำเป็น
• จำกัดสิทธิ์การเข้าถึง Credential Store
• ใช้บัญชีแยกสำหรับงานพัฒนาและงานระบบ
• กำหนด Allowlist เฉพาะโปรเจกต์และคำสั่งที่จำเป็น
• บันทึกคำสั่งและกิจกรรมของ AI Agent เพื่อใช้ตรวจสอบย้อนหลัง
• ใช้เครื่องเสมือนหรือ Sandbox สำหรับงานที่มีความเสี่ยง
• แยกข้อมูลรับรองสำคัญออกจากเครื่องที่ใช้ AI Coding Agent
• บังคับให้ผู้ใช้อนุมัติก่อนดำเนินการเกี่ยวกับรหัสผ่าน โทเคน หรือคุกกี้

องค์กรต้องกำหนดขอบเขตการทำงานของ AI Agent

ประเด็นสำคัญไม่ใช่เพียงการลดจำนวนการแจ้งเตือน แต่คือการกำหนดว่า AI Coding Agent ควรได้รับอนุญาตให้เข้าถึงส่วนใดของเครื่องผู้ใช้งาน

AI Agent อาจต้องใช้สิทธิ์ในการสร้างไฟล์ ติดตั้งแพ็กเกจ รันคำสั่ง หรือควบคุมเบราว์เซอร์เพื่อให้งานสำเร็จ แต่การให้สิทธิ์แบบไม่จำกัดสามารถเปิดช่องให้เกิดความเสียหายได้ หาก AI ทำงานผิดพลาด ถูกหลอก หรือถูกใช้โดยผู้โจมตี

องค์กรควรเริ่มจากการจำกัดพื้นที่ที่มีความเสี่ยงสูงก่อน โดยเฉพาะข้อมูลรับรอง รหัสผ่าน โทเคนการเข้าถึง คุกกี้ของเบราว์เซอร์ กุญแจ SSH และข้อมูลที่ใช้เข้าสู่ระบบคลาวด์

สรุป

AI Coding Agent อย่าง Claude Code, Cursor และ OpenAI Codex ไม่ได้เป็นมัลแวร์ แต่รูปแบบการทำงานของเครื่องมือเหล่านี้เริ่มคล้ายกับเทคนิคที่ผู้โจมตีใช้มากขึ้น

การถอดรหัสข้อมูลในเบราว์เซอร์ การตรวจสอบ Credential Manager การดาวน์โหลดไฟล์ผ่าน certutil หรือ bitsadmin และการสร้างไฟล์ใน Startup ล้วนเป็นพฤติกรรมที่ระบบรักษาความปลอดภัยมีเหตุผลเพียงพอที่จะตรวจจับ

องค์กรจึงไม่ควรแก้ปัญหาด้วยการปิดการแจ้งเตือนหรือยกเว้น AI Agent ทั้งหมด แต่ควรปรับกฎให้พิจารณาจากบริบท แหล่งที่มา เส้นทางไฟล์ สิทธิ์ของกระบวนการ และประเภทของข้อมูลที่ AI กำลังเข้าถึง

ขอบเขตแรกที่ควรถูกควบคุมอย่างชัดเจนคือข้อมูลรับรอง เพราะไม่ว่าจะเป็นมนุษย์ โปรแกรม หรือ AI Agent การเข้าถึงรหัสผ่านและโทเคนโดยไม่มีข้อจำกัดยังคงเป็นความเสี่ยงต่อความปลอดภัยขององค์กร

ที่มา thehackernews

SiamGeek

The post AI Coding Agent ทำระบบรักษาความปลอดภัยแจ้งเตือน หลังพฤติกรรมคล้ายแฮกเกอร์ appeared first on SiamByte.

ล่าสุดมีรายงานจาก Digital Chat Station แหล่งข่าวด้านเทคโนโลยีจากประเทศจีน ระบุว่า Honor วางแผนเปิดตัว Robot Phone อย่างเป็นทางการในเดือนสิงหาคม ซึ่งทำให้ช่วงเวลาการเปิดตัวมีความชัดเจนมากขึ้น แม้ Honor ยังไม่ได้ประกาศวันจัดงานหรือกำหนดการวางจำหน่ายอย่างเป็นทางการ

Honor Robot Phone วางแผนเปิดตัวเดือนสิงหาคม

ก่อนหน้านี้ Honor ยืนยันว่า Robot Phone จะเปิดตัวภายในไตรมาส 3 ของปี แต่ยังไม่ได้เปิดเผยว่าอุปกรณ์รุ่นนี้จะเปิดตัวในเดือนใด

ข้อมูลล่าสุดระบุว่า Honor จะทำการเปิดตัว Robot Phone ในเดือนสิงหาคม โดยอุปกรณ์รุ่นนี้จะเปลี่ยนจากผลิตภัณฑ์ต้นแบบไปสู่สมาร์ตโฟนที่ผู้ใช้งานสามารถซื้อได้จริง

อย่างไรก็ตาม รายละเอียดเกี่ยวกับราคา ประเทศที่วางจำหน่าย และรุ่นย่อยของตัวเครื่องยังไม่ได้รับการเปิดเผยจาก Honor

จากสมาร์ตโฟนต้นแบบสู่ผลิตภัณฑ์ที่วางจำหน่ายจริง

Honor Robot Phone เคยถูกนำมาแสดงต่อสาธารณชนในงาน CES ช่วงเดือนมกราคม ก่อนจะถูกนำไปจัดแสดงอีกครั้งในงาน MWC ที่เมืองบาร์เซโลนาในช่วงต้นเดือนมีนาคม

หลังจากเปิดตัวแนวคิดดังกล่าว Honor ได้เดินหน้าพัฒนาตัวเครื่องเพื่อให้สามารถผลิตและวางจำหน่ายในเชิงพาณิชย์ได้จริง

นอกจากนี้ Robot Phone ยังเคยถูกนำไปใช้ถ่ายวิดีโอพอร์ตเทรตสไตล์ภาพยนตร์ในงาน Shanghai International Film Festival ซึ่งแสดงให้เห็นว่าระบบกล้องกิมบอลของอุปกรณ์สามารถนำไปใช้งานด้านวิดีโอได้หลากหลายรูปแบบ

จุดเด่นของ Honor Robot Phone

Honor Robot Phone แตกต่างจากสมาร์ตโฟนทั่วไปด้วยระบบกล้องที่สามารถยื่นออกมาจากตัวเครื่องและเคลื่อนไหวได้อย่างอิสระ โดยมีแนวคิดการทำงานคล้ายกับกล้องขนาดเล็กอย่าง DJI Osmo Pocket และ Insta360 Luna

จุดเด่นที่มีรายงานออกมา ได้แก่

• กล้องติดตั้งอยู่บนกิมบอลที่สามารถเคลื่อนไหวได้
• ชุดกล้องสามารถพับเก็บเข้าไปภายในตัวเครื่อง
• รองรับระบบกันสั่นระหว่างถ่ายวิดีโอ
• รองรับการติดตามวัตถุหรือบุคคลแบบอัตโนมัติ
• เหมาะสำหรับการถ่ายวิดีโอพอร์ตเทรตและคอนเทนต์แบบเคลื่อนไหว
• ช่วยให้ผู้ใช้งานถ่ายวิดีโอได้อย่างนิ่งโดยไม่ต้องใช้อุปกรณ์เสริมภายนอก

กล้องกิมบอลพับเก็บได้ทำงานอย่างไร

ระบบกล้องของ Honor Robot Phone จะติดตั้งอยู่บนแขนกลหรือชุดกิมบอลขนาดเล็ก เมื่อผู้ใช้งานต้องการถ่ายภาพหรือวิดีโอ ชุดกล้องจะเลื่อนออกมาจากตัวเครื่องและสามารถปรับมุมตามวัตถุที่กำลังถ่ายได้

เมื่อเลิกใช้งาน กล้องจะพับกลับเข้าไปภายในตัวเครื่อง ช่วยลดความเสี่ยงจากการกระแทกและทำให้รูปทรงโดยรวมยังคงใกล้เคียงกับสมาร์ตโฟนทั่วไป

ระบบดังกล่าวจะทำให้ Robot Phone สามารถติดตามการเคลื่อนไหวของผู้ใช้งานได้โดยไม่จำเป็นต้องถือโทรศัพท์ให้อยู่ในมุมเดิมตลอดเวลา เหมาะสำหรับการถ่ายวิดีโอคนเดียว การทำวิดีโอบล็อก การถ่ายทอดสด และการประชุมผ่านวิดีโอ

Honor Robot Phone จะเหมาะกับใคร

ด้วยรูปแบบกล้องที่แตกต่างจากโทรศัพท์ทั่วไป Honor Robot Phone จะเหมาะกับผู้ใช้งานหลายกลุ่ม เช่น

• ครีเอเตอร์ที่ต้องถ่ายวิดีโอด้วยตัวเอง
• ผู้ใช้งานที่ทำวิดีโอบล็อกหรือถ่ายทอดสด
• ผู้ที่ต้องการระบบติดตามใบหน้าและวัตถุอัตโนมัติ
• ผู้ใช้งานที่ไม่ต้องการพกกล้องกิมบอลแยก
• ผู้ที่ให้ความสำคัญกับการถ่ายวิดีโอมากกว่าการถ่ายภาพทั่วไป

ข้อมูลที่ Honor ยังไม่ได้เปิดเผย

แม้ข้อมูลเรื่องช่วงเปิดตัวจะเริ่มมีความชัดเจน แต่ Honor ยังไม่ได้เปิดเผยรายละเอียดสำคัญหลายส่วน ได้แก่

• ขนาดและความละเอียดของเซ็นเซอร์กล้อง
• ระยะการเคลื่อนไหวของกิมบอล
• ความละเอียดสูงสุดในการถ่ายวิดีโอ
• ชิปประมวลผลที่ใช้ภายในตัวเครื่อง
• ความจุแบตเตอรี่
• ราคาเปิดตัว
• ประเทศที่เริ่มวางจำหน่าย
• ความทนทานของกลไกกล้องแบบพับเก็บ

ข้อมูลเหล่านี้จะเป็นปัจจัยสำคัญที่ใช้ตัดสินว่า Honor Robot Phone จะสามารถแข่งขันกับสมาร์ตโฟนเรือธงและกล้องกิมบอลขนาดเล็กในตลาดได้มากน้อยเพียงใด

สรุป Honor Robot Phone

Honor Robot Phone เป็นสมาร์ตโฟนแนวคิดใหม่ที่วางแผนมาพร้อมกล้องกิมบอลแบบพับเก็บในตัว รองรับระบบกันสั่นและการติดตามวัตถุอัตโนมัติ โดยมีแนวทางการใช้งานคล้ายกับกล้อง DJI Osmo Pocket และ Insta360 Luna

รายงานล่าสุดระบุว่า Honor จะทำการเปิดตัวอุปกรณ์รุ่นนี้ในเดือนสิงหาคม หลังจากเคยนำต้นแบบไปแสดงในงาน CES และ MWC รวมถึงทดลองใช้ถ่ายวิดีโอในงาน Shanghai International Film Festival

อย่างไรก็ตาม Honor ยังไม่ได้ประกาศวันเปิดตัว ราคา และรายละเอียดสเปกอย่างเป็นทางการ ผู้ที่สนใจจึงควรรอติดตามข้อมูลเพิ่มเติมจากบริษัทในช่วงใกล้วันเปิดตัว

SiamGeek

The post Honor Robot Phone วางแผนเปิดตัวเดือนสิงหาคม พร้อมกล้องกิมบอลพับเก็บในตัว appeared first on SiamByte.

นักวิจัยด้านความปลอดภัยจาก Zimperium zLabs ระบุว่า RedWing มีลักษณะคล้ายกับ Oblivion ซึ่งเป็นบริการมัลแวร์ให้เช่าที่เคยถูกเปิดเผยก่อนหน้านี้ โดย Oblivion มีค่าใช้งานประมาณ 300 ดอลลาร์ต่อเดือน

RedWing คืออะไร

RedWing เป็นมัลแวร์ Android ที่ถูกพัฒนาในรูปแบบ Malware-as-a-Service หรือบริการมัลแวร์ให้เช่า ผู้ให้บริการจะจัดเตรียมระบบสำหรับสร้างแอปอันตราย แผงควบคุม คู่มือการใช้งาน วิดีโอสอน และระบบส่วนลดสำหรับสมาชิกที่แนะนำผู้ใช้งานรายใหม่

ผู้ซื้อสามารถใช้บอตบน Telegram เพื่อสร้างแอปมัลแวร์เฉพาะของตัวเองได้ทันที โดยเลือกชื่อแอป รูปแบบหน้าเว็บไซต์ปลอม และรายชื่อแอปธนาคารหรือกระเป๋าคริปโตที่ต้องการโจมตี

นักวิจัยพบว่าไฟล์ติดตั้งและมัลแวร์จำนวนมากที่ถูกสร้างจากระบบดังกล่าวยังสามารถหลบเลี่ยงเครื่องมือตรวจจับความปลอดภัยทั่วไปได้

RedWing แพร่กระจายเข้าสู่โทรศัพท์ Android อย่างไร

การโจมตีของ RedWing เริ่มต้นจากลิงก์ฟิชชิงที่ถูกส่งผ่านข้อความ แชต อีเมล หรือช่องทางออนไลน์อื่น เมื่อลิงก์ถูกเปิด ผู้ใช้งานจะพบกับหน้าเว็บไซต์ร้านค้าแอปปลอมที่ออกแบบให้มีลักษณะคล้ายบริการดาวน์โหลดแอปอย่างเป็นทางการ

ระบบสร้างมัลแวร์สามารถเลียนแบบร้านค้าแอปหลายแห่ง ได้แก่

• Google Play Store
• Samsung Galaxy Store
• Huawei AppGallery
• RuStore
• หน้าเว็บไซต์ดาวน์โหลดแอปที่ออกแบบขึ้นใหม่ทั้งหมด

เว็บไซต์ปลอมสามารถใส่คะแนนรีวิว ความคิดเห็น จำนวนดาวน์โหลด และรายละเอียดแอป เพื่อสร้างความน่าเชื่อถือ ก่อนจะชักจูงให้ผู้ใช้งานดาวน์โหลดไฟล์ APK และติดตั้งแอปจากนอก Store อย่างเป็นทางการ

มัลแวร์หลอกขอสิทธิ์ควบคุมเครื่องทีละขั้นตอน

หลังจากติดตั้งแล้ว RedWing จะไม่ขอสิทธิ์ทั้งหมดพร้อมกัน แต่จะแสดงหน้าต่างขออนุญาตทีละขั้นตอน โดยมีเว็บไซต์หรือหน้าเว็บทั่วไปแสดงอยู่ด้านหลัง เพื่อทำให้ผู้ใช้งานรู้สึกว่าเป็นขั้นตอนตั้งค่าแอปตามปกติ

สิทธิ์สำคัญที่มัลแวร์จะพยายามขอ ได้แก่

• ปิดระบบจำกัดการใช้แบตเตอรี่
• ตั้งแอปเป็นโปรแกรมรับส่งข้อความ SMS เริ่มต้น
• เปิดสิทธิ์การแจ้งเตือน
• อนุญาตการติดตั้งจากแหล่งที่ไม่รู้จัก
• เปิดใช้งาน Android Accessibility Service
• อนุญาตการเข้าถึงกล้องและไมโครโฟน
• อนุญาตการเข้าถึงไฟล์ รายชื่อติดต่อ และตำแหน่ง

สิทธิ์ Accessibility เป็นส่วนสำคัญของการโจมตี เนื่องจากช่วยให้มัลแวร์อ่านข้อมูลบนหน้าจอ กดปุ่ม ควบคุมแอป และดึงข้อมูลสำคัญจากโทรศัพท์ได้

ความสามารถของมัลแวร์ RedWing

เมื่อได้รับสิทธิ์ที่จำเป็นแล้ว RedWing จะสามารถควบคุมอุปกรณ์ Android ได้ในวงกว้าง และเปิดทางให้ผู้โจมตีทำธุรกรรมภายในโทรศัพท์ของเหยื่อโดยตรง

สร้างหน้าล็อกอินธนาคารปลอม

RedWing สามารถแสดงหน้าล็อกอินปลอมซ้อนทับบนแอปธนาคารหรือแอปกระเป๋าคริปโตจริง เทคนิคนี้เรียกว่า Overlay Attack

เมื่อผู้ใช้งานกรอกชื่อบัญชี รหัสผ่าน PIN หรือข้อมูลบัตร ข้อมูลทั้งหมดจะถูกส่งไปยังผู้โจมตีแทนที่จะเข้าสู่ระบบธนาคารจริง

ขโมยรหัส OTP และข้อมูลบนหน้าจอ

มัลแวร์สามารถอ่านข้อความ SMS ที่เข้ามาใหม่เพื่อดักจับรหัส OTP รวมถึงใช้ Accessibility Service อ่านข้อมูลที่ปรากฏบนหน้าจอ เช่น

• รหัสยืนยันการทำธุรกรรม
• หมายเลขบัตรธนาคาร
• รหัส PIN
• รหัสผ่าน
• ข้อมูลบัญชี
• ข้อความแจ้งเตือนจากธนาคาร

เปิดระบบโอนสายไปยังผู้โจมตี

RedWing สามารถใช้รหัสเครือข่ายโทรศัพท์ เช่น 21 เพื่อเปิดระบบโอนสายเรียกเข้าไปยังหมายเลขของผู้โจมตีแบบเงียบ ๆ

วิธีนี้อาจทำให้เหยื่อไม่ได้รับสายตรวจสอบจากธนาคาร รวมถึงเปิดโอกาสให้ผู้โจมตีรับสายยืนยันตัวตนหรือสายแจ้งเตือนเกี่ยวกับธุรกรรมผิดปกติ

ถ่ายทอดสดหน้าจอและบันทึกการพิมพ์

มัลแวร์รองรับการสตรีมหน้าจอแบบเรียลไทม์ ทำให้ผู้โจมตีสามารถมองเห็นสิ่งที่เกิดขึ้นบนโทรศัพท์ของเหยื่อได้จากระยะไกล

นอกจากนี้ยังมีระบบ Keylogger สำหรับบันทึกข้อความ ตัวเลข รหัสผ่าน และข้อมูลที่ผู้ใช้งานพิมพ์ผ่านแป้นพิมพ์

ควบคุมกล้องและไมโครโฟน

RedWing สามารถเปิดกล้องและไมโครโฟนของโทรศัพท์เพื่อบันทึกภาพหรือเสียง รวมถึงเข้าถึงข้อมูลส่วนตัวอื่นภายในเครื่อง เช่น

• ไฟล์และเอกสาร
• รูปภาพและวิดีโอ
• รายชื่อติดต่อ
• ประวัติการโทร
• ตำแหน่งที่ตั้ง
• ข้อมูลจากการแจ้งเตือน

ใช้เครื่องที่ติดมัลแวร์โจมตีเว็บไซต์

ผู้โจมตียังสามารถนำโทรศัพท์ที่ติด RedWing มารวมเป็นเครือข่าย เพื่อส่งทราฟฟิกจำนวนมากไปยังเว็บไซต์เป้าหมายในลักษณะการโจมตีแบบ Denial-of-Service หรือ DDoS

ผู้ซื้อสามารถเลือกแอปเป้าหมายได้เอง

RedWing แบ่งระบบเลือกเป้าหมายออกเป็นสองรูปแบบ โดยแอปที่มัลแวร์จะเฝ้าติดตามผ่าน Accessibility จะถูกกำหนดไว้ในไฟล์มัลแวร์ตั้งแต่ขั้นตอนการสร้างแอป

หากผู้ซื้อเปลี่ยนรายชื่อแอปกลุ่มนี้ ผู้ให้บริการจะสร้างไฟล์มัลแวร์ชุดใหม่ให้ดาวน์โหลดและนำไปเผยแพร่

ส่วนหน้าล็อกอินปลอมแบบ Overlay สามารถแก้ไขหรือเพิ่มเป้าหมายได้ภายหลังผ่านแผงควบคุม โดยไม่จำเป็นต้องสร้างแอปมัลแวร์ใหม่ทุกครั้ง

พบเป้าหมายอย่างน้อย 82 สถาบัน

Zimperium ตรวจพบว่ามัลแวร์ RedWing มีรายชื่อเป้าหมายอย่างน้อย 82 แห่ง ครอบคลุมหลายอุตสาหกรรม โดยให้ความสำคัญกับธนาคารและบริษัทการเงินในรัสเซียเป็นหลัก

หนึ่งในตัวอย่างที่นักวิจัยตรวจสอบพบว่าใช้หน้าเว็บไซต์ปลอมเลียนแบบ RuStore ซึ่งเป็นร้านค้าแอปในรัสเซีย ข้อมูลดังกล่าวทำให้นักวิจัยมองว่าปฏิบัติการนี้อาจเชื่อมโยงกับกลุ่มผู้โจมตีที่มุ่งเป้าไปยังตลาดรัสเซีย แต่ยังไม่มีหลักฐานเพียงพอที่จะยืนยันตัวตนของผู้พัฒนาอย่างเป็นทางการ

รายชื่อสถาบันเป้าหมายสามารถเปลี่ยนแปลงได้ตลอดเวลา เนื่องจากผู้ซื้อบริการสามารถเลือกธนาคาร แอปการเงิน หรือบริการคริปโตที่ต้องการโจมตีได้เอง

RedWing ใช้เทคนิค On-Device Fraud

RedWing สะท้อนแนวโน้มการโจมตี Android แบบ On-Device Fraud ซึ่งผู้โจมตีจะควบคุมโทรศัพท์ของเหยื่อและทำธุรกรรมจากอุปกรณ์เครื่องเดิมโดยตรง

วิธีนี้แตกต่างจากการขโมยรหัสผ่านแล้วนำไปเข้าสู่ระบบจากอุปกรณ์อื่น เพราะระบบธนาคารอาจมองเห็นว่าการทำธุรกรรมเกิดขึ้นจากโทรศัพท์ ตำแหน่ง และบัญชีผู้ใช้งานเดิม จึงตรวจจับความผิดปกติได้ยากขึ้น

มัลแวร์ Android กลุ่มอื่นที่ใช้แนวทางใกล้เคียงกัน ได้แก่

• Fantasy Hub บริการมัลแวร์ให้เช่าที่มุ่งเป้าไปยังผู้ใช้งานในรัสเซีย
• Albiriox มัลแวร์ที่รองรับการโจมตีแอปการเงินมากกว่า 400 แอป
• Klopatra มัลแวร์ที่ใช้ระบบควบคุมระยะไกลและหน้าล็อกอินปลอมเพื่อขโมยเงินจากบัญชี

RedWing ไม่จำเป็นต้องใช้ช่องโหว่ Android

RedWing ไม่ได้พึ่งพาช่องโหว่ของระบบปฏิบัติการ Android การโจมตีจะสำเร็จได้เมื่อผู้ใช้งานติดตั้งแอปจากแหล่งภายนอก และอนุญาตสิทธิ์สำคัญตามที่แอปร้องขอ

ดังนั้นขั้นตอนการดาวน์โหลดและติดตั้งแอปจึงเป็นจุดสำคัญที่สุดในการป้องกันมัลแวร์ประเภทนี้

วิธีป้องกันมัลแวร์ RedWing บน Android

ผู้ใช้งานสามารถลดความเสี่ยงจาก RedWing และมัลแวร์ธนาคาร Android ได้ด้วยแนวทางต่อไปนี้

• ดาวน์โหลดแอปจาก Store อย่างเป็นทางการเท่านั้น
• หลีกเลี่ยงการติดตั้งไฟล์ APK ที่ได้รับผ่านข้อความ แชต หรืออีเมล
• ระวังลิงก์ที่อ้างว่าเป็นการอัปเดตแอปธนาคารหรือแอประบบ
• ไม่เปิดสิทธิ์ติดตั้งแอปจากแหล่งที่ไม่รู้จักโดยไม่มีเหตุผล
• ไม่เปิด Accessibility Service ให้กับแอปที่ไม่จำเป็นต้องใช้
• ไม่ตั้งแอปทั่วไปเป็นโปรแกรมรับส่ง SMS เริ่มต้น
• ตรวจสอบเหตุผลก่อนอนุญาตให้แอปทำงานแบบไม่จำกัดแบตเตอรี่
• ตรวจสอบแอปที่ซ่อนไอคอนหลังติดตั้ง
• เปิดใช้งาน Google Play Protect
• อัปเดตระบบ Android และแอปให้เป็นเวอร์ชันล่าสุด
• ติดต่อธนาคารทันทีเมื่อพบธุรกรรมหรือการโอนสายผิดปกติ

แนวทางป้องกันสำหรับองค์กร

องค์กรที่ดูแลโทรศัพท์ Android ของพนักงานสามารถบังคับใช้นโยบายความปลอดภัยจากส่วนกลางได้ เช่น

• ปิดการติดตั้งแอปจากภายนอก Store
• บล็อกไฟล์ APK ที่ไม่ได้รับอนุญาต
• แจ้งเตือนเมื่อแอปร้องขอสิทธิ์ Accessibility
• ตรวจจับแอปที่พยายามเป็นโปรแกรม SMS เริ่มต้น
• จำกัดสิทธิ์กล้อง ไมโครโฟน และตำแหน่ง
• ตรวจสอบพฤติกรรมการซ่อนไอคอนแอป
• เฝ้าระวังการเปิดระบบโอนสายโดยไม่ได้รับอนุญาต
• ใช้ระบบ Mobile Device Management หรือ Mobile Threat Defense

นักวิจัยยังได้เผยแพร่ Indicators of Compromise หรือข้อมูลสำหรับตรวจสอบร่องรอยการโจมตี เพื่อช่วยให้ทีมรักษาความปลอดภัยค้นหาอุปกรณ์ที่อาจติดมัลแวร์ได้

ชื่อแอปไม่ใช่ตัวบ่งชี้ที่เพียงพอ

RedWing สามารถเปลี่ยนชื่อ ไอคอน หน้าตาเว็บไซต์ และรายชื่อแอปเป้าหมายได้อย่างรวดเร็ว ผู้โจมตีจึงสามารถนำมัลแวร์ชุดเดิมกลับมาเผยแพร่ภายใต้ชื่อแอปใหม่ได้ตลอดเวลา

การตรวจสอบเฉพาะชื่อแอปจึงอาจไม่เพียงพอ สิ่งที่ควรเฝ้าระวังคือพฤติกรรมของแอป เช่น การขอ Accessibility การขอเป็นแอป SMS เริ่มต้น การซ่อนไอคอน การปิดข้อจำกัดแบตเตอรี่ และการติดตั้งจากแหล่งภายนอก

สรุป

RedWing เป็นมัลแวร์ Android สำหรับโจรกรรมข้อมูลธนาคารที่ถูกให้เช่าผ่าน Telegram ในรูปแบบบริการสำเร็จรูป ผู้ซื้อสามารถสร้างแอปอันตราย เลือกธนาคารเป้าหมาย และควบคุมโทรศัพท์ของเหยื่อได้โดยไม่ต้องมีทักษะเขียนมัลแวร์ขั้นสูง

ความสามารถของ RedWing ครอบคลุมตั้งแต่การขโมยรหัสผ่านและ OTP การสร้างหน้าล็อกอินปลอม การบันทึกหน้าจอและการพิมพ์ ไปจนถึงการโอนสาย ควบคุมกล้อง ไมโครโฟน และทำธุรกรรมจากโทรศัพท์ของเหยื่อโดยตรง

การป้องกันที่สำคัญที่สุดคือไม่ติดตั้งแอปจากลิงก์หรือแหล่งที่ไม่รู้จัก และไม่อนุญาตสิทธิ์ Accessibility, SMS, กล้อง หรือไมโครโฟนให้กับแอปที่ไม่มีเหตุผลชัดเจนในการใช้งาน

ที่มา thehackernews

SiamGeek

The post RedWing มัลแวร์ Android ให้เช่าผ่าน Telegram ขโมยข้อมูลธนาคารและรหัส OTP appeared first on SiamByte.

Galaxy S27 Series จะเป็นสมาร์ตโฟนเรือธงประจำปี 2027 ของ Samsung และเริ่มมีรายละเอียดเกี่ยวกับรหัสรุ่น รวมถึงสเปกกล้องบางส่วนออกมาให้เห็นแล้ว แม้จะยังเหลือเวลาอีกหลายเดือนก่อนการเปิดตัวอย่างเป็นทางการ

Samsung วางแผนเปิดตัว Galaxy S27 Series จำนวน 4 รุ่น

ข้อมูลภายในที่มีการเปิดเผยระบุว่า Samsung กำลังพัฒนา Galaxy S27 Series ภายใต้รหัสรุ่นทั้งหมด 4 รุ่น ได้แก่ NM1, NM2, NM3 และ NM4 โดยรหัสเหล่านี้จะเชื่อมโยงกับสมาร์ตโฟนแต่ละรุ่นในตระกูล Galaxy S27

รายชื่อรุ่นที่ Samsung จะเปิดตัวอาจประกอบด้วย

• Samsung Galaxy S27
• Samsung Galaxy S27 Plus
• Samsung Galaxy S27 Pro
• Samsung Galaxy S27 Ultra

รหัส NM3 และ NM4 ถูกเชื่อมโยงกับ Galaxy S27 Pro และ Galaxy S27 Ultra ตามลำดับ ขณะที่รายละเอียดการตั้งชื่อและตำแหน่งทางการตลาดของแต่ละรุ่นยังอาจมีการเปลี่ยนแปลงก่อนเปิดตัว

Galaxy S27 Pro และ Galaxy S27 Ultra จะใช้กล้องหน้า 16MP

จุดเปลี่ยนสำคัญของ Galaxy S27 Pro และ Galaxy S27 Ultra จะอยู่ที่กล้องหน้า โดย Samsung วางแผนติดตั้งเซนเซอร์กล้องหน้ารุ่นใหม่ ความละเอียด 16 ล้านพิกเซล ซึ่งสูงกว่ากล้องหน้า 12 ล้านพิกเซลที่พบในสมาร์ตโฟนเรือธง Galaxy S หลายรุ่นที่ผ่านมา

การเพิ่มความละเอียดของกล้องหน้าจะช่วยให้ภาพเซลฟีมีรายละเอียดมากขึ้น รองรับการครอปภาพได้ดีขึ้น และอาจช่วยเพิ่มคุณภาพของการบันทึกวิดีโอ รวมถึงการใช้งานวิดีโอคอล

นอกจากนี้ เซนเซอร์กล้องหน้าใหม่อาจใช้รูปแบบเซนเซอร์ทรงสี่เหลี่ยม ซึ่งจะช่วยให้ระบบสามารถปรับเฟรมภาพตามการถือโทรศัพท์ในแนวตั้งหรือแนวนอนได้อย่างยืดหยุ่นมากขึ้น

กล้องหน้าใหม่อาจรองรับระบบจัดเฟรมอัตโนมัติ

แนวทางของกล้องหน้า 16MP อาจมีลักษณะการทำงานใกล้เคียงกับกล้องหน้าแบบ Center Stage ที่ใช้เซนเซอร์ทรงสี่เหลี่ยม โดยระบบจะสามารถติดตามตำแหน่งของผู้ใช้งานและปรับกรอบภาพให้อยู่ตรงกลางได้โดยอัตโนมัติ

ฟังก์ชันที่อาจถูกนำมาใช้งานร่วมกับกล้องหน้าใหม่ ได้แก่

• ปรับกรอบภาพระหว่างการวิดีโอคอล
• ติดตามใบหน้าของผู้ใช้งาน
• รองรับการถ่ายภาพทั้งแนวตั้งและแนวนอน
• เพิ่มพื้นที่สำหรับการครอปภาพ
• ปรับปรุงความคมชัดของภาพเซลฟี
• เพิ่มประสิทธิภาพการถ่ายวิดีโอด้วยกล้องหน้า

อย่างไรก็ตาม ยังไม่มีข้อมูลยืนยันว่า Galaxy S27 และ Galaxy S27 Plus จะได้รับกล้องหน้า 16MP แบบเดียวกับรุ่น Pro และ Ultra หรือไม่

Galaxy S27 Pro และ Ultra จะได้กล้อง Telephoto และ Ultrawide 50MP

นอกจากการปรับปรุงกล้องหน้าแล้ว Samsung ยังวางแผนอัปเกรดระบบกล้องหลังของ Galaxy S27 Pro และ Galaxy S27 Ultra โดยทั้งสองรุ่นจะมาพร้อมกล้อง Telephoto และกล้อง Ultrawide ความละเอียด 50 ล้านพิกเซล

สเปกกล้องที่มีข้อมูลในขณะนี้ประกอบด้วย

• กล้องหน้า ความละเอียด 16 ล้านพิกเซล
• กล้อง Telephoto ความละเอียด 50 ล้านพิกเซล
• กล้อง Ultrawide ความละเอียด 50 ล้านพิกเซล

การเพิ่มความละเอียดของกล้อง Telephoto จะช่วยให้การถ่ายภาพซูมเก็บรายละเอียดได้ดีขึ้น ขณะที่กล้อง Ultrawide ความละเอียด 50MP จะช่วยเพิ่มความคมชัดของภาพมุมกว้าง โดยเฉพาะการถ่ายภาพทิวทัศน์ อาคาร และภาพกลุ่ม

Samsung ยังอาจใช้ระบบประมวลผลภาพและฟีเจอร์ Galaxy AI เข้ามาช่วยลดสัญญาณรบกวน ปรับสี และเพิ่มรายละเอียดของภาพในสภาพแสงน้อย

Galaxy S27 Pro อาจเป็นรุ่นใหม่ในตระกูลเรือธง

การปรากฏชื่อ Galaxy S27 Pro ถือเป็นอีกหนึ่งประเด็นที่น่าสนใจ เนื่องจาก Samsung มักใช้ชื่อรุ่นมาตรฐาน รุ่น Plus และรุ่น Ultra สำหรับสมาร์ตโฟน Galaxy S Series

การเพิ่มรุ่น Pro จะช่วยให้ Samsung สามารถแบ่งระดับผลิตภัณฑ์ได้ละเอียดมากขึ้น โดย Galaxy S27 Pro อาจถูกวางตำแหน่งให้อยู่ระหว่าง Galaxy S27 Plus และ Galaxy S27 Ultra พร้อมนำเสนอฟีเจอร์กล้องระดับสูงในตัวเครื่องที่มีขนาดเล็กกว่ารุ่น Ultra

อย่างไรก็ตาม ชื่อรุ่นอย่างเป็นทางการยังต้องรอการเปิดเผยจาก Samsung อีกครั้ง

Galaxy S27 Series จะเปิดตัวเมื่อไหร่

Samsung Galaxy S27 Series จะเป็นสมาร์ตโฟนเรือธงสำหรับปี 2027 โดยช่วงเวลาการเปิดตัวอาจอยู่ระหว่างเดือนมกราคมถึงเดือนมีนาคม 2027

ช่วงเวลาที่เป็นไปได้สำหรับการเปิดตัว ได้แก่

• เดือนมกราคม 2027 หาก Samsung กลับมาใช้กำหนดการเปิดตัวช่วงต้นปี
• เดือนกุมภาพันธ์ 2027 หากบริษัทยังคงใช้ช่วงเวลาใกล้เคียงกับรุ่นก่อนหน้า
• เดือนมีนาคม 2027 หากกระบวนการผลิตหรือการพัฒนาชิ้นส่วนต้องใช้เวลามากขึ้น

กำหนดการวางจำหน่ายจริงอาจแตกต่างกันในแต่ละประเทศ โดยประเทศไทยอาจเริ่มเปิดให้สั่งซื้อล่วงหน้าหลังงานเปิดตัวไม่นาน

ราคาของ Galaxy S27 Series อาจสูงขึ้น

ราคาของ Galaxy S27 Series เป็นอีกประเด็นที่ต้องติดตาม เนื่องจากต้นทุนด้านชิปประมวลผล หน่วยความจำ กล้อง และชิ้นส่วนภายในมีแนวโน้มเพิ่มขึ้นอย่างต่อเนื่อง

Galaxy S27 Pro และ Galaxy S27 Ultra อาจมีราคาสูงกว่ารุ่นมาตรฐาน เพราะจะได้รับเซนเซอร์กล้องใหม่หลายตัว รวมถึงกล้องหน้า 16MP กล้อง Telephoto 50MP และกล้อง Ultrawide 50MP

ราคาจำหน่ายจริงจะขึ้นอยู่กับความจุของตัวเครื่อง ตลาดที่วางจำหน่าย และนโยบายด้านราคาของ Samsung ในปี 2027

สรุป Samsung Galaxy S27 Pro และ Galaxy S27 Ultra

Samsung วางแผนอัปเกรดกล้องของ Galaxy S27 Pro และ Galaxy S27 Ultra ครั้งสำคัญ โดยทั้งสองรุ่นจะมาพร้อมกล้องหน้าใหม่ ความละเอียด 16 ล้านพิกเซล รวมถึงกล้อง Telephoto และ Ultrawide ความละเอียด 50 ล้านพิกเซล

การปรับปรุงครั้งนี้จะช่วยเพิ่มคุณภาพของภาพเซลฟี การวิดีโอคอล การถ่ายภาพซูม และการถ่ายภาพมุมกว้าง พร้อมเปิดโอกาสให้ Samsung เพิ่มฟังก์ชันจัดเฟรมภาพอัตโนมัติและระบบประมวลผลภาพด้วย Galaxy AI

Galaxy S27 Series จะเปิดตัวในช่วงต้นปี 2027 โดยรายละเอียดเกี่ยวกับกล้องหลัก ชิปประมวลผล แบตเตอรี่ ราคา และวันเปิดตัวอย่างเป็นทางการจะมีข้อมูลเพิ่มเติมออกมาในภายหลัง

ที่มา galaxyclub

SiamGeek

The post Samsung วางแผนอัปเกรดกล้องหน้า Galaxy S27 Pro และ Galaxy S27 Ultra เป็น 16MP appeared first on SiamByte.

ข้อมูลดังกล่าวถูกค้นพบโดย Sam Henri Gold นักพัฒนาซอฟต์แวร์ที่ตรวจสอบโค้ดภายใน iOS 27 Beta 2 และพบข้อความของระบบที่อธิบายถึงการประมวลผลภาพจากกล้องสองตัวซึ่งอยู่บริเวณด้านข้างศีรษะของผู้ใช้งาน

iOS 27 Beta 2 พบข้อมูลผลิตภัณฑ์รหัส B790

ภายใน iOS 27 Beta 2 มีการอ้างอิงถึงผลิตภัณฑ์ที่ใช้รหัส B790 พร้อมรายละเอียดเกี่ยวกับการรับภาพจากกล้องสองตัวซึ่งติดตั้งอยู่คนละด้านของศีรษะผู้ใช้

ลักษณะการทำงานดังกล่าวสอดคล้องกับข้อมูลก่อนหน้านี้ที่ระบุว่า Apple วางแผนพัฒนา AirPods รุ่นใหม่พร้อมกล้องในตัว โดยกล้องอาจติดตั้งอยู่บนหูฟังแต่ละข้าง เพื่อช่วยเก็บข้อมูลสภาพแวดล้อมรอบตัวผู้ใช้งาน

ในช่วงแรก Sam Henri Gold มองว่ารหัส B790 อาจเกี่ยวข้องกับแว่นตาอัจฉริยะของ Apple แต่เมื่อพิจารณาจากลักษณะของอุปกรณ์และข้อมูลรหัสภายในแล้ว มีความเป็นไปได้มากขึ้นว่าจะเป็น AirPods ที่ติดตั้งกล้อง

AirPods ติดกล้องจะทำงานร่วมกับ Visual Intelligence

Apple วางแผนนำเทคโนโลยี Visual Intelligence มาใช้งานกับอุปกรณ์ประเภทใหม่ เพื่อให้ระบบสามารถวิเคราะห์วัตถุ สถานที่ ข้อความ และสิ่งต่าง ๆ ที่อยู่รอบตัวผู้ใช้งานได้

กล้องบน AirPods อาจไม่ได้ออกแบบมาเพื่อถ่ายภาพหรือบันทึกวิดีโอในรูปแบบเดียวกับกล้องสมาร์ตโฟน แต่จะทำหน้าที่เป็นเซ็นเซอร์สำหรับตรวจจับสภาพแวดล้อม และส่งข้อมูลให้ระบบปัญญาประดิษฐ์ประมวลผล

ความสามารถที่ AirPods ติดกล้องอาจรองรับ

• วิเคราะห์วัตถุที่อยู่ตรงหน้าผู้ใช้งาน
• อ่านและทำความเข้าใจข้อความจากสภาพแวดล้อม
• ระบุสถานที่หรือจุดสำคัญรอบตัว
• ช่วยให้ Siri ตอบคำถามตามสิ่งที่ผู้ใช้กำลังมองเห็น
• รองรับคำสั่งที่เกี่ยวข้องกับ Visual Intelligence
• เพิ่มความแม่นยำในการรับรู้ตำแหน่งและสภาพแวดล้อม
• ทำงานร่วมกับ iPhone และอุปกรณ์ในระบบนิเวศของ Apple

การติดตั้งกล้องไว้บน AirPods ทั้งสองข้างอาจช่วยให้ระบบมองเห็นภาพจากมุมที่ใกล้เคียงกับสายตาของผู้ใช้งานมากขึ้น และสามารถวิเคราะห์ข้อมูลเชิงพื้นที่ได้ดีกว่าการใช้กล้องเพียงตัวเดียว

AirPods Pro 3 อาจมีรุ่นพิเศษติดกล้อง

ก่อนหน้านี้มีรายงานว่า Apple วางแผนพัฒนา AirPods Pro 3 รุ่นใหม่ที่มาพร้อมกล้องหรือเซ็นเซอร์รับภาพ โดยอุปกรณ์ดังกล่าวจะเน้นความสามารถด้านปัญญาประดิษฐ์และการรับรู้สภาพแวดล้อม

อย่างไรก็ตาม AirPods ติดกล้องอาจไม่ได้เปิดตัวพร้อมกับ AirPods Pro 3 รุ่นมาตรฐาน เนื่องจาก Apple อาจแยกรุ่นดังกล่าวออกมาเป็นผลิตภัณฑ์ระดับพรีเมียม หรือเปิดตัวภายหลังเมื่อระบบ Visual Intelligence มีความพร้อมมากขึ้น

กล้องที่นำมาใช้อาจเป็นกล้องอินฟราเรดหรือเซ็นเซอร์ประเภทอื่น ซึ่งสามารถตรวจจับระยะทาง ตำแหน่ง และการเคลื่อนไหวได้ โดยไม่จำเป็นต้องทำหน้าที่เป็นกล้องถ่ายภาพทั่วไป

รหัส B790 และ B798 แตกต่างกันอย่างไร

จุดที่น่าสนใจคือ ข้อมูลจาก iOS 27 Beta 2 ใช้รหัสผลิตภัณฑ์ B790 ขณะที่รายงานก่อนหน้านี้จาก Bloomberg ระบุว่า AirPods ติดกล้องใช้รหัส B798

ความแตกต่างของรหัสทั้งสองอาจเกิดจากหลายสาเหตุ เช่น

• เป็นผลิตภัณฑ์คนละรุ่นที่อยู่ในโครงการเดียวกัน
• เป็นหมายเลขต้นแบบในขั้นตอนการพัฒนาที่แตกต่างกัน
• Apple เปลี่ยนรหัสภายในระหว่างการทดสอบ
• เป็นอุปกรณ์เสริมที่ออกแบบให้ทำงานร่วมกัน
• เป็นข้อมูลจากซอฟต์แวร์คนละเวอร์ชัน

ในระหว่างการพัฒนาผลิตภัณฑ์ Apple สามารถใช้รหัสหลายหมายเลขกับต้นแบบหรือฮาร์ดแวร์หลายรูปแบบได้ จึงยังไม่สามารถยืนยันได้ว่ารหัส B790 และ B798 หมายถึงผลิตภัณฑ์เดียวกันหรือไม่

Visual Intelligence จะเป็นส่วนสำคัญของอุปกรณ์ Apple รุ่นใหม่

Visual Intelligence เป็นเทคโนโลยีที่ช่วยให้อุปกรณ์สามารถวิเคราะห์สิ่งที่กล้องมองเห็น และนำข้อมูลดังกล่าวมาใช้ร่วมกับ Siri หรือระบบปัญญาประดิษฐ์ของ Apple

เมื่อใช้งานผ่าน AirPods ผู้ใช้อาจสามารถถามคำถามเกี่ยวกับสิ่งที่อยู่ตรงหน้าได้โดยไม่ต้องหยิบ iPhone ขึ้นมา เช่น ถามชื่อสถานที่ อ่านข้อความบนป้าย หรือขอข้อมูลเกี่ยวกับวัตถุที่กำลังมองเห็น

แนวทางนี้จะทำให้ AirPods เปลี่ยนจากอุปกรณ์สำหรับฟังเพลงและสนทนา ไปเป็นอุปกรณ์ปัญญาประดิษฐ์แบบสวมใส่ที่สามารถรับรู้บริบทของผู้ใช้งานได้มากขึ้น

Apple ยังไม่ได้ยืนยันข้อมูล AirPods ติดกล้อง

แม้จะพบข้อความอ้างอิงใน iOS 27 Beta 2 แต่ Apple ยังไม่ได้ประกาศรายละเอียดเกี่ยวกับผลิตภัณฑ์รหัส B790 หรือ AirPods ที่ติดตั้งกล้องอย่างเป็นทางการ

ข้อมูลภายในซอฟต์แวร์รุ่นทดสอบสามารถเปลี่ยนแปลงหรือนำออกก่อนเปิดตัวเวอร์ชันสมบูรณ์ได้ นอกจากนี้ ผลิตภัณฑ์ที่อยู่ระหว่างการพัฒนาอาจถูกปรับแผน เลื่อนกำหนดเปิดตัว หรือยกเลิกได้เช่นกัน

จึงต้องติดตามข้อมูลเพิ่มเติมจาก Apple รวมถึงรายละเอียดที่อาจปรากฏใน iOS 27 เวอร์ชันทดสอบรุ่นถัดไป

สรุป

การพบข้อมูลผลิตภัณฑ์รหัส B790 ใน iOS 27 Beta 2 เป็นสัญญาณว่า Apple วางแผนพัฒนาอุปกรณ์สวมใส่ที่สามารถรับภาพจากกล้องสองข้างของศีรษะผู้ใช้งาน ซึ่งมีความเป็นไปได้ว่าจะเป็น AirPods รุ่นใหม่พร้อมกล้องในตัว

AirPods รุ่นดังกล่าวจะทำงานร่วมกับ Visual Intelligence เพื่อช่วยวิเคราะห์วัตถุ ข้อความ สถานที่ และสภาพแวดล้อมรอบตัวผู้ใช้งาน อย่างไรก็ตาม Apple ยังไม่ได้เปิดเผยชื่อผลิตภัณฑ์ สเปก ราคา หรือกำหนดการเปิดตัวอย่างเป็นทางการ

ที่มา 9to5mac

SiamGeek

The post Apple วางแผนพัฒนา AirPods ติดกล้อง รองรับ Visual Intelligence หลังพบข้อมูลใน iOS 27 Beta 2 appeared first on SiamByte.

vivo X300e จะทำตลาดในฐานะสมาร์ตโฟนระดับเรือธงที่เน้นประสิทธิภาพการใช้งาน กล้องถ่ายภาพ และแบตเตอรี่ความจุสูง โดยมีจุดเด่นเป็นชิป Snapdragon 8 Gen 5 หน้าจอ OLED ขนาด 6.59 นิ้ว กล้องหลังซูมแบบ Periscope และแบตเตอรี่ขนาด 7,100mAh

vivo X300e จะใช้หน้าจอ OLED ขนาด 6.59 นิ้ว

มีรายงานว่า vivo X300e จะมาพร้อมหน้าจอ OLED ขนาด 6.59 นิ้ว ใช้ดีไซน์หน้าจอแบน ซึ่งจะช่วยให้การสัมผัสและการแสดงผลบริเวณขอบหน้าจอเป็นธรรมชาติมากขึ้น

ขนาดหน้าจอดังกล่าวจะใหญ่กว่า vivo X300 FE เล็กน้อย ทำให้เหมาะสำหรับการดูวิดีโอ เล่นเกม อ่านเนื้อหา และใช้งานแอปพลิเคชันแบบหลายหน้าต่าง

อย่างไรก็ตาม ข้อมูลเกี่ยวกับความละเอียดหน้าจอ อัตรารีเฟรช และระดับความสว่างสูงสุดยังไม่มีการเปิดเผยออกมาในขณะนี้

ประสิทธิภาพด้วยชิป Snapdragon 8 Gen 5

ด้านการประมวลผล vivo X300e จะใช้ชิป Snapdragon 8 Gen 5 ซึ่งเป็นชิปเซตระดับสูงเช่นเดียวกับที่ใช้ใน vivo X300 FE

ชิปประมวลผลรุ่นนี้จะรองรับการใช้งานที่ต้องการประสิทธิภาพสูง ทั้งการเล่นเกม การถ่ายภาพ การประมวลผลด้วย AI และการเปิดใช้งานหลายแอปพร้อมกัน

สเปกด้านประสิทธิภาพที่มีรายงานออกมา ได้แก่

• ชิปประมวลผล Snapdragon 8 Gen 5
• รองรับการใช้งานแอปพลิเคชันและเกมประสิทธิภาพสูง
• รองรับระบบประมวลผลภาพและฟีเจอร์ AI
• ใช้ชิปเซตรุ่นเดียวกับ vivo X300 FE

ข้อมูลเกี่ยวกับขนาด RAM และพื้นที่จัดเก็บข้อมูลยังไม่มีการระบุ แต่ vivo อาจเปิดตัวหลายตัวเลือกเพื่อให้เหมาะกับผู้ใช้งานแต่ละกลุ่ม

กล้องหลัง 3 ตัว พร้อมระบบซูม Periscope

vivo X300e จะมาพร้อมกล้องหลังจำนวน 3 ตัว โดยเน้นการถ่ายภาพให้ครอบคลุมทั้งระยะปกติ ภาพมุมกว้าง และภาพซูมระยะไกล

ชุดกล้องหลังจะประกอบด้วย

• กล้องหลักความละเอียด 50 ล้านพิกเซล
• กล้อง Periscope Telephoto ความละเอียด 50 ล้านพิกเซล
• กล้อง Ultrawide ความละเอียด 8 ล้านพิกเซล
• กล้องหน้าความละเอียด 50 ล้านพิกเซล

กล้องทั้งหมดจะทำงานร่วมกับเทคโนโลยีการถ่ายภาพและเลนส์จาก ZEISS ซึ่งจะช่วยปรับปรุงรายละเอียด สีสัน การถ่ายภาพบุคคล และการถ่ายภาพในสภาพแสงน้อย

กล้อง Periscope Telephoto ความละเอียด 50 ล้านพิกเซลถือเป็นหนึ่งในจุดเด่นสำคัญ เนื่องจากจะช่วยให้ผู้ใช้งานซูมวัตถุที่อยู่ไกลได้ดีขึ้น โดยยังคงรายละเอียดของภาพไว้ได้มากกว่ากล้องซูมทั่วไป

แบตเตอรี่ขนาดใหญ่ 7,100mAh รองรับชาร์จเร็ว 90W

vivo X300e จะมาพร้อมแบตเตอรี่ความจุ 7,100mAh ซึ่งถือว่าเป็นแบตเตอรี่ขนาดใหญ่สำหรับสมาร์ตโฟนที่มีตัวเครื่องบางไม่ถึง 8 มิลลิเมตร

ตัวเครื่องจะรองรับระบบชาร์จเร็วแบบใช้สายกำลังสูงสุด 90W ช่วยลดระยะเวลาในการชาร์จแบตเตอรี่ และเหมาะกับผู้ใช้งานที่ต้องใช้สมาร์ตโฟนตลอดทั้งวัน

จุดเด่นด้านแบตเตอรี่ประกอบด้วย

• แบตเตอรี่ความจุ 7,100mAh
• รองรับระบบชาร์จเร็วสูงสุด 90W
• ตัวเครื่องบางไม่ถึง 8 มิลลิเมตร
• น้ำหนักประมาณ 203 กรัม

เมื่อเปรียบเทียบกับ vivo X300 FE รุ่น X300e จะมีแบตเตอรี่และหน้าจอที่ใหญ่ขึ้น แต่ยังสามารถรักษาความบางและน้ำหนักให้อยู่ในระดับที่เหมาะสมกับการใช้งานประจำวัน

ดีไซน์กล้องหลังแบบสี่เหลี่ยมบริเวณมุมเครื่อง

แม้ว่ายังไม่มีภาพตัวเครื่อง vivo X300e ออกมาอย่างชัดเจน แต่มีรายงานว่าโมดูลกล้องหลังจะใช้การจัดวางแบบทรงสี่เหลี่ยมบริเวณมุมซ้ายบนของฝาหลัง

ดีไซน์ดังกล่าวจะแตกต่างจากสมาร์ตโฟน vivo X Series หลายรุ่นที่นิยมใช้โมดูลกล้องทรงกลมขนาดใหญ่ และยังแตกต่างจาก vivo X300 FE ที่จัดเรียงกล้องในแนวนอน

การเปลี่ยนรูปแบบโมดูลกล้องอาจช่วยให้ vivo X300e มีเอกลักษณ์แตกต่างจากรุ่นอื่นในตระกูลเดียวกัน และทำให้สามารถจัดวางกล้อง Periscope กับชิ้นส่วนภายในได้อย่างเหมาะสมมากขึ้น

สรุปสเปก vivo X300e จากข้อมูลล่าสุด

สเปกสำคัญของ vivo X300e ที่มีรายงานออกมา มีดังนี้

• หน้าจอ OLED ขนาด 6.59 นิ้ว
• ดีไซน์หน้าจอแบน
• ชิปประมวลผล Snapdragon 8 Gen 5
• กล้องหลักความละเอียด 50 ล้านพิกเซล
• กล้อง Periscope Telephoto ความละเอียด 50 ล้านพิกเซล
• กล้อง Ultrawide ความละเอียด 8 ล้านพิกเซล
• กล้องหน้าความละเอียด 50 ล้านพิกเซล
• เทคโนโลยีกล้องและเลนส์จาก ZEISS
• แบตเตอรี่ความจุ 7,100mAh
• รองรับชาร์จเร็ว 90W
• ตัวเครื่องบางไม่ถึง 8 มิลลิเมตร
• น้ำหนักประมาณ 203 กรัม
• โมดูลกล้องหลังทรงสี่เหลี่ยมบริเวณมุมซ้ายบน

vivo X300e แตกต่างจาก vivo X300 FE อย่างไร

จากข้อมูลที่เปิดเผยออกมา vivo X300e จะมีพื้นฐานหลายด้านใกล้เคียงกับ vivo X300 FE โดยเฉพาะการใช้ชิป Snapdragon 8 Gen 5 และการเน้นระบบกล้องระดับสูง

อย่างไรก็ตาม vivo X300e จะมีหน้าจอและแบตเตอรี่ขนาดใหญ่กว่า รวมถึงใช้ดีไซน์โมดูลกล้องหลังที่แตกต่างออกไป จึงอาจเป็นตัวเลือกสำหรับผู้ใช้งานที่ต้องการระยะเวลาการใช้งานแบตเตอรี่ที่ยาวนานขึ้น แต่ยังต้องการตัวเครื่องที่บางและไม่หนักจนเกินไป

สรุป

vivo X300e จะเป็นสมาร์ตโฟนอีกหนึ่งรุ่นในตระกูล X300 ที่เน้นความสมดุลระหว่างประสิทธิภาพ กล้อง และแบตเตอรี่ โดยมีจุดเด่นเป็นชิป Snapdragon 8 Gen 5 กล้องหลักและกล้อง Periscope ความละเอียด 50 ล้านพิกเซล พร้อมระบบถ่ายภาพจาก ZEISS

แบตเตอรี่ขนาด 7,100mAh และระบบชาร์จเร็ว 90W จะทำให้ vivo X300e เหมาะกับผู้ที่ใช้งานสมาร์ตโฟนอย่างต่อเนื่องตลอดทั้งวัน ขณะที่ตัวเครื่องยังมีความบางไม่ถึง 8 มิลลิเมตรและมีน้ำหนักประมาณ 203 กรัม

ขณะนี้ vivo ยังไม่ได้ประกาศรายละเอียดวันเปิดตัว ราคา รุ่นความจุ และประเทศที่จะวางจำหน่ายอย่างเป็นทางการ จึงต้องติดตามข้อมูลเพิ่มเติมจากบริษัทในลำดับต่อไป

ที่มา gsmarena

SiamGeek

The post vivo X300e วางแผนมาพร้อม Snapdragon 8 Gen 5 แบตเตอรี่ 7,100mAh และกล้อง ZEISS appeared first on SiamByte.