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.

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.

เหตุการณ์นี้ได้รับความสนใจอย่างมาก เพราะที่ผ่านมาอุตสาหกรรมเทคโนโลยีมักพบข่าวบริษัทในสหรัฐฯ จำกัดการใช้งานฮาร์ดแวร์และซอฟต์แวร์จากจีนด้วยเหตุผลด้านความมั่นคงและความปลอดภัยของข้อมูล แต่กรณีของ Alibaba กลับเป็นสถานการณ์ในทิศทางตรงกันข้าม

อย่างไรก็ตาม ข้อมูลเกี่ยวกับคำสั่งภายในของ Alibaba ยังไม่ได้รับการยืนยันอย่างเป็นทางการจากบริษัท จึงควรติดตามประกาศเพิ่มเติมจากทั้ง Alibaba และ Anthropic ก่อนสรุปรายละเอียดทั้งหมด

Alibaba วางแผนห้ามใช้ Claude Code ภายในบริษัท

Claude Code เป็นเครื่องมือปัญญาประดิษฐ์สำหรับช่วยเขียน ตรวจสอบ และแก้ไขโค้ด พัฒนาโดย Anthropic บริษัท AI จากสหรัฐฯ เครื่องมือนี้สามารถเข้าถึงไฟล์ โค้ด และข้อมูลภายในโปรเจกต์ของผู้ใช้งานได้ตามสิทธิ์ที่ได้รับ

มีรายงานว่า Alibaba กังวลว่าการใช้ Claude Code ภายในองค์กรอาจทำให้ข้อมูลสำคัญ เช่น ซอร์สโค้ด โครงสร้างระบบ เอกสารทางเทคนิค หรือข้อมูลการพัฒนาผลิตภัณฑ์ ถูกส่งออกไปประมวลผลบนระบบภายนอก

มาตรการที่มีการกล่าวถึงประกอบด้วย

• ห้ามพนักงานใช้ Claude Code กับงานของบริษัท
• ให้ลบเครื่องมือและโมเดลที่เกี่ยวข้องกับ Claude ออกจากอุปกรณ์
• จำกัดการส่งซอร์สโค้ดหรือข้อมูลภายในไปยังบริการ AI จากภายนอก
• แนะนำให้พนักงานเปลี่ยนไปใช้เครื่องมือ AI ที่บริษัทพัฒนาขึ้นเอง
• เพิ่มการตรวจสอบซอฟต์แวร์ AI ที่สามารถเข้าถึงข้อมูลภายในองค์กร

นักวิจัยพบระบบติดตามผู้ใช้งานจากประเทศจีน

ประเด็นสำคัญที่ทำให้เกิดความกังวลมาจากการค้นพบของนักวิจัยด้านความปลอดภัยรายหนึ่ง ซึ่งระบุว่าระบบของ Anthropic มีโค้ดสำหรับตรวจสอบหรือจำแนกผู้ใช้งานที่เชื่อมโยงกับประเทศจีน

ระบบดังกล่าวอาจพิจารณาข้อมูลหลายประเภท เช่น เขตเวลาของอุปกรณ์ รายชื่อโดเมนที่เกี่ยวข้องกับจีน และข้อมูลแวดล้อมอื่น ๆ เพื่อระบุว่าผู้ใช้งานกำลังเข้าถึงบริการจากพื้นที่หรือองค์กรใด

การตรวจสอบลักษณะนี้ทำให้เกิดคำถามเกี่ยวกับความเป็นส่วนตัวและขอบเขตการเก็บข้อมูล โดยเฉพาะเมื่อเครื่องมือ AI ถูกใช้งานในบริษัทเทคโนโลยีที่มีซอร์สโค้ดและทรัพย์สินทางปัญญามูลค่าสูง

อย่างไรก็ตาม การมีระบบตรวจสอบตำแหน่งหรือภูมิภาคของผู้ใช้งานไม่ได้หมายความว่าจะมีการส่งมอบข้อมูลให้หน่วยงานรัฐบาลโดยอัตโนมัติ และยังไม่มีหลักฐานยืนยันว่าข้อมูลภายในของ Alibaba รั่วไหลผ่าน Claude

Anthropic ระบุว่าเป็นมาตรการป้องกันการใช้งานโดยไม่ได้รับอนุญาต

ก่อนหน้านี้ Anthropic เคยอธิบายว่าการตรวจสอบผู้ใช้งานบางกลุ่มเป็นมาตรการทดลองสำหรับป้องกันการนำบริการ Claude ไปจำหน่ายต่อโดยไม่ได้รับอนุญาต รวมถึงป้องกันการนำผลลัพธ์จากโมเดลไปใช้สร้างหรือฝึกโมเดลคู่แข่ง

หนึ่งในประเด็นที่บริษัท AI ให้ความสำคัญคือกระบวนการ Model Distillation ซึ่งผู้พัฒนาอาจส่งคำถามจำนวนมากไปยังโมเดลที่มีความสามารถสูง จากนั้นนำคำตอบที่ได้รับไปใช้เป็นข้อมูลสำหรับฝึกโมเดลของตนเอง

Anthropic กังวลว่ากระบวนการดังกล่าวอาจทำให้บริษัทอื่นสามารถถ่ายทอดความสามารถบางส่วนของ Claude ไปยังโมเดลคู่แข่ง โดยไม่ต้องลงทุนด้านข้อมูลและการฝึกโมเดลในระดับเดียวกัน

Alibaba เคยถูกกล่าวถึงในประเด็นการฝึกโมเดล Qwen

Alibaba เป็นผู้พัฒนาโมเดลภาษาขนาดใหญ่ในตระกูล Qwen ซึ่งได้รับความนิยมทั้งในจีนและตลาดนักพัฒนาแบบโอเพนซอร์ส

ที่ผ่านมา Anthropic เคยกล่าวถึงความพยายามของบริษัท AI บางแห่งในการใช้คำตอบจาก Claude เพื่อพัฒนาโมเดลของตนเอง โดย Alibaba และโมเดล Qwen เป็นหนึ่งในชื่อที่ปรากฏอยู่ในการรายงานเกี่ยวกับประเด็นนี้

อย่างไรก็ตาม รายละเอียดเกี่ยวกับวิธีการ ปริมาณข้อมูล และผลกระทบต่อการพัฒนา Qwen ยังมีข้อมูลสาธารณะอย่างจำกัด จึงไม่ควรสรุปว่าโมเดล Qwen ทั้งหมดถูกสร้างขึ้นจากข้อมูลของ Claude

Alibaba จะผลักดัน Qoder เป็นทางเลือกแทน Claude Code

มีรายงานว่า Alibaba จะแนะนำให้พนักงานใช้ Qoder ซึ่งเป็นเครื่องมือ AI สำหรับช่วยเขียนโค้ดที่บริษัทพัฒนาขึ้นเองแทน Claude Code

การใช้เครื่องมือภายในช่วยให้ Alibaba สามารถควบคุมตำแหน่งจัดเก็บข้อมูล การประมวลผล สิทธิ์การเข้าถึง และนโยบายความปลอดภัยได้ง่ายกว่าการใช้บริการจากบริษัทภายนอก

ข้อได้เปรียบของการใช้ AI ที่องค์กรพัฒนาหรือควบคุมเอง ได้แก่

• ควบคุมการจัดเก็บซอร์สโค้ดและข้อมูลภายในได้มากขึ้น
• กำหนดสิทธิ์การเข้าถึงตามแผนกหรือหน้าที่ของพนักงาน
• ตรวจสอบประวัติการใช้งานได้ภายในองค์กร
• ปรับแต่งโมเดลให้เหมาะกับระบบและมาตรฐานการเขียนโค้ดของบริษัท
• ลดการพึ่งพาแพลตฟอร์ม AI จากต่างประเทศ
• รองรับข้อกำหนดด้านกฎหมายและความปลอดภัยของข้อมูลในจีน

ความกังวลเรื่องรัฐบาลสหรัฐฯ ควบคุมโมเดล AI

อีกหนึ่งปัจจัยที่อาจทำให้บริษัทจีนเพิ่มความระมัดระวังคือบทบาทของรัฐบาลสหรัฐฯ ต่อการควบคุมเทคโนโลยี AI และการส่งออกโมเดลประสิทธิภาพสูง

กรณีที่เกี่ยวข้องกับโมเดล Mythos และ Fable 5 ถูกนำมาใช้เป็นตัวอย่างว่าบริษัท AI ในสหรัฐฯ อาจต้องปรับเปลี่ยนหรือจำกัดการให้บริการตามคำสั่ง มาตรการ หรือกฎหมายของรัฐบาลสหรัฐฯ

สำหรับบริษัทจีน ประเด็นนี้อาจสร้างความกังวลว่าบริการ AI ที่ใช้งานอยู่สามารถถูกระงับ จำกัดการเข้าถึง หรือตรวจสอบเพิ่มเติมได้ในอนาคต แม้จะมีสัญญาการใช้งานระหว่างบริษัทก็ตาม

ความเสี่ยงจึงไม่ได้จำกัดอยู่เพียงเรื่องข้อมูลรั่วไหล แต่ยังรวมถึงความต่อเนื่องในการให้บริการและการพึ่งพาเทคโนโลยีจากประเทศที่มีข้อขัดแย้งด้านการค้าและเทคโนโลยี

บริษัททั่วโลกเริ่มควบคุมการใช้ AI เขียนโค้ด

กรณีของ Alibaba สะท้อนให้เห็นแนวโน้มที่หลายองค์กรเริ่มกำหนดนโยบายควบคุมการใช้ Generative AI และเครื่องมือ AI เขียนโค้ดอย่างจริงจัง

แม้เครื่องมือเหล่านี้จะช่วยเพิ่มความรวดเร็วในการพัฒนาซอฟต์แวร์ แต่ก็มีความเสี่ยงเมื่อพนักงานนำข้อมูลสำคัญไปป้อนเข้าสู่ระบบ เช่น

• ซอร์สโค้ดที่เป็นความลับของบริษัท
• API Key และรหัสผ่านของระบบ
• ข้อมูลลูกค้าและข้อมูลส่วนบุคคล
• โครงสร้างฐานข้อมูล
• ช่องโหว่ด้านความปลอดภัย
• เอกสารการออกแบบระบบภายใน
• แผนพัฒนาผลิตภัณฑ์ที่ยังไม่เปิดเผย

หลายบริษัทจึงเลือกอนุญาตเฉพาะเครื่องมือ AI ที่ผ่านการตรวจสอบ หรือใช้งานโมเดลภายในระบบ Private Cloud และ On-Premise เพื่อป้องกันข้อมูลออกจากเครือข่ายองค์กร

สรุป Alibaba วางแผนแบน Claude Code

มีรายงานว่า Alibaba วางแผนห้ามพนักงานใช้ Claude Code และจะให้ลบเครื่องมือที่เกี่ยวข้องกับ Claude ออกจากคอมพิวเตอร์ของบริษัท หลังเกิดความกังวลเกี่ยวกับระบบตรวจสอบผู้ใช้งานจากประเทศจีนและความเสี่ยงที่ข้อมูลภายในอาจถูกประมวลผลโดยบริษัทจากสหรัฐฯ

Alibaba จะผลักดัน Qoder ซึ่งเป็นเครื่องมือ AI เขียนโค้ดของบริษัทเองมาใช้งานแทน เพื่อเพิ่มการควบคุมข้อมูล ลดการพึ่งพาเทคโนโลยีต่างประเทศ และลดความเสี่ยงจากข้อจำกัดด้านกฎหมายหรือการเมืองระหว่างประเทศ

อย่างไรก็ตาม ข้อมูลเกี่ยวกับคำสั่งภายในดังกล่าวยังไม่ได้รับการยืนยันอย่างเป็นทางการจาก Alibaba และยังไม่มีหลักฐานว่าความลับของบริษัทถูกส่งไปยังรัฐบาลสหรัฐฯ เหตุการณ์นี้จึงควรถูกมองเป็นประเด็นด้านนโยบายความปลอดภัยและความเสี่ยงของการใช้ AI ภายนอกองค์กร มากกว่าการยืนยันว่ามีข้อมูลรั่วไหลเกิดขึ้นแล้ว

ที่มา The Next Web

MiloMeowTech

The post Alibaba วางแผนห้ามพนักงานใช้ Claude Code หวั่นข้อมูลบริษัทรั่วไหลไปยังสหรัฐฯ appeared first on SiamByte.

ตัวเลขการผลิตดังกล่าวสูงกว่าข้อมูลก่อนหน้านี้ที่ระบุว่า Apple จะเริ่มผลิต iPhone จอพับประมาณ 7-8 ล้านเครื่อง สะท้อนให้เห็นว่าบริษัทอาจต้องการเตรียมสินค้าให้เพียงพอต่อความสนใจของตลาดหลังเปิดตัว

Apple วางแผนผลิต iPhone Ultra จอพับ 10 ล้านเครื่อง

รายงานจาก Nikkei Asia ซึ่งอ้างอิงข้อมูลจากแหล่งข่าวที่เกี่ยวข้องกับห่วงโซ่อุปทานระบุว่า Apple ได้แจ้งให้ผู้ผลิตชิ้นส่วนและโรงงานประกอบเตรียมกำลังการผลิต iPhone จอพับประมาณ 10 ล้านเครื่องในปี 2026

แม้จำนวนดังกล่าวจะยังน้อยกว่า iPhone รุ่นปกติ แต่ถือเป็นยอดการผลิตที่ค่อนข้างสูงสำหรับสินค้าในกลุ่มใหม่ โดยเฉพาะสมาร์ตโฟนจอพับระดับพรีเมียมที่อาจมีราคาเริ่มต้นมากกว่า 2,000 ดอลลาร์สหรัฐ

การสั่งผลิตจำนวนมากตั้งแต่ช่วงแรกอาจช่วยให้ Apple ลดความเสี่ยงจากปัญหาสินค้าขาดตลาด และรองรับความต้องการจากผู้ใช้งานที่รอสมาร์ตโฟนจอพับจาก Apple มาเป็นเวลานาน

iPhone Ultra จะเปิดตัวพร้อม iPhone 18 Pro

iPhone จอพับรุ่นแรกของ Apple จะทำตลาดในชื่อ iPhone Ultra ตามข้อมูลที่เผยแพร่ออกมา และจะเปิดตัวพร้อมกับสมาร์ตโฟนระดับเรือธงอีก 2 รุ่น ได้แก่

• iPhone Ultra
• iPhone 18 Pro
• iPhone 18 Pro Max

Apple จะจัดงานเปิดตัวผลิตภัณฑ์กลุ่มดังกล่าวในวันที่ 8 กันยายน 2026 อย่างไรก็ตาม กำหนดการเปิดตัวอย่างเป็นทางการยังต้องรอการยืนยันจากบริษัทอีกครั้ง

การนำชื่อ Ultra มาใช้กับ iPhone จอพับอาจช่วยวางตำแหน่งผลิตภัณฑ์ให้อยู่เหนือรุ่น Pro Max โดยเน้นไปที่เทคโนโลยีใหม่ วัสดุระดับพรีเมียม หน้าจอขนาดใหญ่ และราคาจำหน่ายที่สูงกว่าสมาร์ตโฟนทั่วไป

Apple เตรียมผลิต iPhone 18 Pro เพิ่มอีก 70 ล้านเครื่อง

นอกจาก iPhone Ultra จอพับแล้ว Apple ยังได้สั่งให้ซัพพลายเออร์เตรียมผลิต iPhone 18 Pro และ iPhone 18 Pro Max รวมกันอีกประมาณ 70 ล้านเครื่อง

เมื่อรวมกับ iPhone รุ่นอื่นภายในปีเดียวกัน Apple จะตั้งเป้าหมายการผลิต iPhone รุ่นใหม่ในปี 2026 ไว้ที่ประมาณ 220 ล้านเครื่อง ซึ่งเป็นตัวเลขที่รวมทั้งสมาร์ตโฟนระดับมาตรฐาน รุ่น Pro และรุ่นจอพับ

ตัวเลขการผลิตเบื้องต้นประกอบด้วยข้อมูลสำคัญดังนี้

• iPhone Ultra จอพับประมาณ 10 ล้านเครื่อง
• iPhone 18 Pro และ iPhone 18 Pro Max ประมาณ 70 ล้านเครื่อง
• เป้าหมายการผลิต iPhone รุ่นใหม่รวมประมาณ 220 ล้านเครื่องในปี 2026
• ซัพพลายเออร์บางรายอาจต้องรองรับคำสั่งผลิตเพิ่มเติมอีกสูงสุด 85 ล้านเครื่อง

รายงานยังระบุว่า Apple ได้แจ้งให้ซัพพลายเออร์บางรายเตรียมความพร้อมสำหรับคำสั่งซื้อเพิ่มเติมในช่วงครึ่งหลังของปี 2026 หากความต้องการของตลาดสูงกว่าที่ประเมินไว้

Apple จะนำชิ้นส่วน iPhone 17 มาใช้กับ iPhone 18 บางส่วน

Apple ได้ขอให้ซัพพลายเออร์สำรองชิ้นส่วนบางประเภทของ iPhone 17 เพื่อนำไปใช้กับ iPhone 18 Series ด้วย แนวทางดังกล่าวอาจช่วยลดต้นทุนการผลิต เพิ่มความคล่องตัวของห่วงโซ่อุปทาน และป้องกันปัญหาการขาดแคลนชิ้นส่วนระหว่างการเปิดตัวผลิตภัณฑ์รุ่นใหม่

อย่างไรก็ตาม รายงานไม่ได้เปิดเผยรายละเอียดว่าชิ้นส่วนใดจะถูกนำกลับมาใช้ร่วมกัน แต่มีความเป็นไปได้ว่าจะเป็นชิ้นส่วนภายในบางรายการที่ไม่จำเป็นต้องเปลี่ยนแปลงทุกปี เช่น โมดูลเชื่อมต่อ ชิ้นส่วนโครงสร้าง หรืออุปกรณ์ภายในบางประเภท

การใช้ชิ้นส่วนร่วมกันระหว่าง iPhone แต่ละรุ่นไม่ใช่เรื่องใหม่ เนื่องจากช่วยให้ Apple สามารถควบคุมต้นทุนและรักษากำลังการผลิตในระดับสูงได้ง่ายขึ้น

ราคา iPhone Ultra อาจเริ่มต้นประมาณ 2,500 ดอลลาร์

iPhone Ultra จอพับจะเป็นหนึ่งใน iPhone ที่มีราคาสูงที่สุดของ Apple โดยมีรายงานว่าราคาเริ่มต้นอาจอยู่ที่ประมาณ 2,500 ดอลลาร์สหรัฐ และอาจเพิ่มขึ้นไปถึง 3,000 ดอลลาร์สหรัฐสำหรับรุ่นที่มีพื้นที่จัดเก็บข้อมูลสูง

ราคาที่มีการกล่าวถึงในเบื้องต้นมีดังนี้

• รุ่นเริ่มต้นประมาณ 2,500 ดอลลาร์สหรัฐ
• รุ่นพื้นที่จัดเก็บข้อมูลสูงประมาณ 3,000 ดอลลาร์สหรัฐ
• เมื่อแปลงเป็นเงินไทยอาจอยู่ที่ประมาณ 90,000-110,000 บาท โดยยังไม่รวมภาษีและปัจจัยด้านราคาในแต่ละประเทศ

ราคาจำหน่ายจริงในประเทศไทยอาจแตกต่างจากการแปลงค่าเงินโดยตรง เนื่องจากยังมีต้นทุนด้านภาษี อัตราแลกเปลี่ยน การรับประกัน และนโยบายกำหนดราคาของ Apple ในแต่ละภูมิภาค

iPhone Ultra จะเป็นผลิตภัณฑ์ระดับพรีเมียมที่สุดของ Apple

การวางแผนเปิดตัว iPhone จอพับภายใต้ชื่อ Ultra อาจหมายความว่า Apple จะไม่ทำตลาดอุปกรณ์รุ่นนี้เพื่อแข่งขันด้านราคา แต่จะเน้นกลุ่มผู้ใช้งานที่ต้องการเทคโนโลยีใหม่และยอมจ่ายในราคาสูง

จุดเด่นที่อาจถูกนำมาใช้กับ iPhone Ultra ประกอบด้วย

• หน้าจอพับได้ขนาดใหญ่สำหรับการทำงานและความบันเทิง
• ตัวเครื่องระดับพรีเมียมและบานพับที่ออกแบบให้มีความทนทาน
• การทำงานร่วมกับระบบปฏิบัติการ iOS ที่ปรับให้รองรับหน้าจอพับ
• ประสิทธิภาพระดับเดียวกับหรือสูงกว่า iPhone 18 Pro
• กล้องระดับเรือธง
• พื้นที่จัดเก็บข้อมูลหลายตัวเลือก
• การรองรับฟีเจอร์ปัญญาประดิษฐ์และการทำงานหลายหน้าต่าง

รายละเอียดด้านดีไซน์ หน้าจอ กล้อง แบตเตอรี่ และชิปประมวลผลยังไม่มีการเปิดเผยอย่างเป็นทางการจาก Apple จึงต้องติดตามข้อมูลเพิ่มเติมก่อนถึงช่วงเปิดตัว

การสั่งผลิต 10 ล้านเครื่องสะท้อนความมั่นใจของ Apple

การวางแผนผลิต iPhone จอพับจำนวน 10 ล้านเครื่องตั้งแต่ปีแรกถือเป็นตัวเลขที่น่าสนใจ เพราะสมาร์ตโฟนจอพับยังเป็นตลาดเฉพาะกลุ่มเมื่อเทียบกับโทรศัพท์แบบทั่วไป

หากข้อมูลดังกล่าวเป็นจริง อาจสะท้อนว่า Apple มองเห็นความต้องการจากผู้ใช้งานระดับพรีเมียม และต้องการเข้าสู่ตลาดด้วยจำนวนสินค้าที่เพียงพอ แทนที่จะเริ่มทดลองตลาดด้วยยอดผลิตจำนวนน้อย

Apple ยังสามารถใช้ฐานลูกค้าเดิม ระบบนิเวศของอุปกรณ์ และความแข็งแกร่งของแบรนด์เข้ามาช่วยผลักดัน iPhone Ultra ให้ได้รับความสนใจจากผู้ใช้งานทั่วโลกได้อย่างรวดเร็ว

สรุป

Apple วางแผนผลิต iPhone Ultra จอพับประมาณ 10 ล้านเครื่องในปี 2026 และจะเปิดตัวพร้อมกับ iPhone 18 Pro และ iPhone 18 Pro Max ในเดือนกันยายน โดยบริษัทยังเตรียมผลิตรุ่น Pro เพิ่มอีกประมาณ 70 ล้านเครื่อง และตั้งเป้ายอดการผลิต iPhone รุ่นใหม่รวมประมาณ 220 ล้านเครื่อง

iPhone Ultra อาจมีราคาเริ่มต้นประมาณ 2,500 ดอลลาร์สหรัฐ และเพิ่มขึ้นถึง 3,000 ดอลลาร์สหรัฐในรุ่นความจุสูง ทำให้ผลิตภัณฑ์รุ่นนี้จะอยู่ในกลุ่มสมาร์ตโฟนพรีเมียมระดับสูงสุดของ Apple

อย่างไรก็ตาม ข้อมูลเกี่ยวกับชื่อผลิตภัณฑ์ ราคา จำนวนการผลิต และวันเปิดตัวยังมาจากรายงานของแหล่งข่าวภายนอก จึงต้องรอการประกาศอย่างเป็นทางการจาก Apple อีกครั้ง

SiamGeek

The post Apple วางแผนผลิต iPhone Ultra จอพับ 10 ล้านเครื่อง เตรียมเปิดตัวพร้อม iPhone 18 Pro appeared first on SiamByte.

การกลับมาให้บริการครั้งนี้เกิดขึ้นหลังจากกระทรวงพาณิชย์สหรัฐฯ อนุญาตให้ Anthropic เปิดใช้งาน Claude Fable 5 และ Claude Mythos 5 อีกครั้ง ภายใต้เงื่อนไขด้านความปลอดภัยและการติดตามความเสี่ยงจากการใช้งานโมเดลปัญญาประดิษฐ์ขั้นสูง

Anthropic ยืนยัน Claude Fable 5 จะกลับมาให้บริการ

Anthropic เปิดเผยผ่านบัญชีบนแพลตฟอร์ม X ว่า กระทรวงพาณิชย์สหรัฐฯ ได้ยกเลิกข้อจำกัดที่เกี่ยวข้องกับ Claude Fable 5 และ Claude Mythos 5 แล้ว โดยบริษัทจะเริ่มกระบวนการคืนการเข้าถึงตั้งแต่วันที่ 1 กรกฎาคมเป็นต้นไป

อย่างไรก็ตาม Anthropic ยังไม่ได้เปิดเผยรายละเอียดอย่างชัดเจนว่า Claude Fable 5 จะกลับมาเปิดให้ผู้ใช้งานทั่วโลกเข้าถึงพร้อมกันหรือไม่ รวมถึงยังไม่มีข้อมูลว่าบริษัทจะเปิดให้บริการแบบเต็มรูปแบบทันที หรือจะทยอยเปิดใช้งานเป็นระยะ

บริษัทระบุว่าจะเผยแพร่ข้อมูลเพิ่มเติมเกี่ยวกับการเปิดให้บริการอีกครั้งในเร็ว ๆ นี้ ซึ่งรายละเอียดอย่างเป็นทางการอาจถูกประกาศผ่านหน้า Newsroom ของ Anthropic

เหตุผลที่ Claude Fable 5 ถูกนำออกจากระบบ

Anthropic นำ Claude Mythos 5 และ Claude Fable 5 ออกจากระบบเมื่อวันที่ 12 มิถุนายน หลังจากรัฐบาลสหรัฐฯ ออกข้อกำหนดควบคุมการเข้าถึงโมเดล AI ที่มีความสามารถขั้นสูง

ข้อกำหนดดังกล่าวไม่อนุญาตให้บุคคลต่างชาติสามารถเข้าถึงโมเดลเหล่านี้ได้ ไม่ว่าจะพำนักอยู่ภายในหรือภายนอกสหรัฐอเมริกา รวมถึงพนักงานชาวต่างชาติที่ทำงานอยู่ภายใน Anthropic ด้วย

ตามข้อมูลที่เผยแพร่ก่อนหน้านี้ Anthropic มีเวลาประมาณ 90 นาทีในการดำเนินการตามข้อกำหนด บริษัทจึงตัดสินใจปิดให้บริการโมเดลทั้งสองรุ่นเป็นการชั่วคราว เพื่อป้องกันการเข้าถึงที่อาจขัดต่อมาตรการของรัฐบาล

Claude Mythos 5 และ Claude Fable 5 แตกต่างกันอย่างไร

ก่อนเกิดเหตุการณ์ดังกล่าว Anthropic เคยเปิดตัว Claude Mythos Preview ซึ่งเป็นโมเดลที่มีความสามารถสูงและต้องควบคุมการเข้าถึงอย่างเข้มงวด โดยเปิดให้ใช้งานผ่านโครงการที่เรียกว่า Project Glassing

หลังจากนั้นบริษัทได้เปิดตัวโมเดลรุ่นที่ปรับระดับความสามารถและการเข้าถึงออกเป็นสองกลุ่ม ได้แก่

• Claude Mythos 5 เปิดให้ใช้งานเฉพาะหน่วยงานหรือองค์กรที่ได้รับอนุญาต
• Claude Fable 5 เปิดให้สมาชิกของบริการ Claude สามารถใช้งานได้ในวงกว้างกว่า
• Claude Mythos Preview เป็นรุ่นที่มีข้อจำกัดด้านการเข้าถึงสูงที่สุด
• Project Glassing เป็นโครงการสำหรับควบคุมและตรวจสอบผู้ใช้งานโมเดลขั้นสูง

Claude Fable 5 จึงเป็นโมเดลที่ได้รับความสนใจจากผู้ใช้งานทั่วไปมากกว่า เนื่องจากเคยเปิดให้สมาชิก Claude เข้าถึงได้โดยตรงก่อนถูกนำออกจากระบบ

ประเด็นด้านความปลอดภัยทางไซเบอร์

ตามรายงานของ The Wall Street Journal นักวิจัยจาก Amazon พบว่าการใช้ชุดคำสั่งบางรูปแบบอาจทำให้ Claude Fable 5 ให้ข้อมูลที่สามารถนำไปประยุกต์ใช้กับการโจมตีทางไซเบอร์ได้

รายงานยังระบุถึงการหารือระหว่าง Andy Jassy ประธานเจ้าหน้าที่บริหารของ Amazon กับเจ้าหน้าที่ภายในทำเนียบขาว ซึ่งมีส่วนทำให้หน่วยงานรัฐบาลสหรัฐฯ เริ่มตรวจสอบความปลอดภัยของโมเดลอย่างจริงจังมากขึ้น

เหตุการณ์ดังกล่าวนำไปสู่การออกมาตรการควบคุมการส่งออกเมื่อวันที่ 12 มิถุนายน และทำให้ Anthropic ต้องระงับการให้บริการโมเดลทั้งสองรุ่นทันที

รัฐบาลสหรัฐฯ ยกเลิกข้อจำกัดหลังเจรจากับ Anthropic

หลังจากโมเดลถูกนำออกจากระบบ Anthropic ได้เจรจากับรัฐบาลสหรัฐฯ เกี่ยวกับแนวทางรักษาความปลอดภัย การตรวจสอบความเสี่ยง และมาตรการป้องกันการนำโมเดลไปใช้งานในทางที่ไม่เหมาะสม

ก่อนหน้านี้ Anthropic ได้รับอนุญาตให้เปิด Claude Mythos 5 แก่สถาบันในสหรัฐฯ มากกว่า 100 แห่ง ขณะที่บริษัทยังคงทำงานร่วมกับรัฐบาลเพื่อขอเปิด Claude Fable 5 ให้ผู้ใช้งานในวงกว้างกลับมาใช้งานอีกครั้ง

ต่อมา Politico รายงานว่ารัฐบาลสหรัฐฯ ได้ยกเลิกข้อจำกัดด้านการส่งออกสำหรับ Claude Fable 5 และ Claude Mythos 5 ในช่วงเย็นวันอังคาร โดยมีเป้าหมายเพื่อยุติปัญหาที่เกิดขึ้นจากมาตรการควบคุมโมเดล AI ขั้นสูง

เงื่อนไขใหม่ที่ Anthropic ต้องดำเนินการ

จดหมายจากกระทรวงพาณิชย์สหรัฐฯ ระบุว่า Anthropic ไม่จำเป็นต้องขอใบอนุญาตส่งออกสำหรับโมเดลดังกล่าวอีกต่อไป หลังจากบริษัทยอมรับเงื่อนไขด้านความปลอดภัยเพิ่มเติม

แนวทางสำคัญที่ Anthropic จะต้องดำเนินการประกอบด้วย

• ตรวจจับความเสี่ยงด้านความปลอดภัยที่เกี่ยวข้องกับโมเดลล่วงหน้า
• จัดการและแก้ไขช่องโหว่ที่อาจเกิดขึ้นจากการใช้งาน
• ทำงานร่วมกับรัฐบาลเพื่อสร้างแนวทางสำหรับการเปิดตัวโมเดลในอนาคต
• รายงานกิจกรรมที่เป็นอันตรายหรือการนำโมเดลไปใช้งานผิดวัตถุประสงค์
• เพิ่มระบบติดตามและตรวจสอบพฤติกรรมการใช้งานที่มีความเสี่ยง

Howard Lutnick รัฐมนตรีว่าการกระทรวงพาณิชย์สหรัฐฯ เปิดเผยว่า เจ้าหน้าที่ได้ใช้เวลาประมาณสองสัปดาห์ในการตรวจสอบและประเมินโมเดลร่วมกับ Anthropic ก่อนอนุญาตให้บริษัทเปิดให้บริการอีกครั้ง

Claude Fable 5 จะเปิดให้ใครบ้าง

แม้ Anthropic จะยืนยันวันเริ่มคืนการเข้าถึง Claude Fable 5 แล้ว แต่บริษัทยังไม่ได้ระบุกลุ่มผู้ใช้งานที่จะได้รับสิทธิ์อย่างชัดเจน

ประเด็นที่ยังต้องรอประกาศเพิ่มเติม ได้แก่

• Claude Fable 5 จะเปิดให้ผู้ใช้งานทั่วโลกหรือเฉพาะบางประเทศ
• สมาชิก Claude ทุกแพ็กเกจจะสามารถใช้งานได้หรือไม่
• การคืนการเข้าถึงจะเกิดขึ้นพร้อมกันหรือทยอยเปิดเป็นรอบ
• บริษัทจะเพิ่มข้อจำกัดหรือระบบตรวจสอบการใช้งานใหม่หรือไม่
• Claude Mythos 5 จะยังคงจำกัดเฉพาะองค์กรที่ได้รับอนุญาตหรือไม่

ผู้ใช้งานที่เคยมีสิทธิ์เข้าถึง Claude Fable 5 จึงควรติดตามประกาศจาก Anthropic โดยตรง เนื่องจากการกลับมาให้บริการอาจแตกต่างกันตามบัญชี ประเทศ และประเภทสมาชิก

สรุปการกลับมาของ Claude Fable 5

Anthropic จะเริ่มคืนการเข้าถึง Claude Fable 5 ตั้งแต่วันที่ 1 กรกฎาคม หลังจากรัฐบาลสหรัฐฯ ยกเลิกข้อจำกัดด้านการส่งออกที่ทำให้บริษัทต้องนำโมเดลออกจากระบบเมื่อวันที่ 12 มิถุนายน

การอนุญาตครั้งนี้เกิดขึ้นภายใต้ข้อตกลงที่ Anthropic จะเพิ่มมาตรการตรวจจับความเสี่ยง รายงานการใช้งานที่เป็นอันตราย และร่วมพัฒนาแนวทางควบคุมการเปิดตัวโมเดล AI ขั้นสูงกับรัฐบาลสหรัฐฯ

อย่างไรก็ตาม บริษัทยังไม่ได้ยืนยันว่า Claude Fable 5 จะกลับมาเปิดให้ผู้ใช้งานทั่วไปทั่วโลกทันทีหรือไม่ ผู้สนใจจึงต้องรอรายละเอียดเกี่ยวกับประเทศที่รองรับ แพ็กเกจสมาชิก และรูปแบบการทยอยเปิดใช้งานจาก Anthropic อีกครั้ง

SiamGeek

The post Anthropic เตรียมคืนการเข้าถึง Claude Fable 5 วันที่ 1 กรกฎาคม หลังสหรัฐฯ ยกเลิกข้อจำกัดส่งออก appeared first on SiamByte.

อย่างไรก็ตาม ข้อมูลดังกล่าวยังไม่ได้รับการยืนยันอย่างเป็นทางการจาก Apple และยังไม่มีรายละเอียดเกี่ยวกับดีไซน์ คุณสมบัติ ราคา หรือกำหนดการเปิดตัวที่ชัดเจน แต่โครงการแหวนอัจฉริยะของ Apple ถูกระบุว่าเข้าสู่ขั้นตอนการพัฒนาแล้ว

Apple เริ่มพัฒนาแหวนอัจฉริยะ iRing

แหล่งข่าวระบุว่า Apple กำลังทำงานเกี่ยวกับผลิตภัณฑ์แหวนอัจฉริยะ ซึ่งในขณะนี้ถูกเรียกว่า iRing แต่ชื่อดังกล่าวอาจเป็นเพียงชื่อที่ใช้กล่าวถึงผลิตภัณฑ์ในช่วงแรกเท่านั้น

เมื่อเปิดตัวอย่างเป็นทางการ Apple อาจเลือกใช้ชื่อ Apple Ring เพื่อให้สอดคล้องกับแนวทางการตั้งชื่อผลิตภัณฑ์ในกลุ่ม Apple Watch, Apple Vision Pro และอุปกรณ์อื่น ๆ ของบริษัท

ปัจจุบันยังไม่มีข้อมูลว่า Apple จะออกแบบแหวนอัจฉริยะให้ทำงานเป็นผลิตภัณฑ์แบบแยกอิสระ หรือจะเน้นการเชื่อมต่อกับ iPhone, Apple Watch และบริการสุขภาพภายในระบบนิเวศของ Apple

Apple วางแผนขยายกลุ่มอุปกรณ์สวมใส่อัจฉริยะ

รายงานเกี่ยวกับแหวนอัจฉริยะเกิดขึ้นท่ามกลางข้อมูลว่า Apple กำลังพัฒนาอุปกรณ์สวมใส่รูปแบบใหม่หลายประเภท โดยมีเป้าหมายเพื่อนำเทคโนโลยีปัญญาประดิษฐ์และระบบตรวจวัดสุขภาพเข้ามาใกล้ชิดกับผู้ใช้งานมากขึ้น

ผลิตภัณฑ์ที่ Apple มีรายงานว่ากำลังพัฒนา ได้แก่

• แหวนอัจฉริยะ iRing หรือ Apple Ring
• แว่นตาอัจฉริยะที่รองรับฟีเจอร์ AI
• อุปกรณ์สวมใส่รูปแบบจี้หรือสร้อยคอ
• AirPods Pro ที่ติดตั้งกล้องสำหรับเก็บข้อมูลสภาพแวดล้อม
• อุปกรณ์ตรวจวัดสุขภาพที่สามารถเชื่อมต่อกับ iPhone และ Apple Health

แนวทางดังกล่าวแสดงให้เห็นว่า Apple จะขยายธุรกิจอุปกรณ์สวมใส่ออกจากผลิตภัณฑ์หลักอย่าง Apple Watch และ AirPods ไปสู่อุปกรณ์ที่มีขนาดเล็กและสามารถสวมใส่ได้ตลอดวัน

Apple Ring จะมีฟีเจอร์อะไรบ้าง

แม้ยังไม่มีรายละเอียดอย่างเป็นทางการ แต่แหวนอัจฉริยะของ Apple จะมีโอกาสนำเทคโนโลยีจาก Apple Watch และระบบ Apple Health มาปรับใช้กับอุปกรณ์ที่มีขนาดเล็กกว่า

ฟีเจอร์ที่อาจถูกนำมาใช้กับ Apple Ring ประกอบด้วย

• ตรวจวัดอัตราการเต้นของหัวใจ
• ติดตามคุณภาพและระยะเวลาการนอนหลับ
• ตรวจวัดอุณหภูมิร่างกายหรืออุณหภูมิผิวหนัง
• บันทึกกิจกรรมและการเคลื่อนไหวในชีวิตประจำวัน
• วิเคราะห์ความเครียดและการฟื้นตัวของร่างกาย
• เชื่อมต่อข้อมูลกับแอป Health บน iPhone
• ใช้ควบคุมอุปกรณ์ Apple ผ่านท่าทางของนิ้ว
• รองรับฟีเจอร์ด้าน AI และการวิเคราะห์ข้อมูลสุขภาพ

ฟีเจอร์เหล่านี้เป็นเพียงการประเมินจากความสามารถของแหวนอัจฉริยะที่มีอยู่ในตลาด รวมถึงเทคโนโลยีที่ Apple ใช้งานอยู่ในผลิตภัณฑ์ปัจจุบัน จึงยังต้องรอข้อมูลยืนยันจากบริษัทอีกครั้ง

จุดเด่นของแหวนอัจฉริยะเมื่อเทียบกับ Apple Watch

แหวนอัจฉริยะมีขนาดเล็กและน้ำหนักเบากว่าสมาร์ตวอตช์ ทำให้เหมาะสำหรับผู้ที่ต้องการติดตามข้อมูลสุขภาพตลอดวันโดยไม่ต้องสวมอุปกรณ์ที่มีหน้าจอขนาดใหญ่บนข้อมือ

ข้อดีของแหวนอัจฉริยะอาจประกอบด้วย

• สวมใส่ขณะนอนหลับได้สะดวก
• มีน้ำหนักเบาและไม่รบกวนการทำกิจกรรม
• ใช้งานแบตเตอรี่ได้นานกว่าสมาร์ตวอตช์บางรุ่น
• ตรวจจับข้อมูลจากนิ้วมือซึ่งมีเส้นเลือดจำนวนมาก
• เหมาะสำหรับผู้ที่ไม่ต้องการหน้าจอหรือการแจ้งเตือนตลอดเวลา

Apple Ring อาจไม่ได้ถูกออกแบบมาเพื่อทดแทน Apple Watch โดยตรง แต่อาจทำงานร่วมกันเพื่อเพิ่มความแม่นยำในการเก็บข้อมูลสุขภาพ รวมถึงช่วยให้ผู้ใช้งานสามารถติดตามข้อมูลในช่วงเวลาที่ไม่ได้สวม Apple Watch

เตรียมแข่งขันกับ Galaxy Ring และ Oura Ring

หาก Apple เปิดตัวแหวนอัจฉริยะ บริษัทจะเข้าสู่ตลาดที่มีผู้ผลิตหลายรายให้ความสนใจอยู่แล้ว โดยคู่แข่งสำคัญประกอบด้วย Samsung Galaxy Ring, Oura Ring และ Ultrahuman Ring Air

Samsung Galaxy Ring

Samsung Galaxy Ring เป็นแหวนอัจฉริยะที่เน้นการตรวจวัดสุขภาพ การนอนหลับ และกิจกรรมในชีวิตประจำวัน พร้อมรองรับการทำงานร่วมกับสมาร์ตโฟนและอุปกรณ์ในระบบ Galaxy

Oura Ring

Oura เป็นหนึ่งในแบรนด์ที่มีชื่อเสียงในตลาดแหวนอัจฉริยะ โดยให้ความสำคัญกับการวิเคราะห์การนอนหลับ ความพร้อมของร่างกาย อัตราการเต้นของหัวใจ และการฟื้นตัวหลังทำกิจกรรม

Ultrahuman Ring Air

Ultrahuman Ring Air เน้นการติดตามสุขภาพ ระบบเผาผลาญ การนอนหลับ และการเคลื่อนไหว พร้อมออกแบบตัวแหวนให้มีน้ำหนักเบาและเหมาะสำหรับการสวมใส่ตลอดวัน

การเข้าสู่ตลาดของ Apple จะเพิ่มการแข่งขันในกลุ่มแหวนอัจฉริยะ โดยเฉพาะด้านการเชื่อมต่อกับสมาร์ตโฟน ระบบสุขภาพ และการประมวลผลข้อมูลด้วย AI

Apple Ring จะเปิดตัวเมื่อไร

ขณะนี้ยังไม่มีข้อมูลเกี่ยวกับกำหนดการเปิดตัว Apple Ring และ Apple ยังไม่ได้ประกาศรายละเอียดเกี่ยวกับโครงการดังกล่าวอย่างเป็นทางการ

แม้ผลิตภัณฑ์จะเข้าสู่ขั้นตอนการพัฒนา แต่ Apple อาจต้องใช้เวลาในการทดสอบเซ็นเซอร์ ความแม่นยำของข้อมูลสุขภาพ อายุการใช้งานแบตเตอรี่ และรูปแบบการสวมใส่สำหรับผู้ใช้ที่มีขนาดนิ้วแตกต่างกัน

นอกจากนี้ โครงการที่อยู่ในขั้นตอนการพัฒนาอาจมีการเปลี่ยนแปลง เลื่อนกำหนดการ หรือยุติการพัฒนาได้ หากผลิตภัณฑ์ไม่ผ่านมาตรฐานที่บริษัทกำหนด

สรุป

Apple มีรายงานว่าเริ่มพัฒนาแหวนอัจฉริยะที่อาจใช้ชื่อ iRing หรือ Apple Ring เพื่อขยายตลาดอุปกรณ์สวมใส่และเพิ่มช่องทางในการติดตามข้อมูลสุขภาพของผู้ใช้งาน

แม้ยังไม่มีรายละเอียดเกี่ยวกับฟีเจอร์ ราคา และวันเปิดตัว แต่แหวนอัจฉริยะของ Apple จะมีโอกาสทำงานร่วมกับ iPhone, Apple Watch และ Apple Health พร้อมแข่งขันกับผลิตภัณฑ์อย่าง Samsung Galaxy Ring, Oura Ring และ Ultrahuman Ring Air

ข้อมูลทั้งหมดในขณะนี้ยังไม่ได้รับการยืนยันอย่างเป็นทางการ จึงต้องติดตามว่า Apple จะเดินหน้าโครงการดังกล่าวจนกลายเป็นผลิตภัณฑ์ที่วางจำหน่ายจริงหรือไม่

SiamGeek

The post Apple วางแผนพัฒนาแหวนอัจฉริยะ iRing เตรียมขยายตลาดอุปกรณ์สวมใส่ appeared first on SiamByte.

Claude Tag แตกต่างจากแชตบอต AI ทั่วไปที่มักทำงานแบบตัวต่อตัว เนื่องจากสมาชิกทุกคนในช่องสามารถมองเห็นงานที่ Claude กำลังดำเนินการ ตรวจสอบผลลัพธ์ และสานต่อบทสนทนาจากสมาชิกคนก่อนหน้าได้ ช่วยให้ AI กลายเป็นส่วนหนึ่งของกระบวนการทำงานร่วมกันมากขึ้น

ปัจจุบัน Claude Tag เปิดให้ทดลองใช้งานสำหรับลูกค้า Claude Enterprise และ Claude Team บน Slack โดย Anthropic วางแผนขยายเครื่องมือนี้ไปยังแพลตฟอร์มการทำงานอื่นเพิ่มเติมในอนาคต

Claude Tag คืออะไร

Claude Tag คือ AI Agent ที่ Anthropic พัฒนาขึ้นเพื่อทำงานภายในช่องสนทนาของ Slack ผู้ใช้งานสามารถมอบหมายงานให้ AI ด้วยการพิมพ์ @Claude ตามด้วยรายละเอียดของงานที่ต้องการ

ระบบจะอ่านข้อความและบริบทที่เกี่ยวข้องภายในช่อง แบ่งงานออกเป็นขั้นตอน เชื่อมต่อกับเครื่องมือหรือแหล่งข้อมูลที่ได้รับอนุญาต และส่งผลลัพธ์กลับมาในเธรดเดิมเมื่อดำเนินการเสร็จ

แนวทางนี้ช่วยลดปัญหาที่พนักงานต้องคัดลอกข้อมูลจาก Slack ไปวางในหน้าเว็บไซต์ AI ก่อนนำคำตอบกลับมาส่งให้สมาชิกในทีมอีกครั้ง

จุดเด่นของ Claude Tag บน Slack

Claude Tag ถูกออกแบบมาให้ทำงานคล้ายสมาชิกคนหนึ่งภายในทีม โดยมีจุดเด่นสำคัญดังนี้

• เรียกใช้งานได้ด้วยคำสั่ง @Claude ภายในช่องหรือเธรด
• สมาชิกในช่องสามารถเห็นงานและผลลัพธ์ร่วมกัน
• สานต่อบทสนทนาจากสมาชิกคนก่อนหน้าได้
• จดจำข้อมูลที่เกี่ยวข้องจากช่องที่ได้รับอนุญาต
• แบ่งงานออกเป็นขั้นตอนก่อนดำเนินการ
• เชื่อมต่อกับฐานข้อมูล เครื่องมือ และคลังโค้ดขององค์กรได้
• ทำงานแบบเบื้องหลังโดยไม่ต้องรอให้ผู้ใช้โต้ตอบตลอดเวลา
• ส่งการแจ้งเตือนเมื่อพบข้อมูลสำคัญหรืองานที่ยังไม่เสร็จ
• รองรับการส่งข้อความส่วนตัวสำหรับงานที่ไม่ต้องการเปิดเผยในช่อง

เปลี่ยน AI จากแชตส่วนตัวสู่การทำงานแบบหลายคน

เครื่องมือ Generative AI ทั่วไปมักแยกการสนทนาออกจากพื้นที่ทำงานหลัก ผู้ใช้จึงต้องเปิดหลายหน้าต่าง พร้อมคัดลอกข้อมูลระหว่างแอปพลิเคชันอยู่ตลอดเวลา

Claude Tag เข้ามาแก้ปัญหาดังกล่าวด้วยการนำ AI เข้าไปอยู่ในพื้นที่ที่ทีมกำลังทำงานจริง สมาชิกทุกคนสามารถมองเห็นคำสั่ง ขั้นตอน และผลลัพธ์ภายในเธรดเดียวกัน ทำให้การตรวจสอบข้อมูลและการส่งต่องานทำได้ง่ายขึ้น

เมื่อสมาชิกคนหนึ่งมอบหมายงานให้ Claude สมาชิกคนอื่นสามารถเข้ามาตรวจสอบ เพิ่มข้อมูล หรือขอให้ปรับแก้ผลลัพธ์ต่อได้โดยไม่ต้องเริ่มบทสนทนาใหม่ทั้งหมด

Claude Tag จดจำบริบทภายในช่องได้

Claude Tag สามารถสร้างความเข้าใจเกี่ยวกับงานจากข้อมูลในช่องที่ผู้ดูแลระบบอนุญาต จึงช่วยลดการอธิบายข้อมูลพื้นฐาน ชื่อโครงการ หรือขอบเขตงานเดิมซ้ำหลายครั้ง

ตัวอย่างเช่น หากทีมพัฒนาซอฟต์แวร์ใช้ช่อง Slack สำหรับติดตามปัญหาของระบบ Claude สามารถใช้ข้อความก่อนหน้า เอกสารที่เชื่อมต่อ และข้อมูลจากคลังโค้ดมาประกอบการวิเคราะห์ได้

อย่างไรก็ตาม ระบบจะไม่ดึงข้อมูลจากช่องส่วนตัวหรือพื้นที่อื่นที่ไม่ได้รับสิทธิ์ และความทรงจำของ Claude แต่ละชุดจะถูกจำกัดตามช่องและขอบเขตที่ผู้ดูแลระบบกำหนด

รองรับการทำงานแบบอัตโนมัติและต่อเนื่อง

หนึ่งในความสามารถสำคัญของ Claude Tag คือการทำงานแบบ Asynchronous หรือการทำงานต่อเนื่องโดยไม่ต้องให้ผู้ใช้นั่งรออยู่หน้าจอ

หลังจากได้รับมอบหมายงาน Claude สามารถวางแผนและดำเนินงานเป็นระยะเวลาหลายชั่วโมงหรือหลายวัน พร้อมส่งผลลัพธ์กลับมาเมื่อแต่ละส่วนเสร็จสมบูรณ์

หากผู้ดูแลระบบเปิดโหมด Ambient ระบบจะสามารถติดตามข้อมูลและดำเนินการเชิงรุกมากขึ้น เช่น

• แจ้งเตือนข้อมูลสำคัญจากเครื่องมือที่เชื่อมต่อ
• ติดตามเธรดที่หยุดการสนทนาไปโดยยังไม่มีข้อสรุป
• ตรวจสอบงานที่ยังไม่ได้รับการแก้ไข
• ส่งความคืบหน้าของงานกลับมายังช่อง
• กำหนดเวลาสำหรับงานที่ต้องดำเนินการในอนาคต
• ติดตามโครงการที่ใช้เวลาหลายวัน

ทำงานร่วมกับเครื่องมือและข้อมูลขององค์กร

Claude Tag สามารถเชื่อมต่อกับเครื่องมือที่องค์กรอนุญาต ไม่ว่าจะเป็นฐานข้อมูล ระบบวิเคราะห์ข้อมูล อีเมล เครื่องมือสนับสนุนลูกค้า หรือคลังโค้ด

ตัวอย่างงานที่ Claude Tag สามารถช่วยดำเนินการได้ ประกอบด้วย

• วิเคราะห์ตัวเลขและตัวชี้วัดของธุรกิจ
• ค้นหาข้อมูลจากฐานข้อมูลภายใน
• สรุปบทสนทนาและเอกสารของโครงการ
• ตรวจสอบและแก้ไขโค้ด
• วิเคราะห์สาเหตุของข้อผิดพลาดในระบบ
• จัดหมวดหมู่อีเมลและแจ้งเตือนข้อความสำคัญ
• ติดตามคำร้องจากระบบ IT Support
• รวบรวมงานที่ยังไม่ได้รับการดำเนินการ
• สร้างรายงานจากข้อมูลหลายแหล่ง

Claude Tag ทำงานร่วมกับโมเดล Claude Opus 4.8 ซึ่งสามารถแบ่งคำสั่งออกเป็นหลายขั้นตอนและเลือกใช้เครื่องมือที่ได้รับสิทธิ์ตามลักษณะของงาน

Anthropic ระบุว่า Claude Tag ช่วยสร้างโค้ดภายในบริษัท 65%

Anthropic เปิดเผยว่า ทีมผลิตภัณฑ์ของบริษัทสร้างโค้ดประมาณ 65% ผ่าน Claude Tag เวอร์ชันที่ใช้งานภายในองค์กร

นอกเหนือจากงานพัฒนาซอฟต์แวร์ บริษัทได้นำระบบไปใช้กับงานวิเคราะห์ข้อมูล ติดตามตัวชี้วัดของผลิตภัณฑ์ ประมวลผลคำร้องสนับสนุน และค้นหาสาเหตุของข้อผิดพลาดที่ซับซ้อน

ตัวเลขดังกล่าวเป็นข้อมูลจากการใช้งานภายใน Anthropic จึงไม่ได้หมายความว่าทุกองค์กรจะได้รับผลลัพธ์หรือสัดส่วนการสร้างโค้ดในระดับเดียวกัน

ระบบควบคุมสิทธิ์และค่าใช้จ่ายสำหรับผู้ดูแลระบบ

การนำ AI เข้ามาอ่านข้อมูลภายในองค์กรจำเป็นต้องมีการกำหนดสิทธิ์อย่างละเอียด Anthropic จึงเปิดให้ผู้ดูแลระบบสร้างขอบเขตการทำงานของ Claude แยกตามช่องและประเภทงาน

ตัวอย่างเช่น Claude สำหรับฝ่ายขายจะไม่สามารถนำข้อมูลหรือความทรงจำไปใช้ร่วมกับ Claude ที่ทำงานในช่องของฝ่ายวิศวกรรม หากไม่ได้รับอนุญาต

เครื่องมือสำหรับผู้ดูแลระบบมีความสามารถสำคัญ ได้แก่

• กำหนดช่องที่ Claude สามารถเข้าถึงได้
• เลือกเครื่องมือและแหล่งข้อมูลที่เชื่อมต่อได้
• แยกความทรงจำและสิทธิ์ตามแผนก
• จำกัดค่าใช้จ่ายด้านโทเคนในระดับองค์กร
• กำหนดงบประมาณแยกตามช่อง
• ตรวจสอบบันทึกการทำงานของ Claude
• ตรวจสอบว่าผู้ใช้คนใดเป็นผู้มอบหมายงาน
• ทดลองระบบในช่องส่วนตัวก่อนเปิดใช้งานจริง

Claude Tag จะเข้ามาแทนที่แอป Claude in Slack เดิม โดยผู้ดูแลระบบขององค์กรสามารถเลือกย้ายไปใช้ระบบใหม่ตามขั้นตอนที่ Anthropic กำหนด

Anthropic เดินหน้าขยายตลาด AI สำหรับองค์กร

การเปิดตัว Claude Tag เกิดขึ้นท่ามกลางการแข่งขันของผู้ให้บริการ AI ในตลาดองค์กร โดยข้อมูล Ramp AI Index ประจำเดือนพฤษภาคม 2026 ระบุว่า อัตราการใช้งาน Anthropic ในกลุ่มธุรกิจบนแพลตฟอร์ม Ramp เพิ่มขึ้นเป็น 34.4% ในเดือนเมษายน ขณะที่ OpenAI อยู่ที่ 32.3%

อย่างไรก็ตาม ตัวเลขดังกล่าวมาจากข้อมูลการใช้จ่ายผ่านบัตรองค์กรและใบแจ้งหนี้ของลูกค้า Ramp จึงไม่ได้สะท้อนตลาด AI สำหรับองค์กรทั้งหมด และสถานการณ์การแข่งขันสามารถเปลี่ยนแปลงได้อย่างรวดเร็ว

Anthropic วางแผนนำ Claude Tag ไปยังแพลตฟอร์มอื่นเพิ่มเติม เพื่อให้ผู้ใช้สามารถเรียก AI เข้ามาร่วมงานในช่องทางที่แต่ละองค์กรใช้งานเป็นประจำ

ประโยชน์ที่องค์กรจะได้รับจาก Claude Tag

การนำ AI เข้าไปอยู่ในช่องสนทนาของทีมสามารถช่วยลดขั้นตอนการทำงานและทำให้ข้อมูลไม่กระจัดกระจาย โดยมีประโยชน์หลักดังนี้

• ลดการสลับระหว่าง Slack กับหน้าเว็บ AI
• ช่วยให้สมาชิกตรวจสอบผลลัพธ์ร่วมกัน
• รักษาบริบทของโครงการเมื่อมีการเปลี่ยนสมาชิก
• ลดการป้อนข้อมูลพื้นฐานซ้ำ
• ช่วยติดตามงานที่ยังไม่เสร็จ
• ทำงานหลายรายการพร้อมกันได้
• บันทึกคำสั่งและผลลัพธ์ไว้ในเธรด
• เชื่อมต่อข้อมูลจากหลายระบบเข้าสู่กระบวนการเดียว

ความเสี่ยงที่ฝ่าย IT ต้องพิจารณา

แม้ Claude Tag จะช่วยเพิ่มประสิทธิภาพการทำงาน แต่การให้ AI เข้าถึงข้อความ อีเมล ฐานข้อมูล และคลังโค้ด ย่อมเพิ่มความเสี่ยงด้านความปลอดภัยของข้อมูล

องค์กรควรพิจารณาประเด็นสำคัญก่อนเปิดใช้งาน ได้แก่

• การกำหนดสิทธิ์เข้าถึงข้อมูลอย่างเหมาะสม
• การป้องกันข้อมูลข้ามระหว่างแผนก
• การตรวจสอบคำสั่งที่ส่งให้ AI
• การบันทึกกิจกรรมเพื่อรองรับการตรวจสอบย้อนหลัง
• การกำหนดขั้นตอนอนุมัติก่อนแก้ไขข้อมูลสำคัญ
• การควบคุมค่าใช้จ่ายจากงานอัตโนมัติ
• การตรวจสอบผลลัพธ์ก่อนนำไปใช้งานจริง
• การปฏิบัติตามข้อกำหนดด้านความเป็นส่วนตัวและกฎหมาย

งานที่มีผลกระทบสูง เช่น การแก้ไขระบบส่วนกลาง การเปลี่ยนแปลงโค้ดสำหรับใช้งานจริง หรือการจัดการข้อมูลสำคัญ ควรมีมนุษย์ตรวจสอบก่อนดำเนินการขั้นสุดท้าย

สรุป

Claude Tag เป็นก้าวสำคัญของ Anthropic ในการเปลี่ยน Claude จากผู้ช่วย AI ภายในแชตส่วนตัวให้กลายเป็นสมาชิกเสมือนจริงของทีมบน Slack ผู้ใช้สามารถเรียก AI ด้วยคำสั่ง @Claude มอบหมายงาน ตรวจสอบผลลัพธ์ร่วมกัน และสานต่อบทสนทนาได้ภายในช่องเดียว

ความสามารถด้านการจดจำบริบท การเชื่อมต่อเครื่องมือ และการทำงานต่อเนื่องแบบอัตโนมัติจะช่วยลดขั้นตอนของงานภายในองค์กรได้อย่างมาก แต่ฝ่าย IT จำเป็นต้องวางระบบสิทธิ์ การตรวจสอบ และการควบคุมค่าใช้จ่ายอย่างรัดกุม เพื่อป้องกันข้อมูลสำคัญและลดข้อผิดพลาดจากการทำงานของ AI

ที่มา artificialintelligence-news

MiloMeowTech

The post Anthropic เปิดตัว Claude Tag ดึง AI เข้าร่วมงานใน Slack ผ่านคำสั่ง @Claude appeared first on SiamByte.

ปฏิบัติการครั้งนี้เป็นส่วนหนึ่งของ Operation Endgame โดยมีเป้าหมายเพื่อทำลายต้นทางของห่วงโซ่การโจมตี ก่อนที่ผู้ไม่หวังดีจะนำมัลแวร์ไปใช้ขโมยข้อมูล หลอกลวงทางการเงิน แพร่กระจายแรนซัมแวร์ หรือโจมตีระบบโครงสร้างพื้นฐานสำคัญ

ผลจากการดำเนินงานทำให้เจ้าหน้าที่สามารถปิดเซิร์ฟเวอร์ได้ 326 เครื่อง ยึดหรือระงับโดเมนที่เกี่ยวข้อง 142 โดเมน กู้คืนข้อมูลบัญชีเข้าสู่ระบบที่ถูกขโมยประมาณ 27 ล้านรายการ และจำกัดการใช้งานสินทรัพย์ดิจิทัลที่เกี่ยวข้องกับอาชญากรรมมูลค่ามากกว่า 47 ล้านดอลลาร์สหรัฐ

Operation Endgame ทลายโครงสร้างพื้นฐานอาชญากรรมไซเบอร์

ปฏิบัติการดังกล่าวดำเนินการระหว่างวันที่ 15-19 มิถุนายน 2026 โดยมีหน่วยงานด้านกฎหมายและกระบวนการยุติธรรมจากเบลเยียม แคนาดา เดนมาร์ก ฝรั่งเศส เยอรมนี เนเธอร์แลนด์ สหราชอาณาจักร และสหรัฐอเมริกาเข้าร่วม

ภาคเอกชนที่ให้ความร่วมมือประกอบด้วยบริษัทด้านความปลอดภัยไซเบอร์หลายแห่ง เช่น Bitdefender, Bitsight, ESET และ Microsoft

เป้าหมายหลักของ Operation Endgame คือการโจมตีโครงสร้างพื้นฐานของมัลแวร์ที่ทำหน้าที่เป็นช่องทางเริ่มต้นเข้าสู่ระบบของเหยื่อ มัลแวร์ประเภทนี้ช่วยให้ผู้โจมตีสามารถควบคุมอุปกรณ์ ขโมยข้อมูล หรือติดตั้งมัลแวร์ชนิดอื่นเพิ่มเติมได้

ผลสำคัญจากปฏิบัติการครั้งนี้ ได้แก่

• ปิดหรือรื้อถอนเซิร์ฟเวอร์จำนวน 326 เครื่อง
• ระงับและยึดโดเมนที่เกี่ยวข้องจำนวน 142 โดเมน
• กู้คืนข้อมูลบัญชีเข้าสู่ระบบที่ถูกขโมยประมาณ 27 ล้านรายการ
• ตรวจพบและจำกัดการใช้งานคริปโทเคอร์เรนซีมูลค่ามากกว่า 47 ล้านดอลลาร์สหรัฐ
• ปิดกั้นโดเมนและหมายเลข IP ที่เกี่ยวข้องกับ Amadey และ StealC ประมาณ 200 รายการ
• ตัดการควบคุมอุปกรณ์ของเหยื่อมากกว่า 18,000 เครื่อง

Microsoft ระบุว่า Amadey และ StealC มีความเชื่อมโยงกับคอมพิวเตอร์ที่ติดมัลแวร์มากกว่า 140,000 เครื่องทั่วโลกในช่วงสองสัปดาห์แรกของเดือนพฤษภาคม 2026

Amadey คืออะไร

Amadey เป็นมัลแวร์ประเภท Modular Backdoor และ Malware Loader ที่พัฒนาด้วยภาษา C++ เริ่มพบการใช้งานมาตั้งแต่เดือนตุลาคม 2018 และถูกนำเสนอในตลาดใต้ดินโดยผู้พัฒนาที่ใช้ชื่อว่า InCrease

มัลแวร์ชนิดนี้เปิดให้ผู้ซื้อใช้งานผ่านรูปแบบ Malware-as-a-Service โดยมีราคาสำหรับใบอนุญาตหนึ่งชุดอยู่ที่ประมาณ 600 ดอลลาร์สหรัฐ และเรียกเก็บค่าใช้จ่ายเพิ่มเติมประมาณ 50 ดอลลาร์สหรัฐทุกครั้งที่ต้องการสร้างไฟล์มัลแวร์เวอร์ชันใหม่

ข้อมูลล่าสุดระบุว่า Amadey พัฒนามาถึงเวอร์ชัน 5.87 และรองรับคำสั่งจากเซิร์ฟเวอร์ควบคุมได้หลายรูปแบบ

ความสามารถสำคัญของ Amadey

Amadey สามารถทำงานได้หลายอย่างภายในอุปกรณ์ที่ถูกเจาะระบบ ได้แก่

• ตรวจสอบข้อมูลฮาร์ดแวร์และระบบปฏิบัติการของเครื่อง
• ดาวน์โหลดไฟล์ DLL, MSI และสคริปต์ PowerShell
• เรียกใช้คำสั่งผ่าน cmd.exe
• บันทึกภาพหน้าจอ
• สร้าง SOCKS Proxy
• เปิดการเชื่อมต่อผ่าน VNC หรือ Reverse Proxy
• ดึงข้อมูลจากคลิปบอร์ด
• ขโมยชื่อผู้ใช้และรหัสผ่าน
• เปิดใช้งาน Remote Desktop Protocol หรือ RDP
• ดาวน์โหลดและติดตั้งมัลแวร์เพิ่มเติม

Amadey ถูกใช้เป็นเครื่องมือสำหรับเปิดทางให้มัลแวร์ชนิดอื่นเข้าสู่ระบบ เช่น Lumma Stealer, Vidar Stealer, StealC, PureCrypter, Agent Tesla, Rhadamanthys Stealer, RedLine Stealer, SmokeLoader, XWorm และ AsyncRAT

จำนวนมัลแวร์ที่แพร่ผ่าน Amadey เพิ่มขึ้นต่อเนื่อง

ข้อมูลจากบริษัท Mitsui Bussan Secure Directions ระบุว่า จำนวนเซิร์ฟเวอร์ควบคุมของ Amadey ที่ทำงานในแต่ละวันเคยอยู่ที่ประมาณ 2-18 เครื่อง จนถึงช่วงเดือนกันยายน 2022

ในช่วงเดือนมกราคมถึงต้นเดือนธันวาคม 2023 จำนวนดังกล่าวเพิ่มขึ้นเป็นประมาณ 5-30 เครื่องต่อวัน สะท้อนให้เห็นว่า Amadey ถูกนำไปใช้งานในวงกว้างมากขึ้น

จำนวนตัวอย่างมัลแวร์ที่ถูกเผยแพร่ผ่าน Amadey ในแต่ละปีมีดังนี้

• ปี 2019 จำนวน 66 ตัวอย่าง
• ปี 2020 จำนวน 260 ตัวอย่าง
• ปี 2021 จำนวน 1,231 ตัวอย่าง
• ปี 2022 จำนวน 3,500 ตัวอย่าง
• ปี 2023 จำนวน 8,360 ตัวอย่าง
• ปี 2024 จำนวน 7,619 ตัวอย่าง
• ปี 2025 จำนวน 11,635 ตัวอย่าง
• ตั้งแต่ต้นปี 2026 จำนวน 1,837 ตัวอย่าง

ตัวเลขดังกล่าวแสดงให้เห็นว่า Amadey ไม่ได้เป็นเพียงมัลแวร์สำหรับโจมตีโดยตรง แต่ยังทำหน้าที่เป็นแพลตฟอร์มกระจายเครื่องมืออันตรายประเภทอื่นจำนวนมาก

StealC มัลแวร์ขโมยข้อมูลสำคัญจากเบราว์เซอร์และแอปพลิเคชัน

StealC เป็นมัลแวร์ประเภท Information Stealer ที่เริ่มพบการใช้งานในเดือนมกราคม 2023 ผู้พัฒนาใช้ชื่อว่า plymouth และเปิดให้เช่าใช้งานในราคา 300 ดอลลาร์สหรัฐต่อเดือน หรือประมาณ 1,000 ดอลลาร์สหรัฐสำหรับระยะเวลาหกเดือน

ณ เดือนมิถุนายน 2026 StealC พัฒนามาถึงเวอร์ชัน 2.2.1 โดยพื้นที่ที่พบการติดมัลแวร์จำนวนมากประกอบด้วยสหรัฐอเมริกา โปแลนด์ และอิตาลี

ผู้โจมตีแพร่กระจาย StealC ผ่านหลายช่องทาง เช่น มัลแวร์โหลดเดอร์ แคมเปญฟิชชิง เว็บไซต์หลอกให้ติดตั้งโปรแกรม และเทคนิค ClickFix ที่ชักจูงให้ผู้ใช้คัดลอกคำสั่งอันตรายไปรันบนเครื่องด้วยตนเอง

ข้อมูลที่ StealC สามารถขโมยได้

StealC ถูกออกแบบมาเพื่อรวบรวมข้อมูลสำคัญจากเครื่องของเหยื่อ ได้แก่

• ชื่อผู้ใช้และรหัสผ่าน
• Session Cookie
• ข้อมูลกรอกแบบฟอร์มอัตโนมัติ
• ประวัติการเข้าเว็บไซต์
• ข้อมูลบัตรเครดิตที่บันทึกไว้
• ภาพหน้าจอ
• ข้อมูลจากส่วนขยายของเบราว์เซอร์
• ข้อมูลกระเป๋าคริปโทเคอร์เรนซี
• ไฟล์ที่มีชื่อหรือรูปแบบตรงตามเงื่อนไขของผู้โจมตี

StealC มุ่งเป้าไปที่เบราว์เซอร์ที่พัฒนาบนพื้นฐาน Chromium รวมถึงโปรแกรมบนเดสก์ท็อปหลายรายการ เช่น

• Discord
• FileZilla
• Foxmail
• Microsoft Outlook
• Steam
• Telegram

นอกจากการขโมยข้อมูลแล้ว StealC ยังทำหน้าที่เป็นมัลแวร์โหลดเดอร์ สามารถดาวน์โหลดและเรียกใช้ไฟล์ EXE, MSI หรือคำสั่ง PowerShell ตามคำสั่งที่ได้รับจากเซิร์ฟเวอร์ภายนอก

Amadey และ StealC หลีกเลี่ยงเครื่องในบางประเทศ

หนึ่งในพฤติกรรมที่น่าสนใจของ StealC คือการตรวจสอบภาษาหลักของระบบปฏิบัติการ หากพบว่าเครื่องใช้ภาษาที่เกี่ยวข้องกับรัสเซีย ยูเครน เบลารุส คาซัคสถาน หรืออุซเบกิสถาน มัลแวร์จะหยุดทำงานและปิดตัวเอง

Amadey มีระบบตรวจสอบในลักษณะคล้ายกัน โดยจะไม่เปิดใช้ความสามารถบางส่วน เช่น การขโมยข้อมูลเข้าสู่ระบบและข้อมูลจากคลิปบอร์ด เมื่อทำงานบนเครื่องที่ใช้ภาษารัสเซีย ยูเครน หรือเบลารุส

พฤติกรรมดังกล่าวมักถูกใช้เพื่อลดความเสี่ยงที่ผู้พัฒนาและผู้ใช้งานมัลแวร์จะตกเป็นเป้าหมายของหน่วยงานบังคับใช้กฎหมายในบางพื้นที่

ช่องโหว่ในระบบควบคุม StealC เปิดเผยข้อมูลของผู้ใช้งานมัลแวร์

ก่อนหน้านี้ CyberArk เปิดเผยช่องโหว่ Cross-Site Scripting หรือ XSS ในหน้าเว็บควบคุมของ StealC ซึ่งช่วยให้นักวิจัยสามารถศึกษาการดำเนินงานภายในระบบ Malware-as-a-Service ได้

หนึ่งในผู้ใช้งาน StealC ที่ถูกตรวจพบใช้ชื่อว่า YouTubeTA โดยนำแพลตฟอร์ม YouTube มาใช้ประชาสัมพันธ์โปรแกรม Adobe Photoshop และ Adobe After Effects เวอร์ชันละเมิดลิขสิทธิ์ เพื่อหลอกให้ผู้ใช้ดาวน์โหลดไฟล์ที่มีมัลแวร์ติดมาด้วย

IBM X-Force และ Proofpoint ยังตรวจพบช่องโหว่อื่นในแผงควบคุม StealC รวมถึงช่องโหว่ Directory Traversal ที่เปิดทางให้ผู้โจมตีอัปโหลด Web Shell ไปยังเซิร์ฟเวอร์ควบคุมได้

ผู้พัฒนา StealC แก้ไขช่องโหว่ดังกล่าวในเดือนกุมภาพันธ์ 2026 แต่มีข้อมูลว่าช่องโหว่อาจถูกใช้โดยสมาชิกบางรายเพื่อขโมยข้อมูลจากผู้ใช้งาน StealC รายอื่นก่อนที่จะได้รับการแก้ไข

รูปแบบธุรกิจของ Amadey และ StealC แตกต่างกันอย่างไร

แม้ Amadey และ StealC จะให้บริการผ่านรูปแบบ Malware-as-a-Service เหมือนกัน แต่มีระบบการคิดค่าบริการที่แตกต่างกัน

Amadey ใช้รูปแบบจ่ายเงินตามจำนวนครั้งที่สร้างไฟล์มัลแวร์ ผู้ใช้งานจะต้องซื้อใบอนุญาตก่อน และจ่ายเงินเพิ่มทุกครั้งที่ต้องการสร้างไฟล์ใหม่ เช่น เมื่อต้องเปลี่ยนเซิร์ฟเวอร์ควบคุม

StealC ใช้ระบบสมัครสมาชิกและเปิดให้สร้างไฟล์มัลแวร์ได้ไม่จำกัดจำนวนในช่วงที่สมาชิกยังมีอายุการใช้งาน รูปแบบนี้ช่วยลดค่าใช้จ่ายในการเปลี่ยนโครงสร้างพื้นฐาน และทำให้ผู้โจมตีสร้างตัวอย่างมัลแวร์ใหม่ได้รวดเร็วกว่าเดิม

นักวิจัยจาก ESET ตรวจพบกลุ่มโครงสร้างพื้นฐานที่ไม่ซ้ำกันภายในระบบของ Amadey จำนวน 53 กลุ่ม โดยกลุ่มที่มีขนาดใหญ่ที่สุดถูกใช้เพื่อกระจายมัลแวร์ขโมยข้อมูล เครื่องมือควบคุมระยะไกล และมัลแวร์โหลดเดอร์หลายชนิด

Loader และ Stealer คือหัวใจของห่วงโซ่อาชญากรรมไซเบอร์

Bitsight อธิบายว่า Loader และ Stealer เป็นองค์ประกอบสองส่วนที่ทำงานร่วมกันในระบบมัลแวร์เชิงพาณิชย์

Loader มีหน้าที่สร้างช่องทางเข้าสู่เครื่องของเหยื่อ จากนั้นผู้ควบคุมสามารถขายหรือให้เช่าสิทธิ์การเข้าถึงดังกล่าวแก่ผู้โจมตีรายอื่น

Stealer จะใช้ช่องทางที่ Loader สร้างขึ้นเพื่อขโมยรหัสผ่าน คุกกี้ กระเป๋าคริปโทเคอร์เรนซี และข้อมูลสำคัญ ก่อนนำข้อมูลไปขายต่อในตลาดใต้ดินหรือกลุ่มบน Telegram

การทลายโครงสร้างพื้นฐานในขั้นตอนแรกจึงช่วยขัดขวางการโจมตีได้หลายรูปแบบพร้อมกัน ตั้งแต่การขโมยบัญชีไปจนถึงการติดตั้งแรนซัมแวร์ในระบบองค์กร

วิธีป้องกัน Amadey และ StealC

ผู้ใช้งานและองค์กรสามารถลดความเสี่ยงจากมัลแวร์ประเภท Loader และ Information Stealer ได้ด้วยแนวทางต่อไปนี้

• หลีกเลี่ยงการดาวน์โหลดโปรแกรมเถื่อน โปรแกรมแคร็ก และไฟล์จากแหล่งที่ไม่น่าเชื่อถือ
• ไม่เปิดไฟล์แนบหรือลิงก์จากอีเมลที่ไม่ทราบแหล่งที่มา
• ระวังเว็บไซต์ที่สั่งให้คัดลอกคำสั่งไปวางใน PowerShell หรือ Command Prompt
• อัปเดตระบบปฏิบัติการ เบราว์เซอร์ ปลั๊กอิน และโปรแกรมต่าง ๆ อย่างสม่ำเสมอ
• เปิดใช้งานการยืนยันตัวตนแบบหลายขั้นตอน
• ใช้รหัสผ่านที่แตกต่างกันในแต่ละบริการ
• ตรวจสอบ Session ที่เข้าสู่ระบบและออกจากระบบบนอุปกรณ์ที่ไม่รู้จัก
• ใช้ซอฟต์แวร์รักษาความปลอดภัยที่สามารถตรวจจับพฤติกรรมของมัลแวร์
• จำกัดสิทธิ์ของบัญชีผู้ใช้งานภายในองค์กร
• สำรองข้อมูลสำคัญและแยกชุดสำรองออกจากระบบหลัก
• ตรวจสอบการเชื่อมต่อไปยังโดเมนและหมายเลข IP ที่ผิดปกติ

หากพบว่าอุปกรณ์อาจติดมัลแวร์ขโมยข้อมูล ควรตัดการเชื่อมต่อเครือข่าย ตรวจสอบและกำจัดมัลแวร์จากอุปกรณ์ที่ปลอดภัย จากนั้นเปลี่ยนรหัสผ่านทั้งหมด รวมถึงยกเลิก Session และ Token ที่ยังเปิดใช้งานอยู่

สรุป

Operation Endgame แสดงให้เห็นถึงความสำคัญของความร่วมมือระหว่างหน่วยงานบังคับใช้กฎหมายและบริษัทด้านความปลอดภัยไซเบอร์ การปิดเซิร์ฟเวอร์ 326 เครื่อง ระงับโดเมน 142 โดเมน และกู้คืนข้อมูลบัญชีที่ถูกขโมยประมาณ 27 ล้านรายการ ช่วยลดความสามารถของเครือข่าย Amadey และ StealC ในการโจมตีเหยื่อทั่วโลก

อย่างไรก็ตาม การปิดโครงสร้างพื้นฐานเพียงครั้งเดียวไม่สามารถหยุดภัยคุกคามได้ทั้งหมด ผู้พัฒนามัลแวร์และสมาชิกในระบบ Malware-as-a-Service สามารถเปลี่ยนโดเมน เซิร์ฟเวอร์ และวิธีแพร่กระจายได้อย่างรวดเร็ว ผู้ใช้งานและองค์กรจึงควรให้ความสำคัญกับการอัปเดตระบบ การตรวจสอบพฤติกรรมผิดปกติ และการป้องกันข้อมูลบัญชีอย่างต่อเนื่อง

ที่มา thehackernews

SiamGeek

The post Operation Endgame ทลายเครือข่ายมัลแวร์ Amadey และ StealC ยึดเซิร์ฟเวอร์ 326 เครื่อง appeared first on SiamByte.

ความร่วมมือครั้งนี้ถือเป็นอีกก้าวสำคัญของ Samsung ในการนำ AI เข้ามาช่วยเพิ่มประสิทธิภาพการทำงาน ไม่ได้จำกัดอยู่เฉพาะการพัฒนาซอฟต์แวร์หรืออุปกรณ์ Galaxy เท่านั้น แต่ยังครอบคลุมงานด้านการตลาด การพัฒนาผลิตภัณฑ์ กระบวนการผลิต และงานทั่วไปภายในองค์กร

Samsung ขยายความร่วมมือกับ OpenAI มากกว่าการผลิตชิป AI

ก่อนหน้านี้ Samsung และ OpenAI มีความร่วมมือเกี่ยวกับอุตสาหกรรมเซมิคอนดักเตอร์ โดย Samsung เป็นหนึ่งในบริษัทที่มีบทบาทด้านการจัดหาชิปและโครงสร้างพื้นฐานสำหรับระบบ AI

อย่างไรก็ตาม ข้อตกลงล่าสุดได้ขยายขอบเขตความร่วมมือไปสู่การนำเครื่องมือ AI ของ OpenAI มาใช้ภายใน Samsung Electronics โดยตรง ซึ่งอาจถือเป็นหนึ่งในข้อตกลงระดับองค์กรที่สำคัญของ OpenAI

ภายใต้ความร่วมมือนี้ พนักงานของ Samsung ในสาขาและหน่วยงานต่าง ๆ จะสามารถใช้งาน ChatGPT Enterprise และ Codex เพื่อช่วยทำงานทั้งด้านเทคนิคและงานที่ไม่เกี่ยวข้องกับการเขียนโปรแกรม

ChatGPT Enterprise และ Codex จะช่วยงานด้านใดบ้าง

Samsung มีแผนนำเครื่องมือของ OpenAI ไปประยุกต์ใช้กับงานหลายประเภทภายในบริษัท โดยงานที่คาดว่าจะได้รับประโยชน์ประกอบด้วย

• การพัฒนาและตรวจสอบซอฟต์แวร์
• การเขียน ตรวจสอบ และแก้ไขข้อผิดพลาดของโค้ด
• การวางแผนและพัฒนาผลิตภัณฑ์
• การวิเคราะห์ข้อมูลสำหรับงานด้านการตลาด
• การจัดทำเอกสารและสรุปข้อมูลภายในองค์กร
• การออกแบบขั้นตอนการทำงานของทีม
• การเพิ่มประสิทธิภาพกระบวนการผลิต
• การสนับสนุนงานด้านเทคนิคและงานทั่วไปของพนักงาน

การเปิดให้พนักงานเข้าถึงเครื่องมือ AI ในวงกว้างอาจช่วยลดระยะเวลาการทำงานในขั้นตอนที่ซ้ำซ้อน พร้อมช่วยให้ทีมต่าง ๆ สามารถค้นหา วิเคราะห์ และจัดระเบียบข้อมูลได้รวดเร็วยิ่งขึ้น

Codex ไม่ได้จำกัดอยู่เฉพาะการเขียนโปรแกรม

Codex เริ่มต้นจากการเป็นเครื่องมือ AI ที่ออกแบบมาเพื่อช่วยนักพัฒนาซอฟต์แวร์เขียนโค้ด แต่ปัจจุบันความสามารถของระบบครอบคลุมงานมากกว่าการสร้างชุดคำสั่งเพียงอย่างเดียว

เครื่องมือนี้สามารถช่วยตรวจสอบโค้ด ค้นหาข้อผิดพลาด อธิบายการทำงานของระบบ และจัดการขั้นตอนการพัฒนาซอฟต์แวร์ที่มีความซับซ้อน นอกจากนี้ยังสามารถนำไปใช้ช่วยวางโครงสร้างการทำงานของทีม หรือประสานงานระหว่างเครื่องมือและกระบวนการต่าง ๆ ได้

สำหรับ Samsung ซึ่งมีทั้งธุรกิจสมาร์ตโฟน เครื่องใช้ไฟฟ้า เซมิคอนดักเตอร์ และโรงงานผลิตจำนวนมาก การนำ Codex มาใช้งานอาจช่วยสนับสนุนทีมวิศวกรรมและทีมพัฒนาผลิตภัณฑ์ในหลายระดับ

Samsung เดินหน้าผลักดัน AI ทั้งในผลิตภัณฑ์และองค์กร

ในช่วงหลายปีที่ผ่านมา Samsung ให้ความสำคัญกับเทคโนโลยี AI อย่างต่อเนื่อง โดยเฉพาะการพัฒนา Galaxy AI สำหรับสมาร์ตโฟน แท็บเล็ต และอุปกรณ์ในระบบนิเวศ Galaxy

ฟีเจอร์ AI ถูกนำมาใช้กับงานหลายด้าน เช่น การแปลภาษา การสรุปข้อความ การแก้ไขรูปภาพ การค้นหาข้อมูล และการช่วยสร้างเนื้อหา ขณะเดียวกัน Samsung ยังนำ AI มาใช้ในการวิจัยและพัฒนาผลิตภัณฑ์รุ่นใหม่

ข้อตกลงกับ OpenAI จึงสะท้อนให้เห็นว่า Samsung ไม่ได้มอง AI เป็นเพียงฟีเจอร์สำหรับผู้บริโภค แต่ยังต้องการใช้เทคโนโลยีดังกล่าวเพื่อยกระดับรูปแบบการทำงานภายในองค์กรด้วย

OpenAI ขยายฐานผู้ใช้งานในภาคธุรกิจเกาหลีใต้

OpenAI ระบุว่า Codex มีผู้ใช้งานทั่วโลกมากกว่า 5 ล้านคน และมีอัตราการเติบโตเพิ่มขึ้นอย่างมากนับตั้งแต่วันที่ 1 กุมภาพันธ์ของปีนี้

นอกจาก Samsung แล้ว บริษัทและสถาบันขนาดใหญ่ในเกาหลีใต้หลายแห่งยังเริ่มนำผลิตภัณฑ์ของ OpenAI ไปใช้งาน ตัวอย่างเช่น LG Electronics รวมถึงมหาวิทยาลัยแห่งชาติโซล ซึ่งมีการเปิดใช้ ChatGPT Edu สำหรับนักศึกษาและบุคลากรราว 47,000 คน

แนวโน้มดังกล่าวแสดงให้เห็นว่าองค์กรในเกาหลีใต้กำลังเร่งนำ Generative AI เข้ามาใช้ทั้งในภาคการศึกษา การพัฒนาผลิตภัณฑ์ และกระบวนการทำงานภายในบริษัท

ความปลอดภัยของข้อมูลเป็นประเด็นสำคัญ

การนำ AI มาใช้งานในบริษัทเทคโนโลยีขนาดใหญ่จำเป็นต้องให้ความสำคัญกับการรักษาความปลอดภัยของข้อมูล โดยเฉพาะข้อมูลเกี่ยวกับผลิตภัณฑ์ที่ยังไม่เปิดตัว เทคโนโลยีการผลิต และทรัพย์สินทางปัญญา

ChatGPT Enterprise ถูกออกแบบมาสำหรับการใช้งานในองค์กร โดยมีระบบควบคุมและจัดการข้อมูลที่แตกต่างจากบริการสำหรับผู้ใช้งานทั่วไป อย่างไรก็ตาม Samsung ยังจำเป็นต้องกำหนดนโยบายภายในอย่างชัดเจนว่าข้อมูลประเภทใดสามารถนำไปใช้กับระบบ AI ได้

การอบรมพนักงานและการกำหนดสิทธิ์เข้าถึงข้อมูลจึงอาจเป็นส่วนสำคัญของการนำ ChatGPT Enterprise และ Codex ไปใช้งานจริงในแต่ละหน่วยงาน

สรุป Samsung และ OpenAI เดินหน้าความร่วมมือด้าน AI ระดับองค์กร

ความร่วมมือระหว่าง Samsung และ OpenAI ครั้งล่าสุดถือเป็นการขยายความสัมพันธ์จากด้านเซมิคอนดักเตอร์ไปสู่การใช้งาน AI ภายในองค์กร โดย Samsung จะนำ ChatGPT Enterprise และ Codex มาให้พนักงานในหน่วยงานต่าง ๆ ใช้สนับสนุนการพัฒนาซอฟต์แวร์ การตลาด การพัฒนาผลิตภัณฑ์ และกระบวนการผลิต

การตัดสินใจครั้งนี้อาจช่วยให้ Samsung เพิ่มความรวดเร็วในการทำงานและสร้างกระบวนการพัฒนาผลิตภัณฑ์ที่มีประสิทธิภาพมากขึ้น ขณะเดียวกันก็สะท้อนให้เห็นว่า AI กำลังกลายเป็นเครื่องมือสำคัญของบริษัทเทคโนโลยีขนาดใหญ่ทั่วโลก

ที่มา gsmarena

Mochi Cat

The post Samsung จับมือ OpenAI นำ ChatGPT Enterprise และ Codex ให้พนักงานทั่วโลกใช้งาน appeared first on SiamByte.