ภัยคุกคามมัลแวร์เรียกค่าไถ่รูปแบบใหม่กำลังเกิดขึ้น

ผู้ดำเนินการมัลแวร์เรียกค่าไถ่มักพุ่งเป้าไปที่สิ่งที่สามารถแปลงเป็นเงินได้อย่างรวดเร็ว: ฐานข้อมูล, เอกสารทางการเงิน, ไฟล์ลูกค้า แต่แฮกเกอร์ที่ถูกระบุว่าเป็น JADEPUFFER ได้เปลี่ยนโฟกัสไปยังสิ่งที่เฉพาะเจาะจงมากขึ้น และในบางแง่มุมก็สร้างความเสียหายได้รุนแรงกว่า นั่นคือโมเดล AI และข้อมูลสำหรับฝึกฝนที่ธุรกิจต่าง ๆ พึ่งพามากขึ้นเรื่อย ๆ ในการดำเนินงาน

ตามรายงานล่าสุด JADEPUFFER ได้ยกระดับจากการรีดไถฐานข้อมูลแบบอัตโนมัติ ไปสู่การทำลายโมเดล AI ที่สร้างขึ้นโดยเฉพาะ ด้วยการปล่อยมัลแวร์เรียกค่าไถ่ที่เขียนด้วยภาษา Go และมีชื่อว่า ENCFORGE แทนที่จะเพียงแค่ล็อกไฟล์เพื่อเรียกค่าไถ่ มัลแวร์นี้ถูกออกแบบมาเพื่อเข้ารหัสและทำลายโมเดลที่ผ่านการฝึกฝน รวมถึงชุดข้อมูลที่องค์กรต่าง ๆ พึ่งพาสำหรับการดำเนินงานด้านแมชชีนเลิร์นนิง ความแตกต่างนี้สำคัญมาก ฐานข้อมูลมักจะสามารถกู้คืนจากแบ็กอัพได้ค่อนข้างรวดเร็ว แต่โมเดล AI ที่ผ่านการฝึกฝนมาแล้ว ซึ่งสร้างขึ้นจากข้อมูลที่คัดสรรมาอย่างดีหลายเดือนหรือหลายปี และการลงทุนด้านทรัพยากรคอมพิวเตอร์นั้น ยากที่จะทดแทนได้มากกว่ามาก

ทำไมโครงสร้างพื้นฐาน AI จึงกลายเป็นเป้าหมายใหม่

สิ่งที่ทำให้แคมเปญนี้น่าสนใจไม่ได้อยู่ที่เพย์โหลดเพียงอย่างเดียว แต่อยู่ที่กลไกการแพร่กระจาย มีการบันทึกไว้ว่า JADEPUFFER ใช้วิธีการบุกรุกแบบอัตโนมัติที่ขับเคลื่อนด้วยเอเจนต์ และนี่ไม่ใช่ครั้งแรกที่เครื่องมือของพวกมันพุ่งเป้าไปที่โครงสร้างพื้นฐาน AI โดยตรง แคมเปญที่เกี่ยวข้องกันก่อนหน้านี้ ได้ใช้ประโยชน์จากช่องโหว่ใน Langflow ซึ่งเป็นแพลตฟอร์มโอเพนซอร์สที่ใช้สำหรับสร้างและจัดการเวิร์กโฟลว์ของ AI เอเจนต์ เพื่อเจาะเข้ามาก่อนที่จะปล่อยมัลแวร์เรียกค่าไถ่ เหตุการณ์ก่อนหน้านั้น ซึ่งอธิบายไว้ในรายงานข่าว มัลแวร์เรียกค่าไถ่ Encforge โจมตีเซิร์ฟเวอร์ AI ผ่านช่องโหว่ CVE-2025-3248 ของ Langflow แสดงให้เห็นรูปแบบที่สอดคล้องกัน: ผู้โจมตีกำลังไล่ล่าเครื่องมือพัฒนา AI และไปป์ไลน์เป็นจุดเริ่มต้นอย่างแข็งขัน ไม่ใช่แค่เป็นเป้าหมายรองเท่านั้น

เรื่องนี้เกี่ยวข้องกับทุกคนที่ข้อมูลต้องไปแตะกับระบบ AI ไม่ว่าจะเป็นบริษัทที่รันไปป์ไลน์ ML ภายใน หรือผู้บริโภคที่ข้อมูลส่วนบุคคลถูกใช้เพื่อฝึกฝนเครื่องมือแนะนำหรือแชทบอท ไปป์ไลน์ AI มักจะนำเข้าและจัดเก็บข้อมูลที่ละเอียดอ่อน ตั้งแต่บันทึกพฤติกรรมผู้ใช้ ไปจนถึงเอกสารทางธุรกิจที่เป็นกรรมสิทธิ์ ในระหว่างกระบวนการฝึกฝนและปรับแต่งโมเดล เมื่อมัลแวร์เรียกค่าไถ่มุ่งเป้าไปที่ไปป์ไลน์นั้น ความเสี่ยงไม่ใช่แค่การดำเนินงานต้องหยุดชะงักเท่านั้น แต่ยังหมายความว่าข้อมูลพื้นฐาน ซึ่งอาจรวมถึงข้อมูลส่วนบุคคลหรือข้อมูลที่ละเอียดอ่อน อาจถูกเปิดเผย ขโมยออกไป หรือสูญหายโดยสิ้นเชิง ก่อนที่การเข้ารหัสจะเกิดขึ้นด้วยซ้ำ

วิวัฒนาการจากการรีดไถฐานข้อมูลทั่วไป ไปสู่การทำลายโมเดล AI อย่างพุ่งเป้า ยังส่งสัญญาณถึงแนวโน้มในวงกว้างที่ควรจับตามอง: ผู้โจมตีกำลังมองว่าโครงสร้างพื้นฐาน AI เป็นเป้าหมายที่มีมูลค่าสูงและมีอำนาจต่อรองสูง ข้อมูลฝึกฝนและโมเดลแสดงถึงการลงทุนที่มหาศาล และมักจะได้รับการปกป้องจากกระบวนการสำรองและกู้คืนแบบดั้งเดิมน้อยกว่าฐานข้อมูลทั่วไป ทำให้พวกมันตกเป็นเป้าหมายที่น่าสนใจสำหรับการรีดไถ

สิ่งนี้หมายถึงอะไรสำหรับคุณ

หากคุณเป็นธุรกิจหรือนักพัฒนาที่ทำงานกับเครื่องมือ AI พัฒนาการครั้งนี้คือสัญญาณให้คุณประเมินใหม่ว่ามีการรักษาความปลอดภัยระบบเหล่านั้นอย่างไร แพลตฟอร์มอย่าง Langflow และเครื่องมือออร์เคสตราที่คล้ายคลึงกัน กำลังกลายเป็นส่วนหนึ่งของสภาพแวดล้อมการใช้งานจริงมากขึ้น ไม่ใช่แค่แซนด์บ็อกซ์สำหรับการทดลอง และพวกมันจำเป็นต้องได้รับการแพตช์และตรวจสอบด้วยความเข้มงวดเช่นเดียวกับระบบที่เผชิญหน้ากับลูกค้า ช่องโหว่อย่าง CVE-2025-3248 แสดงให้เห็นว่าช่องโหว่เดียวที่ไม่ได้รับการแก้ไขในเครื่องมือเวิร์กโฟลว์ AI สามารถกลายเป็นจุดเริ่มต้นสำหรับการปล่อยมัลแวร์เรียกค่าไถ่เต็มรูปแบบได้

สำหรับผู้ใช้และผู้บริโภคทั่วไป บทเรียนที่ได้เป็นทางอ้อมแต่ก็ยังสำคัญอยู่ เมื่อบริการต่าง ๆ พึ่งพาโมเดล AI ที่ฝึกฝนจากข้อมูลผู้ใช้มากขึ้นเรื่อย ๆ การโจมตีที่ทำลายหรือขโมยข้อมูลฝึกฝนนั้นออกไป อาจส่งผลกระทบเป็นวงกว้าง กระทบความเป็นส่วนตัวและความพร้อมใช้งานของบริการที่คุณใช้เป็นประจำ สิ่งนี้เป็นข้อเตือนใจอีกประการหนึ่งว่า ความปลอดภัยของระบบ AI ที่อยู่เบื้องหลังแอปและแพลตฟอร์มที่เราใช้นั้น มีความสำคัญพอ ๆ กับความปลอดภัยของตัวแอปเอง

การสร้างแนวป้องกันต่อมัลแวร์เรียกค่าไถ่ที่มุ่งเป้า AI

องค์กรที่ดำเนินการโครงสร้างพื้นฐาน AI ควรปฏิบัติต่อไฟล์โมเดลและชุดข้อมูลฝึกฝนเสมือนเป็นสินทรัพย์สำคัญที่ต้องมีแผนสำรองและกู้คืนโดยเฉพาะ แยกต่างหากจากการสำรองข้อมูลไอทีทั่วไป การแบ่งส่วนเครือข่ายระหว่างสภาพแวดล้อมการพัฒนา AI และระบบที่ใช้งานจริง สามารถจำกัดขอบเขตที่ผู้โจมตีสามารถเคลื่อนไหวได้หลังจากการเจาะระบบครั้งแรก การแพตช์แพลตฟอร์ม AI ออร์เคสตราอย่างสม่ำเสมอ การวางแผนตอบสนองต่อเหตุการณ์ที่เฉพาะเจาะจงกับไปป์ไลน์ ML อย่างทันท่วงที และการเข้ารหัสข้อมูลขณะจัดเก็บ ล้วนเป็นขั้นตอนเชิงปฏิบัติที่ลดความเสี่ยงต่อการถูกโจมตีจากแคมเปญแบบนี้

การเปลี่ยนทิศทางของ JADEPUFFER มาใช้มัลแวร์ ENCFORGE เป็นสัญญาณชัดเจนว่าผู้โจมตีกำลังปรับตัวตามแหล่งที่มีมูลค่าในปัจจุบัน: ไม่ใช่แค่ในฐานข้อมูลลูกค้า แต่รวมถึงระบบ AI ที่สร้างขึ้นบนฐานข้อมูลเหล่านั้นด้วย การก้าวนำหน้าการเปลี่ยนแปลงนั้น หมายถึงการให้ความสำคัญกับความปลอดภัยของโครงสร้างพื้นฐาน AI เป็นลำดับหลัก ไม่ใช่แค่สิ่งที่คิดทีหลัง

ข้อแนะนำที่นำไปปฏิบัติได้:

  • แพตช์แพลตฟอร์มออร์เคสตราและเวิร์กโฟลว์ AI โดยทันที โดยเฉพาะช่องโหว่ที่ทราบแล้ว เช่น CVE-2025-3248 ใน Langflow
  • ดูแลรักษาแบ็กอัพที่แยกต่างหากและผ่านการทดสอบ สำหรับโมเดลที่ผ่านการฝึกฝนและชุดข้อมูลฝึกฝน ไม่ใช่แค่ฐานข้อมูลทั่วไป
  • แบ่งส่วนเครือข่ายระหว่างสภาพแวดล้อมการพัฒนาและฝึกฝน AI ออกจากเครือข่ายที่ใช้งานจริง เพื่อจำกัดการเคลื่อนไหวแนวราบ
  • สร้างแผนตอบสนองต่อเหตุการณ์ที่คำนึงถึงการบุกรุกไปป์ไลน์ ML โดยเฉพาะ ไม่ใช่แค่การละเมิดข้อมูลแบบดั้งเดิม
  • เข้ารหัสข้อมูลฝึกฝนที่ละเอียดอ่อนขณะจัดเก็บ และเฝ้าติดตามบันทึกการเข้าถึงเพื่อตรวจสอบกิจกรรมที่ผิดปกติรอบโครงสร้างพื้นฐาน AI