ข้ามไปเนื้อหาหลัก

Microsoft แฉ 8 กลุ่มแฮกเกอร์เกาหลีเหนือใช้ AI ปั้นบริษัทผี

รายงานจาก Microsoft เผยแฮกเกอร์เกาหลีเหนือ 8 กลุ่ม ใช้ AI เร่งความเร็วและเพิ่มขนาดปฏิบัติการไซเบอร์ สร้างบริษัทปลอม ล่อเหยื่อ และเขียนมัลแวร์

เรียบเรียงโดย AI
Inewgen
03 Nov 2026ที่มา: Techsauce3 นาทีอ่าน (0 ครั้ง)
แชร์
Microsoft แฉ 8 กลุ่มแฮกเกอร์เกาหลีเหนือใช้ AI ปั้นบริษัทผี

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ขนาดตัวอักษร
  • Microsoft เผยแฮกเกอร์เกาหลีเหนือใช้ AI เป็นตัวคูณกำลัง
  • Jade Sleet ตั้งบริษัทบังหน้า 3 แห่งออกล่าเหยื่อในสัปดาห์เดียว
  • Onyx Sleet ใช้ AI สร้างไฟล์ PDF ฟิชชิงนับร้อยไฟล์ในไม่กี่นาที
  • Coral Sleet และ Sapphire Sleet ใช้ AI ช่วยพัฒนาและซ่อนมัลแวร์

ฝ่ายสรรหาบุคลากรที่ทักมาชวนสัมภาษณ์งานตำแหน่งวิศวกรซอฟต์แวร์ในบริษัท AI บล็อกเชนไฟแรง อาจไม่มีตัวตนจริงเลยแม้แต่คนเดียว เพราะรายงานล่าสุดจาก Microsoft Threat Intelligence พบว่าแฮกเกอร์ที่เชื่อมโยงกับรัฐบาลเกาหลีเหนือกำลังใช้ AI ปั้นทั้งบริษัท โดเมน โปรไฟล์โซเชียล และบทสนทนาที่ฟังดูเป็นมืออาชีพ ได้รวดเร็จนกลุ่มหนึ่งใช้บริษัทบังหน้า (Front Company) ถึง 3 แห่งออกล่าเหยื่อภายในสัปดาห์เดียว

เคสนี้เป็นเพียงหนึ่งในหลายเคสที่ Microsoft รวบรวมไว้ ยังมีกลุ่มที่สร้างไฟล์ PDF ล่อเหยื่อทีละหลายสิบไฟล์ภายในไม่กี่นาที กลุ่มที่สร้างกระบวนการฝังโทรจันลงในคลังโค้ดส่วนตัวบน GitHub ได้ในเวลาอันสั้น ไปจนถึงกลุ่มที่เริ่มนำ AI แบบเอเจนต์ (Agentic AI) ซึ่งทำงานต่อเนื่องหลายขั้นตอนได้เอง มาใช้เจาะระบบ ข้อสรุปของ Microsoft คือการนำ AI มาใช้ในหมู่แฮกเกอร์เกาหลีเหนืออยู่ในระดับสูง และมี 3 กลุ่มที่ฝัง AI ไว้ในทุกขั้นตอนการทำงานแล้ว

ถึงอย่างนั้น เป้าหมายของกลุ่มเหล่านี้ก็ไม่ได้เปลี่ยนไปเพราะ AI เนื่องจากเกาหลีเหนืออยู่ภายใต้มาตรการคว่ำบาตรระหว่างประเทศ ปฏิบัติการไซเบอร์จึงเป็นช่องทางหลักในการหาเงินเข้ารัฐบาล ล้วงข้อมูลข่าวกรองเชิงยุทธศาสตร์ และในบางกรณีก็มุ่งสร้างความเสียหายด้วยเหตุผลทางการเมือง เป้าหมายประจำจึงยังเป็นบริษัทคริปโตและการเงิน บริษัทไอที ห่วงโซ่อุปทานซอฟต์แวร์ หน่วยงานรัฐ และสถาบันการศึกษา สิ่งที่ AI เปลี่ยนคือความเร็วและขนาดของงานเดิม ซึ่ง Microsoft อธิบายไว้ว่า

"Threat actors use AI as a force multiplier across their operations, particularly to accelerate and scale established workflows."

Microsoft

ก่อนจะไปดูเคสจริง ต้องเข้าใจชื่อเรียกก่อน Microsoft ตั้งชื่อกลุ่มแฮกเกอร์ด้วยระบบชื่อสภาพอากาศ โดยกลุ่มที่โยงกับรัฐบาลเกาหลีเหนือจะใช้นามสกุลว่า Sleet แล้วแยกแต่ละกลุ่มด้วยชื่ออัญมณีหรือสีนำหน้า หลายกลุ่มเป็นชื่อที่วงการความปลอดภัยรู้จักกันมานานภายใต้ชื่ออื่น เช่น Diamond Sleet ตรงกับกลุ่มที่บริษัทความปลอดภัยรายอื่นเรียกว่า Lazarus ขณะที่ Emerald Sleet คือ Kimsuky, Onyx Sleet คือ Andariel และ Sapphire Sleet คือ BlueNoroff

ไม่อยากพลาดข่าวใหม่?

สมัครรับสรุปข่าวสารใหม่ทางอีเมล ไม่บ่อยจนรำคาญ

โฆษณา

รายงานฉบับนี้แบ่งระดับการนำ AI มาใช้ของกลุ่มที่มีผลกระทบสูงออกเป็น 4 ขั้น ระดับการใช้งานข้างต้นจะเห็นภาพชัดขึ้นเมื่อดูจากเคสที่ Microsoft ตรวจพบจริง ซึ่งไล่ตั้งแต่การหลอกคนไปจนถึงการเขียนมัลแวร์ เริ่มจาก Jade Sleet ที่ระหว่างวันที่ 8-12 มิถุนายน 2026 ปลอมตัวเป็นฝ่ายสรรหาบุคลากรของบริษัทข่าวกรองบล็อกเชนที่ขับเคลื่อนด้วย AI ซึ่งเป็นบริษัทปลอม และใช้บริษัทบังหน้าอีก 2 แห่งทำแคมเปญแบบเดียวกันภายในช่วงเวลาสั้น ๆ

software developer office desk computer workspace no logo

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

การที่แฮกเกอร์เกาหลีเหนือหันมาใช้ AI เป็นเครื่องมือหลักสะท้อนถึงการเปลี่ยนแปลงครั้งสำคัญในโลกอาชญากรรมไซเบอร์ จากเดิมที่ต้องใช้แรงงานคนจำนวนมากในการสร้างโปรไฟล์ปลอมหรือเขียนโค้ด เทคโนโลยี Generative AI และ Agentic AI ช่วยให้พวกเขาสามารถทำซ้ำกระบวนการเหล่านี้ได้อย่างอัตโนมัติและรวดเร็วแบบทวีคูณ ส่งผลให้องค์กรทั่วโลกต้องยกระดับการตรวจสอบตัวตนและความปลอดภัยทางดิจิทัลให้เข้มงวดขึ้นตามไปด้วย

ในขณะเดียวกัน Jasper Sleet เลือกปลอมเป็นผู้สมัครงานทางไกลในบริษัทต่างประเทศเพื่อรับเงินเดือนจริงโดยใช้ AI ช่วยเตรียมเรซูเม่ ส่วน Onyx Sleet เน้นปริมาณด้วยการสร้างไฟล์ PDF ล่อเหยื่อกว่า 100 ไฟล์ในเดือนสิงหาคมและกันยายน 2026 โดยไฟล์หลายสิบไฟล์ถูกสร้างต่อเนื่องกันภายในไม่กี่นาทีผ่านระบบอัตโนมัติ นอกจากนี้ Coral Sleet และ Sapphire Sleet ยังใช้ AI ช่วยเขียนและปรับแต่งมัลแวร์เพื่อหลบเลี่ยงการตรวจจับ รวมถึง Diamond Sleet หรือ Lazarus ที่กลับมาเล็งเป้าภาคน้ำมันและก๊าซอีกครั้ง

3บริษัทบังหน้าที่ Jade Sleet ใช้ใน 1 สัปดาห์
100+ไฟล์ PDF ล่อเหยื่อของ Onyx Sleet

ที่มา: Techsauce

ความคิดเห็น

แสดงความคิดเห็น
0/2000

พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้