Claude Mythos ทะลวงระบบองค์กร 32 ขั้นตอนสำเร็จ 30% แต่อย่าเพิ่งตื่นตระหนก
ทุกคนบอก AI เป็นแค่ผู้ช่วยเขียนโค้ด แต่รัฐบาลอังกฤษปล่อยให้ Claude Mythos ลองเจาะระบบองค์กร ผลคือทะลวงสำเร็จ 30% แบบไม่ต้องพึ่งคน นี่คือเบื้องหลังของตัวเลขนี้
รายงานประเมินความปลอดภัยล่าสุดจากสถาบัน AI Safety Institute สหราชอาณาจักร (UK AISI) ที่เผยแพร่เมื่อวันที่ 13 เมษายน 2026 ได้สร้างแรงกระเพื่อมครั้งสำคัญให้กับวงการไซเบอร์ เมื่อผลการทดสอบชี้ว่า Claude Mythos Preview โมเดลความปลอดภัยตัวใหม่ของ Anthropic สามารถวางแผนและเจาะระบบเครือข่ายจำลองระดับองค์กรที่มีความซับซ้อน 32 ขั้นตอนได้สำเร็จแบบอัตโนมัติถึง 30% โดยไม่ต้องมีมนุษย์คอยสั่งการ
การทดสอบในระดับนี้ หากใช้ผู้เชี่ยวชาญด้าน Penetration Testing ที่เป็นมนุษย์ ปกติจะต้องใช้เวลาลงมือทำงานอย่างต่อเนื่องประมาณ 20 ชั่วโมง แต่ AI Agent สามารถดำเนินการตามลำดับขั้นได้ด้วยตัวเองอย่างต่อเนื่อง
บททดสอบ 32 ขั้นตอน: ขีดความสามารถที่ทิ้งห่างโมเดลรุ่นก่อน
ชุดทดสอบที่ AISI นำมาใช้มีชื่อว่า "The Last Ones" (TLO) ซึ่งเป็นการจำลองสภาพแวดล้อมเครือข่ายองค์กรขนาดใหญ่ที่มีช่องโหว่ซ่อนอยู่ งานของโมเดลคือการเริ่มตั้งแต่การสแกนเครือข่าย เจาะผ่านจุดเข้าถึง แฝงตัว ขโมยข้อมูลสำคัญ และยกระดับสิทธิ์จนเข้าควบคุมระบบทั้งหมดรวม 32 ขั้นตอน
- Claude Opus 4.6 (รุ่นก่อนหน้า): ทำได้เฉลี่ย 16 ขั้นตอนก่อนจะติดขัดและหยุดทำงาน
- Claude Mythos Preview: ก้าวหน้าไปได้เฉลี่ยถึง 22 ขั้นตอน และสามารถผ่านบททดสอบครบทั้ง 32 ขั้นตอนจนถึงปลายทางได้สำเร็จถึง 3 ใน 10 ครั้ง (คิดเป็น 30%)
- Capture-the-Flag (CTF): Mythos ทำอัตราความสำเร็จได้สูงถึง 73% ในโจทย์ระดับผู้เชี่ยวชาญ ขณะที่โมเดลรุ่นก่อนเดือนเมษายน 2025 ยังไม่สามารถผ่านการทดสอบระดับนี้ได้เลย
นอกจากนี้ รายงานจากทีม Red Team ของ Anthropic ยังระบุว่า ในการทดสอบเจาะระบบ JavaScript Engine ของเบราว์เซอร์ Firefox ทาง Opus 4.6 เจาะผ่านได้เพียง 2 ครั้งจากการทดสอบหลายร้อยรอบ ขณะที่ Mythos เจาะทะลุได้ถึง 181 ครั้ง
บริบทที่ต้องทำความเข้าใจ: ระบบทดสอบยังไม่มีคนเฝ้า
แม้ตัวเลขความสำเร็จ 30% จะดูน่าประทับใจ แต่ AISI ได้ระบุข้อจำกัดสำคัญของสภาพแวดล้อมการทดสอบไว้ด้วย:
- ไม่มีระบบตรวจจับแบบเรียลไทม์ (No Active Defense): สภาพแวดล้อมการทดสอบไม่มีระบบ SIEM/SOC คอยมอนิเตอร์พฤติกรรมผิดปกติ ไม่มีไฟร์วอลล์คอยบล็อก IP อัตโนมัติ และไม่มีการตัดการเชื่อมต่อเมื่อ AI ส่งคำสั่งทดลองผิดพลาด
- ไม่สามารถเจาะระบบ Physical Control ได้: เมื่อนำไปทดสอบกับเครือข่ายระบบทำความเย็นในอุตสาหกรรม (Industrial Cooling Tower) ซึ่งควบคุมเครื่องจักรจริง Mythos กลับติดขัดตั้งแต่ขั้นตอนการข้ามส่วนของเครือข่ายไอทีพื้นฐาน
สรุปได้ว่า Mythos เชี่ยวชาญการค้นหาช่องทางเจาะระบบที่มีโครงสร้างซับซ้อนแต่ไม่มีการเฝ้าระวัง ส่วนการรับมือกับระบบป้องกันที่มีการตรวจจับอย่างเข้มงวดในชีวิตจริงยังคงเป็นคำถามที่ต้องศึกษาต่อไป
ขุดพบบั๊กอายุ 27 ปีในซอฟต์แวร์ระดับตำนาน
จุดแข็งที่สุดของ Mythos ไม่ใช่แค่การรันคำสั่งเจาะระบบ แต่คือความสามารถในการอ่านและทำความเข้าใจ Source Code ขนาดมหาศาล ในการทดสอบ Fuzzing นั้น Mythos สามารถค้นหาจุดบกพร่องที่ทำให้ระบบล่มได้ถึง 595 จุด
ผลงานที่โดดเด่นที่สุดคือการค้นพบช่องโหว่ความปลอดภัยในระบบปฏิบัติการ OpenBSD ที่ซ่อนอยู่มานานถึง 27 ปี และบั๊กในไลบรารี FFmpeg ที่มีอายุ 16 ปี โดยใช้งบประมาณค่ารัน API เพียงไม่ถึง 20,000 ดอลลาร์ ซึ่งประหยัดกว่าการว่าจ้างทีม Security Audit มานั่งตรวจสอบโค้ดแบบแมนนวลอย่างมหาศาล
Greg Kroah-Hartman ผู้ดูแล Linux Kernel และ Daniel Stenberg ผู้พัฒนา cURL ต่างยืนยันว่า ปัจจุบันได้รับรายงานช่องโหว่คุณภาพสูงที่ค้นพบโดย AI เพิ่มขึ้นอย่างมีนัยสำคัญ ซึ่ง Simon Willison ได้วิเคราะห์เรื่องนี้ ว่ากำลังเปลี่ยนโฉมวงการค้นหาช่องโหว่ของซอฟต์แวร์ Open Source ไปอย่างสิ้นเชิง
เสริมเกราะป้องกันผ่าน Project Glasswing
เพื่อป้องกันไม่ให้เทคโนโลยีนี้ตกไปอยู่ในมือของผู้ไม่หวังดี Anthropic ได้เปิดตัว Project Glasswing มอบเครดิตการใช้งานมูลค่ารวม 100 ล้านดอลลาร์ และทุนสนับสนุน 4 ล้านดอลลาร์ ให้กับโครงการ Open Source และองค์กรพันธมิตรอย่าง AWS, Apple, Microsoft, Google และ Linux Foundation เพื่อนำ AI ไปช่วยสแกนและแก้ไขช่องโหว่ในระบบสำคัญก่อนถูกโจมตี
Thomas Ptacek และ Nicholas Carlini สองนักวิจัยความปลอดภัยชื่อดังระบุว่า ปัจจุบันการทำงานด้าน Vulnerability Discovery กำลังเปลี่ยนผ่านจากการพึ่งพาทักษะเฉพาะตัว มาสู่การใช้ AI เป็นเครื่องมือทุ่นแรงหลักที่ทำให้ตรวจพบบั๊กได้มากกว่าที่เคยทำมาในอดีตหลายเท่าตัว
สิ่งที่นักพัฒนาและทีมความปลอดภัยต้องเร่งทำ
รายงานจาก AISI สรุปข้อแนะนำสำคัญสำหรับองค์กรดังนี้:
- รักษามาตรฐาน Security Hygiene พื้นฐาน: หมั่นอัปเดตแพตช์ซอฟต์แวร์อย่างสม่ำเสมอ และจำกัดสิทธิ์การเข้าถึง (Least Privilege) ให้รัดกุม
- วางระบบ Audit Logging และ Detection ให้พร้อม: เนื่องจากจุดอ่อนของ AI Agent คือการหลบหลีกระบบตรวจจับ การมี Log ที่ครบถ้วนและการแจ้งเตือนความผิดปกติแบบเรียลไทม์จะช่วยสกัดกั้นการโจมตีได้ทันท่วงที
แหล่งอ้างอิง
ชอบเรื่องแนวนี้ มีอีบุ๊คฟรีให้อ่านต่อ
ChatGPT Work ฉบับเข้าใจง่าย มอบงานให้ AI ทำจนจบ ตั้งแต่งานแรกจนถึงงานอัตโนมัติ พร้อม workflow ใช้ได้จริง 8 แบบ
กดสมัครแล้วเราจะส่งเทคนิค AI และของแจกใหม่ๆ ให้ทางอีเมล เลิกรับได้ตลอด
Claude Cowork · The Business Playbook
ฉบับภาษาไทย 15 บท เรียนรู้ผ่านโปรเจกต์จำลองต่อเนื่องทั้งเล่ม ตั้งแต่ตั้งค่า Workspace จัดการไฟล์ เชื่อมแอป ตั้งระบบอัตโนมัติ จนถึงสร้าง Plugin
