หนอน SANDWORM_MODE โจมตีห่วงโซ่อุปทาน AI พร้อมกลยุทธ์แฝงตัวสุดแยบยล

ในเดือนกุมภาพันธ์ 2026 ทีมวิจัยจาก Socket.dev ได้เปิดเผยหนอนมัลแวร์ npm แบบหลายขั้นตอนที่ทำงานภายใต้แฟล็กภายในชื่อ SANDWORM_MODE แคมเปญนี้ประกอบด้วยแพ็กเกจอันตราย 19 รายการจากผู้เผยแพร่สองราย และแสดงให้เห็นถึงภัยคุกคามรูปแบบใหม่ที่พุ่งเป้าไปยังเวิร์กโฟลว์การพัฒนาที่ใช้ AI

แม้การโจมตีห่วงโซ่อุปทานที่พบในปัจจุบันส่วนใหญ่มักเน้นที่ช่องโหว่ของ build output หรือการขโมยข้อมูลประจำตัวจำนวนมาก แต่ SANDWORM_MODE นั้นแตกต่างเพราะมันใช้ประโยชน์จากพฤติกรรมการทำงานจริงของ AI coding assistant และ CI automation โดยตรง ความท้าทายสำคัญของการตรวจจับคือสภาพแวดล้อมที่มัลแวร์ทำงานนั้นแทบจะแยกไม่ออกจากการทำงานที่ถูกต้องตามกฎหมาย

โครงสร้างของไปป์ไลน์ CI ขับเคลื่อนด้วย AI

การพัฒนาซอฟต์แวร์ยุคใหม่ต้องพึ่งพาไปป์ไลน์ที่เสริมด้วย AI มากขึ้น โดยมีส่วนประกอบสำคัญหลายอย่าง ได้แก่ Package Registry สำหรับจัดการ dependencies, AI Coding Assistant สำหรับสร้างโค้ด, CI/CD Runner สำหรับอัตโนมัติ, Secret Store สำหรับจัดการข้อมูลประจำตัว, Source Control API สำหรับจัดการ repo และ LLM Provider สำหรับบริการ AI หนอน SANDWORM_MODE เลือกโจมตีทุกจุดเหล่านี้

สามขั้นตอนของการติดเชื้อที่แยบยล

หนอนตัวนี้ทำงานผ่านสามขั้นตอน ขั้นแรกคือ Loader ที่ใช้การเข้ารหัสหลายชั้นเพื่อหลบเลี่ยงการตรวจจับแบบ Static Analysis ขั้นที่สองคือ Reconnaissance หรือการสอดแนม ซึ่งจะตรวจสอบสภาพแวดล้อมเพื่อแยกแยะว่านักพัฒนาหรือระบบ CI จากนั้นขโมยโทเค็นใน .npmrc และคีย์กระเป๋าเงินคริปโต ก่อนจะส่งข้อมูลออกไปทันที ส่วนที่เป็นเล่ห์เหลี่ยมคือการตั้งเวลาดีเลย์ 48 ถึง 96 ชั่วโมงในเครื่องนักพัฒนา แต่จะทำงานทันทีในระบบ CI ที่มีอายุการทำงานสั้น

การแพร่กระจายผ่านหลายช่องทางและทำลายระบบ AI

เมื่อผ่านด่านเวลาไปแล้ว ขั้นที่สามจะเริ่มต้นขึ้น หนอนจะแพร่กระจายผ่านสามช่องทางคือ การใช้ npm token ที่ขโมยมาเพื่ออัปเดตแพ็กเกจ, การใช้ GitHub API token เพื่อแทรกโค้ดและเปิด Pull Request และการใช้ SSH fallback เมื่อสองวิธีแรกไม่สำเร็จ นอกจากนี้ยังฝังตัวเองผ่าน Git hooks เพื่อให้แพร่ไปทุก Repo ใหม่ที่นักพัฒนาแตะต้อง จุดที่น่ากลัวคือการตั้งค่า Rogue MCP Server เพื่อให้ AI Assistant เช่น Claude หรือ Cursor อ่านและขโมยข้อมูลประจำตัวทั้งหมดจากระบบโดยที่ผู้ใช้ไม่รู้ตัว

ความท้าทายในการตรวจจับที่ไม่ใช่แค่เรื่องลายเซ็น

การวิเคราะห์ช่องว่างพบว่าจาก 14 พฤติกรรมที่ตรวจสอบ มีเพียง 9 รายการที่สร้างสัญญาณได้ และมีเพียง 2 รายการเท่านั้นที่ผ่านเกณฑ์ความแม่นยำสำหรับการแจ้งเตือนถึงลูกค้า ปัญหาสำคัญคือเครื่องมือพัฒนาที่ถูกต้องตามกฎหมายสร้างข้อมูล telemetry ที่เหมือนกับพฤติกรรมอันตรายทุกประการ การดีเลย์เวลา 48 ถึง 96 ชั่วโมงยังทำให้เหตุการณ์การติดตั้งและการกระทำผิดเกิดขึ้นคนละช่วงเวลา ซึ่งอาจเกินระยะเวลาการจัดเก็บข้อมูลในระบบตรวจจับ

บทสรุปและแนวทางรับมือ

SANDWORM_MODE ไม่ใช่แค่แคมเปญครั้งเดียว แต่เป็นพิสูจน์แนวคิดสำหรับภัยคุกคามคลาสใหม่ เมื่อ AI coding assistant กลายเป็นโครงสร้างพื้นฐานมาตรฐาน พฤติกรรมที่พวกมันทำเป็นปกติจะกลายเป็นฉากบังถาวรสำหรับผู้ไม่หวังดี การสร้าง baseline ปกติสำหรับพฤติกรรมของ MCP server และ AI assistant เป็นสิ่งจำเป็นเร่งด่วน ขณะนี้ทีม CrowdStrike มีระบบตรวจจับที่ปกป้องลูกค้าจากภัยคุกคามนี้แล้ว

Reference

หากสนใจสินค้า หรือต้องการคำปรึกษาเพิ่มเติม

💬 Line @monsteronline

☎️ Tel 02-026-6664

📩 Email [email protected]

🌐 ดูสินค้าเพิ่มเติม mon.co.th