นักวิจัยด้านความปลอดภัยที่ Wiz ได้บันทึกกรณีที่ผิดปกติของปัญญาประดิษฐ์ที่สร้างช่องโหว่อย่างมากที่ระบบ AI อื่นพบและใช้ประโยชน์: การแก้ไข GitHub Copilot อัตโนมัติทำให้เกิดข้อบกพร่องในการแทรกสคริปต์ร้ายแรงในพื้นที่เก็บข้อมูลโอเพ่นซอร์ส Snowflake และ Red Agent อัตโนมัติของ Wiz ค้นพบจุดบกพร่อง สร้างอาวุธ และดึงข้อมูลประจำตัวจากระบบภายในของ Snowflake ทั้งหมดนี้ภายในไม่กี่วันนับจากการลงจอดโค้ดที่มีข้อบกพร่อง

การค้นพบนี้เผยแพร่เมื่อวันจันทร์ในบล็อก Wiz Research ไปถึงหน้าแรกของ Hacker News อย่างรวดเร็ว ซึ่งนักพัฒนาได้ถกเถียงกันถึงความหมายของแนวทางปฏิบัติที่เพิ่มขึ้นในการปล่อยให้ผู้ช่วยเขียนโค้ด AI ทำการเปลี่ยนแปลงโดยตรงกับพื้นที่เก็บข้อมูลที่ใช้งานจริง ตอนนี้กำลังถูกอ่านเพื่อเป็นการเตือนถึงความเร่งรีบของอุตสาหกรรมที่มีต่อโค้ดที่เขียนโดย AI หากต้องการทราบเรื่องราวเพิ่มเติมเกี่ยวกับเครื่องมือที่พลิกโฉมการพัฒนาซอฟต์แวร์ โปรดติดตาม การรายงานข่าว AI

AI Autofix สร้างช่องโหว่ได้อย่างไร

จากข้อมูลของ Wiz ปัญหาเริ่มต้นเมื่อวันที่ 18 มิถุนายน 2026 เมื่อมีการคำขอดึงในพื้นที่เก็บข้อมูล `snowflake-connector-net` สาธารณะได้อัปเดตเวิร์กโฟลว์ GitHub Actions ที่เรียกว่า `jira_issue.yml` คอมมิตซึ่งร่วมเขียนโดยฟีเจอร์แก้ไขอัตโนมัติของ GitHub Copilot ได้แทนที่รูปแบบการเข้ารหัสที่ปลอดภัย ซึ่งเป็นรูปแบบที่ส่งชื่อเรื่องปัญหาที่ไม่น่าเชื่อถือผ่านตัวแปรสภาพแวดล้อม และสร้างเพย์โหลด JSON ด้วย `jq` ด้วยการแก้ไขเทมเพลตโดยตรงของอินพุตที่ผู้ใช้ควบคุมลงในเชลล์สคริปต์

เวิร์กโฟลว์จะทำงานทุกครั้งที่ผู้ใช้ GitHub เปิดปัญหาบนพื้นที่เก็บข้อมูล เนื่องจากชื่อเรื่องของปัญหาถูกแทรกลงในบล็อก `run:` โดยตรง เครื่องหมายคำพูดเดี่ยวในชื่อที่สร้างขึ้นก็เพียงพอที่จะแยกออกจากคำสั่งเชลล์และรันโค้ดตามอำเภอใจบน Actions runners ของ GitHub

การตรวจสอบแบบมีเงื่อนไขในเวิร์กโฟลว์ที่ดูเหมือนเป็นประตูรักษาความปลอดภัยกลับกลายเป็นว่าไม่ได้ผล: ในเหตุการณ์ปัญหา บริบท `github.event.pull_request` จะเป็นโมฆะเสมอ ดังนั้นเงื่อนไขจึงประเมินว่าเป็นจริงสำหรับผู้ใช้ทุกคน ในทางปฏิบัติ ใครก็ตามบน GitHub สามารถกระตุ้นเวิร์กโฟลว์ได้

Wiz กล่าวว่ารูปแบบที่ปลอดภัยที่ผู้ช่วย AI ลบออกนั้นได้รับการจงใจนำไปใช้เพื่อป้องกันการฉีดกระสุนประเภทนี้อย่างแน่นอน ซึ่งเป็นบริบททางประวัติศาสตร์ที่ผู้ช่วยอัตโนมัติไม่มีทางรู้

Red Agent พบมัน — และปฏิเสธที่จะล้มเหลว

สิ่งที่ทำให้คดีนี้โดดเด่นก็คือวิธีการค้นพบข้อบกพร่องดังกล่าว Red Agent ของ Wiz ซึ่งเป็นเจ้าหน้าที่รักษาความปลอดภัยเชิงรุกอัตโนมัติ กำลังสแกนองค์กร GitHub ของ Snowflake ด้วยความสามารถในการวิเคราะห์ CI/CD เมื่อตั้งค่าสถานะเวิร์กโฟลว์ว่าเสี่ยงต่อการถูกแทรกสคริปต์

เมื่อเอเจนต์พยายามใช้ประโยชน์จากข้อบกพร่อง เพย์โหลดแรกซึ่งใช้อักขระความคิดเห็นเพื่อตัดคำสั่งเชลล์จะล้มเหลวโดยมีข้อผิดพลาดทางไวยากรณ์ของ bash แทนที่จะหยุด นักวิจัยเขียนว่า Red Agent วิเคราะห์ข้อผิดพลาดโดยอัตโนมัติ ปรับเพย์โหลดเพื่อปิดไวยากรณ์เชลล์อย่างเหมาะสม และกรองข้อมูลประจำตัวของ Jira ไปยังเซิร์ฟเวอร์เรียกกลับนอกแบนด์ได้สำเร็จ การโทรกลับมาจาก GitHub Actions runner ซึ่งมีข้อมูลรับรองในรูปแบบที่เข้ารหัส base64

โทเค็นที่ถูกกรองออกไปนั้นเป็นของบัญชีที่มีสิทธิ์อ่านในโครงการวิศวกรรม การปฏิบัติตามข้อกำหนดด้านความปลอดภัย และการติดตามข้อบกพร่องของ Snowflake ใน Jira

ห้าวันตั้งแต่การฉีดจนถึงแพทช์

ไทม์ไลน์การเปิดเผยข้อมูลที่เผยแพร่โดย Wiz ดำเนินไปอย่างรวดเร็ว:

  • 18 มิถุนายน 2026 — รูปแบบช่องโหว่ได้รับการแนะนำโดยคอมมิตที่ร่วมเขียนโดย Copilot Autofix
  • 23 มิถุนายน 2026 — Wiz ระบุ หาประโยชน์ และรายงานข้อบกพร่องไปยัง Snowflake ผ่าน HackerOne
  • 23 มิถุนายน 2026 — Snowflake แก้ไขเวิร์กโฟลว์ในวันเดียวกัน โดยกู้คืนตัวแปร `env:` ที่ปลอดภัย และรูปแบบการแยกวิเคราะห์ `jq`
  • 24 มิถุนายน 2026 — โทเค็น Jira ที่ถูกเปิดเผยจะถูกเพิกถอนและหมุนเวียน
  • 25 กรกฎาคม 2026 — การเปิดเผยข้อมูลร่วมกันต่อสาธารณะ

Snowflake บอกกับ Wiz ว่าการสอบสวนไม่พบหลักฐานว่ามีการเข้าถึงโดยไม่ได้รับอนุญาต “เราได้รับการเปิดเผยเมื่อวันที่ 23 มิถุนายน 2026 และได้มีการสอบสวนและแก้ไขทันที และการสืบสวนของเราไม่พบหลักฐานว่ามีการเข้าถึงโดยไม่ได้รับอนุญาต” บริษัทกล่าวในแถลงการณ์ โดยเสริมว่ากำลังทำงานร่วมกับ Wiz เพื่อแบ่งปันการเรียนรู้กับอุตสาหกรรมในวงกว้าง

บทเรียนที่ใหญ่กว่า: รหัส AI ต้องการการตรวจสอบข้อเท็จจริงในระดับมนุษย์

วิซดึงประเด็นจากเหตุการณ์นี้มาสามประเด็น และครอบคลุมมากกว่าสโนว์เฟลก

ขั้นแรก คำขอดึงที่สร้างโดย AI จะต้องได้รับการวิเคราะห์แบบคงที่และการตรวจสอบความปลอดภัยแบบเดียวกับโค้ดของมนุษย์ ผู้ช่วยเขียนโค้ดทำนายโค้ดจากรูปแบบความน่าจะเป็น ซึ่งหมายความว่าพวกเขาสามารถรื้อสร้างโครงสร้างที่เลิกใช้แล้วหรือไม่ปลอดภัยซึ่งพื้นที่เก็บข้อมูลได้กำจัดออกไปแล้วได้อย่างเงียบๆ

ประการที่สอง หน้าต่างการค้นพบกำลังพังทลายลง ช่องโหว่นี้ใช้งานได้เพียงห้าวันก่อนที่ตัวแทนอัตโนมัติจะพบและตรวจสอบความถูกต้อง ซึ่งเป็นก้าวที่ถือว่าผู้โจมตีสแกนด้วยเครื่องมือที่คล้ายกันสามารถดำเนินการได้อย่างรวดเร็วเช่นกัน รอบแพตช์ที่รวดเร็วและข้อมูลประจำตัวที่มีอายุการใช้งานสั้นกำลังกลายเป็นข้อกำหนดพื้นฐาน

ประการที่สาม องค์กรต่างๆ ต้องการราวกั้นที่หยุดผู้ช่วย AI ไม่ให้แทนที่ตัวแยกวิเคราะห์ข้อมูลที่มีโครงสร้างด้วยการแก้ไขสตริงโดยตรง ซึ่งก็คือการถดถอยที่เกิดขึ้นที่นี่อย่างแม่นยำ

เหตุการณ์ดังกล่าวเกิดขึ้นในช่วงเวลาแห่งการวิปัสสนาอุตสาหกรรมในวงกว้างเกี่ยวกับโค้ดที่สร้างโดย AI การศึกษาล่าสุดและกรณีในโลกแห่งความเป็นจริงแสดงให้เห็นว่าเครื่องมือการเขียนโค้ด AI สามารถทำให้เกิดจุดบกพร่อง ช่องโหว่ด้านความปลอดภัย และความปวดหัวในการบำรุงรักษาควบคู่ไปกับการเพิ่มประสิทธิภาพการทำงานได้อย่างมั่นใจ สิ่งที่ทำให้เคส Snowflake มีความโดดเด่นคือการวนรอบแบบปิด: AI ที่ทำให้เกิดปัญหาและ AI ที่จับได้ต่างก็ทำหน้าที่โดยอัตโนมัติ โดยมีมนุษย์คอยตรวจสอบผลที่ตามมา

สำหรับทีมรักษาความปลอดภัย ข้อความจากวิซนั้นตรงไปตรงมา คำถามไม่ได้อยู่ที่ว่าโค้ดที่เขียนโดย AI จะมีช่องโหว่อีกต่อไปหรือไม่ แต่อยู่ที่ว่าไปป์ไลน์การตรวจจับของคุณ ไม่ว่าจะเป็นโดยมนุษย์หรือแบบอัตโนมัติ จะสามารถค้นหาช่องโหว่เหล่านั้นได้เร็วกว่าที่ตัวแทนของบุคคลอื่นทำหรือไม่

ก้าวนำหน้า AI Curve

เครื่องมือเข้ารหัส AI และตัวแทนอัตโนมัติกำลังเปลี่ยนแปลงความปลอดภัยของซอฟต์แวร์แบบเรียลไทม์ คั่นหน้า AI Buzz Wire สำหรับการรายงานรายวันเกี่ยวกับอุตสาหกรรม AI

อ่านข่าว AI เพิ่มเติม →