Tech!

Hugging Face ถูกเจาะโดยเอเจนต์ AI อัตโนมัติ – บทเรียนสำคัญสำหรับผู้ป้องกัน

แพลตฟอร์มโอเพ่นซอร์สด้านปัญญาประดิษฐ์ Hugging Face เปิดเผยว่าถูกโจมตีโดยระบบเอเจนต์ AI อัตโนมัติ

บริษัทระบุว่าตรวจพบและตอบสนองต่อเหตุการณ์ที่มุ่งเป้าไปยังโครงสร้างพื้นฐานการผลิตเมื่อสัปดาห์ที่ผ่านมา โดยพบการเข้าถึงที่ไม่ได้รับอนุญาตต่อชุดข้อมูลภายในบางส่วนและข้อมูลรับรองของบริการหลายตัว แต่ยืนยันว่าไม่มีหลักฐานว่ามีการแก้ไขโมเดล ข้อมูล หรือ Spaces ที่เปิดให้ผู้ใช้ทั่วไป รวมถึงซัพพลายเชนซอฟต์แวร์ของบริษัทเอง

วิธีการโจมตี

การโจมตีที่ Hugging Face เผชิญนั้นมีลักษณะเป็นขั้นตอนต่อเนื่อง โดยผู้โจมตีใช้ช่องโหว่ใน data processing pipeline เพื่อยกระดับสิทธิ์และเคลื่อนที่ไปทั่วโครงสร้างพื้นฐานภายใน เราสามารถสรุปเป็นลำดับขั้นตอนดังนี้:

01 เริ่มต้นด้วยชุดข้อมูลอันตราย

ผู้โจมตีสร้าง dataset ที่ฝังโค้ดอันตรายเพื่อใช้ช่องโหว่.

  • ใช้ remote code dataset loader เพื่อรันโค้ด

  • ใช้ template injection ในการตั้งค่าชุดข้อมูลเพื่อฝังคำสั่ง

02 เข้าถึง worker node

เมื่อโค้ดถูกโหลด ผู้โจมตีสามารถรันคำสั่งบน processing worker.

  • ได้สิทธิ์ระดับ node

  • สามารถเข้าถึงระบบไฟล์และกระบวนการภายใน

03 เก็บข้อมูลรับรองและสิทธิ์

ผู้โจมตีใช้สิทธิ์ที่ได้มาเพื่อดึง credential สำคัญ.

  • เก็บ cloud credentials

  • เก็บ cluster tokens และ secret

04 เคลื่อนที่ภายในระบบ

จาก node แรก ผู้โจมตีเคลื่อนที่ไปยัง cluster อื่น ๆ.

  • ใช้ lateral movement

  • ขยายการเข้าถึงไปยังหลาย cluster

05 ใช้ autonomous agent framework

ลักษณะเด่น

การโจมตีถูกดำเนินการโดยระบบ AI อัตโนมัติ.

  • ทำงานหลายพัน action ผ่าน sandbox ระยะสั้น

  • ใช้ command-and-control ที่ย้ายตัวเองไปยังบริการสาธารณะ

การแก้ไขและป้องกัน


มาตรการแก้ไขที่ Hugging Face ดำเนินการหลังจากถูกโจมตีมีหลายขั้นตอนที่ครอบคลุมทั้งการฟื้นฟูระบบและการป้องกันในอนาคต โดยสรุปได้ดังนี้:

  • ลบจุดยึดของผู้โจมตี บริษัทได้กำจัด foothold ที่ผู้โจมตีสร้างขึ้นใน cluster ที่ได้รับผลกระทบ และทำการ rebuild node ที่ถูกเจาะใหม่ทั้งหมด

  • ยกเลิกและหมุนเวียน credential ทำการ revoke และ rotate credential และ token ที่ถูกใช้ รวมถึงการหมุนเวียน secret ในวงกว้างเพื่อความปลอดภัย

  • เพิ่ม guardrails และ admission control ปรับปรุงการควบคุมการเข้าถึง cluster ให้เข้มงวดขึ้น เพื่อป้องกันการโจมตีซ้ำ

  • ปรับปรุงระบบตรวจจับและแจ้งเตือน ติดตั้งระบบ monitoring ที่สามารถแจ้งเตือนทีมตอบสนองภายในไม่กี่นาที ตลอด 24 ชั่วโมง

  • แนะนำลูกค้าให้ตรวจสอบบัญชี บริษัทแนะนำให้ผู้ใช้หมุนเวียน access token ของตนเอง และตรวจสอบกิจกรรมล่าสุดในบัญชีเพื่อหาความผิดปกติ

บทเรียนสำหรับผู้ป้องกันจากเหตุการณ์ Hugging Face

บทเรียนที่องค์กรอื่นสามารถเรียนรู้จากเหตุการณ์ที่ Hugging Face ถูกโจมตี มีหลายประเด็นสำคัญที่สะท้อนถึงความท้าทายใหม่ ๆ ในการป้องกันภัยไซเบอร์ยุค AI:

  • เตรียมโมเดลสำหรับการสืบสวน Hugging Face พบว่าโมเดลที่มี guardrails เข้มงวดไม่สามารถใช้ในการวิเคราะห์ forensic ได้ เพราะบล็อกคำสั่งที่มี payload จริง ดังนั้นองค์กรควรมีโมเดล open-weight ที่ผ่านการตรวจสอบและสามารถรันบนโครงสร้างพื้นฐานของตนเอง เพื่อใช้ในเหตุการณ์จริงโดยไม่เสี่ยงข้อมูลรั่วไหล

  • ระวังการโจมตีผ่าน dataset จุดเริ่มต้นของการโจมตีคือชุดข้อมูลที่ฝังโค้ดอันตรายไว้ใน pipeline การประมวลผล แสดงให้เห็นว่าการตรวจสอบ dataset และการ sanitize input เป็นสิ่งจำเป็น

  • เสริมการควบคุมสิทธิ์และการเข้าถึง ผู้โจมตีสามารถยกระดับสิทธิ์ไปถึงระดับ node และเคลื่อนที่ใน cluster ได้ง่าย แสดงให้เห็นว่าการใช้ least privilege และการแบ่งแยกสิทธิ์เป็นสิ่งสำคัญ

  • ระบบตรวจจับและแจ้งเตือนที่รวดเร็ว Hugging Face ปรับปรุงระบบให้แจ้งเตือนภายในไม่กี่นาที ซึ่งเป็นบทเรียนว่าการตอบสนองเร็วคือหัวใจในการจำกัดความเสียหาย

  • การหมุนเวียน credential และ secret การ revoke และ rotate credential อย่างสม่ำเสมอช่วยลดโอกาสที่ผู้โจมตีจะใช้ข้อมูลเดิมในการเข้าถึงซ้ำ

Source
www.thehackernews.com

jetboat

Jetboat is a Bangkok-based tech blogger and has more than ten years of blogger sence in Thailand Specializes in mobile application , tech industries , security ,gadget, mobile marketing ,social network.

Related Articles

Back to top button