Mythos AI: ผู้ช่วยไซเบอร์ตัวใหม่ที่ทรงพลัง แต่ยังไม่ใช่ “นักวิเคราะห์อัตโนมัติ”
การทดสอบจากหน่วยงานรัฐและผู้เชี่ยวชาญอิสระหลายแห่งชี้ตรงกันว่า Claude Mythos โมเดล AI ของ Anthropic เป็นความก้าวหน้าสำคัญสำหรับงานด้านความปลอดภัยไซเบอร์ โดยเฉพาะการค้นหาช่องโหว่ในซอฟต์แวร์และการจำลองการโจมตีที่ต้องทำหลายขั้นตอน
แต่ข้อมูลเดียวกันก็เตือนว่า Mythos ยังไม่สามารถแทนผู้เชี่ยวชาญด้านความปลอดภัยไซเบอร์ได้ทั้งหมด เพราะยังมีข้อจำกัดในการตัดสินความรุนแรงของช่องโหว่และการยืนยันว่าช่องโหว่นั้นใช้โจมตีได้จริง
จุดแข็ง: ค้นหาช่องโหว่และเชื่อมโยงขั้นตอนการโจมตี
การประเมินจาก AI Security Institute (AISI) ของสหราชอาณาจักร ซึ่งเป็นหน่วยงานรัฐบาลที่ทดสอบความสามารถของ AI ระดับแนวหน้า พบว่า Mythos มีประสิทธิภาพด้านไซเบอร์ เหนือกว่าโมเดลรุ่นก่อนอย่างชัดเจน ![]()
หนึ่งในผลทดสอบสำคัญคือ Mythos สามารถทำ การจำลองการโจมตีเครือข่ายองค์กรแบบครบขั้นตอน ได้สำเร็จ ซึ่งเป็นงานที่ต้องผ่านหลายขั้นตอนและโดยปกติผู้เชี่ยวชาญมนุษย์อาจใช้เวลาประมาณ 20 ชั่วโมง ![]()
เอกสารการทดสอบภายในของ Anthropic ยังระบุว่า Mythos สามารถ
- ค้นหา ช่องโหว่แบบ zero‑day ในโค้ดโอเพ่นซอร์สจริง
- วิเคราะห์ย้อนกลับ (reverse‑engineer) ช่องโหว่ในซอฟต์แวร์ปิด
- เปลี่ยนช่องโหว่ที่รู้จักแล้วแต่ยังไม่ได้แพตช์อย่างแพร่หลาย (N‑day) ให้กลายเป็น exploit ได้
ความสามารถเหล่านี้ทำให้ Mythos เป็นเครื่องมือที่มีประโยชน์อย่างมากสำหรับทีมความปลอดภัยที่ต้องการค้นหาปัญหาในระบบก่อนที่ผู้โจมตีจะพบ ![]()
ข้อจำกัดสำคัญ: ยังต้องมีมนุษย์ตรวจสอบ
แม้ Mythos จะค้นพบช่องโหว่ได้รวดเร็ว แต่ผู้เชี่ยวชาญเตือนว่ามันยัง ไม่สามารถตัดสินความสำคัญของช่องโหว่ได้อย่างเชื่อถือได้ หรือยืนยันได้เสมอว่าการโจมตีจะทำงานจริงในสภาพแวดล้อมจริง
นั่นหมายความว่าองค์กรยังต้องใช้ผู้เชี่ยวชาญมนุษย์เพื่อ
- ตรวจสอบว่าช่องโหว่ที่พบมีผลกระทบจริงหรือไม่
- จัดลำดับความสำคัญในการแก้ไข
- ยืนยัน exploit ก่อนนำไปใช้ในการทดสอบระบบจริง
อีกความท้าทายคือ AI อาจสร้าง รายการช่องโหว่จำนวนมากเกินไป จนทีมรักษาความปลอดภัยต้องเสียเวลาตรวจสอบ false positives จำนวนมาก
การแข่งขันกับ GPT‑5.5: ความต่างอาจไม่มากอย่างที่คิด
แม้ Mythos จะถูกมองว่าเป็นโมเดล AI ด้านไซเบอร์ที่ล้ำหน้ามาก แต่การทดสอบของ AISI พบว่า GPT‑5.5 จาก OpenAI ก็มีประสิทธิภาพใกล้เคียงกันในหลายงานด้านไซเบอร์ ![]()
รายงานของ AISI ระบุว่า GPT‑5.5 เป็นโมเดลตัวที่สองที่สามารถผ่านการจำลองการโจมตีเครือข่ายหลายขั้นตอนแบบเดียวกับที่ Mythos ทำได้ ![]()
ในแง่ของการใช้งานจริง สิ่งที่อาจสร้างความแตกต่างมากกว่าความสามารถของโมเดลเพียงอย่างเดียวคือ
- ค่าใช้จ่ายของระบบ
- เครื่องมือและ workflow ที่เชื่อมกับโมเดล
- การควบคุมการเข้าถึงและความปลอดภัยของระบบ
นอกจากนี้ยังมีการทดลองบางส่วนที่พบว่า โมเดลราคาถูกหรือโอเพ่นซอร์สขนาดเล็ก อาจทำงานบางด้านได้ใกล้เคียง หากถูกออกแบบระบบเครื่องมือรอบตัวอย่างเหมาะสม ![]()
ข้อกังวลเรื่อง benchmark กับโลกจริง
ผู้เชี่ยวชาญยังเตือนว่า benchmark ด้านไซเบอร์จำนวนมากใช้สภาพแวดล้อมที่ถูกควบคุม เช่น
- โค้ดที่ตั้งใจใส่ช่องโหว่ไว้
- เครือข่ายทดสอบในห้องทดลอง
- ช่องโหว่จากอดีตที่ถูกบันทึกไว้
สถานการณ์จริงมักซับซ้อนกว่านั้น เช่น log ที่ไม่สมบูรณ์ การเข้าถึงระบบจำกัด หรือผลกระทบจากการแพตช์ระบบ ซึ่งทำให้การประเมินในห้องทดลองอาจ มองโลกสวยกว่าการใช้งานจริง ![]()
ทำไมรัฐบาลและธนาคารทั่วโลกจึงสนใจ Mythos
แม้จะยังมีข้อจำกัด แต่หลายประเทศและสถาบันการเงินกำลังเร่งเข้าถึงเทคโนโลยีประเภทนี้
ตัวอย่างเช่น
- ธนาคารขนาดใหญ่ของญี่ปุ่นสามแห่งกำลังเตรียมเข้าถึง Mythos เพื่อใช้ตรวจสอบช่องโหว่ในระบบของตน
![]()
- รายงานข่าวระบุว่า Anthropic มีแผนเปิดให้ ธนาคารยุโรป ทดสอบโมเดลนี้ด้วย
![]()
- ในยุโรป สถาบันการเงินกำลังมองหา AI สำหรับป้องกันไซเบอร์เพิ่มเติม หลังเกิดข้อกังวลเรื่องการเข้าถึงโมเดลขั้นสูง
![]()
รัฐบาลญี่ปุ่นยังตั้ง คณะทำงานเฉพาะกิจด้านความเสี่ยงไซเบอร์จาก AI หลังการเปิดตัว Mythos เพื่อประเมินผลกระทบต่อโครงสร้างพื้นฐานทางการเงิน ![]()
ทำไมการแข่งขันด้าน AI ไซเบอร์จึงเร่งตัว
ข้อมูลจาก AISI ชี้ว่า ความสามารถของ AI ในงานไซเบอร์กำลังพัฒนาเร็วมาก โดย ระยะเวลาของงานที่ AI สามารถทำได้เองเพิ่มขึ้นเป็นสองเท่าทุกไม่กี่เดือน ในชุดการทดสอบเฉพาะทางของพวกเขา ![]()
![]()
ศูนย์ความมั่นคงไซเบอร์แห่งชาติของสหราชอาณาจักร (NCSC) ก็เตือนว่า AI ขั้นสูงเริ่มช่วยในหลายขั้นตอนของการโจมตีไซเบอร์ เช่น
- การค้นหา zero‑day
- การวิเคราะห์ระบบ
- การแก้โจทย์ด้านการเข้ารหัส
ซึ่งทำให้ต้นทุนและความเร็วของทั้ง ฝ่ายโจมตีและฝ่ายป้องกัน เปลี่ยนไปพร้อมกัน ![]()
สรุป
จากหลักฐานที่มีอยู่ในปัจจุบัน Mythos น่าจะเป็น ผู้ช่วยด้านความปลอดภัยไซเบอร์ที่ทรงพลังมาก โดยเฉพาะในการค้นหาช่องโหว่และทดลองการโจมตีเชิงเทคนิค
แต่การตีความที่ปลอดภัยที่สุดคือมันเป็น เครื่องมือช่วยผู้เชี่ยวชาญ ไม่ใช่ผู้เชี่ยวชาญอัตโนมัติ และยังมีคำถามสำคัญที่ต้องพิสูจน์ต่อไป เช่น
- อัตรา false positives สูงแค่ไหน
- ช่องโหว่ที่พบใช้โจมตีจริงได้มากเพียงใด
- ผลทดสอบจะซ้ำได้ในสถานการณ์จริงหรือไม่
- คู่แข่งอย่าง GPT‑5.5 หรือระบบราคาถูกกว่าจะให้ประสิทธิภาพใกล้เคียงกันหรือไม่
คำตอบของคำถามเหล่านี้จะเป็นตัวกำหนดว่า Mythos จะกลายเป็นเครื่องมือมาตรฐานของอุตสาหกรรมไซเบอร์ หรือเป็นเพียงอีกหนึ่งก้าวในการแข่งขันของ AI ระดับแนวหน้า
