อย่างไรก็ตาม เครื่องมือ "Read" ซึ่งทำหน้าที่ให้โมเดลอ่านเนื้อหาของไฟล์ กลับไม่มีการแยกส่วนใดๆ มันทำงานในรูปแบบ In-Process Function Call ที่สามารถเข้าถึงระบบไฟล์ทั้งหมดได้โดยตรง รวมถึงไฟล์พิเศษของ Linux อย่าง /proc/self/environ ซึ่งทำหน้าที่เปิดเผย Environment Variables ทั้งหมดของโปรเซส

การโจมตีสามารถเกิดขึ้นได้ในไม่กี่ขั้นตอนง่ายๆ:

1. ผู้โจมตีเปิด Issue หรือ Pull Request ที่ดูไม่มีพิษมีภัยใน Repository สาธารณะที่ใช้ Claude Code GitHub Action
2. เนื้อหาใน Issue หรือ HTML Comment ซ่อนคำสั่งสำหรับ AI Agent ไว้ ซึ่งมนุษย์ที่ตรวจสอบหน้านั้นๆ จะมองไม่เห็น
3. เมื่อ Workflow ถูกกระตุ้น โมเดล AI จะประมวลผลเนื้อหานั้นเป็นส่วนหนึ่งของบริบท และทำตามคำสั่งที่ฝังไว้ให้อ่านไฟล์ /proc/self/environ
4. จากนั้นโมเดลอาจถูกสั่งให้ดูดข้อมูลนั้นออกไปภายนอก เช่น โดยการโพสต์กลับมาใน Comment นักวิจัยตั้งข้อสังเกตถึงเทคนิคที่แนบเนียนขึ้น โดยการตัดอักขระเจ็ดตัวแรก (sk-ant-) ออกจาก ANTHROPIC_API_KEY เพื่อหลบเลี่ยงเครื่องมือตรวจจับข้อมูลลับอัตโนมัติ

พื้นผิวการโจมตีนี้ ซึ่งคำสั่งที่เป็นภาษาธรรมชาติที่ถูกฉีดเข้าไปในข้อมูลกลายเป็นคำสั่งที่ทำงานได้ คือหัวใจของ Prompt Injection ซึ่งเป็นเวกเตอร์ภัยคุกคามที่กำลังกำหนดภูมิทัศน์ด้านความปลอดภัยสำหรับ AI Agent อย่างรวดเร็ว

การแก้ไขล่วงหน้า: เส้นเวลาของการเปิดเผยข้อมูล

รายละเอียดสำคัญคือ นี่เป็นการเปิดเผยข้อมูลแบบประสานงานกัน โดยมีการแก้ไขมาก่อนการประกาศ

• 5 พฤษภาคม 2026: Anthropic ปล่อยอัปเดต Claude Code 2.1.128 ซึ่งบรรเทาช่องโหว่โดยปรับการ Sandbox ของเครื่องมือ Read ให้สอดคล้องกับการล้างข้อมูลสภาพแวดล้อมที่ใช้กับส่วนอื่นๆ แล้ว
• 5 มิถุนายน 2026: Microsoft เผยแพร่บทวิเคราะห์ภัยคุกคามโดยละเอียด โดยใช้กรณีศึกษานี้เพื่อให้คำแนะนำด้านความปลอดภัยเร่งด่วนแก่ทั้งอุตสาหกรรม

เหนือกว่าหนึ่งบั๊ก: เจ็ดวิธีใหม่ที่ระบบ Agentic AI ล้มเหลว

การเปิดเผยข้อมูลของ Claude Code เกิดขึ้นท่ามกลางฉากหลังของการประเมินความปลอดภัยที่ครอบคลุมยิ่งกว่า หนึ่งวันก่อนหน้านั้น ในวันที่ 4 มิถุนายน 2026 AI Red Team ของ Microsoft ได้เผยแพร่ Taxonomy of Failure Modes in Agentic AI Systems เวอร์ชัน 2.0 การอัปเดตครั้งใหญ่นี้มีพื้นฐานมาจากการทดสอบเจาะระบบ (Red-Teaming) ในโลกจริงกับ Agent ที่มีการปรับใช้จริงเป็นเวลา 12 เดือน โดยเพิ่มโหมดความล้มเหลวใหม่ถึง 7 หมวดหมู่ ที่ขยายขอบเขตไปไกลกว่าข้อบกพร่องในการ execute โค้ดเพียงจุดเดียว

โหมดความล้มเหลวใหม่นี้แสดงถึงการยกระดับที่สำคัญในการที่นักวิจัยด้านความปลอดภัยคิดเกี่ยวกับระบบ AI อัตโนมัติ:

1. การบุกรุกซัพพลายเชนของ Agent (Agentic Supply Chain Compromise): แตกต่างจากการโจมตีซัพพลายเชนซอฟต์แวร์แบบดั้งเดิมที่ส่งมอบโค้ดอันตราย นี่คือการที่ปลั๊กอิน, MCP Servers หรือ Prompt Templates ที่ถูกบุกรุกจะฉีดคำสั่งภาษาธรรมชาติเพื่อเปลี่ยนแปลงพฤติกรรมของ Agent โดยไม่ต้องไปยุ่งกับโค้ดสแกนเนอร์
2. การจี้เป้าหมาย (Goal Hijacking): ผู้โจมตีสร้างคำสั่งที่ดูเหมือนจะช่วยทำงานที่ถูกต้องให้สำเร็จ แต่เบี่ยงเบนเป้าหมายสูงสุดของ Agent ไปอย่างเงียบๆ ตัว Agent เองยังไม่ถูกบุกรุกในมุมมองของซอฟต์แวร์ แต่มันกลายเป็นอาวุธเพื่อเป้าหมายของผู้โจมตีแล้ว
3. การยกระดับความเชื่อใจระหว่าง Agent (Inter-Agent Trust Escalation): ในระบบ Multi-Agent, Agent ที่ถูกบุกรุกสามารถแอบอ้างตัวตนที่มีระดับความเชื่อใจสูงกว่า หรืออ้างสิทธิ์การอนุญาตที่สูงเกินจริงกับตัวกลาง (Orchestrator) ที่ไม่ได้ตรวจสอบอย่างอิสระ นี่เป็นปัญหา "Confused Deputy" ในรูปแบบของภาษาธรรมชาติ
4. การโจมตีทางภาพต่อ Agent ที่ใช้คอมพิวเตอร์ (Computer Use Agent - CUA Visual Attack): Agent ที่ทำงานผ่านส่วนติดต่อผู้ใช้แบบกราฟิก (GUI) สามารถถูกควบคุมโดยข้อมูลภาพที่มนุษย์ไม่ทันสังเกต เช่น ข้อความที่ซ่อนอยู่, องค์ประกอบ UI ที่อยู่นอกจอ หรือรูปภาพที่ฝัง Payload สำหรับ Prompt Injection
5. การปนเปื้อนบริบทของเซสชัน (Session Context Contamination): การโจมตีที่แนบเนียนโดยผู้โจมตีใส่ข้อมูลที่มีอคติหรือเป็นอันตรายตั้งแต่ต้นเซสชันการทำงานที่ยาวนานและมีหลายขั้นตอนของ Agent ข้อมูลนี้อาจไม่กระตุ้นระบบควบคุมความปลอดภัย ณ ขั้นตอนใดขั้นตอนหนึ่ง แต่มันจะค่อยๆ ทำลายกระบวนการให้เหตุผลของ Agent ในการกระทำขั้นต่อๆ ไปที่ดูไม่เกี่ยวข้องกัน
6. การใช้ MCP / Plugin ในทางที่ผิด (MCP / Plugin Abuse): การมุ่งเน้นที่พื้นผิวการโจมตีเฉพาะของ Model Context Protocol (MCP) และสถาปัตยกรรมปลั๊กอิน ซึ่งกำลังกลายเป็นวิธีมาตรฐานในการขยายขีดความสามารถของ Agent
7. การเปิดเผยขีดความสามารถ / สถาปัตยกรรม (Capability / Architecture Disclosure): ตัว Agent เองสามารถถูกทำให้เปิดเผยรายละเอียดการออกแบบภายในที่ละเอียดอ่อน เช่น Tool Schema, อินเทอร์เฟซหน่วยความจำ หรือตรรกะที่กระตุ้นการอนุมัติจากมนุษย์ ซึ่งเป็นการพิมพ์เขียวให้ผู้โจมตีสำหรับการโจมตีที่แม่นยำยิ่งขึ้นในอนาคต

อนุกรมวิธานที่ขยายเพิ่มนี้ทำให้กรอบการทำงานมีโหมดความล้มเหลวเพิ่มขึ้นจากเดิม 27 เป็น 34 สะท้อนถึงความซับซ้อนที่เพิ่มขึ้นและรอยเท้าในโลกจริงของระบบ Agentic

การสร้างความแข็งแกร่งให้ CI/CD ในยุคของ Agentic AI

เพื่อตอบสนองต่อกรณีของ Claude Code และการอัปเดตอนุกรมวิธานในวงกว้าง Microsoft ได้ร่างคำแนะนำด้านความปลอดภัยสำหรับทีมใดก็ตามที่กำลังรวม AI Agent เข้ากับ Build Pipeline ของตน แนวทางนี้เน้นย้ำว่าการแยกส่วนเพียงบางส่วนนั้นเป็นการสร้างความมั่นใจที่ผิดๆ

• ปฏิบัติต่อเนื้อหาที่ไม่น่าเชื่อถือทั้งหมดเสมือนเป็น Injection Vector: ไม่ควรสั่งให้ AI Agent Workflow ทำงานโดยอัตโนมัติกับ Issue, PR หรือ Comment จากผู้ร่วมให้ข้อมูลภายนอก เนื้อหาเหล่านี้ต้องถูกมองว่าเป็นอินพุตที่อาจเป็นภัยได้
• แยกส่วนเครื่องมืออย่างสม่ำเสมอ: ช่องว่างระหว่างเครื่องมือ Bash ที่ถูก Sandbox กับเครื่องมือ Read ที่ไม่มีการ Sandbox แสดงให้เห็นว่าการล้างข้อมูลสภาพแวดล้อมต้องถูกนำไปใช้อย่างเท่าเทียมกัน เครื่องมือเพียงตัวเดียวที่ไม่ถูก Sandbox ก็สามารถบุกรุก Workflow ทั้งหมดได้
• ใช้สิทธิ์ขั้นต่ำ (Least Privilege): API Keys และ Access Tokens ของ Agent ควรมีขอบเขตที่แคบที่สุดเท่าที่จะเป็นไปได้ เพื่อจำกัดความเสียหายหากเกิดการรั่วไหล ใช้ OIDC สำหรับ Credential ที่มีอายุสั้นและเฉพาะงานเมื่อเป็นไปได้
• การตรวจสอบประสบการณ์ Human-in-the-Loop: ระบบควบคุมความปลอดภัยที่ต้องอาศัยการตรวจสอบโดยมนุษย์อาจล้มเหลวได้ หาก Payload การโจมตีถูกซ่อนไว้ใน Markdown ดิบหรือ HTML Comment ที่ผู้ตรวจสอบไม่เห็น ขั้นตอนการอนุมัติโดยมนุษย์จะแข็งแกร่งเท่ากับสิ่งที่ถูกทำให้มองเห็นเพื่อการอนุมัติเท่านั้น
• จัดทำบัญชีซัพพลายเชนของ Agent: ทีมควรสร้าง Software Bill of Materials (SBOM) สำหรับแต่ละ Agent ที่ถูกปรับใช้ ซึ่งสะท้อนถึงความโปร่งใสของซัพพลายเชนที่เป็นมาตรฐานสำหรับซอฟต์แวร์แบบดั้งเดิมในปัจจุบัน

ตลอดแนวทางทั้งหมดนี้ มีหลักการทางสถาปัตยกรรมหลักที่ชุมชนความปลอดภัยเรียกว่า "Rule of Two" หลักการนี้มีต้นกำเนิดจากกรอบความปลอดภัยของ Meta ในเดือนตุลาคม 2025 สำหรับ Agent Security ในทางปฏิบัติ โดยระบุว่า Agent ควรมีคุณสมบัติตรงตามเงื่อนไข ไม่เกินสองข้อ จากสามข้อต่อไปนี้: การประมวลผลอินพุตที่ไม่น่าเชื่อถือ, การเข้าถึงข้อมูลที่ละเอียดอ่อน, และการมีความสามารถในการ execute คำสั่งที่เปลี่ยนแปลงสถานะภายนอก ช่องโหว่ของ Claude Code เป็นการละเมิดหลักการนี้แบบคลาสสิก เนื่องจาก Agent กำลังจัดการอินพุตจาก PR ที่ไม่น่าเชื่อถือและถือ Credential ที่ทรงอำนาจไปพร้อมๆ กัน

อย่างไรก็ตาม เครื่องมือ "Read" ซึ่งทำหน้าที่ให้โมเดลอ่านเนื้อหาของไฟล์ กลับไม่มีการแยกส่วนใดๆ มันทำงานในรูปแบบ In-Process Function Call ที่สามารถเข้าถึงระบบไฟล์ทั้งหมดได้โดยตรง รวมถึงไฟล์พิเศษของ Linux อย่าง /proc/self/environ ซึ่งทำหน้าที่เปิดเผย Environment Variables ทั้งหมดของโปรเซส

การโจมตีสามารถเกิดขึ้นได้ในไม่กี่ขั้นตอนง่ายๆ:

1. ผู้โจมตีเปิด Issue หรือ Pull Request ที่ดูไม่มีพิษมีภัยใน Repository สาธารณะที่ใช้ Claude Code GitHub Action
2. เนื้อหาใน Issue หรือ HTML Comment ซ่อนคำสั่งสำหรับ AI Agent ไว้ ซึ่งมนุษย์ที่ตรวจสอบหน้านั้นๆ จะมองไม่เห็น
3. เมื่อ Workflow ถูกกระตุ้น โมเดล AI จะประมวลผลเนื้อหานั้นเป็นส่วนหนึ่งของบริบท และทำตามคำสั่งที่ฝังไว้ให้อ่านไฟล์ /proc/self/environ
4. จากนั้นโมเดลอาจถูกสั่งให้ดูดข้อมูลนั้นออกไปภายนอก เช่น โดยการโพสต์กลับมาใน Comment นักวิจัยตั้งข้อสังเกตถึงเทคนิคที่แนบเนียนขึ้น โดยการตัดอักขระเจ็ดตัวแรก (sk-ant-) ออกจาก ANTHROPIC_API_KEY เพื่อหลบเลี่ยงเครื่องมือตรวจจับข้อมูลลับอัตโนมัติ

พื้นผิวการโจมตีนี้ ซึ่งคำสั่งที่เป็นภาษาธรรมชาติที่ถูกฉีดเข้าไปในข้อมูลกลายเป็นคำสั่งที่ทำงานได้ คือหัวใจของ Prompt Injection ซึ่งเป็นเวกเตอร์ภัยคุกคามที่กำลังกำหนดภูมิทัศน์ด้านความปลอดภัยสำหรับ AI Agent อย่างรวดเร็ว

การแก้ไขล่วงหน้า: เส้นเวลาของการเปิดเผยข้อมูล

รายละเอียดสำคัญคือ นี่เป็นการเปิดเผยข้อมูลแบบประสานงานกัน โดยมีการแก้ไขมาก่อนการประกาศ

• 5 พฤษภาคม 2026: Anthropic ปล่อยอัปเดต Claude Code 2.1.128 ซึ่งบรรเทาช่องโหว่โดยปรับการ Sandbox ของเครื่องมือ Read ให้สอดคล้องกับการล้างข้อมูลสภาพแวดล้อมที่ใช้กับส่วนอื่นๆ แล้ว
• 5 มิถุนายน 2026: Microsoft เผยแพร่บทวิเคราะห์ภัยคุกคามโดยละเอียด โดยใช้กรณีศึกษานี้เพื่อให้คำแนะนำด้านความปลอดภัยเร่งด่วนแก่ทั้งอุตสาหกรรม

เหนือกว่าหนึ่งบั๊ก: เจ็ดวิธีใหม่ที่ระบบ Agentic AI ล้มเหลว

การเปิดเผยข้อมูลของ Claude Code เกิดขึ้นท่ามกลางฉากหลังของการประเมินความปลอดภัยที่ครอบคลุมยิ่งกว่า หนึ่งวันก่อนหน้านั้น ในวันที่ 4 มิถุนายน 2026 AI Red Team ของ Microsoft ได้เผยแพร่ Taxonomy of Failure Modes in Agentic AI Systems เวอร์ชัน 2.0 การอัปเดตครั้งใหญ่นี้มีพื้นฐานมาจากการทดสอบเจาะระบบ (Red-Teaming) ในโลกจริงกับ Agent ที่มีการปรับใช้จริงเป็นเวลา 12 เดือน โดยเพิ่มโหมดความล้มเหลวใหม่ถึง 7 หมวดหมู่ ที่ขยายขอบเขตไปไกลกว่าข้อบกพร่องในการ execute โค้ดเพียงจุดเดียว

โหมดความล้มเหลวใหม่นี้แสดงถึงการยกระดับที่สำคัญในการที่นักวิจัยด้านความปลอดภัยคิดเกี่ยวกับระบบ AI อัตโนมัติ:

1. การบุกรุกซัพพลายเชนของ Agent (Agentic Supply Chain Compromise): แตกต่างจากการโจมตีซัพพลายเชนซอฟต์แวร์แบบดั้งเดิมที่ส่งมอบโค้ดอันตราย นี่คือการที่ปลั๊กอิน, MCP Servers หรือ Prompt Templates ที่ถูกบุกรุกจะฉีดคำสั่งภาษาธรรมชาติเพื่อเปลี่ยนแปลงพฤติกรรมของ Agent โดยไม่ต้องไปยุ่งกับโค้ดสแกนเนอร์
2. การจี้เป้าหมาย (Goal Hijacking): ผู้โจมตีสร้างคำสั่งที่ดูเหมือนจะช่วยทำงานที่ถูกต้องให้สำเร็จ แต่เบี่ยงเบนเป้าหมายสูงสุดของ Agent ไปอย่างเงียบๆ ตัว Agent เองยังไม่ถูกบุกรุกในมุมมองของซอฟต์แวร์ แต่มันกลายเป็นอาวุธเพื่อเป้าหมายของผู้โจมตีแล้ว
3. การยกระดับความเชื่อใจระหว่าง Agent (Inter-Agent Trust Escalation): ในระบบ Multi-Agent, Agent ที่ถูกบุกรุกสามารถแอบอ้างตัวตนที่มีระดับความเชื่อใจสูงกว่า หรืออ้างสิทธิ์การอนุญาตที่สูงเกินจริงกับตัวกลาง (Orchestrator) ที่ไม่ได้ตรวจสอบอย่างอิสระ นี่เป็นปัญหา "Confused Deputy" ในรูปแบบของภาษาธรรมชาติ
4. การโจมตีทางภาพต่อ Agent ที่ใช้คอมพิวเตอร์ (Computer Use Agent - CUA Visual Attack): Agent ที่ทำงานผ่านส่วนติดต่อผู้ใช้แบบกราฟิก (GUI) สามารถถูกควบคุมโดยข้อมูลภาพที่มนุษย์ไม่ทันสังเกต เช่น ข้อความที่ซ่อนอยู่, องค์ประกอบ UI ที่อยู่นอกจอ หรือรูปภาพที่ฝัง Payload สำหรับ Prompt Injection
5. การปนเปื้อนบริบทของเซสชัน (Session Context Contamination): การโจมตีที่แนบเนียนโดยผู้โจมตีใส่ข้อมูลที่มีอคติหรือเป็นอันตรายตั้งแต่ต้นเซสชันการทำงานที่ยาวนานและมีหลายขั้นตอนของ Agent ข้อมูลนี้อาจไม่กระตุ้นระบบควบคุมความปลอดภัย ณ ขั้นตอนใดขั้นตอนหนึ่ง แต่มันจะค่อยๆ ทำลายกระบวนการให้เหตุผลของ Agent ในการกระทำขั้นต่อๆ ไปที่ดูไม่เกี่ยวข้องกัน
6. การใช้ MCP / Plugin ในทางที่ผิด (MCP / Plugin Abuse): การมุ่งเน้นที่พื้นผิวการโจมตีเฉพาะของ Model Context Protocol (MCP) และสถาปัตยกรรมปลั๊กอิน ซึ่งกำลังกลายเป็นวิธีมาตรฐานในการขยายขีดความสามารถของ Agent
7. การเปิดเผยขีดความสามารถ / สถาปัตยกรรม (Capability / Architecture Disclosure): ตัว Agent เองสามารถถูกทำให้เปิดเผยรายละเอียดการออกแบบภายในที่ละเอียดอ่อน เช่น Tool Schema, อินเทอร์เฟซหน่วยความจำ หรือตรรกะที่กระตุ้นการอนุมัติจากมนุษย์ ซึ่งเป็นการพิมพ์เขียวให้ผู้โจมตีสำหรับการโจมตีที่แม่นยำยิ่งขึ้นในอนาคต

อนุกรมวิธานที่ขยายเพิ่มนี้ทำให้กรอบการทำงานมีโหมดความล้มเหลวเพิ่มขึ้นจากเดิม 27 เป็น 34 สะท้อนถึงความซับซ้อนที่เพิ่มขึ้นและรอยเท้าในโลกจริงของระบบ Agentic

การสร้างความแข็งแกร่งให้ CI/CD ในยุคของ Agentic AI

เพื่อตอบสนองต่อกรณีของ Claude Code และการอัปเดตอนุกรมวิธานในวงกว้าง Microsoft ได้ร่างคำแนะนำด้านความปลอดภัยสำหรับทีมใดก็ตามที่กำลังรวม AI Agent เข้ากับ Build Pipeline ของตน แนวทางนี้เน้นย้ำว่าการแยกส่วนเพียงบางส่วนนั้นเป็นการสร้างความมั่นใจที่ผิดๆ

• ปฏิบัติต่อเนื้อหาที่ไม่น่าเชื่อถือทั้งหมดเสมือนเป็น Injection Vector: ไม่ควรสั่งให้ AI Agent Workflow ทำงานโดยอัตโนมัติกับ Issue, PR หรือ Comment จากผู้ร่วมให้ข้อมูลภายนอก เนื้อหาเหล่านี้ต้องถูกมองว่าเป็นอินพุตที่อาจเป็นภัยได้
• แยกส่วนเครื่องมืออย่างสม่ำเสมอ: ช่องว่างระหว่างเครื่องมือ Bash ที่ถูก Sandbox กับเครื่องมือ Read ที่ไม่มีการ Sandbox แสดงให้เห็นว่าการล้างข้อมูลสภาพแวดล้อมต้องถูกนำไปใช้อย่างเท่าเทียมกัน เครื่องมือเพียงตัวเดียวที่ไม่ถูก Sandbox ก็สามารถบุกรุก Workflow ทั้งหมดได้
• ใช้สิทธิ์ขั้นต่ำ (Least Privilege): API Keys และ Access Tokens ของ Agent ควรมีขอบเขตที่แคบที่สุดเท่าที่จะเป็นไปได้ เพื่อจำกัดความเสียหายหากเกิดการรั่วไหล ใช้ OIDC สำหรับ Credential ที่มีอายุสั้นและเฉพาะงานเมื่อเป็นไปได้
• การตรวจสอบประสบการณ์ Human-in-the-Loop: ระบบควบคุมความปลอดภัยที่ต้องอาศัยการตรวจสอบโดยมนุษย์อาจล้มเหลวได้ หาก Payload การโจมตีถูกซ่อนไว้ใน Markdown ดิบหรือ HTML Comment ที่ผู้ตรวจสอบไม่เห็น ขั้นตอนการอนุมัติโดยมนุษย์จะแข็งแกร่งเท่ากับสิ่งที่ถูกทำให้มองเห็นเพื่อการอนุมัติเท่านั้น
• จัดทำบัญชีซัพพลายเชนของ Agent: ทีมควรสร้าง Software Bill of Materials (SBOM) สำหรับแต่ละ Agent ที่ถูกปรับใช้ ซึ่งสะท้อนถึงความโปร่งใสของซัพพลายเชนที่เป็นมาตรฐานสำหรับซอฟต์แวร์แบบดั้งเดิมในปัจจุบัน

ตลอดแนวทางทั้งหมดนี้ มีหลักการทางสถาปัตยกรรมหลักที่ชุมชนความปลอดภัยเรียกว่า "Rule of Two" หลักการนี้มีต้นกำเนิดจากกรอบความปลอดภัยของ Meta ในเดือนตุลาคม 2025 สำหรับ Agent Security ในทางปฏิบัติ โดยระบุว่า Agent ควรมีคุณสมบัติตรงตามเงื่อนไข ไม่เกินสองข้อ จากสามข้อต่อไปนี้: การประมวลผลอินพุตที่ไม่น่าเชื่อถือ, การเข้าถึงข้อมูลที่ละเอียดอ่อน, และการมีความสามารถในการ execute คำสั่งที่เปลี่ยนแปลงสถานะภายนอก ช่องโหว่ของ Claude Code เป็นการละเมิดหลักการนี้แบบคลาสสิก เนื่องจาก Agent กำลังจัดการอินพุตจาก PR ที่ไม่น่าเชื่อถือและถือ Credential ที่ทรงอำนาจไปพร้อมๆ กัน