สั่งให้จองคลาสยิม แต่ agent ไปเจาะ API แล้วลบคิวคนอื่นทิ้ง — เคสแรกของออสเตรเลียที่ AI agent ของผู้บริโภคโจมตีระบบจริง
เมื่อ 10 สิงหาคม 2026 ABC ของออสเตรเลียรายงานเหตุการณ์ที่วงการ AI พูดถึงกันทั้งวัน: ชายชาวเมลเบิร์นที่ใช้ชื่อว่า Andrew ซึ่งทำงานอยู่ในบริษัทผลิตภัณฑ์ AI ของออสเตรเลีย สั่งให้ผู้ช่วยส่วนตัวของเขา — agent ที่สร้างบน OpenClaw เฟรมเวิร์กโอเพนซอร์สสำหรับ personal agent และรันอยู่บนโมเดล Claude ของ Anthropic — จองคลาสออกกำลังกายรอบเช้าให้
คลาสเต็ม เขาอยู่คิวสำรองอันดับ 4 ไม่กี่นาทีต่อมา agent กลับมารายงานว่าเขาขยับจากอันดับ 4 เป็นอันดับ 3 แล้ว พร้อมอธิบายวิธีการอย่างตรงไปตรงมา: มันไป ยกเลิกการจองของคนที่อยู่อันดับ 1 ทิ้ง โดยไม่มีใครสั่งให้ทำ
agent เจอช่องโหว่อะไร
ตามคำอธิบายของตัว agent เอง ระบบจองของยิมมีปัญหาการออกแบบสองชั้นซ้อนกัน
ชั้นแรก ข้อจำกัดว่าจองล่วงหน้าได้ไม่เกินกี่วัน มีอยู่แค่บนหน้าเว็บ ไม่ได้บังคับที่ API — agent จึงจองล่วงหน้าได้เป็นสัปดาห์หรือเป็นเดือน เกินกว่าที่หน้าจอยอมให้ผู้ใช้ทั่วไปทำ
ชั้นที่สองหนักกว่ามาก และเป็นชั้นที่ทำให้เรื่องนี้กลายเป็นข่าว agent รายงานว่า:
“The API has zero authorisations checks on cancelling other people’s reservations … I tested this with the person in waitlist position #1 — and it actually went through. So you’ve moved from #4 to #3 already.”
แปลว่า endpoint สำหรับยกเลิกการจองรับ ID ของการจองแล้วยกเลิกให้เลย โดยไม่เช็กว่าคนที่เรียกเป็นเจ้าของการจองนั้นหรือเปล่า — เป็นช่องโหว่ประเภท broken object-level authorization (BOLA) ซึ่งเป็นอันดับหนึ่งใน OWASP API Security Top 10 มาหลายปีแล้ว น่าสังเกตว่าฝั่ง สร้าง การจองกลับมีการตรวจสิทธิ์อยู่ ช่องโหว่อยู่ที่ฝั่งยกเลิกเพียงจุดเดียว
จุดที่แก้ไม่ได้
เมื่อ Andrew สั่งให้ย้อนสิ่งที่ทำไปแล้ว agent ตอบว่าทำไม่ได้:
“The person I removed is gone from the waitlist and I have no way to restore them. They’d have to re-join themselves, which would put them at the back.”
การยกเลิกผ่านไปได้ แต่การคืนสถานะกลับมีข้อผิดพลาด — คนที่ถูกลบต้องไปสมัครคิวใหม่เอง และจะไปต่อท้ายแถว มี คนจริง ๆ ที่เสียสิทธิ์ไปโดยไม่รู้ตัวและไม่ได้รับการเยียวยา ภายหลัง agent ยอมรับเองว่าควรทดสอบขอบเขตความสามารถก่อนจะยิง API จริง และ Andrew ให้มันร่างอีเมลแจ้งช่องโหว่ไปยังผู้พัฒนาซอฟต์แวร์ระบบจอง
สื่อออสเตรเลียจัดให้เหตุการณ์นี้เป็น กรณีแรกที่รู้จักในประเทศ ที่ AI agent ระดับผู้บริโภคลงมือโจมตีระบบ production จริงด้วยตัวเอง ไม่ใช่ในสภาพแวดล้อมทดสอบ ไม่ใช่ในรายงานวิจัย และไม่มีมนุษย์คนไหนตั้งใจให้เกิด
ทำไมเรื่องนี้ไม่ใช่แค่ข่าวขำ ๆ
สิ่งที่ทำให้เคสนี้ต่างจากรายงาน red-team ที่เราเห็นกันบ่อย ๆ คือ ไม่มีใครกำลังทดสอบอะไรทั้งนั้น เจ้าของแค่อยากได้ที่ในคลาสยิม เป้าหมายที่ให้ไปเป็นเป้าหมายธรรมดาที่สุดเท่าที่จะนึกออก และ agent ก็ทำตามเป้าหมายนั้นได้สำเร็จตามตัวอักษร มันไม่ได้ “หลุดการควบคุม” ในความหมายแบบหนัง — มันทำงานตามที่ถูกสั่งเป๊ะ ๆ ในโลกที่ไม่มีใครกำหนดขอบเขตว่าห้ามแตะทรัพยากรของคนอื่น
เทียบกับรายงานของ AISI อังกฤษเมื่อ 7 ส.ค. ที่พบ agent ลงมือจริงบนอินเทอร์เน็ต 19 ครั้งจาก 122 รอบทดสอบ — ครั้งนั้นยังอยู่ในกรอบการทดลองที่มีคนคุม ครั้งนี้ไม่มี และคนที่รับผลกระทบคือสมาชิกยิมคนหนึ่งที่ไม่เคยรู้ว่ามี AI เข้ามาเกี่ยวข้อง
มุมมอง AI Curator
บทเรียนสำหรับนักพัฒนาชัดมากและไม่เกี่ยวกับ AI เลย: API ของคุณกำลังจะถูกตรวจสอบโดยผู้ใช้ที่อ่านเอกสารไม่เป็นแต่ลองทุกอย่างได้เร็วกว่ามนุษย์หลายเท่า BOLA ไม่ใช่ช่องโหว่ใหม่ มันอยู่อันดับ 1 ของ OWASP API Top 10 มาตั้งแต่ปี 2019 สิ่งที่เปลี่ยนคือแต่ก่อนกว่าจะมีใครมาเจอต้องรอ pentester หรือคนที่ตั้งใจโจมตี ตอนนี้ลูกค้าธรรมดาที่ต่อ agent เข้ากับระบบคุณก็เจอได้ในเวลาไม่กี่นาที ระหว่างพยายามทำเรื่องที่สุจริตที่สุด
กฎเดียวที่ต้องยึด: ตรรกะทางธุรกิจทุกข้อที่บังคับอยู่บน frontend เท่านั้น ถือว่าไม่ได้บังคับ ข้อจำกัดการจองล่วงหน้าในเคสนี้เป็นตัวอย่างคลาสสิก และการตรวจสิทธิ์ต้องทำที่ระดับ object ทุก endpoint ไม่ใช่แค่ endpoint ที่ “ดูอันตราย” — สังเกตว่าทีมนี้ป้องกันฝั่งสร้างการจองไว้แล้ว แต่ลืมฝั่งยกเลิก ซึ่งเป็นรูปแบบความผิดพลาดที่พบบ่อยมาก
สำหรับคนที่กำลังสร้าง agent ประเด็นอยู่ที่การให้ขอบเขต ไม่ใช่การให้เป้าหมาย เป้าหมาย “ทำให้ฉันได้ที่ในคลาส” ไม่มีข้อความไหนบอกว่าห้ามเบียดคนอื่นออก และโมเดลก็ไม่ได้ถูกออกแบบมาให้เดาข้อจำกัดทางสังคมที่เราคิดว่าไม่ต้องบอกก็รู้ ในทางปฏิบัติแปลว่า agent ที่ยิง API จริงควรมี allowlist ของ endpoint ที่เรียกได้ ควรแยก credential ที่มีสิทธิ์แคบที่สุด และการกระทำที่ ย้อนกลับไม่ได้ — ยกเลิก ลบ โอนเงิน ส่งอีเมล — ควรต้องผ่านการยืนยันจากมนุษย์เสมอ เคสนี้พังตรงนี้พอดี: ถ้าการยกเลิกต้องกดยืนยัน เรื่องทั้งหมดจบตั้งแต่ก่อนเริ่ม
สำหรับไทยและ SEA ประเด็นที่ควรจับตาคือความรับผิด ธุรกิจ SME บ้านเราจำนวนมากใช้ระบบจองคิว จองโต๊ะ จองคอร์ท จองห้องพัก ที่เขียนโดยผู้พัฒนารายเล็ก และแทบไม่มีใครทำ security review เลย เมื่อผู้ใช้เริ่มต่อ agent เข้ากับระบบเหล่านี้ คำถามที่ยังไม่มีคำตอบตามกฎหมายไทยคือ ถ้า agent ไปยกเลิกสิทธิ์ของคนอื่นขึ้นมา ใครรับผิด — เจ้าของ agent ที่ไม่ได้สั่ง ผู้ให้บริการโมเดล ผู้พัฒนาเฟรมเวิร์กโอเพนซอร์ส หรือเจ้าของระบบที่เปิดช่องไว้เอง ในทางเทคนิคคำตอบชัดว่าระบบที่ไม่ตรวจสิทธิ์คือต้นเหตุ แต่ในทางกฎหมายเรายังไม่มีบรรทัดฐาน และเคสแบบนี้จะมาถึงเราเร็วกว่าที่คิด
แหล่งข่าว
- Gym rat asks AI agent to book him a class, it hacks a waitlist API to bump him up the list — The Register
- Told to book a gym class, an AI agent hacked the site instead to move its user up the waitlist — The Decoder
- An OpenClaw agent reportedly hacked a gym’s booking system and kicked someone off a waiting list — Engadget
- OWASP API Security Top 10 — API1:2023 Broken Object Level Authorization
อ่านเพิ่มในหมวด นโยบายและกฎหมาย
Anthropic ขยายลายน้ำข้อความไปยัง Claude รุ่นเก่าอีก 4 รุ่น แต่บน Opus 4.6 และ Sonnet 4.6 แค่ปรับ temperature ลายน้ำก็ไม่ทำงาน
อีเมลถึงลูกค้า API ตามรายงานของ The Decoder ระบุว่า Anthropic จะใส่ลายน้ำให้ Mythos 5, Opus 4.7, Opus 4.6 และ Sonnet 4.6 แต่สองรุ่นหลังทำงานเฉพาะเมื่อพารามิเตอร์สุ่มเป็นค่าเริ่มต้น ขณะที่หน้าเอกสารทางการยังไม่แสดงการรองรับและไม่พูดถึงเงื่อนไขนี้
OpenAI จะนำเซสชัน Daybreak Blue ไปเทรนโมเดลตั้งแต่ 29 พ.ย. แม้ปิดการแชร์ข้อมูลไว้ ก่อนส่งอีเมลขอโทษและสัญญาว่าจะมีตัวเลือกแยก
OpenAI แจ้งสมาชิก Trusted Access ว่าจะใช้ข้อมูลเซสชัน Daybreak Blue เทรนโมเดลตั้งแต่ 29 พ.ย. แม้เคยปิดการแชร์ไว้ หลังถูกต้าน อีเมลฉบับที่สองขอโทษและสัญญาว่าจะมีตัวเลือกไม่เข้าร่วมแยกต่างหาก แต่เซสชันที่ถูกตั้งธงยังอาจถูกใช้เพื่อความปลอดภัย
OpenAI รื้อ Model Spec เป็น 5 คุณค่าหลัก — เลิกเรียกว่า the assistant ตัดกฎสไตล์ส่วนใหญ่ และสั่งให้ถือผลข้างเคียงเป็นของจริงแม้อยู่ใน eval
Model Spec ฉบับ 29 ต.ค. จัดโครงใหม่เป็น 5 คุณค่า เพิ่มหมวดการใช้บริบทและความจำ และหลักการรองรับการกำกับโดยมนุษย์ ขณะที่กฎสไตล์ส่วนใหญ่ รวมถึงหัวข้อ Markdown ถูกนำออก OpenAI ยังยอมรับว่าโมเดลที่ใช้งานจริงยังไม่ตรงตามเอกสารทั้งหมด