🛡️เตรียมความพร้อมรับมือภัยคุกคาม AI ในองค์กร ตามกรอบ ISO/IEC 27090:2026 และแนวทางปฏิบัติ AI Security Guidelines ของ สกมช.

ศูนย์ประสานการรักษาความมั่นคงปลอดภัยระบบคอมพิวเตอร์แห่งชาติ (ThaiCERT) ได้ติดตามการเผยแพร่มาตรฐาน ISO/IEC 27090:2026 ซึ่งเป็นมาตรฐานสากลฉบับใหม่ที่ให้แนวทางทำความเข้าใจ ตรวจจับ และลดภัยคุกคามต่อระบบปัญญาประดิษฐ์ (AI)
โดยปัจจุบันหน่วยงานภาครัฐและเอกชนมีการพัฒนาและประยุกต์ใช้ AI เพื่อสนับสนุนการดำเนินงานมากขึ้น จึงจำเป็นต้องคำนึงถึงความเสี่ยงด้านความมั่นคงปลอดภัย เช่น การดัดแปลงข้อมูลฝึกสอน การแทรกคำสั่งที่เป็นอันตราย และการขโมยหรือสกัดโมเดล ซึ่งอาจส่งผลกระทบต่อการรักษาความลับของข้อมูลและความถูกต้องของการทำงานของระบบ
ในการนี้ ThaiCERT ได้สรุปประเด็นสำคัญจาก AI Security Guidelines ของ สกมช. ประกอบกับข้อมูลจาก ISO/IEC 27090:2026 เพื่อสร้างความตระหนักและให้หน่วยงานเตรียมมาตรการรับมือได้อย่างเหมาะสมกับบริบท ความเสี่ยง และทรัพยากรที่มีอยู่ โดยมีรายละเอียดดังนี้

1. ISO/IEC 27090:2026 คืออะไร? [1]
ISO/IEC 27090:2026 เป็นมาตรฐานสากล (ซึ่งมีกำหนดการเผยแพร่อย่างเป็นทางการในเดือนตุลาคม 2026) ที่ช่วยให้องค์กรเข้าใจภัยคุกคามเฉพาะของระบบปัญญาประดิษฐ์ (AI) ตั้งแต่ข้อมูลฝึกสอน (Training Data) และโมเดล ไปจนถึงการทำงานของระบบระหว่างใช้งาน โดยครอบคลุมวงจร AI Lifecycle ตั้งแต่การพัฒนา การฝึกสอน การนำไปใช้งาน และการปรับปรุง พร้อมทั้งอธิบายลักษณะการโจมตี ผลกระทบ ตลอดจนแนวทางตรวจจับและบรรเทาความเสี่ยงที่เกี่ยวข้อง
มาตรฐานดังกล่าวยังช่วยให้องค์กรมองเห็นภาพการป้องกัน AI อย่างเป็นระบบ เพราะการควบคุมสิทธิ์เข้าถึง (Access Control) เพียงอย่างเดียวอาจไม่เพียงพอ หากผู้โจมตีใช้การเรียกใช้งาน (API / Inference) ที่ดูเหมือนปกติเพื่อขโมยหรือสกัดโมเดล (Model Extraction) องค์กรจึงควรมีระบบบันทึก Log และเฝ้าระวังพฤติกรรมผิดปกติ ตลอดจนกำหนดผู้รับผิดชอบและขั้นตอนตอบสนองต่อเหตุการณ์ (Incident Response) อย่างชัดเจน
ฉะนั้น ISO/IEC 27090:2026 จึงเป็นแนวทางอ้างอิงสำหรับเสริมสร้างมาตรการความมั่นคงปลอดภัยไซเบอร์เดิมที่มีอยู่ เพื่อมุ่งเน้นการคุ้มครองข้อมูล โมเดล และการทำงานของระบบ AI

2. ทำไมระบบ AI จึงต้องมีมาตรการด้านความมั่นคงปลอดภัย
ปัจจุบัน หลายองค์กรเริ่มนำปัญญาประดิษฐ์ (AI) มาประยุกต์ใช้ในการทำงาน เช่น การพัฒนาระบบ Chatbot ตอบคำถามจากเอกสารภายใน การสรุปข้อมูล และการสนับสนุนการตัดสินใจ ส่งผลให้ AI เข้าถึงข้อมูลและระบบงานสำคัญขององค์กรมากขึ้น ขณะเดียวกัน ก็เปิดช่องทางการโจมตีรูปแบบใหม่ เช่น การทำ Data Poisoning เพื่อให้ AI วิเคราะห์ผิดพลาด การแทรกคำสั่งอันตราย (Prompt Injection) ในเอกสารเพื่อล่อลวงให้เปิดเผยข้อมูล หรือการสกัดผลลัพธ์ไปสร้างโมเดลเลียนแบบ (Model Extraction)
การโจมตีเหล่านี้มักเกิดขึ้นในขณะที่ระบบยังทำงานตามปกติ จึงตรวจพบได้ยาก และอาจส่งผลให้ข้อมูลความลับรั่วไหล หรือบุคลากรนำผลประมวลผลที่ผิดพลาดไปใช้ตัดสินใจ ยิ่งไปกว่านั้น หากนำข้อมูลที่ถูกดัดแปลงกลับไปฝึกสอนซ้ำ (Re-training) ผลกระทบจะฝังรากลึกต่อเนื่องไปยังโมเดลรุ่นถัดไป
ด้วยเหตุนี้ องค์กรจึงควรกำหนดมาตรการความมั่นคงปลอดภัยควบคู่ไปกับการพัฒนาและใช้งาน AI ครอบคลุมตั้งแต่การตรวจสอบความถูกต้องของข้อมูล การควบคุมสิทธิ์เข้าถึง ไปจนถึงการเฝ้าระวังและตอบสนองเมื่อพบพฤติกรรมผิดปกติ โดยสามารถศึกษาแนวปฏิบัติของ สกมช. และมาตรฐาน ISO/IEC 27090:2026 เพื่อนำมาประยุกต์ใช้ให้เหมาะสมกับบริบทของระบบงาน

3. รู้ทัน 5 ภัยคุกคามต่อระบบ AI [2]
จากช่องทางการโจมตีและลักษณะความเสี่ยงข้างต้น ThaiCERT ได้สรุป 5 ภัยคุกคามสำคัญที่อ้างอิงจากมาตรฐาน ISO/IEC 27090:2026 พร้อมแนวทางลดความเสี่ยงตาม AI Security Guidelines ของ สกมช. เพื่อให้องค์กรนำไปประยุกต์รับมือได้อย่างตรงจุด ดังนี้
3.1 แทรกข้อมูลเพื่อให้ AI เรียนรู้ผิด (Data Poisoning): ผู้โจมตีแทรกหรือดัดแปลงข้อมูลฝึกสอน เพื่อชักนำให้โมเดลทำงานตามที่ต้องการ แนวทางลดความเสี่ยง ได้แก่ การตรวจสอบแหล่งที่มา คุณภาพ และความถูกต้องของข้อมูลก่อนนำไปฝึกสอนหรือปรับปรุงโมเดล
3.2 เรียกใช้งานเพื่อสกัดข้อมูลและเลียนแบบโมเดล (Model Extraction): ผู้โจมตีรวบรวมข้อมูลนำเข้าและผลลัพธ์จากการเรียกใช้งาน เพื่อนำไปสร้างโมเดลเลียนแบบ ซึ่งเป็นตัวอย่างหนึ่งของการขโมยหรือสกัดโมเดลที่บทความ ISO กล่าวถึงภายใต้หัวข้อ Model Exfiltration แนวทางลดความเสี่ยง ได้แก่ การควบคุมสิทธิ์เข้าถึง จำกัดอัตราการเรียกใช้ และเฝ้าระวังรูปแบบการใช้งานผิดปกติ
3.3 ดัดแปลงข้อมูลเพื่อหลอกให้ AI วิเคราะห์ผิด (Evasion Attacks): ผู้โจมตีสร้างหรือปรับแต่งข้อมูลนำเข้าเพื่อให้โมเดลจำแนกหรือประเมินผิดพลาด แนวทางลดความเสี่ยง ได้แก่ การตรวจสอบข้อมูลนำเข้าและทดสอบความทนทานของโมเดลต่อข้อมูลที่สร้างขึ้นเพื่อหลอกระบบ
3.4 แทรกคำสั่งเพื่อชักนำให้ AI ทำงานผิดวัตถุประสงค์ (Prompt Injection): คำสั่งอันตรายอาจมาจากผู้ใช้โดยตรง หรือแฝงในข้อความ เอกสาร และข้อมูลภายนอกที่ AI นำมาประมวลผล แนวทางลดความเสี่ยง ได้แก่ การตรวจสอบและคัดกรองข้อมูลนำเข้า จำกัดสิทธิ์การดำเนินการของระบบ และตรวจสอบผลลัพธ์ก่อนนำไปใช้งานต่อ
3.5 ข้อมูลอ่อนไหวรั่วไหลจากโมเดล: โมเดลอาจเปิดเผยข้อมูลที่จดจำจากการฝึกสอน หรือให้ผลลัพธ์ที่นำไปอนุมานข้อมูลที่ควรได้รับการปกป้อง แนวทางลดความเสี่ยง ได้แก่ การใช้ข้อมูลเท่าที่จำเป็น ควบคุมสิทธิ์เข้าถึง และทดสอบความเสี่ยงต่อการเปิดเผยข้อมูล

4. องค์กรจะเริ่มบริหารจัดการความเสี่ยงได้อย่างไร? [3]
นอกจากมาตรฐาน ISO/IEC 27090 ที่ช่วยให้เข้าใจภัยคุกคามเชิงเทคนิคแล้ว องค์กรยังสามารถนำแนวทาง AI Security Guidelines ของ สกมช. มาประยุกต์ใช้เป็นกรอบการป้องกันเบื้องต้น เพื่อให้ครอบคลุมวงจรชีวิตการทำงานของระบบ AI โดยสามารถเริ่มต้นดำเนินการใน 5 ด้านสำคัญ ดังนี้
4.1 ระบุองค์ประกอบของระบบและประเมินภัยคุกคาม
ระบุทรัพย์สิน AI ให้ครอบคลุม ทั้งแหล่งที่มาของข้อมูล (Data Sources) การส่งข้อมูล (Data Pipeline) สภาพแวดล้อมที่ใช้ฝึกสอน (Training Environment) รวมถึง API และแอปพลิเคชันที่เกี่ยวข้อง พร้อมประเมินความเสี่ยงตามบริบทการใช้งานจริง
4.2 ดูแลความมั่นคงปลอดภัยของข้อมูลและโมเดล
ตรวจสอบความถูกต้อง แหล่งที่มา (Provenance) และความสมบูรณ์ของข้อมูลและโมเดล จัดเก็บในพื้นที่ปลอดภัย บังคับใช้ระบบควบคุมเวอร์ชัน (Version Control) และป้องกันการเข้าถึงหรือดัดแปลงแก้ไขโดยไม่ได้รับอนุญาต
4.3 กำหนดสิทธิ์และบทบาทความรับผิดชอบให้ชัดเจน
จำกัดสิทธิ์การเข้าถึงข้อมูลและโมเดลตามหลักเอกสิทธิ์น้อยที่สุด (Least Privilege) พร้อมกำหนดบทบาทและหน้าที่ความรับผิดชอบของผู้พัฒนา (Dev) ผู้ดูแลระบบ (Ops) ผู้ดูแลข้อมูล (Data Governance) ผู้ใช้งาน และฝ่ายความมั่นคงปลอดภัย (Cybersecurity) ให้ชัดเจน
4.4 ทดสอบและทวนสอบความมั่นคงปลอดภัย (Security Testing)
ทดสอบความทนทานของโมเดลต่อการโจมตี (เช่น Evasion Attack, Prompt Injection, Jailbreaking) รวมถึงประเมินความเสี่ยงการรั่วไหลของข้อมูล (เช่น Model Inversion) ทั้งก่อนนำระบบขึ้นใช้งานจริง (Go-Live) และเมื่อมีการเปลี่ยนแปลงสำคัญ
4.5 บันทึกข้อมูล เฝ้าระวัง และเตรียมพร้อมรับมือเหตุการณ์
จัดเก็บ Log ข้อมูลนำเข้า ผลลัพธ์ การเรียกใช้ API และการทำงานของผู้ดูแลระบบ พร้อมตั้งระบบเฝ้าระวังพฤติกรรมผิดปกติ จัดทำแผนเผชิญเหตุ (Incident Response Plan) และเตรียมระบบสำรองหรือแนวทางกู้คืนเมื่อเกิดเหตุภัยคุกคาม

5. แนวทางเสริมความพร้อมรับมือภัยคุกคามทางไซเบอร์ [4]
นอกจากมาตรการดูแลความปลอดภัยของระบบ AI แล้ว องค์กรจำเป็นต้องตระหนักว่าผู้โจมตีก็มีการนำ AI มาใช้เป็นเครื่องมือเพื่อเพิ่มความเร็วและขีดความสามารถในการสำรวจระบบ ค้นหาช่องโหว่ หรือหลอกลวงบุคลากรด้วยเช่นกัน องค์กรจึงควรถือโอกาสนี้ทบทวนและยกระดับมาตรการความมั่นคงปลอดภัยไซเบอร์พื้นฐานควบคู่กันไป โดยอิงตามแนวทางของ สกมช. ใน 5 ประเด็นสำคัญ ดังนี้
5.1 จัดทำบัญชีทรัพย์สินและบริหารจัดการช่องโหว่: จัดทำทะเบียนระบบ เว็บไซต์ แอปพลิเคชัน API บริการคลาวด์ และสภาพแวดล้อมสำหรับพัฒนาและทดสอบ พร้อมเร่งแก้ไขช่องโหว่ที่มีความเสี่ยงสูงหรือถูกใช้โจมตีจริง
5.2 ยกระดับการพิสูจน์ตัวตนและควบคุมสิทธิ์: ใช้การยืนยันตัวตนหลายปัจจัย (MFA) กับบัญชีผู้ดูแลระบบและบริการสำคัญ กำหนดสิทธิ์ตามหลักเท่าที่จำเป็น และทบทวนหรือเพิกถอนสิทธิ์ที่ไม่จำเป็นอย่างสม่ำเสมอ
5.3 แบ่งแยกระบบและเฝ้าระวังกิจกรรมผิดปกติ: แยกระบบสำคัญออกจากกัน จำกัดการเข้าถึงจากภายนอก และรวบรวมบันทึกเหตุการณ์จากระบบสำคัญเพื่อตรวจจับและวิเคราะห์พฤติกรรมที่อาจเกี่ยวข้องกับการโจมตี
5.4 กำกับดูแลการใช้ AI และ AI Agent: กำหนดขอบเขตสิทธิ์การเข้าถึงระบบและข้อมูล จัดเก็บบันทึกกิจกรรม และให้มีผู้รับผิดชอบตรวจสอบหรืออนุมัติการดำเนินการที่อาจส่งผลกระทบต่อระบบหรือข้อมูลสำคัญ
5.5 เตรียมความพร้อมในการสำรองและกู้คืนระบบ: สำรองข้อมูลตามหลัก 3-2-1-1-0 จัดเก็บสำเนาที่แก้ไขหรือลบได้ยาก จำกัดสิทธิ์เข้าถึงข้อมูลสำรอง และทดสอบการกู้คืนระบบอย่างสม่ำเสมอ

หน่วยงานสามารถศึกษา AI Security Guidelines ของ สกมช. เพื่อประกอบการประเมินความเสี่ยงและกำหนดมาตรการดูแลระบบ AI พร้อมติดตามข้อมูลมาตรฐาน ISO/IEC 27090:2026 จากเว็บไซต์ทางการของ ISO เพื่อเสริมความเข้าใจเกี่ยวกับภัยคุกคามและแนวทางรับมือที่เกี่ยวข้อง

แหล่งอ้างอิง
[1] https://dg.th/rtei08fw4l
[2] https://dg.th/ju8gflxisv
[3] https://dg.th/ve8taj35yx
[4] https://dg.th/gxlf6nzocp