ค้นพบความสนใจของคุณ ไปด้วยกัน

ดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ค้นพบความสนใจของคุณ ไปด้วยกันดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ไฟร์วอลล์ยุค AI เพิ่มเกราะบนระบบเดิม รับมือ Shadow AI และคำสั่งโจมตี

ไฟร์วอลล์ยุค AI เพิ่มเกราะบนระบบเดิม รับมือ Shadow AI และคำสั่งโจมตี
ความสนใจ|สำรวจการใช้งาน AI

ไฟร์วอลล์ AI ต้องเริ่มจากการเห็นสิ่งที่เกิดขึ้น

ไฟร์วอลล์ AI คือระบบที่ตรวจสอบและควบคุมการรับส่งข้อมูลระหว่างผู้ใช้ แอปพลิเคชัน และโมเดลปัญญาประดิษฐ์ เพื่อจำกัดการรั่วไหลของข้อมูลและสกัดคำสั่งหรือการทำงานที่เป็นอันตรายก่อนส่งผลกระทบต่อองค์กร จุดสำคัญจึงไม่ใช่เพียงการบล็อกการโจมตี แต่ต้องเห็นด้วยว่าใครใช้เครื่องมือใดและเอเจนต์ได้รับสิทธิ์ทำอะไร

Check Point เปิดตัวไฟร์วอลล์เครือข่าย AI ในช่วงปลายเดือนกรกฎาคม โดยเพิ่มการค้นหาเครื่องมือ AI ที่ได้รับอนุญาตและไม่ได้รับอนุญาต หรือ Shadow AI ลงในไฟร์วอลล์เดิม พร้อมจัดประเภทเจตนาของข้อความเพื่อช่วยป้องกันพนักงานส่งข้อมูลละเอียดอ่อนไปยังโมเดล การเพิ่มความสามารถในระบบที่องค์กรใช้อยู่แล้วเป็นแนวทางที่ควรให้ความสำคัญ เพราะการนำ AI มาใช้เดินหน้าเร็วกว่าการจัดหาและติดตั้งเครื่องมือความปลอดภัยชุดใหม่

ความเสี่ยงไม่ใช่เรื่องสมมติ รายงานที่อ้างถึงในข้อมูลระบุว่าเหตุการณ์ AI แบบซ่อนเร้นเกี่ยวข้องกับองค์กรที่ถูกเจาะข้อมูล 43% เพิ่มจาก 20% ในปีก่อนหน้า ตัวเลขนี้ชี้ว่าองค์กรไม่ควรรอให้พนักงานแจ้งการใช้ AI เอง แต่ควรมีการมองเห็นกิจกรรมจริงและนโยบายที่ครอบคลุมทั้งเครื่องมือที่อนุมัติและเครื่องมือที่หลุดจากการกำกับ

ไฟร์วอลล์ยุค AI เพิ่มเกราะบนระบบเดิม รับมือ Shadow AI และคำสั่งโจมตี

Check Point คุมเอเจนต์และสกัดคำสั่งโจมตี

การป้องกันของ Check Point ไม่ได้หยุดที่การค้นหา Shadow AI แต่ครอบคลุมเอเจนต์ AI และการรับส่งข้อมูลผ่าน MCP ด้วย ไฟร์วอลล์ค้นหาเอเจนต์และเซิร์ฟเวอร์ MCP ที่ทำงานในสภาพแวดล้อมองค์กร แล้วบังคับใช้นโยบายเพื่อจำกัดการเข้าถึงทรัพยากรหรือการกระทำที่เกินขอบเขต วิธีนี้ตอบโจทย์ความเสี่ยงที่เอเจนต์ได้รับสิทธิ์ทำงานจริง ไม่ใช่เพียงสร้างคำตอบให้ผู้ใช้

อีกชั้นหนึ่งคือระบบป้องกันการแทรกคำแนะนำแบบเรียลไทม์ ซึ่งตรวจจับข้อมูลป้อนเข้าที่เป็นอันตรายและข้อความที่พยายามดึงข้อมูลออกก่อนถึงโมเดล พร้อมตรวจผลลัพธ์เพื่อหาคำตอบที่อาจเป็นอันตรายหรือถูกบิดเบือน องค์กรจึงควรประเมินว่าเครื่องมือที่เลือกสามารถป้องกัน prompt injection ได้ทั้งขาเข้าและขาออกหรือไม่ ไม่ใช่พิจารณาเพียงการกรองคำสั่งที่ผู้ใช้ส่งเข้าระบบ

ข้อได้เปรียบที่ชัดคือความสามารถเหล่านี้ทำงานบนไฟร์วอลล์ที่ลูกค้าใช้อยู่ โดยไม่ต้องซื้อฮาร์ดแวร์หรือซอฟต์แวร์ใหม่ และไม่ต้องเปลี่ยนคอนโซลบริหารจัดการ อย่างไรก็ตาม การมีฟีเจอร์ในอุปกรณ์เดิมไม่ได้ทำให้การกำกับดูแลเกิดขึ้นเอง องค์กรยังต้องกำหนดสิทธิ์เอเจนต์ ระบุข้อมูลที่ห้ามส่ง และตรวจสอบว่าการตั้งค่านโยบายสอดคล้องกับงานจริง

Fortinet ใช้บริการคลาวด์เป็นช่องทางเพิ่มเกราะ

Fortinet เปิดตัว FortiGuard Inline AI Security สำหรับลูกค้า FortiGate โดยให้บริการกลไกตรวจสอบและป้องกัน AI ผ่านคลาวด์ องค์กรใช้โซลูชัน Fortinet ที่มีอยู่เพื่อตรวจสอบกิจกรรม AI และจัดการความเสี่ยงจากภัยคุกคามหรือข้อมูลรั่วไหล โดยระบบตรวจคำสั่งและข้อมูลขาเข้าแบบเรียลไทม์ระหว่างการโต้ตอบกับเอเจนต์ AI โมเดลภาษาขนาดใหญ่ และเครื่องมือ MCP

แนวทางนี้ต่างจากการเพิ่มความสามารถไว้บนไฟร์วอลล์เดิมตรงที่กลไกเฉพาะด้าน AI ทำงานผ่านบริการคลาวด์ ขณะที่ผู้ใช้ยังเชื่อมต่อกับโครงสร้างพื้นฐาน FortiGate ที่มีอยู่ ข้อดีคือเข้าถึงการตรวจสอบและควบคุมนโยบายได้โดยไม่ต้องลงทุนหรือติดตั้งระบบรักษาความปลอดภัย AI แยกต่างหาก แต่การใช้บริการคลาวด์ทำให้ที่ตั้งและเงื่อนไขการประมวลผลข้อมูลเป็นเรื่องที่ต้องตรวจสอบให้ตรงกับข้อกำหนดขององค์กร

สำหรับหน่วยงานที่ต้องควบคุมความเป็นส่วนตัวและอธิปไตยของข้อมูลอย่างเข้มงวด มีทางเลือกติดตั้ง FortiAIGate ภายในสภาพแวดล้อมขององค์กรเอง การทดสอบและเลือกใช้จึงไม่ควรดูแค่ความสามารถในการตรวจจับ แต่ต้องถามด้วยว่าข้อมูล AI ถูกตรวจสอบที่ใด ใครกำหนดนโยบาย และองค์กรต้องควบคุมการประมวลผลในระดับใด

ไฟร์วอลล์ยุค AI เพิ่มเกราะบนระบบเดิม รับมือ Shadow AI และคำสั่งโจมตี

เลือกจากการควบคุมที่องค์กรต้องการ ไม่ใช่ชื่อผลิตภัณฑ์

ทั้งสองแนวทางพยายามลดภาระการเพิ่มระบบใหม่ แต่ให้น้ำหนักต่างกัน Check Point เน้นฝังการค้นหา Shadow AI การควบคุมเอเจนต์ และการป้องกัน prompt injection ไว้ในไฟร์วอลล์เดิม ส่วน Fortinet เสนอการตรวจสอบผ่านบริการคลาวด์สำหรับผู้ใช้ FortiGate พร้อมทางเลือกติดตั้ง FortiAIGate ภายในองค์กรเมื่อเงื่อนไขข้อมูลต้องการการควบคุมมากขึ้น

ก่อนเลือก องค์กรควรตรวจสอบอย่างน้อยสามเรื่อง ได้แก่ มองเห็นการใช้ AI ที่ไม่ได้รับอนุญาตได้ครบเพียงใด บังคับใช้ข้อจำกัดกับเอเจนต์และ MCP ได้จริงหรือไม่ และตรวจจับคำสั่งหรือผลลัพธ์ที่พยายามเปิดเผยข้อมูลได้ทั้งสองทิศทางหรือไม่ จากนั้นจึงประเมินตำแหน่งประมวลผลข้อมูล การกำกับนโยบาย และภาระดูแลระบบให้เหมาะกับสภาพแวดล้อมของตน

การเสริมไฟร์วอลล์เดิมเป็นจุดเริ่มต้นที่สมเหตุสมผล เพราะองค์กรไม่ต้องรอเปลี่ยนโครงสร้างพื้นฐานก่อนจึงจะเริ่มมองเห็นความเสี่ยง แต่การมีบริการหรือฟีเจอร์ไม่ได้รับประกันความปลอดภัย หากตั้งนโยบายไม่ครอบคลุมการใช้งานจริง เกราะ AI ที่มีคุณค่าจึงต้องทำได้ทั้งเปิดเผยกิจกรรม จำกัดสิทธิ์ และสกัดคำสั่งอันตราย โดยไม่ละเลยข้อกำหนดด้านข้อมูลขององค์กร

ZestBuy ได้รับค่าคอมมิชชั่นเมื่อคุณช้อปผ่านลิงก์ของเรา โดยคุณไม่ต้องจ่ายเพิ่ม บทความนี้สร้างขึ้นด้วย AI จากแหล่งข้อมูลที่เผยแพร่และข้อมูลสินค้า

You May Also Like

Comments
พูดอะไรบางอย่าง...
ยังไม่มีความคิดเห็น มาเป็นคนแรกที่แบ่งปันความคิดเห็นของคุณ!