สอบถามหลักสูตรเลือกช่องทางที่สะดวก ทีมงานตอบเองทุกช่อง
LINE @itgeniusตอบเร็วที่สุด · จ–ศ 9:00–17:00 น.
โทรศัพท์
02-570-8449สำนักงาน088-807-9770มือถือ
อีเมลและโซเชียล
contact@itgenius.co.thสำหรับใบเสนอราคาและเอกสารFacebookitgeniusonlineYouTubeitgeniusengขอคำปรึกษาจัดอบรมให้ทีม
ความมั่นคงปลอดภัยไซเบอร์ · CYC-05

AI Security and LLM Red Teaming

หลักสูตร AI Security and LLM Red Teaming เป็นการอบรมการทดสอบและป้องกันแอป LLM และ AI Agent ตาม OWASP Top 10 for LLM Applications 2026 ตั้งแต่ Prompt Injection ข้อมูลรั่ว และช่องโหว่ของ RAG ไปจนถึงการใช้ promptfoo และวาง Guardrails เหมาะกับ Security Engineer, Penetration Tester และนักพัฒนาที่สร้างแอป AI

อัปเดตล่าสุด
ราคาเริ่มต้น 8,010 บาท / ท่าน 8,900 −10% ยังไม่รวม VAT 7% · มีราคาหมู่คณะ
PDFดาวน์โหลด Course Outline
  • ระยะเวลา12 ชั่วโมง · 2 วัน
  • รูปแบบออนไซต์ / ออนไลน์สด
  • รอบถัดไปเปิดตามคำขอ
  • ใบรับรองมี Certificate

ภาพรวมหลักสูตร

แอปที่ใช้ LLM ทั้ง Chatbot ระบบ RAG และ AI Agent ที่เรียกเครื่องมือได้เอง กำลังเข้าไปอยู่ในระบบงานจริงขององค์กร แต่ช่องโหว่ของแอปเหล่านี้ต่างจากเว็บแอปทั่วไป ข้อความธรรมดาในอีเมลหรือเอกสารก็สั่งให้โมเดลทำสิ่งที่ไม่ควรทำได้ ข้อมูลลับใน Context อาจรั่วออกมาในคำตอบ และ Agent ที่มีสิทธิ์มากเกินไปอาจถูกหลอกให้ลบข้อมูลหรือส่งข้อมูลออกนอกองค์กร เครื่องมือสแกนแบบเดิมจึงมองไม่เห็นความเสี่ยงส่วนใหญ่

หลักสูตรนี้พาผู้เรียนทดสอบความปลอดภัยของแอป LLM แบบลงมือจริงในมุมของผู้ป้องกัน โดยใช้ OWASP Top 10 for LLM Applications ฉบับ 2026 และ OWASP Top 10 for Agentic Applications เป็นกรอบ ทุก Lab โจมตีเฉพาะแอปตัวอย่างที่ออกแบบให้มีช่องโหว่โดยเจตนาซึ่งรันบนเครื่องของผู้เรียนเอง เริ่มจาก Prompt Injection

ทั้งแบบตรงและแบบอ้อม ข้อมูลรั่ว ช่องโหว่ของ RAG ไปจนถึงการโจมตี AI Agent ผ่าน Tool และ MCP จากนั้นใช้ promptfoo ทำ Automated Red Teaming วาง Guardrails แบบหลายชั้น ฝังการทดสอบไว้ใน CI/CD และปิดท้ายด้วย Capstone ที่ต้องเขียนรายงานผลและข้อเสนอแก้ไขให้ทีมพัฒนา (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)

สิ่งที่คุณจะได้รับ

  • อธิบายความเสี่ยงตาม OWASP Top 10 for LLM Applications 2026 และเชื่อมกับสถาปัตยกรรมของแอปจริงได้
  • วางขอบเขตและกติกาการทดสอบ AI Red Teaming อย่างมีจริยธรรมกับระบบที่ได้รับอนุญาต
  • ทดสอบ Prompt Injection แบบตรงและแบบอ้อม รวมถึงการรั่วของข้อมูลและ Hidden Context
  • ประเมินช่องโหว่ของระบบ RAG ตั้งแต่ Vector Store ไปจนถึงข้อมูลที่ถูกวางยา
  • วิเคราะห์ภัยคุกคามของ AI Agent ตาม OWASP Top 10 for Agentic Applications
  • ใช้ promptfoo สร้างชุดทดสอบ Red Team อัตโนมัติและอ่านผลได้ถูกต้อง
  • ออกแบบ Guardrails และการควบคุมสิทธิ์แบบหลายชั้นที่ลดความเสียหายเมื่อโมเดลถูกหลอก
  • เขียนรายงานผลการทดสอบพร้อมระดับความเสี่ยงและข้อเสนอแก้ไขที่ทีมพัฒนานำไปใช้ได้

หลักสูตรนี้เหมาะสำหรับ

  • Security Engineer และ Penetration Tester ที่ต้องทดสอบระบบที่มี LLM หรือ AI Agent
  • AI Engineer และนักพัฒนาที่สร้าง Chatbot, RAG หรือ Agent และต้องการทำให้ปลอดภัยตั้งแต่ต้น
  • ทีม AppSec และ DevSecOps ที่ต้องวางมาตรฐานการทดสอบแอป AI ขององค์กร
  • Security Architect ที่ต้องรีวิวการออกแบบระบบ AI ก่อนขึ้น Production

พื้นฐานของผู้เข้าอบรม

  • เขียน Python ขั้นพื้นฐานได้ และอ่านโค้ดแอปที่เรียกใช้ LLM API ได้
  • เข้าใจพื้นฐาน Web Security เช่น XSS, SQL Injection และ HTTP Request
  • เคยใช้ ChatGPT หรือ LLM อื่น และเข้าใจแนวคิด RAG และ AI Agent เบื้องต้น
  • โน้ตบุ๊ก RAM อย่างน้อย 16 GB ที่ติดตั้ง Docker Desktop, Node.js และ Python ได้

หัวข้อการฝึกอบรม

รายละเอียดหลักสูตร

อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายสลับ Lab ระดับ Intermediate ทุก Lab โจมตีเฉพาะแอป Chatbot, RAG และ AI Agent ที่ออกแบบให้มีช่องโหว่โดยเจตนาและรันบนเครื่องของผู้เรียนด้วย Docker เนื้อหายึดตาม OWASP Top 10 for LLM Applications ฉบับ 2026 และ OWASP Top 10 for Agentic Applications โดยเน้นมุมผู้ป้องกัน

ทุกการโจมตีจบที่วิธีแก้ หลักสูตรนี้ต่อยอดจาก Ethical Hacking and Penetration Testing Fundamentals โดยเจาะเฉพาะแอปที่ใช้ LLM ผู้เรียนใช้โมเดลขนาดเล็กผ่าน Ollama บนเครื่อง หรือใช้ LLM API Key ของตนเองหรือของบริษัท ซึ่งค่าใช้ API เป็นไปตามการใช้งานจริง ผู้เรียนจะได้ Lab Guide ไฟล์ docker-compose ของแอปตัวอย่าง ชุด Config ของ promptfoo และแม่แบบรายงาน Red Team กลับไปใช้งานต่อ

Day 1 ช่องโหว่ของแอป LLM ตาม OWASP 2026

Section 1: Lab: AI Red Teaming และการเตรียมสนามทดสอบ

  • AI Red Teaming ต่างจาก Penetration Test แบบเดิมอย่างไร และทำไมโมเดลเพียงอย่างเดียวป้องกันไม่ได้
  • ขอบเขต สิทธิ์ และ Rules of Engagement ทดสอบเฉพาะระบบที่ได้รับอนุญาตเป็นลายลักษณ์อักษร
  • ติดตั้งแอปตัวอย่างที่มีช่องโหว่โดยเจตนาด้วย Docker และเชื่อมกับโมเดลผ่าน Ollama
  • Lab: สำรวจแอปเป้าหมาย วาด Data Flow และระบุจุดที่ข้อมูลภายนอกไหลเข้าโมเดล

Section 2: OWASP Top 10 for LLM Applications 2026

  • ภาพรวมรายการ LLM01 ถึง LLM10 ฉบับ 2026 และสิ่งที่เปลี่ยนจากฉบับ 2025
  • แนวคิดหลักของฉบับใหม่: ยอมรับว่าโมเดลถูกหลอกได้ แล้วออกแบบระบบรอบตัวให้เสียหายน้อยที่สุด
  • Threat Modeling แอป LLM: ระบุทรัพย์สิน ผู้โจมตี และเส้นทางการโจมตี
  • Workshop: จัดลำดับความเสี่ยงของแอปตัวอย่างตามรายการ OWASP

Section 3: Lab: Prompt Injection แบบตรงและแบบอ้อม

  • Direct Prompt Injection และ Jailbreak รูปแบบที่พบบ่อย
  • Indirect Prompt Injection ผ่านเว็บ อีเมล ไฟล์ PDF และเอกสารที่โมเดลอ่าน
  • เทคนิคหลบตัวกรอง เช่น การเข้ารหัสข้อความ การสลับภาษา และการแบ่งคำสั่งหลายรอบ
  • Lab: ฝังคำสั่งในเอกสารให้ Chatbot ตัวอย่างทำงานผิดจากที่ออกแบบ แล้วบันทึกหลักฐาน

Section 4: Lab: ข้อมูลรั่วและ Hidden Context Exposure

  • Sensitive Information Disclosure: ข้อมูลส่วนบุคคล ความลับทางธุรกิจ และ Credential ในคำตอบ
  • Hidden Context Exposure: การรั่วของ System Prompt, Tool Schema และกฎการทำงานภายใน
  • แนวทางป้องกัน: แยกสิทธิ์ข้อมูล ปิดบังข้อมูล และตรวจคำตอบก่อนส่งออก
  • Lab: ดึง Hidden Context และข้อมูลลูกค้าจำลองออกจากแอปตัวอย่าง แล้วเสนอวิธีแก้

Section 5: Lab: Output Handling และ Unbounded Consumption

  • Improper Output Handling: เมื่อคำตอบของโมเดลกลายเป็น XSS, SQL หรือคำสั่ง Shell
  • การ Render Markdown และรูปภาพที่เปิดช่องให้ข้อมูลรั่วออกนอกระบบ
  • Unbounded Consumption: คำขอเดียวที่ทำให้เรียกโมเดลและ Tool วนซ้ำจนค่าใช้จ่ายพุ่ง
  • Lab: ทดสอบให้คำตอบของโมเดลรันสคริปต์ในหน้าเว็บ แล้วแก้ด้วย Output Encoding

Section 6: Lab: ช่องโหว่ของ RAG และ Supply Chain

  • Vector and Embedding Weaknesses: สิทธิ์การค้นหาข้ามผู้ใช้และข้อมูลที่ไม่ควรถูกดึง
  • Data and Model Poisoning: วางเอกสารปลอมในคลังความรู้เพื่อบิดคำตอบ
  • Misinformation และ Supply Chain: เชื่อคำตอบโดยไม่ตรวจ และโมเดลหรือ Package ที่ไม่น่าเชื่อถือ
  • Lab: ทำ RAG Poisoning กับคลังเอกสารตัวอย่าง แล้วออกแบบการตรวจแหล่งที่มาและสิทธิ์
Day 2 Agentic Threats, Red Team อัตโนมัติ และการป้องกัน

Section 7: Excessive Agency และ Agentic Top 10

  • Excessive Agency: สิทธิ์ ฟังก์ชัน และความเป็นอิสระที่มากเกินความจำเป็นของ Agent
  • OWASP Top 10 for Agentic Applications: Goal Hijack, Tool Misuse และ Identity Abuse
  • Memory Poisoning, Cascading Failures, Rogue Agents และการเชื่อ Agent มากเกินไป
  • Workshop: Threat Model ของ Agent ตัวอย่างที่อ่านอีเมลและเรียก API ได้

Section 8: Lab: ทดสอบ AI Agent, Tool และ MCP

  • Agent Goal Hijack ผ่านข้อมูลที่ Agent อ่านระหว่างทำงาน
  • Tool Misuse: ใช้เครื่องมือที่ได้รับอนุญาตต่อกันจนเกิดผลเสียหาย
  • ความเสี่ยงของ MCP Server เช่น คำอธิบาย Tool ที่ถูกแก้และสิทธิ์ที่กว้างเกินไป
  • Lab: ชักนำ Agent ตัวอย่างให้ส่งข้อมูลออกนอกระบบ แล้วปิดช่องด้วย Least Privilege

Section 9: Lab: Automated Red Teaming ด้วย promptfoo

  • ตั้งค่า promptfoo ให้ยิงทดสอบไปยังแอปเป้าหมายผ่าน HTTP หรือ Python Provider
  • เลือก Plugin และ Strategy ให้ตรงกับความเสี่ยงตาม OWASP ของแอป
  • อ่านรายงานผล แยกผลบวกลวง และจัดลำดับช่องโหว่ที่ต้องแก้
  • Lab: สแกนแอปตัวอย่างทั้งก่อนและหลังแก้ แล้วเปรียบเทียบผล

Section 10: Lab: Guardrails และ Defense in Depth

  • ชั้นการป้องกัน: ตรวจ Input, ตรวจ Output, แยกสิทธิ์ Tool และ Human-in-the-loop
  • แยกข้อมูลที่ไม่น่าเชื่อถือออกจากคำสั่ง และจำกัดผลกระทบเมื่อโมเดลถูกหลอก
  • ขอการยืนยันจากมนุษย์ก่อนทำงานที่ย้อนกลับไม่ได้ และบันทึก Audit Log ของ Agent
  • Lab: เพิ่ม Guardrails ให้แอปตัวอย่าง แล้ววัดผลด้วยชุดทดสอบเดิม

Section 11: ทดสอบต่อเนื่องและเฝ้าระวังใน Production

  • ฝังชุดทดสอบ Red Team ไว้ใน CI/CD เพื่อจับปัญหาเมื่อเปลี่ยน Prompt หรือโมเดล
  • Logging และ Monitoring ของแอป LLM เพื่อตรวจจับการโจมตีที่เกิดขึ้นจริง
  • ประเด็น PDPA เมื่อ Prompt และ Log มีข้อมูลส่วนบุคคล
  • Lab: ตั้ง GitHub Actions ให้รัน promptfoo ทุกครั้งที่มีการแก้ Prompt

Section 12: Workshop: Capstone Red Team Engagement

  • รับโจทย์แอป AI Agent ตัวใหม่ พร้อมขอบเขตและกติกาการทดสอบ
  • ทำ Threat Model ทดสอบด้วยมือ และสแกนด้วย promptfoo
  • จัดระดับความรุนแรงของช่องโหว่และเชื่อมกับรายการ OWASP
  • เขียนรายงานผลพร้อมข้อเสนอแก้ไข แล้วนำเสนอและรีวิวร่วมกัน

รอบอบรมและรูปแบบการอบรม

สำหรับบุคคล — รอบอบรมทั่วไป

ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770

สำหรับองค์กร — In-house / Private Training

  • ปรับเนื้อหาให้ตรงกับเครื่องมือและงานจริงของทีม
  • เลือกวันเอง อบรมที่บริษัทหรือออนไลน์สด
  • ออกใบเสนอราคาในนามนิติบุคคลให้ฝ่ายจัดซื้อ
ขอใบเสนอราคาอบรมองค์กร

วิทยากรผู้สอน

คำถามที่พบบ่อย

หลักสูตร AI Security and LLM Red Teaming เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับ Security Engineer และ Penetration Tester ที่ต้องทดสอบระบบที่มี LLM หรือ AI Agent · AI Engineer และนักพัฒนาที่สร้าง Chatbot, RAG หรือ Agent และต้องการทำให้ปลอดภัยตั้งแต่ต้น · ทีม AppSec และ DevSecOps ที่ต้องวางมาตรฐานการทดสอบแอป AI ขององค์กร พื้นฐานที่ผู้เรียนควรมี เขียน Python ขั้นพื้นฐานได้ และอ่านโค้ดแอปที่เรียกใช้ LLM API ได้ · เข้าใจพื้นฐาน Web Security เช่น XSS, SQL Injection และ HTTP Request หากไม่แน่ใจว่าพื้นฐานพอหรือไม่ ปรึกษาทีมงานได้ฟรีทาง LINE @itgenius หรือโทร 02-570-8449

หลักสูตร AI Security and LLM Red Teaming ราคาเท่าไร ใช้เวลาเรียนกี่ชั่วโมง

ราคาปกติ 8,900 บาท (โปรโมชันปัจจุบันเหลือ 8,010 บาท) ใช้เวลาอบรม 12 ชั่วโมง ราคานี้ยังไม่รวม VAT 7% (กรณีชำระในนามนิติบุคคล) ชำระค่าอบรมด้วยการโอนเข้าบัญชีบริษัท แล้วแจ้งชำระเงินผ่านหน้าแจ้งชำระเงินของเว็บไซต์ และขอใบเสร็จรับเงินหรือใบกำกับภาษีในนามบริษัทได้

เรียนจบได้รับ Certificate หรือไม่

ได้รับ ผู้ผ่านการอบรมทุกท่านจะได้รับใบประกาศนียบัตร (Certificate of Completion) จากสถาบันไอทีจีเนียส ใบประกาศแต่ละใบมีเลขที่ของตัวเอง ใครก็ตามที่มีเลขที่ใบประกาศตรวจสอบความถูกต้องออนไลน์ได้ที่หน้าตรวจสอบใบประกาศของสถาบัน จึงใช้แนบแฟ้มผลงานหรือส่งให้ฝ่ายบุคคลประกอบการพัฒนาบุคลากรได้

อบรมที่ไหน มีเรียนแบบออนไลน์หรือไม่

เรียนได้ทั้งแบบออนไซต์ที่สถาบันไอทีจีเนียส และนัดเรียนผ่านออนไลน์ และรับจัดอบรมเฉพาะทีม (In-house Training) ให้องค์กร สอบถามรอบและสถานที่ได้ที่ LINE @itgenius หรือโทร 02-570-8449

ถ้าเรียนไม่ทันหรือขาดเรียน มีเรียนซ้ำ/เรียนชดเชยหรือไม่

มี ผู้เรียนสามารถแจ้งขอเรียนซ้ำ (repeat) ในรอบถัดไปของหลักสูตรเดียวกันได้ฟรีตามเงื่อนไขของสถาบัน แจ้งชื่อหลักสูตรและรอบที่เคยเรียนกับทีมงาน แล้วทีมงานจะตรวจสอบและแจ้งรอบที่ยังมีที่นั่งว่างให้เลือก สอบถามได้ที่ LINE @itgenius หรือโทร 02-570-8449

สมัครเรียนหรือขอใบเสนอราคาในนามบริษัทได้อย่างไร

สมัครออนไลน์ได้จากแบบฟอร์มลงทะเบียนบนหน้านี้ ลงทะเบียนผู้เข้าอบรมหลายคนได้ในครั้งเดียว และกรอกเลขประจำตัวผู้เสียภาษีกับที่อยู่สำหรับออกใบกำกับภาษีได้ในฟอร์ม หรือขอใบเสนอราคา (Quotation) ในนามนิติบุคคลได้ทันทีจากปุ่มขอใบเสนอราคา สอบถามเพิ่มเติมโทร 02-570-8449 หรือ LINE @itgenius