ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Instituteหลักสูตร AI for Cybersecurity Operations เป็นการอบรมการนำ AI และ LLM มาช่วยงาน SOC ต่อยอดจาก Wazuh ทั้งคัดกรอง Alert เติมข้อมูล Threat Intelligence สร้าง Pipeline อัตโนมัติด้วย n8n ล่าภัยคุกคาม และช่วยทำ Incident Response อย่างปลอดภัย เหมาะกับ SOC Analyst ผู้ดูแล Wazuh และทีม Incident Response
ทีม SOC ส่วนใหญ่ไม่ได้ขาดข้อมูล แต่จมอยู่กับ Alert จำนวนมากที่ต้องเปิดดูทีละรายการ ต้องสลับหน้าจอไปค้นข้อมูล IP หรือ Hash เขียน Query ใหม่ทุกครั้งที่ต้องล่าภัยคุกคาม และใช้เวลานานกับการสรุปเหตุการณ์เป็นรายงาน AI และ LLM ช่วยงานเหล่านี้ได้มาก แต่ถ้านำมาใช้โดยไม่มีกรอบ ก็เสี่ยงทั้งคำตอบที่ฟังดูถูกแต่ผิด ข้อมูล Log ที่มีข้อมูลส่วนบุคคลหลุดออกไปยังบริการภายนอก และผู้โจมตีที่ฝังคำสั่งไว้ใน Log เพื่อหลอก AI
หลักสูตรนี้ต่อยอดจาก SOC and SIEM with Wazuh โดยไม่ทวนการติดตั้งและพื้นฐานของ Wazuh แต่พาผู้เรียนนำ AI เข้าไปช่วยทุกขั้นของงาน SOC เริ่มจากต่อ Wazuh เข้ากับ LLM ที่รันบนเครื่อง ออกแบบ Prompt คัดกรอง Alert ที่ให้ผลเป็นโครงสร้างและวัดความแม่นได้ เติมข้อมูล Threat Intelligence สร้าง Pipeline
คัดกรองอัตโนมัติด้วย n8n จากนั้นใช้ AI ช่วยล่าภัยคุกคาม เชื่อม Wazuh กับ AI Agent ผ่าน MCP ร่าง Timeline และรายงานเหตุการณ์ และหาช่องว่างของการตรวจจับตาม MITRE ATT&CK ทุกขั้นมีมนุษย์ตรวจทานก่อนตัดสินใจ และปิดท้ายด้วย Capstone ศูนย์ SOC จำลองที่มี AI ช่วยงาน (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)
รายละเอียดหลักสูตร
อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายสลับ Lab ระดับ Intermediate หลักสูตรนี้ต่อยอดจาก SOC and SIEM with Wazuh โดยไม่ทวนการติดตั้ง Wazuh หรือการเขียน Rule พื้นฐาน แต่เริ่มที่การนำ AI เข้าไปช่วยงาน SOC ทันที ตั้งแต่คัดกรอง Alert เติมข้อมูล Threat Intelligence ล่าภัยคุกคาม จนถึง Incident Response และ Detection Engineering ทุก Lab
รันบนเครื่องของผู้เรียนด้วย Docker และใช้ข้อมูล Log จำลอง ผู้เรียนใช้ LLM บนเครื่องผ่าน Ollama หรือใช้ API Key ของตนเองหรือของบริษัท ซึ่งค่าใช้ API เป็นไปตามการใช้งานจริง ส่วนบริการ Threat Intelligence ใช้บัญชีแบบฟรีของผู้เรียน ผู้เรียนจะได้ Lab Guide ชุด Prompt สำหรับงาน SOC ไฟล์ Workflow ของ n8n และสคริปต์ Python กลับไปใช้งานต่อ
Section 1: AI ในงาน SOC: ช่วยได้แค่ไหน เสี่ยงตรงไหน
Section 2: Lab: เชื่อม Wazuh กับ LLM บนเครื่อง
Section 3: Lab: Prompt สำหรับคัดกรอง Alert
Section 4: Lab: เติมบริบทด้วย Threat Intelligence
Section 5: Lab: Pipeline คัดกรองอัตโนมัติด้วย n8n
Section 6: Lab: AI ช่วยวิเคราะห์ Log และเขียน Rule
Section 7: Lab: Threat Hunting ด้วยภาษาธรรมชาติ
Section 8: Lab: เชื่อม Wazuh กับ AI Agent ผ่าน MCP
Section 9: Lab: AI ช่วย Incident Response
Section 10: Lab: Detection Engineering ด้วย AI
Section 11: กำกับความเสี่ยงของ AI ใน SOC
Section 12: Workshop: Capstone SOC ที่มี AI ช่วยงาน
ຂະນະນີ້ຍັງບໍ່ມີຮອບຝຶກອົບຮົມເປີດຮັບສະໝັກ ລົງຊື່ຈອງໄວ້ໄດ້ເລີຍ ທີມງານຈະຕິດຕໍ່ກັບເປັນກຸ່ມທຳອິດເມື່ອເປີດຮອບຕໍ່ໄປ ຫຼື ສອບຖາມທາງ LINE ຫຼື ໂທ 02-570-8449 ຫຼື 088-807-9770
ออกแบบ Prompt ให้ LLM ตอบเป็นโครงสร้างตายตัว เช่น JSON ที่มีระดับความรุนแรง เหตุผล และหลักฐานจาก Log แทนข้อความอิสระ เติมบริบทจาก Threat Intelligence ก่อนส่งให้โมเดล แล้ววัดความแม่นยำกับชุด Alert ที่ Analyst ตัดสินไว้แล้ว ส่วนการตัดสินใจที่มีผลกระทบ เช่น ปิดเคสหรือบล็อกเครื่อง ยังต้องให้คนอนุมัติ
Log มีข้อความที่ผู้โจมตีควบคุมได้ เช่น User-Agent ชื่อไฟล์ หรือเนื้อหาอีเมล ผู้โจมตีจึงฝังคำสั่งไว้ในข้อมูลเหล่านี้ให้ LLM ที่อ่าน Log เชื่อว่าเหตุการณ์ปลอดภัย หรือสั่งให้ Agent ทำงานที่ไม่ควรทำ วิธีลดความเสี่ยงคือถือว่าข้อความใน Log เป็นข้อมูลเสมอ ไม่ใช่คำสั่ง จำกัดสิทธิ์ของ Agent และให้คนอนุมัติก่อนดำเนินการที่มีผลต่อระบบ
เริ่มจากรับ Alert จาก Wazuh เข้า Workflow ของ n8n จากนั้นเติมข้อมูล เช่น ตรวจ IP หรือ Hash กับบริการ Threat Intelligence แล้วส่งให้ LLM คัดกรองด้วย Prompt ที่ให้ผลเป็นโครงสร้าง จากนั้นแยกเส้นทางตามระดับความรุนแรง โดยเคสที่ต้องดำเนินการให้ผ่านขั้นอนุมัติของ Analyst ก่อน และส่งสรุปเข้าช่องทางสื่อสารของทีม
เหมาะกับ SOC Analyst ระดับ Tier 1 และ Tier 2 ที่ต้องการลดเวลาคัดกรอง Alert ผู้ดูแล Wazuh หรือ SIEM และ Incident Responder หรือ Threat Hunter ที่อยากใช้ AI ช่วยวิเคราะห์ ควรใช้งาน Wazuh ได้และเข้าใจ Agent, Decoder และ Rule หรือผ่านหลักสูตร SOC and SIEM with Wazuh เข้าใจ MITRE ATT&CK เบื้องต้น และเขียน Python กับใช้ Command Line บน Linux ขั้นพื้นฐานได้
เชื่อม Wazuh กับ LLM บนเครื่องหรือผ่าน API ออกแบบ Prompt คัดกรอง Alert ที่วัดความแม่นยำได้ สร้าง Pipeline คัดกรองและเติมข้อมูลอัตโนมัติด้วย n8n ใช้ AI ช่วยเขียน Query ล่าภัยคุกคาม ร่าง Timeline รายงานเหตุการณ์ และ Rule ตรวจจับใหม่ และวางมาตรการรับมือความเสี่ยงของ AI ใน SOC ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
เตรียมโน้ตบุ๊ก RAM อย่างน้อย 16 GB ที่ติดตั้ง Docker Desktop ได้ พร้อมสิทธิ์ติดตั้งโปรแกรม เพราะทุก Lab รันบนเครื่องของผู้เรียนด้วย Docker และใช้ Log จำลอง ผู้เรียนใช้ LLM บนเครื่องผ่าน Ollama หรือใช้ API Key ของตนเองหรือของบริษัท ซึ่งค่าใช้ API เป็นไปตามการใช้งานจริง ส่วนบริการ Threat Intelligence ใช้บัญชีแบบฟรีของผู้เรียน
แอปที่ใช้ LLM ทั้ง Chatbot ระบบ RAG และ AI Agent ที่เรียกเครื่องมือได้เอง กำลังเข้าไปอยู่ในระบบงานจริงขององค์กร แต่ช่องโหว่ของแอปเหล่านี้ต่างจากเว็บแอปทั่วไป ข้อความธรรมดาในอีเมลหรือเอกสารก็สั่งให้โมเดลทำสิ่งที่ไม่ควรทำได้ ข้อมูลลับใน Context…
องค์กรจำนวนมากมีไฟร์วอลล์และแอนตี้ไวรัสแล้ว แต่ยังไม่รู้ว่าเกิดอะไรขึ้นบนเครื่องและเซิร์ฟเวอร์ของตนเองในแต่ละวัน Log กระจายอยู่หลายที่ ไม่มีใครดูจนกว่าระบบจะล่ม พอเกิดเหตุจริงก็ไม่รู้ว่าผู้โจมตีเข้ามาทางไหนและทำอะไรไปแล้วบ้าง งานของทีม Blue Team และ SOC…
งานอัตโนมัติแบบเดิมทำงานตามเงื่อนไขที่เขียนไว้ล่วงหน้า พอเจอข้อความที่ไม่ตรงรูปแบบหรือคำถามที่ต้องดูข้อมูลหลายแหล่งประกอบกันก็ไปต่อไม่ได้ Agentic AI เปลี่ยนโจทย์นี้ด้วยการให้ LLM เป็นผู้ตีความ วางแผน และเลือกเครื่องมือเองว่าต้องดึงข้อมูลอะไร จากที่ไหน…
