Cybersecurity Operations & Defense Bootcamp with AI-Driven Threat Analysis and Firewall Management

ในยุคที่การโจมตีทางไซเบอร์เกิดขึ้นตลอดเวลา องค์กรไม่ต้องการเพียงแค่ “คนที่รู้จักเครื่องมือ” แต่ต้องการ “ผู้เชี่ยวชาญที่เข้าใจการโจมตีอย่างลึกซึ้ง วิเคราะห์ได้ และป้องกันได้จริง” หลักสูตร Cybersecurity Operations & Defense Bootcamp with AI-Driven Threat Analysis and Firewall Management ถูกออกแบบมาเพื่อพัฒนาทักษะดังกล่าวอย่างเป็นระบบ โดยเริ่มตั้งแต่การทำความเข้าใจรูปแบบการโจมตี (Attack Techniques) ไปจนถึงการวิเคราะห์พฤติกรรมของภัยคุกคามด้วย AI และการออกแบบมาตรการป้องกันด้วย Firewall ในสภาพแวดล้อมที่ใกล้เคียงกับการทำงานจริงในองค์กร

สิ่งที่ทำให้หลักสูตรนี้แตกต่าง คือแนวทางการเรียนรู้แบบ “Attack เข้าสู่การ Analyze จบที่ Defend” ผู้เรียนจะไม่ได้เพียงแค่เรียนรู้การโจมตีเพื่อเข้าใจเทคนิคของผู้ไม่หวังดี แต่จะได้เห็น “ร่องรอยของการโจมตีใน Log จริง” และใช้ AI เข้ามาช่วยวิเคราะห์พฤติกรรมของภัยคุกคาม พร้อมทั้งนำผลลัพธ์ไปออกแบบแนวทางป้องกันอย่างมีประสิทธิภาพ ไม่ว่าจะเป็นการตรวจจับ DoS, การวิเคราะห์ Brute Force, การระบุ SQL Injection หรือการตรวจสอบพฤติกรรมที่ผิดปกติในเครือข่าย ทั้งหมดนี้ถูกถ่ายทอดผ่าน Lab แบบ Step-by-Step ที่สามารถนำไปใช้งานได้จริง

หลักสูตรนี้เหมาะอย่างยิ่งสำหรับ Network Engineer, System Administrator, Firewall Administrator และผู้ที่ต้องการก้าวเข้าสู่สายงาน Cybersecurity หรือ SOC โดยไม่จำเป็นต้องมีพื้นฐานด้านการโจมตีขั้นสูงมาก่อน แต่ต้องการเข้าใจ “ภาพรวมของภัยคุกคามในโลกจริง” และสามารถตอบสนองได้อย่างมั่นใจ เมื่อเรียนจบ ผู้เข้าอบรมจะสามารถมองเห็น Attack เป็น Data วิเคราะห์พฤติกรรมด้วย AI และตัดสินใจป้องกันได้อย่างเป็นระบบ ซึ่งเป็นทักษะสำคัญที่องค์กรยุคใหม่กำลังต้องการอย่างเร่งด่วน

หากท่านต้องการยกระดับจากผู้ดูแลระบบทั่วไป ไปสู่ผู้เชี่ยวชาญด้านความปลอดภัยที่ “เข้าใจผู้โจมตี และสามารถหยุดการโจมตีได้จริง” หลักสูตรนี้คือจุดเริ่มต้นที่ทรงพลังที่สุดสำหรับท่าน

ผู้ที่เหมาะเข้าเรียนในหลักสูตรนี้

  • Network Engineer / Network Administrator
  • System Administrator / IT Support
  • Firewall Administrator
  • Cybersecurity Analyst / SOC Analyst (Beginner Level)
  • Security Engineer
  • IT Manager / IT Supervisor / Team Lead
  • ผู้ที่ต้องการเริ่มต้นสายงาน Cybersecurity

รายละเอียดหลักสูตร

1. Network Security Threats, Vulnerabilities, and Attacks

  • ประเภทของภัยคุกคาม (Malware, Phishing, DoS/DDoS, Insider Threat)
  • ช่องโหว่ที่พบบ่อยในระบบเครือข่าย
  • รูปแบบการโจมตี (Reconnaissance, Exploitation, Post-Exploitation)
  • Attack Vectors เช่น Email, USB, Remote Access, Social Engineering
  • การใช้ MITRE ATT&CK Framework ในการวิเคราะห์
  • Lab 1: ทดสอบการใช้เครื่องมือโจมตี DoS และ DDoS
  • Lab 2: การโจมตี Man-in-the-Middle (MITM)
  • Lab 3: การ Sniffing ข้อมูล
  • AI Integration: AI-Powered Attacks (เช่น การใช้ LLM สร้าง Malware Code หรือ Phishing Mail ที่แนบเนียน) และการใช้ AI Mapping เพื่อวิเคราะห์พฤติกรรมการโจมตีใน MITRE ATT&CK
  • AI Lab: ใช้ AI (เช่น ChatGPT/Local AI ) ช่วยวิเคราะห์ Log ไฟล์เพื่อระบุประเภทการโจมตีตาม Framework

2. Network Security Controls, Protocols, and Devices

  • การควบคุมด้านเทคนิค: ACLs, NAT, VLAN, Port Security
  • อุปกรณ์ความปลอดภัย: Firewall, IDS/IPS, Proxy Server
  • โปรโตคอลความปลอดภัย: IPsec, SSL/TLS, SSH, SNMPv3
  • ความแตกต่างระหว่าง Detection vs Prevention
  • Zero Trust Architecture
  • AI Integration: แนะนำ AI-Driven Micro-segmentation และการใช้ AI ในการวิเคราะห์พฤติกรรมผู้ใช้ (UEBA) สำหรับ Zero Trust
  • การใช้ AI ในการตรวจจับความผิดปกติ (Anomaly Detection) ในระบบเครือข่ายแทนการใช้ Rule-based แบบเดิม

3. Footprinting and Reconnaissance

  • ความเข้าใจเกี่ยวกับ OSINT (Open Source Intelligence)
  • เทคนิคการเก็บข้อมูลแบบ Passive และ Active
  • การใช้เครื่องมือ: whois, nslookup, Maltego, theHarvester
  • การระบุ DNS, IP Block, Email, Metadata และ Social Footprint
  • การวิเคราะห์ footprint เพื่อนำไปสู่การเจาะระบบ
  • Lab 4: Gathering Information using Metasploit
  • Lab 5: Gathering Email List Using TheHarvestor
  • Lab 6: Gathering Information About a Target by Tracing Emails using eMailTrackerPro
  • Lab 7: Footprinting a Target using Recon-ng
  • Lab 8: Footprinting a Target using Maltego
  • AI Integration: การใช้ AI-OSINT Tools เพื่อรวบรวมข้อมูลและวิเคราะห์ความสัมพันธ์ของบุคคล/องค์กรจากโซเชียลมีเดียโดยอัตโนมัติ
  • AI Lab: ฝึกการใช้ AI Prompt Engineering เพื่อช่วยค้นหา Google Dorks หรือเขียน Script Python สำหรับดึง Metadata จากไฟล์จำนวนมาก

4. Scanning Networks

  • แนวคิดของ Port, Host, และ Network Scanning
  • การใช้ Nmap, Masscan, Netdiscover
  • การวิเคราะห์ TCP Flags และ Scan Types (SYN, XMAS, FIN)
  • การตรวจจับระบบปฏิบัติการ (OS Fingerprinting)
  • Bypass IDS ด้วย Timing และ Fragmentation
  • Lab 9: Perform Port and Service Discovery using NetScanTools Pro
  • Lab 10: Explore Various Network Scanning Techniques using HPing3
  • Lab 11: Network Scanning with Netdiscover
  • Lab 12: Scan a Target Network using Metasploit
  • Lab 13: Using Nmap for Vulnerability Scanning
  • Lab 14: Using Nmap for OS Detection and Script Scanning

5. Enumeration

  • เทคนิคการดึงข้อมูลจากบริการที่เปิดใช้งาน เช่น SMB, SNMP, LDAP, NetBIOS
  • การใช้เครื่องมือ: enum4linux, NBTScan, SNMPWalk
  • การดึง User List, Share, Group, และ SID จากระบบ
  • Lab 15: Perform DNS Enumeration using DNSSEC zone Walking
  • Lab 16: Perform NetBIOS Enumeration using an NSE Script
  • Lab 17: Perform SME and RPC Enumeration using NetScanTools Pro
  • Lab 18: Service Enumeration using Nmap
  • Lab 19: Using DNSmap for network mapping
  • AI Integration: แนะนำ Smart Scanning ที่ใช้ AI ในการเลือก Payload หรือปรับแต่ง Timing เพื่อเลี่ยงการตรวจจับของ IDS/IPS
  • AI Lab: ใช้ AI ช่วยวิเคราะห์ผลลัพธ์จาก Nmap (Output Analysis) เพื่อสรุปช่องโหว่ที่สำคัญที่สุดและแนะนำขั้นตอนการโจมตีถัดไป

6. Vulnerability Analysis

  • การใช้ Vulnerability Scanner เช่น Nessus, OpenVAS, Nikto
  • การวิเคราะห์ CVSS, CVE, Exploit Database
  • การวางแผน Prioritization และ Patch Strategy
  • ความแตกต่างของ False Positive/False Negative
  • Lab 20: Using Nmap for Manual Vulnerability assessment
  • Lab 21: Using Nikto for web vulnerability test
  • AI Integration: การใช้ AI ในการจัดลำดับความสำคัญของช่องโหว่ (Vulnerability Prioritization) โดยคำนวณจากบริบทของธุรกิจ
  • AI Lab: นำผล Scan จาก Nessus/Nikto ให้ AI ช่วยสรุปและเขียน Remediation Plan (แผนการแก้ไข) ที่เหมาะสมกับระบบนั้นๆ

7. System Hacking

  • ขั้นตอนการ Hack ระบบ: Gaining Access, Escalating Privileges, Maintaining Access, Clearing Tracks
  • เทคนิค Password Cracking: Brute Force, Dictionary, Rainbow Table
  • การยกระดับสิทธิ์ใน Windows และ Linux
  • เทคนิคการ Backdoor และ Rootkit
  • Lab 22: Password Cracking using Hydra (with Custom Wordlist)
  • Lab 23: Crack Password MD5 with John the Ripper
  • Lab 24: Crack Password with Hashcat
  • Lab 25: Hack a windows Machine using Metasploit and Perform Port-Exploitation using Meterpreter
  • AI Integration: การใช้ AI ช่วยสร้าง Custom Wordlist ที่เจาะจงเป้าหมาย (Targeted Wordlist) จากข้อมูล OSINT
  • AI Lab: ฝึกใช้ AI ช่วยเขียน Bash/Python Script สำหรับการยกระดับสิทธิ์ (Privilege Escalation) บน Linux/Windows

8. Malware Threats

  • ประเภทของมัลแวร์: Virus, Worm, Trojan, RAT, Logic Bomb
  • เทคนิค Obfuscation, Packing, และ Polymorphism
  • การตรวจจับและวิเคราะห์มัลแวร์ด้วย Sandbox/Any.Run
  • พื้นฐาน Reverse Engineering
  • Lab 26: Perform Process Monitoring using Process Monitors
  • Lab 27: Find the Portable Executable (PE) Information of a Maware Executable File using PE Explorer
  • AI Integration: AI-Generated Malware (Polymorphic Malware) และการใช้ AI ในการวิเคราะห์มัลแวร์แบบ Static/Dynamic
  • AI Lab: ใช้ AI (เช่น VirusTotal Code Insight) ช่วยอธิบายการทำงานของ Code มัลแวร์ที่ถูก Obfuscate มา

9. Sniffing

  • แนวคิด Packet Capture และ Protocol Analysis
  • การใช้ Wireshark, TCPDump, Ettercap
  • ARP Spoofing, DHCP Starvation, MAC Flooding
  • การดักจับข้อมูลจาก Telnet, FTP, HTTP
  • Lab 28: Perform Password Sniffing using Wireshark
  • Lab 29: Perform ARP Poisoning Using Arpspoof
  • ARP Poisoning Lab ด้วย Ettercap
  • วิเคราะห์ Session ด้วย Wireshark
  • AI Lab : ใช้ AI วิเคราะห์ผลลัพธ์จาก Wireshark

10. Social Engineering

  • ประเภทของ Social Engineering: Phishing, Spear Phishing, Vishing, Pretexting
  • เทคนิค Psychological Manipulation
  • การใช้ SET (Social Engineering Toolkit)
  • การวางแผนและจำลองแคมเปญโจมตี
  • Lab 30: Detect Phishing using PhishTank
  • AI Integration: การใช้ Deepfake Audio/Video ในการทำ Social Engineering และการใช้ LLM สร้าง Phishing Email หลายภาษา
  • AI Lab: ใช้ AI วิเคราะห์ความผิดปกติใน Packet Capture (Wireshark) เพื่อหาจุดที่อาจมีการ Exfiltrate ข้อมูล

11. Denial-of-Service (DoS)

  • แนวคิดการโจมตี DoS/DDoS
  • การวิเคราะห์การโจมตี SYN Flood, UDP Flood, HTTP GET Flood
  • เครื่องมือ: LOIC, HOIC, hping3, slowloris
  • การตรวจจับและป้องกันด้วย Firewall และ Rate Limiting
  • Lab 31: Perform a DoS Attack (SYN Flooding) on a Target Host Using Metasploit
  • AI Integration: การป้องกัน DoS ด้วย AI-Based Rate Limiting ที่สามารถแยกแยะระหว่าง Traffic จริงกับ Botnet ได้แม่นยำกว่าเดิม

12. Session Hijacking

  • การขโมย Session ID ผ่าน Cookie/Token
  • การใช้ XSS เพื่อดึง Session
  • TCP Session Hijack และ Man-in-the-Middle (MitM)
  • การป้องกันด้วย Secure Flag, HTTPS และ Reauthentication
  • Lab 32: Session Hijack Demonstration with Burp Suite
  • Lab 33: Hijack a Session using Zed Attack Proxy (ZAP)

13. Evading IDS, Firewalls, and Honeypots

  • แนวคิดของ IDS, IPS, Firewall และ Honeypot
  • เทคนิคการหลบหลีกระบบตรวจจับ: Fragmentation, Obfuscation, Encoding, Encryption
  • การใช้ Tunneling เช่น ICMP, DNS เพื่อ Bypass Firewall
  • การตรวจจับและหลบหลีกจาก Honeypot (Honeyd, Cowrie)
  • Lab 34: Detect Malicious Network Traffic using HoneyBOT
  • AI Integration: เทคนิค Adversarial Machine Learning เพื่อหลอก AI ของระบบตรวจจับ (เช่น การปรับแต่ง Payload ให้ AI มองว่าเป็นปกติ)
  • AI Lab: ทดลองใช้ AI ช่วยสร้าง Encoding/Fragmentation หลายรูปแบบเพื่อ Bypass ระบบตรวจจับ

14. Hacking Web Servers

  • Web Server Architecture (Apache, IIS, Nginx)
  • ช่องโหว่ยอดนิยม: Directory Traversal, Misconfiguration, Buffer Overflow
  • การใช้ Metasploit ในการ Exploit Web Server
  • เทคนิค Defacement และการฝัง Backdoor
  • Lab 35: Perform Web Application Vulnerability Scanning
  • ใช้ Nikto & Dirb Scan
  • Exploit Apache Vulnerability ด้วย Metasploit

15. Hacking Web Applications

  • การวิเคราะห์ Web App Architecture (Frontend/Backend/API)
  • OWASP Top 10 (XSS, CSRF, IDOR, Broken Access Control)
  • เทคนิค Web Hacking เช่น Input Tampering, Cookie Manipulation
  • การใช้ Burp Suite, OWASP ZAP
  • Lab 36:  การใช้งาน SQLmap เจาะฐานข้อมูล Web Page ตัวอย่างเพื่อหาช่องโหว่

16. SQL Injection

  • แนวคิด SQL Injection: Classic, Blind, Time-Based
  • การระบุช่องโหว่จากฟอร์มเว็บและ URL
  • เทคนิคการดึงข้อมูล (Union, Error-Based, Subquery)
  • การ Bypass Login Page และ Dump Database
  • Lab 37: Detect SQL Injection Vulnerabilities using OWASP ZAP
  • ทดสอบ SQLi จาก DVWA หรือ bwapp
  • ใช้ sqlmap ดึงข้อมูลจากฐานข้อมูลจริง
  • AI Integration: การใช้ AI ช่วยทำ Code Review เพื่อหาจุดอ่อนของ Web App ก่อน Deploy
  • AI Lab: ฝึกใช้ AI ช่วยสร้าง SQL Injection Payload ที่ซับซ้อนเพื่อข้ามผ่าน Web Application Firewall (WAF)

17. Hacking Wireless Networks

  • ความรู้พื้นฐาน Wi-Fi (SSID, WPA2/3, Channels)
  • การใช้ Aircrack-ng, Kismet, WiFi Pineapple
  • เทคนิคการโจมตี: Deauthentication, Evil Twin, WPA2 Crack
  • การป้องกันด้วย MAC Filtering, Isolation, EAP

18. Cryptography

  • พื้นฐานการเข้ารหัส: Symmetric vs Asymmetric
  • อัลกอริทึมยอดนิยม: AES, RSA, SHA, HMAC
  • การโจมตี: Brute Force, Replay, Padding Oracle
  • SSL/TLS, Digital Certificate และการโจมตี HTTPS
  • การใช้ GPG, Hashcat, John the Ripper
  • AI Integration: ผลกระทบของ AI ต่อการเจาะรหัสผ่าน (AI-Powered Password Cracking)

19. Secure Firewall Configuration and Management

  • ประเภทของ Firewall (Stateless, Stateful, Application-layer)
  • การออกแบบ Rule Set และ Zone-Based Firewall
  • การตั้งค่า NAT, PAT และ DMZ
  • การตรวจสอบ Log และเหตุการณ์
  • Lab 38: การติดตั้ง Interface เพื่อเชื่อมต่อไปที่ Internet
  • Lab 39: การติดตั้ง Link Aggregation
  • Lab 40: การติดตั้ง VLAN และเชื่อมต่อกันระหว่าง VLAN
  • Lab 41: Fortigate Filter by Network & Service
  • Lab 42: การเชื่อมต่อระหว่างเครือข่าย WAN ด้วย Fortigate
  • Lab 43: Site-to-site IPsec VPN with two FortiGates
  • AI Integration: แนะนำฟีเจอร์ AI/ML Security Services ใน Next-Gen Firewall (เช่น FortiGuard AI-Powered Security)
  • AI Lab: * New Lab: ใช้ AI ช่วยในการออกแบบและ Optimize Firewall Rule Set เพื่อลดความซ้ำซ้อน
  • New Lab: การใช้ AI วิเคราะห์ Log จาก FortiGate เพื่อทำ Incident Response อย่างรวดเร็ว