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

Attack → Observe → Analyze → Defend

วัตถุประสงค์ของหลักสูตร

สร้างความเข้าใจพื้นฐานเกี่ยวกับภัยคุกคาม ช่องโหว่ ความเสี่ยง และรูปแบบการโจมตีทางไซเบอร์
ให้ผู้เรียนเข้าใจมุมมองและกระบวนการของผู้โจมตี เพื่อนำไปสู่การตรวจจับและป้องกันที่มีประสิทธิภาพ
ฝึกใช้เครื่องมือมาตรฐานด้าน Cybersecurity เช่น Nmap, Wireshark, OpenVAS/Greenbone, Nikto, OWASP ZAP, Burp Suite และเครื่องมือวิเคราะห์ระบบ
ฝึกวิเคราะห์ Network Traffic, Authentication Log, Web Log และ Firewall Log เพื่อค้นหาพฤติกรรมผิดปกติ
ประยุกต์ใช้ MITRE ATT&CK เพื่อ Mapping พฤติกรรมและเชื่อมโยงกับมาตรการตรวจจับและป้องกัน
ใช้ AI ช่วยวิเคราะห์ Log, Vulnerability Findings, Firewall Events และสร้าง Remediation Plan โดยมี Human Validation
ออกแบบและบริหาร Firewall, VLAN, DMZ, Network Segmentation, NAT/PAT และ Site-to-Site IPsec VPN
เชื่อมโยงความรู้ทั้งหมดผ่าน Final Capstone แบบ Attack → Evidence → AI Analysis → Defense

ผู้ที่เหมาะกับหลักสูตร

Network Engineer / Network Administrator
System Administrator / IT Support
Firewall Administrator
Cybersecurity Analyst / SOC Analyst ระดับเริ่มต้น
Security Engineer
IT Manager / IT Supervisor / Team Lead
ผู้ที่ต้องการเริ่มต้นสายงาน Cybersecurity
ผู้ดูแลระบบหรือเจ้าของกิจการที่ต้องการเข้าใจความเสี่ยงและการป้องกันระบบขององค์กร

ผลลัพธ์หลังจบหลักสูตร

อธิบายภัยคุกคาม ช่องโหว่ ความเสี่ยง และรูปแบบการโจมตีได้
สำรวจและประเมิน Attack Surface ในระบบที่ได้รับอนุญาต
ใช้ Nmap, Wireshark, OpenVAS/Greenbone และเครื่องมือพื้นฐานด้าน Cybersecurity
วิเคราะห์ Vulnerability Scan และจัดลำดับความสำคัญของการแก้ไข
ตรวจสอบ Authentication, Network, Web และ Firewall Log
ระบุพฤติกรรม Port Scan, Brute Force, Web Attack และ Malware Communication
Mapping เหตุการณ์กับ MITRE ATT&CK
ออกแบบ Firewall Policy, VLAN, DMZ และ Network Segmentation
ติดตั้ง Site-to-Site IPsec VPN
ใช้ AI ช่วยวิเคราะห์ Log และสร้าง Remediation Plan
ตรวจสอบความถูกต้องและข้อจำกัดของผลลัพธ์จาก AI
จัดทำ Incident Summary และ Executive Summary เบื้องต้น
รายละเอียดหลักสูตร

Phase 1: Cybersecurity Fundamentals and Security Architecture

Module 1: Cybersecurity Threats, Vulnerabilities and Risks

1.1 พื้นฐานภัยคุกคามทางไซเบอร์

ความหมายของ Threat, Vulnerability, Exploit และ Risk
ความสัมพันธ์ระหว่าง Asset, Threat, Vulnerability และ Impact
ประเภทภัยคุกคาม: Malware, Phishing, Social Engineering, DoS/DDoS, Insider Threat, Credential Attack, Web Application Attack
Attack Surface และ Attack Vector
ช่องทางการโจมตีผ่าน Email, USB, Website, Remote Access, Wireless Network, Cloud Service และ Social Media

1.2 กระบวนการโจมตีทางไซเบอร์

Reconnaissance, Scanning, Enumeration และ Exploitation
Privilege Escalation, Persistence และ Lateral Movement
Data Collection, Exfiltration และ Impact

1.3 MITRE ATT&CK Framework เบื้องต้น

ความหมายของ Tactic, Technique และ Procedure (TTPs)
การใช้ MITRE ATT&CK วิเคราะห์พฤติกรรมผู้โจมตี
การ Mapping เหตุการณ์กับ ATT&CK Technique
การใช้ ATT&CK เพื่อออกแบบมาตรการตรวจจับและป้องกัน

Labs / AI Labs

Lab 1.1: วิเคราะห์ตัวอย่างเหตุการณ์และแยก Threat, Vulnerability และ Risk
Lab 1.2: Mapping ตัวอย่างการโจมตีกับ MITRE ATT&CK
AI Lab 1.3: ใช้ AI วิเคราะห์ Log ตัวอย่างและระบุประเภทการโจมตีตาม MITRE ATT&CK

Module 2: Network Security Controls, Protocols and Devices

2.1 Network Security Controls

ACL, VLAN, Network Segmentation, Port Security, NAT และ PAT
Least Privilege, Default Deny และ Defense in Depth

2.2 อุปกรณ์ด้านความปลอดภัย

Router และ Layer 3 Switch
Firewall / Next-Generation Firewall
IDS/IPS, Proxy Server, Web Application Firewall, VPN Gateway และ SIEM เบื้องต้น

2.3 Security Protocols

SSH, TLS, IPsec, SNMPv3, HTTPS และ Secure Remote Access

2.4 แนวคิดการป้องกันสมัยใหม่

Detection vs Prevention
Zero Trust Architecture
Identity-Based Access
Network Micro-Segmentation
User and Entity Behavior Analytics (UEBA)
Anomaly Detection

AI Integration

แนวคิด AI-Driven Micro-Segmentation
การใช้ AI วิเคราะห์พฤติกรรมผู้ใช้และอุปกรณ์
Rule-Based Detection เทียบกับ AI-Based Anomaly Detection

Phase 2: Reconnaissance and Attack Surface Discovery

Module 3: Footprinting, OSINT and Reconnaissance

3.1 แนวคิด Reconnaissance

Passive Reconnaissance
Active Reconnaissance
Footprinting
Open Source Intelligence (OSINT)
ขอบเขตและจริยธรรมของ OSINT

3.2 ข้อมูลที่ผู้โจมตีต้องการค้นหา

Domain Name, Email Address, IP Address และ IP Block, DNS Record
Employee Information
Metadata
Social Footprint
Technology Stack
Publicly Exposed Services

Labs

Lab 3.1: Gathering Information using Metasploit
Lab 3.2: Gathering Email Information using theHarvester
Lab 3.3: วิเคราะห์ Email Header และเส้นทางการส่งอีเมล
Lab 3.4: Footprinting a Target using Recon-ng
Lab 3.5: Footprinting and Relationship Mapping using Maltego

3.3 AI Integration / AI Lab

ใช้ AI ช่วยสรุปข้อมูล OSINT และวิเคราะห์ความสัมพันธ์ของข้อมูล
ใช้ AI ช่วยสร้างคำค้นหาเพื่อการตรวจสอบข้อมูลสาธารณะ
ใช้ AI ช่วยเขียน Python Script สำหรับดึง Metadata จากไฟล์ในระบบ Lab
AI Lab 3.6: นำผล OSINT มาให้ AI ช่วยสรุป Attack Surface และเสนอแนวทางลดการเปิดเผยข้อมูล

Module 4: Network Scanning and Service Discovery

4.1 แนวคิด Network Scanning

Host Discovery, Service Discovery
Port Scanning, TCP และ UDP Scanning
Network Mapping

4.2 TCP Flags และ Scan Types

TCP Three-Way Handshake
SYN Scan, FIN Scan, NULL Scan, XMAS Scan, TCP Connect Scan, UDP Scan

4.3 OS และ Service Fingerprinting

Operating System Detection, Service Version Detection
Banner Grabbing
Nmap Service Scripts
Network Latency และ Scan Timing

Labs / AI Labs

Lab 4.1: Port and Service Discovery
Lab 4.2: Network Scanning using hping3
Lab 4.3: Host Discovery using Netdiscover
Lab 4.4: Network Scanning using Metasploit
Lab 4.5: Nmap Vulnerability and Script Scanning
Lab 4.6: Nmap OS and Service Detection
Lab 4.7: ตรวจสอบ Firewall Log ที่เกิดจาก Port Scan
AI Lab 4.8: ใช้ AI วิเคราะห์ Nmap Output และสรุปบริการที่มีความเสี่ยง
AI Lab 4.9: ใช้ AI แนะนำขั้นตอนการตรวจสอบและป้องกันต่อไป

Module 5: Enumeration and Service Exposure Analysis

5.1 แนวคิด Enumeration

ความแตกต่างระหว่าง Scanning และ Enumeration
การรวบรวมรายละเอียดจากบริการที่เปิดใช้งาน
ความเสี่ยงจาก Information Disclosure

5.2 บริการที่ใช้ในการ Enumeration

SMB, NetBIOS, SNMP, DNS, LDAP, RPC

5.3 ข้อมูลที่อาจถูกเปิดเผย

User Account, Group, Computer Name, Domain Information
Shared Folder, DNS Record, SNMP Community
SID

Labs / AI Labs

Lab 5.1: DNS Enumeration and Zone Transfer Risk
Lab 5.2: NetBIOS Enumeration using Nmap NSE
Lab 5.3: SMB and RPC Enumeration
Lab 5.4: Service Enumeration using Nmap
Lab 5.5: DNS Network Mapping using DNSmap
Lab 5.6: SNMP Enumeration using snmpwalk
AI Lab 5.7: ใช้ AI วิเคราะห์ Enumeration Output
AI Lab 5.8: สรุปข้อมูลที่เปิดเผย ความเสี่ยง และแนวทาง Hardening

Phase 3: Vulnerability Assessment and System Security

Module 6: Vulnerability Analysis and Risk Prioritization

6.1 แนวคิด Vulnerability Management

Vulnerability Assessment
Vulnerability Scanning
Penetration Testing
Security Audit
Configuration Assessment

6.2 มาตรฐานและข้อมูลช่องโหว่

CVE, CVSS, CWE
Exploit Database
Vendor Security Advisory
Known Exploited Vulnerabilities
Asset Criticality
Business Impact

6.3 การวิเคราะห์ผล Scan

False Positive / False Negative
Severity
Exploitability
Exposure
Prioritization
Patch Strategy
Compensating Control
Re-scan และ Validation

Labs / AI Labs

Lab 6.1: Manual Vulnerability Assessment using Nmap
Lab 6.2: Web Server Vulnerability Assessment using Nikto
Lab 6.3: วิเคราะห์ผล Vulnerability Scan
Lab 6.4: จัดลำดับช่องโหว่ตาม Severity และผลกระทบ
Lab 6.5: จัดทำ Patch and Remediation Plan
AI Lab 6.6: นำผล Nmap, Nessus หรือ Nikto มาให้ AI สร้าง Remediation Plan
AI Lab 6.7: จัดทำ Executive Vulnerability Summary

Module 7: Password Security and System Compromise Concepts

7.1 Password and Authentication Security

Password Hash, Password Policy, Brute Force
Password Spraying
Dictionary Attack
Credential Stuffing
Multi-Factor Authentication

7.2 System Compromise Lifecycle

Initial Access and Gaining Access
Privilege Escalation
Persistence
Command Execution
Lateral Movement
Evidence and Indicators
Recovery and Hardening

7.3 Windows และ Linux Security

User Privilege
Service Account
File Permission
Misconfiguration
Unpatched Services
Suspicious Process
Authentication Log

Labs / AI Labs

Lab 7.1: Password Auditing using Hydra in an Authorized Lab
Lab 7.2: MD5 Hash Auditing using John the Ripper
Lab 7.3: Password Hash Auditing using Hashcat
Lab 7.4: Simulate Windows System Compromise in a Controlled Lab
Lab 7.5: ตรวจสอบ Windows Log หลังเกิดเหตุการณ์
Lab 7.6: เปรียบเทียบ Log ก่อนและหลังการปรับปรุง Password Policy
AI Lab 7.7: วิเคราะห์ Authentication Log เพื่อค้นหา Brute Force
AI Lab 7.8: สร้าง Password Security Improvement Plan

Phase 4: Malware, Packet and Human-Centric Threats

Module 8: Malware Threats and Basic Malware Analysis

8.1 ประเภทของ Malware

Virus, Worm, Trojan, Spyware
Ransomware
Remote Access Trojan
Rootkit
Logic Bomb

8.2 เทคนิคที่ Malware ใช้

Obfuscation
Packing
Encoding
Polymorphism
Persistence
Process Injection Concept
Command and Control

8.3 Static และ Dynamic Analysis

File Hash, File Type
PE Structure
Strings
Import Table
Process Monitoring
Network Connection
Sandbox Analysis

Labs / AI Labs

Lab 8.1: Process Monitoring and Suspicious Behavior Analysis
Lab 8.2: Portable Executable Information Analysis
Lab 8.3: วิเคราะห์ Hash, Strings และ Metadata ของไฟล์ตัวอย่าง
Lab 8.4: วิเคราะห์พฤติกรรมจาก Sandbox Report
AI Lab 8.5: ใช้ AI วิเคราะห์ Malware Report และสรุป Indicator
AI Lab 8.6: Mapping พฤติกรรม Malware เข้ากับ MITRE ATT&CK

Module 9: Packet Capture, Sniffing and Network Attack Detection

9.1 Packet Capture Fundamentals

Frame, Packet, Segment และ Session
Capture Filter, Display Filter
Protocol Analysis
TCP Stream
DNS Traffic, HTTP Traffic, TLS Traffic

9.2 ความเสี่ยงจาก Protocol ที่ไม่เข้ารหัส

Telnet, FTP, HTTP
Cleartext Authentication
Plaintext Credential Exposure

9.3 Layer 2 Attack Concepts

ARP Spoofing
Man-in-the-Middle
DHCP Starvation
MAC Flooding
Rogue Device

Labs / AI Labs

Lab 9.1: Detect Cleartext Credential Exposure using Wireshark
Lab 9.2: Controlled ARP Poisoning using arpspoof
Lab 9.3: ARP Poisoning Demonstration using Ettercap
Lab 9.4: วิเคราะห์ TCP Session ด้วย Wireshark
Lab 9.5: ตรวจสอบ ARP Table ก่อนและหลังเกิด MITM
Lab 9.6: วิเคราะห์ Firewall และ Network Log จากเหตุการณ์ MITM
AI Lab 9.7: ใช้ AI วิเคราะห์ Wireshark Summary
AI Lab 9.8: สรุปพฤติกรรมผิดปกติและแนะนำแนวทางป้องกัน

Module 10: Social Engineering and Phishing Defense

10.1 ประเภทของ Social Engineering

Phishing, Spear Phishing, Vishing, Smishing
Pretexting
Baiting
Impersonation
Business Email Compromise

10.2 หลักการทางจิตวิทยา

Urgency
Fear
Authority
Curiosity
Trust
Scarcity

10.3 Phishing Indicators

Sender Address
Domain Spoofing
Suspicious Link
Attachment
Language Pattern
Header Information
QR Code Phishing
Fake Login Page

10.4 การป้องกัน

Security Awareness
Email Security Gateway
SPF
DKIM
DMARC
MFA
User Reporting
Incident Escalation

Labs / AI Labs

Lab 10.1: Detect Phishing using PhishTank
Lab 10.2: วิเคราะห์ตัวอย่าง Phishing Email
Lab 10.3: ตรวจสอบ Email Header
Lab 10.4: สร้าง Phishing Awareness Report
AI Lab 10.5: วิเคราะห์ Phishing Email ด้วย AI
AI Lab 10.6: สร้างคำแนะนำสำหรับผู้ใช้และ Help Desk

Module 11: Denial-of-Service Detection and Protection

11.1 DoS และ DDoS Concepts

SYN Flood
UDP Flood
ICMP Flood
HTTP Request Flood
Slow Connection Attack
Volumetric Attack
Application-Layer Attack

11.2 ผลกระทบต่อระบบ

CPU Utilization, Memory, Bandwidth
Connection Table
Service Availability
Response Time

11.3 การตรวจจับและป้องกัน

Firewall Session Monitoring
Rate Limiting
SYN Protection
Traffic Shaping
IPS
Threshold
Baseline
Anomaly Detection

Labs / AI Labs

Lab 11.1: Generate Controlled SYN Traffic in a Closed Lab
Lab 11.2: ตรวจสอบ Resource Usage ของ Target
Lab 11.3: วิเคราะห์ DoS Event จาก Firewall Log
Lab 11.4: ตั้งค่า Rate Limiting หรือ DoS Protection
Lab 11.5: ทดสอบก่อนและหลังใช้มาตรการป้องกัน
AI Lab 11.6: ใช้ AI วิเคราะห์ Traffic Pattern
AI Lab 11.7: แยก Normal Traffic กับ Suspicious Flood Behavior

Phase 5: Web, Session, Wireless and Cryptographic Security

Module 12: Web Server and Web Application Security

12.1 Web Architecture

Client
Web Server
Application Server
Database
API
Frontend และ Backend

12.2 Web Server Risks

Misconfiguration
Default Account
Exposed Directory
Outdated Software
Directory Traversal
Information Disclosure
Weak TLS Configuration

12.3 Web Application Risks

Injection
Cross-Site Scripting
Broken Access Control
Authentication Failure
IDOR
CSRF
Security Misconfiguration
Vulnerable Components

Labs / AI Labs

Lab 12.1: Web Server Vulnerability Scanning
Lab 12.2: Nikto and Directory Discovery
Lab 12.3: OWASP ZAP Web Application Assessment
Lab 12.4: Burp Suite Request and Response Analysis
Lab 12.5: Controlled SQL Injection Validation using DVWA หรือ bWAPP
Lab 12.6: ตรวจสอบ Web Server Log หลังเกิดเหตุการณ์
Lab 12.7: ปรับปรุง Input Validation และ Security Control
AI Lab 12.8: วิเคราะห์ SQL Injection และ Web Attack Log
AI Lab 12.9: สร้าง Web Application Remediation Plan

Module 13: Session Security and Hijacking Detection

13.1 Session Management

Session ID
Cookie
Token
Authentication State
Session Timeout
Reauthentication

13.2 Session Risks

Session Fixation
Session Hijacking
Cookie Theft
Cross-Site Scripting
Insecure Token Storage
Man-in-the-Middle

13.3 การป้องกัน

HTTPS
Secure Flag
HttpOnly
SameSite
Token Rotation
Session Expiration
MFA
Reauthentication

Labs

Lab 13.1: Session Security Demonstration using Burp Suite
Lab 13.2: Session Analysis using OWASP ZAP
Lab 13.3: ตรวจสอบ Cookie Security Attributes
Lab 13.4: ปรับปรุง Session Security Configuration

Module 14: IDS, IPS, Firewall Evasion Awareness and Honeypots

14.1 IDS และ IPS

Signature-Based Detection
Anomaly-Based Detection
Network IDS
Host IDS
Alert และ Block Action

14.2 Evasion Awareness

Fragmentation
Encoding
Obfuscation
Encryption
Timing Variation
Tunneling Concepts
Detection Limitations

14.3 Honeypot Concepts

Low-Interaction Honeypot
High-Interaction Honeypot
Deception Technology
Honeypot Log
Attacker Behavior Observation

Labs / AI Labs

Lab 14.1: Detect Suspicious Network Traffic using a Honeypot
Lab 14.2: วิเคราะห์ Honeypot Log
Lab 14.3: ตรวจสอบผลของ Packet Fragmentation ต่อ IDS
Lab 14.4: ปรับปรุง Detection Rule
AI Lab 14.5: วิเคราะห์ IDS/Honeypot Alert และ Mapping กับ ATT&CK
AI Lab 14.6: เสนอแนวทางปรับปรุง Detection Coverage

Module 15: Wireless Network Security

15.1 Wireless Fundamentals

SSID
BSSID
Channel
2.4 GHz, 5 GHz และ 6 GHz
Access Point
Client Association

15.2 Wireless Security

WPA2
WPA3
Personal และ Enterprise
802.1X
EAP
Protected Management Frames
Client Isolation

15.3 Wireless Threats

Rogue Access Point
Evil Twin
Deauthentication
Weak Pre-Shared Key
Misconfiguration
Unauthorized Client

Labs

Lab 15.1: Wireless Network Discovery
Lab 15.2: ตรวจสอบ Channel และ Security Mode
Lab 15.3: Authorized WPA2 Password Strength Assessment
Lab 15.4: Evil Twin Awareness Demonstration
Lab 15.5: Wireless Security Hardening

Module 16: Cryptography, TLS and Certificate Security

16.1 Cryptography Fundamentals

Plaintext และ Ciphertext
Encryption และ Decryption
Symmetric Encryption
Asymmetric Encryption
Hashing
Digital Signature
Key Management

16.2 Algorithms

AES, RSA, ECC, SHA-2, SHA-3, HMAC

16.3 TLS และ Digital Certificate

TLS Handshake
Public Key Infrastructure
Certificate Authority
Certificate Chain
Certificate Validation
Expired Certificate
Self-Signed Certificate
Weak Cipher Suite

16.4 Cryptographic Risks

Weak Password Hash
Replay Attack
Brute Force
Key Exposure
Padding Oracle Concept
Legacy Protocol

Labs / AI Integration

Lab 16.1: File Encryption and Decryption using GPG
Lab 16.2: Hash Generation and Verification
Lab 16.3: TLS Certificate Inspection
Lab 16.4: วิเคราะห์ TLS Session ด้วย Wireshark
Lab 16.5: ตรวจสอบ Weak Cipher และ Certificate Problem
AI-Assisted Certificate Analysis และ AI ช่วยอธิบาย TLS Configuration
การใช้ AI โดยไม่เปิดเผย Private Key หรือข้อมูลลับ

Phase 6: Secure Firewall Configuration and AI-Driven Defense

Module 17: Firewall Fundamentals and Security Policy Design

17.1 ประเภทของ Firewall

Packet Filtering Firewall
Stateful Firewall
Application-Layer Firewall
Next-Generation Firewall
Host-Based Firewall
Network Firewall

17.2 Firewall Policy

Source
Destination
Service
Schedule
User
Action
Logging
Security Profile

17.3 หลักการออกแบบ Rule Set

Least Privilege
Default Deny
Rule Order
Specific Rule Before General Rule
Any-to-Any Risk
Shadowed Rule
Duplicate Rule
Unused Rule
Rule Review

Labs

Lab 17.1: Firewall Interface and Internet Connectivity
Lab 17.2: Basic Firewall Policy
Lab 17.3: Filter Traffic by Network and Service
Lab 17.4: Logging Allowed and Denied Traffic
Lab 17.5: ตรวจสอบ Session และ Policy Match

Module 18: Firewall Network Design, Segmentation and VPN

18.1 Network Segmentation

Security Zone, User Zone, Server Zone, Management Zone, Guest Zone, DMZ, Inter-Zone Policy

18.2 VLAN และ Routing

VLAN Interface, Trunk, Access Port, Inter-VLAN Routing
Routing Table, Static Route

18.3 NAT และ WAN

Source NAT, Destination NAT
Port Forwarding, PAT
Multi-WAN Concept, WAN Connectivity

18.4 Link Aggregation

LACP
Redundancy
Throughput
Member Interface
Link Failure

18.5 VPN

Site-to-Site VPN
IPsec
Phase 1 และ Phase 2
Encryption Domain
Routing through VPN
VPN Log

Labs

Lab 18.1: Link Aggregation Configuration
Lab 18.2: VLAN and Inter-VLAN Communication
Lab 18.3: DMZ Network Design
Lab 18.4: Network Segmentation Policy
Lab 18.5: WAN-to-WAN Connectivity through FortiGate
Lab 18.6: Site-to-Site IPsec VPN with Two FortiGates
Lab 18.7: ตรวจสอบ VPN Log และ Troubleshooting

Module 19: AI-Driven Firewall Log Analysis and Rule Optimization

19.1 Firewall Log Fundamentals

Traffic Log, Event Log, Security Log, VPN Log
Source และ Destination
Service และ Port
Action
Policy ID
User
Bytes และ Session Duration

19.2 การวิเคราะห์เหตุการณ์

Port Scan
Brute Force
Denied Connection
Unusual Country Connection
Malware Communication
Web Attack
Policy Violation
Abnormal Traffic Volume

19.3 AI-Assisted Firewall Management

Log Summarization
Event Classification
Severity Assessment
MITRE ATT&CK Mapping
Incident Timeline
Remediation Recommendation
Firewall Rule Review
Duplicate Rule Detection
Overly Permissive Rule Identification

19.4 Responsible AI for Cybersecurity

การลบข้อมูลสำคัญก่อนส่งให้ AI
การปกปิด IP, Username และข้อมูลลูกค้า
Hallucination
Human Validation
Evidence-Based Conclusion
Cloud AI และ Local AI
ข้อจำกัดของ AI ในการตัดสินใจด้านความปลอดภัย

AI Labs

AI Lab 19.1: ใช้ AI วิเคราะห์ FortiGate Traffic Log
AI Lab 19.2: ตรวจจับ Port Scan และ Brute Force
AI Lab 19.3: สร้าง Incident Summary
AI Lab 19.4: Mapping เหตุการณ์กับ MITRE ATT&CK
AI Lab 19.5: ใช้ AI ตรวจสอบ Firewall Rule ที่ซ้ำซ้อน
AI Lab 19.6: จัดทำ Remediation and Prevention Plan
AI Lab 19.7: สร้าง Executive Security Report