# แนวปฏิบัติ AI Security Guidelines ของ สกมช.

Locale: `th`

Source: `/th/compliance/ncsa-ai-security-guidelines/`

Summary: แนวปฏิบัติ AI สกมช. ตามวงจรชีวิตระบบ สำหรับผู้บริหาร ทีม AI ฝ่ายกฎหมายและ DPO และฝ่ายความปลอดภัย

สารบัญ

1. [ภาพรวม](/th/compliance/ncsa-ai-security-guidelines/#topic-overview)
2. [วัตถุประสงค์และกลุ่มผู้อ่าน](/th/compliance/ncsa-ai-security-guidelines/#purpose-and-audience)
3. [วงจรชีวิต AI ที่เอกสารใช้เป็นโครงหลัก](/th/compliance/ncsa-ai-security-guidelines/#secure-ai-lifecycle)
4. [ธรรมาภิบาล ความเสี่ยง และความรับผิดชอบ](/th/compliance/ncsa-ai-security-guidelines/#governance-and-risk)
5. [ข้อเสนอแนะสำหรับการปฏิบัติจริง](/th/compliance/ncsa-ai-security-guidelines/#implementation-focus)
6. [ตารางเปรียบเทียบข้อกำหนด](/th/compliance/ncsa-ai-security-guidelines/#compliance-matrix)
7. [ประเมินความพร้อม](/th/compliance/ncsa-ai-security-guidelines/#compliance-readiness-checklist)
8. [Pentest LLM-integrated App และ AI Red Teaming](/th/compliance/ncsa-ai-security-guidelines/#ai-security-testing)
9. [คำถามที่พบบ่อย](/th/compliance/ncsa-ai-security-guidelines/#compliance-faq)
10. [หัวข้อที่เกี่ยวข้อง](/th/compliance/ncsa-ai-security-guidelines/#related-compliance-frameworks)

# แนวปฏิบัติ AI Security Guidelines ของ สกมช.

สรุปแนวปฏิบัติการใช้ปัญญาประดิษฐ์อย่างมั่นคงปลอดภัยของ สกมช. สำหรับผู้บริหาร ทีมพัฒนาและปฏิบัติการ AI ฝ่ายกฎหมายและ DPO และฝ่ายความมั่นคงปลอดภัย โดยเรียงตามวงจรชีวิตของระบบและหลักธรรมาภิบาลความเสี่ยง

สรุปภาพรวมข้อกำหนด

กลุ่มเป้าหมายที่บังคับใช้

ผู้บริหาร ทีมพัฒนาและปฏิบัติการ AI ฝ่ายกฎหมายและ DPO และฝ่ายความมั่นคงปลอดภัยตามแนวปฏิบัติของ สกมช.

ความถี่ในการทดสอบ

ครอบคลุมตลอดวงจรชีวิต AI (ระยะที่ 0 ถึง 6 ตั้งแต่ขั้นตอนแนวคิดจนถึงการกำจัดและทำลาย)

ขอบเขตการทดสอบ

Prompt, โมเดล, API, ข้อมูลฝึกสอน, ห่วงโซ่อุปทานซอฟต์แวร์ และซอฟต์แวร์แวดล้อม

ความเสี่ยงหากไม่ปฏิบัติตาม

Prompt Injection, Jailbreaking, Data Poisoning, ข้อมูลความลับรั่วไหล และการเปิดใช้งานโดยไม่มีหลักฐานทวนสอบ

## วัตถุประสงค์และกลุ่มผู้อ่าน

เอกสารจัดทำโดย สกมช. เพื่อเป็นแนวทางในการพัฒนา บริหารจัดการ และใช้งานระบบ AI อย่างมั่นคงปลอดภัยและน่าเชื่อถือ

[![ใครใช้แนวปฏิบัติ AI Security: ผู้บริหาร, ทีมพัฒนาและปฏิบัติการ AI, กฎหมาย ความเป็นส่วนตัว และความมั่นคงปลอดภัย, ผู้ตรวจสอบ, ผู้ใช้และคู่ค้า](/assets/compliance/guide-ncsa-ai-security-guidelines-purpose-and-audience-th-v1.webp)](/assets/compliance/guide-ncsa-ai-security-guidelines-purpose-and-audience-th-v1.webp)

**ใครใช้แนวปฏิบัติ AI Security**

ทุกฝ่ายมีบทบาทต่างกัน แต่ต้องเชื่อมความเสี่ยง การควบคุม และหลักฐานตลอดวงจรชีวิต AI

- **ผู้บริหาร** — กำหนดทิศทาง ความเสี่ยง และความรับผิดชอบ
- **ทีมพัฒนาและปฏิบัติการ AI** — ออกแบบ พัฒนา ใช้งาน และเฝ้าระวังระบบ
- **กฎหมาย ความเป็นส่วนตัว และความมั่นคงปลอดภัย** — กำกับข้อกำหนด ข้อมูล และมาตรการควบคุม
- **ผู้ตรวจสอบ** — ทวนสอบกระบวนการและหลักฐานอย่างเป็นอิสระ
- **ผู้ใช้และคู่ค้า** — ใช้และสนับสนุนระบบภายในขอบเขตที่กำหนด

- ครอบคลุมมุมมองเชิงนโยบายสำหรับผู้บริหาร และมุมมองเชิงเทคนิคสำหรับทีมพัฒนาและปฏิบัติการ AI
- ระบุกลุ่มผู้เกี่ยวข้องตั้งแต่ฝ่ายกฎหมายและเจ้าหน้าที่คุ้มครองข้อมูลส่วนบุคคล ฝ่ายความมั่นคงปลอดภัย ผู้ใช้งาน ลูกค้า เจ้าของข้อมูล จนถึงผู้ขายในห่วงโซ่อุปทาน
- เอกสารอ้างอิงมาตรฐานและรายงานเชิงเทคนิคสากล เช่น ISO/IEC, ENISA และ OWASP ควบคู่กับกฎหมายและแนวปฏิบัติในประเทศไทย

## วงจรชีวิต AI ที่เอกสารใช้เป็นโครงหลัก

แนวปฏิบัติจัดมาตรการความมั่นคงปลอดภัยให้ครอบคลุมตั้งแต่ก่อนลงทุนจนถึงการกำจัดข้อมูลและสินทรัพย์

[![วงจรชีวิต AI ที่มั่นคงปลอดภัย 7 ระยะ: แนวคิด → ออกแบบอย่างมั่นคงปลอดภัย → พัฒนาอย่างมั่นคงปลอดภัย → ทวนสอบด้านความมั่นคงปลอดภัย → นำไปใช้งานอย่างมั่นคงปลอดภัย → ดำเนินงานและบำรุงรักษา → กำจัดและทำลาย](/assets/compliance/guide-ncsa-ai-security-guidelines-secure-ai-lifecycle-th-v1.webp)](/assets/compliance/guide-ncsa-ai-security-guidelines-secure-ai-lifecycle-th-v1.webp)

**วงจรชีวิต AI ที่มั่นคงปลอดภัย 7 ระยะ**

กำหนดเจ้าของงานและหลักฐานในแต่ละระยะ เพื่อให้ความมั่นคงปลอดภัยต่อเนื่องตั้งแต่แนวคิดจนเลิกใช้ระบบ

1. **แนวคิด** — กำหนดความต้องการและความเสี่ยงตั้งแต่ต้น
2. **ออกแบบอย่างมั่นคงปลอดภัย** — ระบุภัยและวางมาตรการควบคุม
3. **พัฒนาอย่างมั่นคงปลอดภัย** — ปกป้องข้อมูล โค้ด และส่วนประกอบ
4. **ทวนสอบด้านความมั่นคงปลอดภัย** — ตรวจสอบและทดสอบก่อนนำไปใช้
5. **นำไปใช้งานอย่างมั่นคงปลอดภัย** — ควบคุมการปล่อยระบบและการตั้งค่า
6. **ดำเนินงานและบำรุงรักษา** — เฝ้าระวัง ปรับปรุง และรับมือเหตุ
7. **กำจัดและทำลาย** — ยุติการใช้และจัดการข้อมูลที่เหลือ

- ระยะที่ 0: แนวคิด - ระบุบริบทธุรกิจ กฎหมายและข้อบังคับ สินทรัพย์ ภัยคุกคาม ช่องโหว่ และความเสี่ยงก่อนเริ่มพัฒนา
- ระยะที่ 1-3: ออกแบบอย่างมั่นคงปลอดภัย พัฒนาอย่างมั่นคงปลอดภัย และทวนสอบด้านความมั่นคงปลอดภัย
- ระยะที่ 4-6: นำไปใช้งานอย่างมั่นคงปลอดภัย ดำเนินงานและบำรุงรักษาอย่างมั่นคงปลอดภัย และการปลดระวางพร้อมทำลายข้อมูลอย่างปลอดภัย (Decommissioning & Disposal)

## ธรรมาภิบาล ความเสี่ยง และความรับผิดชอบ

บทการกำกับดูแลใช้กรอบ GRC (Governance, Risk Management and Compliance) และย้ำว่าความเสี่ยงต้องประเมินตามบริบทของระบบแต่ละองค์กร

[![จากเจ้าของความเสี่ยงสู่การกำกับดูแล AI: กำหนดบทบาท, เชื่อมกับ ERM, เลือกมาตรการ, ตรวจสอบและรับรอง, สื่อสารและฝึกอบรม](/assets/compliance/guide-ncsa-ai-security-guidelines-governance-and-risk-th-v1.webp)](/assets/compliance/guide-ncsa-ai-security-guidelines-governance-and-risk-th-v1.webp)

**จากเจ้าของความเสี่ยงสู่การกำกับดูแล AI**

ความเสี่ยง AI ต้องมีเจ้าของ การตัดสินใจ หลักฐาน และการทบทวนที่ตรวจสอบได้

- **กำหนดบทบาท** — ระบุผู้รับผิดชอบและอำนาจตัดสินใจ
- **เชื่อมกับ ERM** — รวมความเสี่ยง AI เข้ากับความเสี่ยงองค์กร
- **เลือกมาตรการ** — กำหนด Control เจ้าของ และหลักฐาน
- **ตรวจสอบและรับรอง** — ทวนสอบความสอดคล้องและประสิทธิผล
- **สื่อสารและฝึกอบรม** — ทำให้แต่ละบทบาทปฏิบัติได้จริง

- กำหนดบทบาท อำนาจ และความรับผิดชอบด้านความมั่นคงปลอดภัยของระบบ AI เป็นลายลักษณ์อักษร
- บูรณาการความเสี่ยง AI เข้ากับกรอบบริหารความเสี่ยงขององค์กร และติดตามกฎหมายและข้อบังคับของไทยที่เกี่ยวข้อง
- วางการตรวจสอบ การรับรอง การสื่อสาร และการฝึกอบรมเพื่อให้ควบคุมและตรวจสอบการใช้งานได้

## ข้อเสนอแนะสำหรับการปฏิบัติจริง

เอกสารแนะนำให้เตรียมมาตรการสำคัญเพื่อรองรับการตรวจสอบและการทบทวนย้อนหลัง

[![มาตรการ AI Security ที่ต้องพิสูจน์ได้: ที่มาและคุณภาพข้อมูล, ช่องโหว่ของส่วนประกอบ, Prompt Injection, AI Red Teaming, Log และการเฝ้าระวัง](/assets/compliance/guide-ncsa-ai-security-guidelines-implementation-focus-th-v1.webp)](/assets/compliance/guide-ncsa-ai-security-guidelines-implementation-focus-th-v1.webp)

**มาตรการ AI Security ที่ต้องพิสูจน์ได้**

มาตรการที่เลือกต้องมีหลักฐานว่าทำงานกับระบบ AI จริง

- **ที่มาและคุณภาพข้อมูล** — ตรวจ Data Provenance และความเหมาะสมของข้อมูล
- **ช่องโหว่ของส่วนประกอบ** — ตรวจซอฟต์แวร์ ไลบรารี API และ Integration
- **Prompt Injection** — ทดสอบทั้งทางตรงและทางอ้อม
- **AI Red Teaming** — จำลองพฤติกรรมผู้โจมตีภายในขอบเขตที่อนุญาต
- **Log และการเฝ้าระวัง** — เก็บเหตุการณ์ ผลทดสอบ และสัญญาณผิดปกติ

- จัดทำ Data Provenance และสแกนช่องโหว่ซอฟต์แวร์ประมวลผลก่อนใช้งาน
- ทดสอบ Prompt Injection ทั้งแบบ Direct และ Indirect รวมถึง Jailbreaking ตามที่เอกสารระบุในระยะทวนสอบ
- ทำ AI Red Teaming และทดสอบเจาะระบบครอบคลุมโมเดล, API และซอฟต์แวร์แวดล้อมก่อนตัดสินใจเปิดใช้งาน

## ตารางเปรียบเทียบข้อกำหนดและการทดสอบความปลอดภัย

สรุปรายละเอียดประกาศ บทบัญญัติ และขอบเขตการทดสอบความปลอดภัยที่จำเป็น

| ประกาศ และข้อกำหนด | สาระสำคัญ | ขอบเขตการทดสอบ | รอบเวลาทดสอบ |
| --- | --- | --- | --- |
| **ระยะที่ 0 ถึง 3 (สกมช. AI)** | ขั้นตอนแนวคิด การออกแบบ การพัฒนา และการทวนสอบอย่างมั่นคงปลอดภัย | Threat Model, ข้อมูลฝึกสอน, ห่วงโซ่อุปทานซอฟต์แวร์, Prompt Injection และ AI Red Teaming | ก่อนตัดสินใจลงทุน พัฒนา และเปิดใช้งาน |
| **ระยะที่ 4 ถึง 6 (สกมช. AI)** | การนำไปใช้งาน การดำเนินงานและการบำรุงรักษา และการกำจัดทำลาย | Secure Baseline, การเฝ้าระวัง Prompt, API และซอฟต์แวร์แวดล้อม | ก่อนเปิดใช้งาน และตลอดวงจรชีวิตจนถึงการกำจัดโมเดล |

### เครื่องมือประเมินความพร้อม

คลิกเลือกรายการที่องค์กรของท่านได้ดำเนินการแล้ว เพื่อคำนวณระดับความพร้อมเบื้องต้น

0%

มีการประเมินและทดสอบการโจมตีประเภท Prompt Injection ทั้ง Direct และ Indirect บนแอปพลิเคชันที่เชื่อมต่อ LLM
          
          
            
            มีหลักฐาน AI Red Teaming และ Jailbreaking ตามระยะทวนสอบของแนวปฏิบัติก่อนเปิดใช้งาน
          
          
            
            ชุดข้อมูลสำหรับ Train โมเดล (Training Data) ได้รับการตรวจสอบที่มาและความถูกต้องเพื่อป้องกัน Data Poisoning
          
          
            
            มีการทำ AI Red Teaming และทดสอบเจาะระบบครอบคลุมทั้งโมเดล, API และซอฟต์แวร์แวดล้อมก่อนเปิดใช้งาน

ประเมินความพร้อม

เลือกรายการด้านบนเพื่อประเมินผล

[ปรึกษาผู้เชี่ยวชาญ และขอใบเสนอราคา](/th/#contact)

STH AI SECURITY TESTING

## Pentest สำหรับ LLM-integrated App และ AI Red Teaming

ระบบที่เชื่อม LLM มีพื้นผิวโจมตีมากกว่าโมเดลเพียงอย่างเดียว: ต้องพิจารณาแอปพลิเคชัน ช่องทางรับข้อมูล RAG หรือ Vector Store เครื่องมือที่ Agent เรียกใช้ สิทธิ์ ข้อมูล และการบันทึกเหตุการณ์ร่วมกัน

[![จากขอบเขต AI สู่หลักฐานที่ทวนสอบได้: ทำแผนที่ระบบ → กำหนดสถานการณ์ → ทดสอบอย่างควบคุม → เก็บหลักฐาน → แก้ไขและทดสอบซ้ำ](/assets/compliance/guide-ncsa-ai-security-guidelines-ai-security-testing-th-v1.webp)](/assets/compliance/guide-ncsa-ai-security-guidelines-ai-security-testing-th-v1.webp)

**จากขอบเขต AI สู่หลักฐานที่ทวนสอบได้**

แยกขอบเขตการทดสอบแอปที่เชื่อม LLM ออกจากการจำลองภัยของ AI Red Teaming แล้วใช้หลักฐานตอบเป้าหมายของแต่ละงาน

1. **ทำแผนที่ระบบ** — ระบุ Prompt, Model, Retrieval, Tool และ Trust Boundary
2. **กำหนดสถานการณ์** — ระบุความเสี่ยง เกณฑ์สำเร็จ และเงื่อนไขหยุด
3. **ทดสอบอย่างควบคุม** — ใช้ข้อมูลสังเคราะห์และขอบเขตที่อนุญาต
4. **เก็บหลักฐาน** — บันทึกผลที่ทำซ้ำได้และผลกระทบ
5. **แก้ไขและทดสอบซ้ำ** — มอบหมายเจ้าของงานและติดตามผล

### Pentest ระบบที่เชื่อม LLM

ทวนสอบการบังคับใช้ control ที่จุดเชื่อมต่อของระบบ โดยไม่จำกัดอยู่แค่พฤติกรรมของโมเดล

- สิทธิ์ผู้ใช้ การแยกข้อมูลระหว่างผู้ใช้หรือ Tenant และการเปิดเผยข้อมูลผ่านคำตอบหรือเอกสารที่ค้นคืน
- การเชื่อมต่อ RAG, Vector Store, Model Provider, API และเครื่องมือภายนอก รวมถึงขอบเขต Token และ Secret
- การอนุมัติและการบังคับใช้สิทธิ์ก่อน Agent เรียกใช้เครื่องมือหรือทำรายการที่มีผลกระทบ

### AI Red Teaming

จำลองพฤติกรรมเชิงปฏิปักษ์ในขอบเขตที่อนุญาต เพื่อพิสูจน์ว่า guardrail และขั้นตอนป้องกันทำงานได้จริง

- Prompt Injection และ Indirect Prompt Injection จากข้อมูลหรือเอกสารที่ระบบนำไปใช้เป็นบริบท
- Jailbreak หรือความพยายามให้ระบบทำงานนอกวัตถุประสงค์ พร้อมทวนสอบการจัดการ output ที่ไม่ปลอดภัย
- ความเสี่ยงของ Agentic AI เมื่อคำสั่งหรือเครื่องมืออาจกระทบข้อมูล บัญชีผู้ใช้ หรือระบบปลายทาง

### สิ่งที่ควรได้จากการทดสอบ

- ขอบเขตที่ได้รับอนุญาต สภาพแวดล้อมและข้อมูลทดสอบ เกณฑ์หยุดทดสอบ และผู้ประสานงานเหตุฉุกเฉิน
- หลักฐานผลการทดสอบ ระดับความรุนแรง เงื่อนไขการเกิดผลกระทบ และแนวทางแก้ไขที่ตรวจสอบซ้ำได้
- การทดสอบซ้ำหลังแก้ไข และรายการควบคุมหรือความเสี่ยงที่ต้องติดตามในการใช้งานจริง

แนวปฏิบัติ สกมช. ระยะที่ 3 Secure Verification ระบุการทดสอบเชิงรุก การทดสอบเจาะระบบ LLM สำหรับ Prompt Injection หรือ Jailbreaking ความเสี่ยงการรั่วไหลของข้อมูล และการทดสอบคำสั่งอันตรายของ Agent เป็นตัวอย่างหลักฐานการทวนสอบก่อนนำไปใช้งาน

[ปรึกษา Pentest LLM-integrated App และ AI Red Teaming กับ STH](/th/#contact)

## คำถามที่พบบ่อย (FAQ)

คำถามและข้อสงสัยสำคัญเกี่ยวกับข้อกำหนดและการตรวจประเมินตามมาตรฐาน

### แนวปฏิบัติ AI Security Guidelines ของ สกมช. ครอบคลุมระบบ AI ประเภทใดบ้าง?

ครอบคลุมทั้งระบบ AI ดั้งเดิม (Machine Learning) และระบบ Generative AI และ LLM ที่องค์กรนำมาประยุกต์ใช้ในบริการหรือกระบวนการทำงานภายใน

### การทำ Pentest สำหรับระบบที่ใช้ LLM แตกต่างจากการทดสอบเว็บหรือแอปทั่วไปอย่างไร?

นอกจากจุดเชื่อมต่อเว็บและ API ปกติแล้ว เอกสารให้ทวนสอบความเสี่ยงเฉพาะของ AI เช่น Prompt Injection, Jailbreaking และ AI Red Teaming ครอบคลุมโมเดล, API และซอฟต์แวร์แวดล้อม

## หัวข้อและกฎหมายกำกับดูแลที่เกี่ยวข้อง

- [
                มาตรฐานความมั่นคงปลอดภัยไซเบอร์ระบบคลาวด์ สกมช. พ.ศ. 2567
                
              ](/th/compliance/ncsa-cloud-security-standard/)
- [
                แนวปฏิบัติ Zero Trust ของ สกมช.
                
              ](/th/compliance/ncsa-zero-trust-guidelines/)
- [
                ISO/IEC 27001:2022 ต้องทำ Penetration Testing ไหม
                
              ](/th/compliance/iso-27001/)
- [
                พ.ร.บ.ไซเบอร์ฯ 2562 กับการทดสอบเจาะระบบ
                
              ](/th/compliance/cybersecurity-act/)

เปิดภาพขนาดเต็มเพื่อซูม

## เอกสารต้นทางฉบับทางการ

ไฟล์ต้นฉบับจากหน่วยงานราชการ โฮสต์ไว้บน sth.sh เพื่อความสะดวก โปรดยึดฉบับล่าสุดจากลิงก์ต้นทางเป็นสำคัญ

[
            
              
              
              ![ตัวอย่างหน้าแรกของแนวปฏิบัติการใช้ปัญญาประดิษฐ์อย่างมั่นคงปลอดภัย (AI Security Guidelines)](/assets/process/compliance-sources/sth-source-ncsa-ai-security-guidelines-2568.webp)
            
          ](/assets/documents/sth-source-ncsa-ai-security-guidelines-2568.pdf)

### แนวปฏิบัติการใช้ปัญญาประดิษฐ์อย่างมั่นคงปลอดภัย (AI Security Guidelines)

โดย สกมช. (NCSA)

[เปิดเอกสาร (PDF) ](/assets/documents/sth-source-ncsa-ai-security-guidelines-2568.pdf)
              [ดาวน์โหลด ](/assets/documents/sth-source-ncsa-ai-security-guidelines-2568.pdf)
              
              [แหล่งต้นทาง ](https://www.ncsa.or.th/standards)

## ต้องการทำ Pentest ให้สอดคล้องกับข้อกำหนดเหล่านี้?

เล่าขอบเขตระบบและข้อกำหนดที่ต้องปฏิบัติตามให้เราฟัง ทีม STH จะช่วยประเมินแนวทางและจัดทำใบเสนอราคาให้

[ขอใบเสนอราคา Pentest](/th/#contact)

## เอกสาร PDF

[เปิดในแท็บใหม่ ](/th/compliance/ncsa-ai-security-guidelines/)
              [ดาวน์โหลด](/th/compliance/ncsa-ai-security-guidelines/)

อัปเดตล่าสุด 16 ตุลาคม 2569