ในปัจจุบันที่เทคโนโลยี AI กำลังเติบโตอย่างรวดเร็ว โครงสร้างพื้นฐานระบบคลาวด์แบบไฮบริดกำลังเผชิญกับความเสี่ยงด้านความปลอดภัยที่เพิ่มขึ้นอย่างมีนัยสำคัญ โดยผลการสำรวจ Hybrid Cloud Security Survey ประจำปี 2025 ของ Gigamon ชี้ให้เห็นว่าผู้นำด้านความปลอดภัยส่วนใหญ่กำลังปรับเปลี่ยนแนวคิดเพื่อรับมือกับภัยคุกคามใหม่ ๆ ที่มาพร้อมกับยุค AI
AI กับความท้าทายด้านความปลอดภัยในโลกไซเบอร์
การสำรวจซึ่งเก็บข้อมูลจากผู้นำด้านความปลอดภัยและ IT ทั่วโลกกว่า 1,000 คน พบว่าภัยคุกคามทางไซเบอร์มีขนาดและความซับซ้อนเพิ่มขึ้นอย่างมาก ส่งผลให้อัตราการละเมิดข้อมูลสูงขึ้นถึง 55% ในปีที่ผ่านมา ซึ่งการโจมตีที่ขับเคลื่อนด้วย AI ถือเป็นปัจจัยหลักที่ทำให้เกิดการเติบโตนี้
- ภัยคุกคามที่ซับซ้อน: 46% ของผู้นำด้านความปลอดภัยมองว่าการจัดการภัยคุกคามจาก AI เป็นภารกิจสำคัญอันดับแรก และมากกว่าครึ่ง (58%) พบว่ามีการเพิ่มขึ้นของแรนซัมแวร์ที่ขับเคลื่อนด้วย AI ซึ่งเพิ่มขึ้นจาก 41% ในปี 2567
- ความท้าทายในการมองเห็น: เกือบครึ่งหนึ่งของผู้ตอบแบบสำรวจ (47%) พบว่าการโจมตีที่มุ่งเป้าไปที่การใช้งานโมเดลภาษาขนาดใหญ่ (LLM) ขององค์กรกำลังเพิ่มขึ้น และ 55% ไม่มั่นใจในเครื่องมือรักษาความปลอดภัยที่มีอยู่ เนื่องจากข้อจำกัดในการมองเห็นข้อมูลในเครือข่าย
การปรับตัวสู่การรักษาความปลอดภัยแบบใหม่
เพื่อรับมือกับความท้าทายเหล่านี้ องค์กรต่าง ๆ กำลังให้ความสำคัญกับการมองเห็นข้อมูลในระบบที่ครอบคลุมมากขึ้น และบางส่วนเริ่มพิจารณาการย้ายข้อมูลออกจาก Public Cloud ไปยัง Private Cloud
- ความลังเลต่อ Public Cloud: ผู้นำด้านความปลอดภัย 71% มองว่า Public Cloud มีความเสี่ยงสูงกว่าระบบรูปแบบอื่น ๆ ทำให้ 76% ขององค์กรกำลังพิจารณาย้ายข้อมูลเพื่อความปลอดภัย และ 54% ลังเลที่จะใช้ AI บน Public Cloud เนื่องจากความกังวลเรื่องทรัพย์สินทางปัญญา
- การมองเห็นคือหัวใจสำคัญ: 64% ของผู้ตอบแบบสอบถามระบุว่าเป้าหมายสูงสุดในอีก 12 เดือนข้างหน้าคือการตรวจสอบภัยคุกคามแบบเรียลไทม์ และการมองเห็นข้อมูลทั้งหมดที่เคลื่อนไหวในระบบ
Deep Observability มาตรฐานใหม่ของความปลอดภัยในยุค AI
ผลการสำรวจชี้ให้เห็นว่าผู้นำด้านความปลอดภัยเกือบ 9 ใน 10 (86%) มองว่า Deep Observability หรือการสังเกตการณ์เชิงลึก เป็นสิ่งสำคัญพื้นฐานสำหรับการจัดการความปลอดภัยของโครงสร้างพื้นฐานระบบคลาวด์แบบไฮบริด
คุณคริสติ ธีลี รองประธานฝ่ายวิศวกรรมโซลูชันทั่วโลกของ Gigamon กล่าวว่า “Deep Observability สามารถช่วยแก้ไขปัญหาเหล่านี้ได้ด้วยการรวมข้อมูล MELT (Metrics, Events, Logs and Trace) เข้ากับข้อมูลระยะไกลจากเครือข่าย เช่น แพ็กเก็ต โฟลว์ และข้อมูลเมตา ซึ่งจะช่วยเพิ่มความสามารถในการมองเห็นและให้มุมมองที่เชื่อถือได้เกี่ยวกับความเสี่ยง”
จากสถานการณ์ที่ความเสี่ยงและความซับซ้อนเพิ่มขึ้นอย่างต่อเนื่อง การนำ Deep Observability มาใช้จึงไม่ใช่แค่ทางเลือก แต่กำลังจะกลายเป็นสิ่งจำเป็นเชิงกลยุทธ์สำหรับองค์กรในการป้องกันระบบคลาวด์แบบไฮบริดในยุคที่ AI เป็นผู้ขับเคลื่อนหลัก
