ภัยคุกคามทางไซเบอร์
เจ้าของความเสี่ยง (Risk Owner)สดท.
ก่อนมีมาตรการควบคุม Inherent risk
20สูงมาก
- โอกาสเกิด
- 4
- ผลกระทบ
- 5
ระดับที่บันทึก: สูงมาก
54●3◆2112345
โอกาสเกิด ↑ผลกระทบ →
- ● ก่อนควบคุม
- ◆ หลังควบคุม
หลังมีมาตรการควบคุม Residual risk
6ปานกลาง
- โอกาสเกิด
- 3
- ผลกระทบ
- 2
ระดับที่บันทึก: ปานกลาง
▼ ลดลง 14 คะแนน
01ปัจจัยความเสี่ยง Risk Factor
1. ปัจจัยด้านเทคนิค : ระบบเทคโนโลยีที่ล้าสมัยเป็นช่องโหว่สำคัญ โดยเฉพาะซอฟต์แวร์ที่ไม่ได้รับการอัปเดต อายุของอุปกรณ์เครือข่ายเกิน 5 ปี
2. ปัจจัยด้านมนุษย์ : พฤติกรรมของผู้ใช้
3. ปัจจัยด้านการจัดการ : ปฏิบัติตามมาตรฐาน NIST Cybersecurity Framework ที่ประกอบด้วย 5 ฟังก์ชันหลัก: ระบุ ปกป้อง ตรวจจับ ตอบสนอง และกู้คืน ไม่ครอบคลุม
4. ปัจจัยภายนอก : การโจมตีแบบ Supply Chain, ransomware , การคาดการณ์พายุสุริยะ เป็นต้น
2. ปัจจัยด้านมนุษย์ : พฤติกรรมของผู้ใช้
3. ปัจจัยด้านการจัดการ : ปฏิบัติตามมาตรฐาน NIST Cybersecurity Framework ที่ประกอบด้วย 5 ฟังก์ชันหลัก: ระบุ ปกป้อง ตรวจจับ ตอบสนอง และกู้คืน ไม่ครอบคลุม
4. ปัจจัยภายนอก : การโจมตีแบบ Supply Chain, ransomware , การคาดการณ์พายุสุริยะ เป็นต้น
02ผลกระทบภายใน Internal Impact
1. การหยุดชะงักของระบบหลัก
2. การรั่วไหลของข้อมูล
2. การรั่วไหลของข้อมูล
03ผลกระทบภายนอก External Impact
1. ความเชื่อมั่นสาธารณะลดลง
2. ผลกระทบทางเศรษฐกิจ
3. ความเสี่ยงทางกฎหมาย: การละเมิด PDPA อาจทำให้ถูกปรับ
2. ผลกระทบทางเศรษฐกิจ
3. ความเสี่ยงทางกฎหมาย: การละเมิด PDPA อาจทำให้ถูกปรับ
04การควบคุมที่มีอยู่ Control in Place
1. มาตรการป้องกัน
- สถาปัตยกรรม Zero Trust: ประยุกต์ใช้ Micro-Segmentation แบ่งเครือข่ายเป็น 6 โซนอิสระ ลดความเสี่ยงการล่มทั้งระบบ
- ระบบตรวจสอบสิทธิ์หลายปัจจัย: ลดการเข้าถึงโดยไม่ได้รับอนุญาต 99% ด้วยเทคโนโลยี Biometric + Token
-ดำเนินการ VA Scan (Vulnerability Assessment Scan) อย่างต่อเนื่อง เพื่อสแกนหาช่องโหว่เชิงรุกและวางแผนแก้ไข ESG G3.3
-ยกระดับการป้องกัน ระบบ Web Portal โดยจัดหาเครื่องมือป้องกันการโจมตีจากภายนอก (เช่น Cloudflare firewall, Software antivirus) ESG G4.1
2. มาตรการตรวจสอบ
- ศูนย์ปฏิบัติการความปลอดภัย (SOC): ใช้ AI วิเคราะห์ xxx เหตุการณ์ต่อวินาที ด้วยอัลกอริทึม Machine Learning ตรวจจับภัยคุกคามได้เร็วขึ้น 40%
- ระบบ SIEM แบบ Real-time: วิเคราะห์ Log ข้อมูลจาก xx แหล่งพร้อมกัน พร้อมสร้าง Dashboard ตามมาตรฐาน MITRE ATT&CK
-เพิ่มมาตรการติดตามการปรับปรุงระบบ EGP ของกรมบัญชีกลางอย่างใกล้ชิด และจัดทำคู่มือแก้ไขปัญหาเบื้องต้นกรณีเกิดเหตุขัดข้องในการดึงข้อมูล
3. มาตรการตอบสนอง
- แผนกู้ภัย 3 ระดับ: ระดับ 1: กู้ระบบภายใน 4 ชม. ด้วยระบบสำรอง Hot Site ระดับ 2: ใช้ระบบ Cold Site ใน 8 ชม. สำหรับบริการสำคัญ ระดับ 3: เปิดใช้งาน Disaster Recovery Center ใน 24 ชม
4. มาตรการฟื้นฟู
- แบบฝึกหัด Red Team/Blue Team: ฝึกซ้อมสถานการณ์จำลองทุก 3 เดือน เพิ่มประสิทธิภาพการตอบสนอง
- ระบบ Backup แบบ Immutable: จัดเก็บข้อมูล 3 ชั้นในระบบคลาวด์ต่างที่ ป้องกันการเข้ารหัสข้อมูลโดย Ransomware
- สถาปัตยกรรม Zero Trust: ประยุกต์ใช้ Micro-Segmentation แบ่งเครือข่ายเป็น 6 โซนอิสระ ลดความเสี่ยงการล่มทั้งระบบ
- ระบบตรวจสอบสิทธิ์หลายปัจจัย: ลดการเข้าถึงโดยไม่ได้รับอนุญาต 99% ด้วยเทคโนโลยี Biometric + Token
-ดำเนินการ VA Scan (Vulnerability Assessment Scan) อย่างต่อเนื่อง เพื่อสแกนหาช่องโหว่เชิงรุกและวางแผนแก้ไข ESG G3.3
-ยกระดับการป้องกัน ระบบ Web Portal โดยจัดหาเครื่องมือป้องกันการโจมตีจากภายนอก (เช่น Cloudflare firewall, Software antivirus) ESG G4.1
2. มาตรการตรวจสอบ
- ศูนย์ปฏิบัติการความปลอดภัย (SOC): ใช้ AI วิเคราะห์ xxx เหตุการณ์ต่อวินาที ด้วยอัลกอริทึม Machine Learning ตรวจจับภัยคุกคามได้เร็วขึ้น 40%
- ระบบ SIEM แบบ Real-time: วิเคราะห์ Log ข้อมูลจาก xx แหล่งพร้อมกัน พร้อมสร้าง Dashboard ตามมาตรฐาน MITRE ATT&CK
-เพิ่มมาตรการติดตามการปรับปรุงระบบ EGP ของกรมบัญชีกลางอย่างใกล้ชิด และจัดทำคู่มือแก้ไขปัญหาเบื้องต้นกรณีเกิดเหตุขัดข้องในการดึงข้อมูล
3. มาตรการตอบสนอง
- แผนกู้ภัย 3 ระดับ: ระดับ 1: กู้ระบบภายใน 4 ชม. ด้วยระบบสำรอง Hot Site ระดับ 2: ใช้ระบบ Cold Site ใน 8 ชม. สำหรับบริการสำคัญ ระดับ 3: เปิดใช้งาน Disaster Recovery Center ใน 24 ชม
4. มาตรการฟื้นฟู
- แบบฝึกหัด Red Team/Blue Team: ฝึกซ้อมสถานการณ์จำลองทุก 3 เดือน เพิ่มประสิทธิภาพการตอบสนอง
- ระบบ Backup แบบ Immutable: จัดเก็บข้อมูล 3 ชั้นในระบบคลาวด์ต่างที่ ป้องกันการเข้ารหัสข้อมูลโดย Ransomware
05หน่วยงานที่เกี่ยวข้อง Risk Relative
ทุกหน่วยงาน