การ์ทเนอร์ อิงก์ เผยคาดการณ์ด้านความปลอดภัยไซเบอร์ระบุว่า ภายในปี พ.ศ. 2572 เหตุการณ์ละเมิดความเป็นส่วนตัวส่วนใหญ่จะไม่ได้เกิดจากการรั่วไหลของข้อมูลส่วนบุคคลโดยตรง (Personally Identifiable Information หรือ PII) แต่จะเปลี่ยนไปเกิดจากข้อสรุปที่เทคโนโลยีปัญญาประดิษฐ์ (AI) สร้างขึ้นจากการคาดเดาข้อมูลของบุคคล หรือ AI-Generated Inferences ซึ่งส่งผลให้ความเสี่ยงย้ายจากเรื่องการรั่วไหลของข้อมูลดิบไปสู่การรั่วไหลของข้อมูลเชิงลึกแทน
ภัยคุกคามรูปแบบใหม่จากการคาดเดาข้อมูลเชิงลึก
การเปลี่ยนแปลงของเทคโนโลยีและความก้าวหน้าของระบบ GenAI รวมถึง Machine Learning (ML) ช่วยให้ผู้ระบบสามารถดึงคุณลักษณะที่ละเอียดอ่อน เช่น สภาวะสุขภาพ หรือรูปแบบพฤติกรรม ออกมาจากข้อมูลนิรนาม ข้อมูลที่รวบรวมไว้ หรือข้อมูลที่ดูเหมือนไม่มีอันตราย ซึ่งเปิดช่องทางให้เกิดการโจมตีด้วยเทคนิคการคาดเดาข้อมูล (Inference-Based Attacks) ในขณะเดียวกัน องค์กรต่างๆ กำลังลดปริมาณการจัดเก็บข้อมูลส่วนบุคคลลงเนื่องจากข้อบังคับทางกฎหมายและแรงกดดันด้านต้นทุน
บาร์ต วิลเลมเซน รองประธานฝ่ายนักวิเคราะห์ของการ์ทเนอร์ ชี้ว่า เรากำลังอยู่ในช่วงการเปลี่ยนแปลงครั้งสำคัญจากการรั่วไหลของข้อมูล (Data Exposure) ไปสู่การรั่วไหลของข้อมูลเชิงลึก (Insight Exposure) ในอดีตองค์กรต่างมุ่งเน้นไปที่การคุ้มครองข้อมูลส่วนบุคคลดิบ แต่ปัจจุบัน AI สามารถสร้างข้อมูลเชิงลึกส่วนบุคคลระดับลึกขึ้นมาใหม่ได้ โดยไม่จำเป็นต้องฝ่าระบบควบคุมข้อมูลแบบเดิม ความเสี่ยงด้านความเป็นส่วนตัวจึงกำลังเกิดเพิ่มขึ้นเรื่อย ๆ จากสิ่งที่อัลกอริทึม AI คาดเดาเกี่ยวกับตัวบุคคล มากกว่าข้อมูลที่รั่วไหลออกไปโดยตรง
การโจมตีด้วยการคาดเดาข้อมูลของ AI มีความอันตรายเนื่องจากมักจะเล็ดลอดกลไกการตรวจจับแบบเดิมไปได้ โดยบุคคลอาจถูกเปิดเผยข้อมูลผ่านข้อสรุปที่ AI สร้างขึ้น ส่งผลให้เกิดความเสี่ยงที่บ่อนทำลายความแม่นยำของข้อมูล (Data Integrity) ทั้งยังยากต่อการตรวจจับ อธิบาย และบรรเทาผลกระทบ
ปรับกลยุทธ์การกำกับดูแลและงบประมาณความปลอดภัย
ความเสี่ยงที่เปลี่ยนไปนี้บีบให้ผู้นำด้านความปลอดภัยและผู้บริหาร CISO ต้องทบทวนกลยุทธ์ด้านความเป็นส่วนตัวใหม่ โดยต้องก้าวข้ามการคุ้มครองข้อมูลแบบเดิมไปสู่การกำกับดูแลการคาดเดาข้อมูล (Inference Governance) และควบคุมวิธีที่ระบบ AI ใช้ในการสร้างหรือดำเนินการกับข้อมูลเชิงลึกเกี่ยวกับตัวบุคคล โดยการ์ทเนอร์คาดว่าภายในปี พ.ศ. 2571 มูลค่าการใช้จ่ายเพื่อปกป้องความถูกต้องแม่นยำข้อมูล (Data Integrity) จะพุ่งขึ้นมาเท่ากับการลงทุนด้านการรักษาความลับของข้อมูล (Data Confidentiality) เพื่อรับมือกับความเสี่ยงจากโปรไฟล์บุคคลที่สร้างโดย AI ซึ่งไม่แม่นยำ มีอคติ หรือไม่ได้รับอนุญาต
วิลเลมเซน กล่าวเสริมว่า องค์กรที่ยังมองเรื่องความเป็นส่วนตัวเป็นเพียงเรื่องที่ท้าทายต่อการคุ้มครองข้อมูลแต่เพียงอย่างเดียว จะยิ่งสุ่มเสี่ยงต่อเหตุการณ์ละเมิดความเป็นส่วนตัวที่เกิดจากการคาดเดาของ AI มากขึ้นเรื่อย ๆ ยุคถัดไปของความเสี่ยงด้านความเป็นส่วนตัวจึงอยู่ที่วิธีที่ AI ตีความข้อมูล ไม่ใช่แค่เพียงวิธีที่องค์กรจัดเก็บข้อมูลอีกต่อไป
แนวทางรับมือสำหรับผู้บริหารด้านความปลอดภัย
เพื่อเตรียมความพร้อมรับมือความเสี่ยง การ์ทเนอร์แนะนำให้ผู้บริหาร CISO และผู้นำด้านความเป็นส่วนตัวนำแนวทางปฏิบัติมาปรับใช้ โดยเริ่มจากการฝัง AI Governance เข้าไปในโปรแกรมความเป็นส่วนตัว พร้อมบูรณาการหลักการคุ้มครองความเป็นส่วนตัวตั้งแต่การออกแบบ (Privacy-by-Design) ในกระบวนการพัฒนา AI และประเมินอัลกอริทึมอย่างสม่ำเสมอเพื่อตรวจจับประมวลผลที่อคติ (Bias) การโอเวอร์ฟิตติ้ง (Overfitting) รวมถึงความเสี่ยงจากการคาดเดาข้อมูลโดยไม่ได้ตั้งใจ
นอกจากนี้ ควรนำเทคโนโลยีเสริมสร้างความเป็นส่วนตัว (Privacy-Enhancing Technologies – PETs) เช่น Differential Privacy, Synthetic Data และ Machine Learning ที่คำนึงถึงความเป็นส่วนตัวมาใช้งาน ควบคู่กับการเสริมความแข็งแกร่งในการเก็บข้อมูลเท่าที่จำเป็น (Data Minimization) กำหนดเวลาลบข้อมูล และยกระดับความปลอดภัยไซเบอร์ผ่านระบบเฝ้าระวังขั้นสูงเพื่อระบุรูปแบบภัยคุกคามจากการคาดเดาข้อมูล
ขณะเดียวกัน องค์กรต้องส่งเสริมความโปร่งใสและการกำกับดูแลโดยมนุษย์ (Human Oversight) โดยกำหนดขอบเขตการตีความให้ชัดเจนว่าระบบ AI ควรหรือไม่ควรคาดเดาข้อมูลในส่วนใด และกำหนดให้มีมนุษย์คอยตรวจเช็คและอนุมัติ (Human in the loop) ในข้อสรุปจากการคาดเดาของ AI ก่อนที่จะดำเนินการใด ๆ กับข้อมูลที่ละเอียดอ่อน
#Gartner #AI #Privacy #DataIntegrity #Cybersecurity #CISO #PrivacyEnhancingTechnologies
