DLP (Data Loss Prevention)

DLP ย่อมาจาก data loss prevention คือกลุ่มนโยบายที่คอยหาข้อมูลอ่อนไหวในระบบขององค์กร เฝ้าดู แล้วป้องกันไม่ให้รั่วออกไป เอกสารของ microsoft-purview อธิบายวิธีทำงานว่าใช้การตรวจเนื้อหาเชิงลึกร่วมกับการวิเคราะห์บริบทเพื่อระบุรายการที่อ่อนไหว แล้วบังคับใช้นโยบายเพื่อปกป้องข้อมูลอย่างบันทึกทางการเงิน ข้อมูลสุขภาพ หรือทรัพย์สินทางปัญญา แนวคิดนี้มีมานานก่อนยุค AI แต่สิ่งที่เปลี่ยนไปคือจุดที่ต้องดัก

ในบริบทของ Microsoft 365 Copilot เอกสารระบุการควบคุมไว้สี่แบบ แบบแรกคือห้ามส่งคำสั่งที่มีข้อมูลอ่อนไหวออกไปค้นเว็บภายนอก โดยเมื่อคำสั่งมีข้อมูลอย่างเลขบัตรเครดิตหรือเลขหนังสือเดินทาง Copilot จะบล็อกการใช้การค้นเว็บเป็นแหล่งประกอบคำตอบ แต่ยังตอบต่อจากข้อมูลภายในได้ แบบที่สองคือห้ามประมวลผลคำสั่งนั้นเลย คือไม่ตอบและไม่เอาไปค้นทั้งภายในและภายนอก แบบที่สามคือกันไฟล์และอีเมลที่ติด sensitivity-label บางระดับไม่ให้ถูกนำมาใช้ตอบ แบบที่สี่ซึ่งยังเป็นรุ่นทดลองคือกันอีเมลที่ส่งมาจากโดเมนภายนอกไม่ให้ถูกใช้เป็นแหล่ง grounding โดยเอกสารระบุเหตุผลตรงๆ ว่าเพื่อลดความเสี่ยงจาก prompt-injection และอิทธิพลของข้อมูลที่เชื่อถือไม่ได้ กลไกนี้ตรวจเฉพาะโดเมนผู้ส่ง ไม่ได้เปิดอ่านเนื้อในอีเมล

ข้อจำกัดที่ต้องรู้ก่อนคิดว่าปลอดภัยแล้วมีอยู่หลายข้อและเอกสารเขียนไว้ตรงไปตรงมา ข้อแรกคือ DLP สแกนเนื้อหาของไฟล์ที่ผู้ใช้อัปโหลดเข้าไปในคำสั่งโดยตรงไม่ได้ ตรวจได้เฉพาะข้อความที่พิมพ์ลงไปเอง ข้อที่สองคือการแก้นโยบายใช้เวลาถึงสี่ชั่วโมงกว่าจะมีผลจริง ข้อที่สามคือใน Word, Excel และ PowerPoint นโยบายถูกประเมินตอนเปิดไฟล์ ถ้าติดป้ายระหว่างที่ไฟล์เปิดค้างอยู่จะยังไม่มีผลจนกว่าจะปิดแล้วเปิดใหม่ สำหรับองค์กรไทยที่กังวลเรื่องพนักงานเอาข้อมูลไปวางในเครื่องมือ AI ภายนอก จุดที่ตรงกับปัญหาที่สุดคือ DLP ฝั่งเครื่องผู้ใช้ ซึ่งตั้งให้เตือนหรือบล็อกการวางข้อมูลอ่อนไหวลงในเว็บ AI ของเจ้าอื่นได้ นั่นคือคำตอบเชิงเทคนิคของปัญหา shadow-ai ที่ใช้ได้จริงมากกว่าการออกประกาศห้าม อีกข้อที่ต้องเข้าใจคู่กันคือ DLP ตอบได้แค่ว่าห้ามอะไรไว้บ้าง แต่ตอบไม่ได้ว่าเมื่อวานใครเข้าถึงข้อมูลชุดไหนไปแล้ว คำถามหลังนี้ต้องไปดูที่ audit-log ซึ่งควรเปิดเก็บคู่กันไว้ตั้งแต่แรก

ตัวอย่างจากบทสนทนาจริง

ผู้บริหาร: "ผมออกประกาศห้ามพนักงานเอาข้อมูลลูกค้าไปใส่ ChatGPT ไปแล้วครับ แต่ก็รู้ว่ายังมีคนทำอยู่ ทำอะไรได้อีกไหม"

ที่ปรึกษาความปลอดภัย: "ประกาศอย่างเดียวไม่พอครับ เพราะคนส่วนใหญ่ไม่ได้ตั้งใจฝ่าฝืน แค่รีบและไม่ทันคิด สิ่งที่ทำได้จริงคือตั้ง DLP ที่เครื่องผู้ใช้ ให้เตือนหรือบล็อกตอนวางข้อมูลอย่างเลขบัตรประชาชนหรือเลขบัตรเครดิตลงในเว็บ AI ภายนอก ข้อดีคือมันเตือนตอนที่คนกำลังจะพลาดพอดี ซึ่งสอนได้ดีกว่าอีเมลแจ้งนโยบาย แต่ผมขอเสริมข้อจำกัดครับ ถ้าเขาแนบเป็นไฟล์แทนการวางข้อความ กฎแบบนี้ตรวจไม่ได้ทั้งหมด เราจึงต้องมีทางที่ถูกต้องให้เขาใช้ด้วย ไม่ใช่ปิดอย่างเดียวครับ"

ระวังสับสนกับ

• sensitivity-label : sensitivity label เป็นการจำแนกว่าเนื้อหาอ่อนไหวระดับไหน ส่วน DLP เป็นกฎที่ตัดสินว่าจะทำอะไรกับของที่ถูกจำแนกไว้ ป้ายเป็นข้อมูล กฎเป็นการกระทำ
• guardrails : guardrails เป็นการคุมพฤติกรรมของโมเดลว่าตอบอะไรได้หรือไม่ได้ ส่วน DLP คุมที่ตัวข้อมูลว่าเข้าออกได้หรือไม่ อันหนึ่งดูที่คำตอบ อีกอันดูที่เนื้อหาที่ไหลผ่าน
• zero-data-retention : zero data retention เป็นข้อตกลงกับผู้ให้บริการว่าจะไม่เก็บข้อมูลของเราไว้ ส่วน DLP เป็นกลไกฝั่งองค์กรที่ทำงานก่อนข้อมูลจะออกจากบ้าน จึงไม่ต้องพึ่งคำสัญญาของใคร