วิธีลบข้อมูลอ่อนไหวก่อนส่งเข้า LLM

ทำไมเรื่องนี้ถึงสำคัญ

ทุกวันนี้หลายองค์กรเริ่มนำ AI Chatbot หรือ LLM (Large Language Model) เช่น ChatGPT, Claude หรือ Gemini มาช่วยงานต่าง ๆ ไม่ว่าจะเป็นการสรุปเอกสาร ตอบคำถามลูกค้า หรือช่วยเขียนโค้ด แต่สิ่งที่หลายคนมองข้ามคือ ข้อมูลที่เราพิมพ์หรืออัปโหลดเข้าไปนั้น อาจมีข้อมูลส่วนบุคคลหรือข้อมูลลับขององค์กรปะปนอยู่โดยไม่ตั้งใจ เช่น เลขบัตรประชาชน อีเมล เบอร์โทรศัพท์ รหัสผ่าน หรือแม้แต่ข้อมูลลูกค้าในไฟล์ Excel ที่ก็อปมาแปะทั้งไฟล์

หากข้อมูลเหล่านี้หลุดเข้าไปอยู่ใน LLM ที่ให้บริการแบบสาธารณะ อาจเสี่ยงต่อการรั่วไหลของข้อมูล ผิดกฎหมาย PDPA (พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล) หรือกระทบความน่าเชื่อถือขององค์กรได้ ดังนั้นการ "Scrub" หรือ "Mask" ข้อมูลอ่อนไหวก่อนส่งเข้า LLM จึงเป็นขั้นตอนที่ไม่ควรมองข้าม

ข้อมูลแบบไหนที่ถือว่า "อ่อนไหว" (Sensitive Data)

ก่อนจะลบหรือปิดบังข้อมูล ต้องรู้ก่อนว่าอะไรคือข้อมูลที่ต้องระวัง โดยทั่วไปแบ่งเป็นกลุ่มหลัก ๆ ได้แก่

ข้อมูลระบุตัวตนบุคคล (PII) เช่น ชื่อ-นามสกุล เลขบัตรประชาชน เลขหนังสือเดินทาง วันเดือนปีเกิด ที่อยู่ เบอร์โทรศัพท์ อีเมล
ข้อมูลทางการเงิน เช่น เลขบัญชีธนาคาร เลขบัตรเครดิต ยอดเงินเดือน
ข้อมูลลับทางเทคนิค เช่น API Key, Password, Token, IP Address ภายในองค์กร, Source Code ที่มีความลับทางธุรกิจ
ข้อมูลสุขภาพหรือข้อมูลอ่อนไหวตามกฎหมาย เช่น ประวัติการรักษา ศาสนา เชื้อชาติ ความคิดเห็นทางการเมือง
ข้อมูลลูกค้าหรือคู่ค้า ที่มีสัญญาการรักษาความลับ (NDA)

5 วิธีลบ/ปิดบังข้อมูลก่อนส่งเข้า LLM

1. ทำ Data Masking หรือ Redaction ก่อนวางข้อความ

แทนที่จะก็อปข้อความดิบทั้งหมดไปวางใน Prompt ให้แทนที่ข้อมูลอ่อนไหวด้วยสัญลักษณ์หรือ Placeholder ก่อน เช่น

เปลี่ยนเลขบัตรประชาชน 1-2345-67890-12-3 เป็น [ID_NUMBER]
เปลี่ยนชื่อจริงเป็น [ชื่อลูกค้า A]
เปลี่ยนอีเมลเป็น [EMAIL]

วิธีนี้ทำได้ทั้งแบบ Manual (นั่งไล่ลบเอง สำหรับข้อความสั้น ๆ) หรือใช้สคริปต์ช่วย เช่น Python ที่ใช้ Regular Expression (Regex) จับรูปแบบเลขบัตร อีเมล เบอร์โทร แล้วแทนที่อัตโนมัติ

2. ใช้เครื่องมือ Data Loss Prevention (DLP) อัตโนมัติ

สำหรับองค์กรที่มีข้อมูลปริมาณมาก การนั่งลบมือไม่ไหวแน่นอน ควรใช้เครื่องมือที่ออกแบบมาเฉพาะ เช่น Microsoft Purview, Google Cloud DLP API หรือโอเพนซอร์สอย่าง Presidio (จาก Microsoft) ที่สามารถตรวจจับและปิดบังข้อมูลอ่อนไหวได้อัตโนมัติก่อนส่งเข้า LLM โดยใช้ทั้ง Pattern Matching และ Machine Learning ช่วยระบุประเภทข้อมูล

3. ใช้ Local LLM หรือ Private Deployment สำหรับข้อมูลที่ละเอียดอ่อนมาก

หากข้อมูลที่ต้องประมวลผลมีความอ่อนไหวสูงมาก (เช่น ข้อมูลนักศึกษา ข้อมูลบุคลากรทั้งหมด) ควรพิจารณาใช้ LLM ที่รันภายในองค์กร (On-Premise) หรือใช้บริการ Enterprise ที่มีข้อตกลงไม่นำข้อมูลไปเทรนโมเดลต่อ แทนการใช้บริการสาธารณะฟรีที่อาจนำข้อมูลไปใช้ต่อ

4. ตั้งค่า Policy และอบรมผู้ใช้งานภายในองค์กร

เครื่องมือทางเทคนิคช่วยได้ระดับหนึ่ง แต่ต้นเหตุของการรั่วไหลส่วนใหญ่มาจาก "คน" ดังนั้นควรมีนโยบายชัดเจน เช่น

ห้ามวางไฟล์ที่มีข้อมูลลูกค้า/บุคลากรทั้งไฟล์ลงใน AI สาธารณะ
กำหนดว่าข้อมูลประเภทใดห้ามใช้กับ AI ภายนอกโดยเด็ดขาด
จัดอบรมให้บุคลากรเข้าใจว่าข้อมูลแบบไหนคือข้อมูลอ่อนไหว และรู้จักปิดบังก่อนใช้งาน

5. ตรวจสอบ Log และทำ Audit เป็นระยะ

แม้จะมีมาตรการป้องกันแล้ว ก็ควรมีการสุ่มตรวจสอบ Log การใช้งาน AI ภายในองค์กรเป็นระยะ เพื่อดูว่ามีข้อมูลอ่อนไหวหลุดเข้าไปหรือไม่ และนำมาปรับปรุงกระบวนการหรือจัดอบรมเพิ่มเติม

ตัวอย่างง่าย ๆ ก่อน-หลังการทำ Data Masking

ก่อน (ข้อมูลดิบ):

"ช่วยร่างอีเมลแจ้งลูกค้าคุณสมชาย ใจดี เลขบัตร 1-2345-67890-12-3 อีเมล somchai@example.com ว่าใบแจ้งหนี้เดือนนี้ค้างชำระ"

หลัง (ปิดบังแล้ว):

"ช่วยร่างอีเมลแจ้งลูกค้า [ชื่อลูกค้า] [เลขบัตร] อีเมล [อีเมลลูกค้า] ว่าใบแจ้งหนี้เดือนนี้ค้างชำระ"

จะเห็นว่าโครงสร้างประโยคยังคงเดิม LLM ยังช่วยร่างอีเมลได้ตามปกติ เพียงแต่เราค่อยนำชื่อ-เลขบัตร-อีเมลจริงกลับไปแทนที่เองหลังจากได้ผลลัพธ์แล้ว

สรุป

การนำ AI/LLM มาช่วยงานเป็นเรื่องดีและช่วยเพิ่มประสิทธิภาพได้มาก แต่ต้องไม่ลืมว่า "ข้อมูลที่ส่งเข้าไปคือข้อมูลที่ควบคุมได้ยากขึ้นทันทีที่ออกจากมือเรา" การฝึกนิสัยตรวจสอบและปิดบังข้อมูลอ่อนไหวก่อนใช้งานทุกครั้ง ไม่ว่าจะด้วยมือหรือเครื่องมืออัตโนมัติ จะช่วยให้องค์กรได้ประโยชน์จาก AI เต็มที่ โดยไม่ต้องแลกมาด้วยความเสี่ยงด้านความปลอดภัยของข้อมูล