Cluster Grid และ ปฐมบทของ Cloud computing

มาดูกันทีละตัวนะครับ
 
     Cluster computing เป็นการเชื่อมต่อระบบการทำงานของกลุ่มคอมพิวเตอร์เดียวกันภายใต้ระบบเครือข่ายความเร็วสูง  มีความสามารถในการกระจายงานที่ทำไปยังเครื่อง ภายในระบบเพื่อให้การประมวลผลมีประสิทธิภาพสูงขึ้น เหมาะสำหรับการประมวลผลงานที่มีความซับซ้อนโดยเฉพาะงานด้านวิทยาศาสตร์ เช่น การจำลองโครงสร้างของโมเลกุลทางเคมี, การวิเคราะห์เกี่ยวกับตำแหน่งการเกิดพายุสุริยะ, การวิเคราะห์ข้อมูลที่มีขนาดใหญ่ เป็นต้น

ที่มาของภาพ : http://dev.mysql.com/doc/refman/5.1/en/mysql-cluster-nodes-groups.html

     Grid computing   การประมวลผลแบบ Grid Technology  พัฒนาขึ้นมา เพื่อให้ระบบทำการคำนวณหรือประมวลผลข้อมูลที่ซับซ้อนด้วยสมรรถนะสูง โดยได้จัดเอาทรัพยากรด้านคำนวณหรือทรัพยากรประมวลผลด้านคอมพิวเตอร์ ซอฟต์แวร์ เครื่องมือ อุปกรณ์ต่างๆ มาทำการต่อเชื่อมโยงให้ถึงกัน ให้ทำงานร่วมกันเป็นระบบเครือข่ายขนาดใหญ่เพียงระบบเดียว

               ที่มาของภาพ : http://www.csc.villanova.edu/~aadueni/Grid_Computing.html

        Cloud  Computing   เป็นการประมวลผลที่ย้ายจากการประมวลผลภายใต้ Server ขององค์กรในรูปแบบเดิม  ไปสู่การประมวลผลผ่านเครือข่ายอินเทอร์เน็ต  โดยผ่านการทำงานของระบบสื่อสารความเร็วสูง  มีรูปแบบการทำงานคล้ายระบบ GRID Computing แต่แตกต่างกันตรงที่มีการออกแบบและพัฒนา  API  รวมถึงรายละเอียดของ Protocol  และเชื่อมโยงการทำงานใหม่ให้ยึดหยุ่นและเหมาะสมกับกิจกรรมทางธุรกิจมากขึ้น  โดย Cloud Computing เป็นการทำงานร่วมกันเพื่อนำเอาความสามารถของระบบประมวลผลมหาศาลมาใช้งานและสิ่งสำคัญคือ  คอมพิวเตอร์สามารถเชื่อมต่อกันได้โดยไม่จำเป็นต้องมี Hardware และระบบปฏิบัติการที่เหมือนกันทั้งหมด

ที่มาของภาพ : http://707056suchada.wordpress.com/tag/library-trend-cloud-computing-oclc-black-april

ที่ไหนเค้าใช้ cloud กันบ้าง มีเยอะครับ แต่หลักๆ ก็ดูจากภาพเลยครับ (น่าจะรู้จักกันทุกที่นะครับ)

 Grid + Cluster   =  Cloud computing

ที่มาของภาพ : http://icawaii.wordpress.com/

ปฐมบทของ Cloud Computing
          ที่มาหรือแนวคิดเรื่อง Cloud ก็เกิดจากการใช้ทรัพยากรที่มีอยู่อย่างคุ้มค่า ไม่ว่าจะเป็นฮาร์ดแวร์หรือซอฟต์แวร์
          อ่า ลองคิดดูนะครับว่าวันนึงๆ เราใช้คอมพิวเตอร์กี่ชั่วโมง แล้วเวลาที่เราปิดเครื่องไปล่ะ คอมพิวเตอร์ก็ไม่เกิดประโยชน์ ทั้งๆที่ประสิทธิภาพแต่ละเครื่องสุดยอดอยู่แล้ว เค้าก็เลยอยากใช้งานคอมพิวเตอร์ให้เกิดประโยชน์มากที่สุด
          ส่วนเรื่องของซอฟต์แวร์ก็เกิดจากแนวคิดที่ว่า " ใช้เท่าไหร่จ่ายเท่านั้น " เหมือนกับการจ่ายค่านำ้ค่าไฟฟ้านั่นแหละครับ ลองคิดดูนะครับว่าโปรแกรมที่เราใช้ เราได้ใช้มันครบทุกฟังก์ชั่นหรือเปล่า เอาง่ายๆ แค่ Microsoft word หรือโปรแกรมทางธุรกิจบางตัว เราใช้มันไปกี่เปอร์เซนต์เทียบกับความสามรถของมัน Windows หรือ ระบบปฏิบัติการต่างๆที่เราใช้ เราใช้มันไปมากแค่ไหน ใช้ครบทุกฟังก์ชั่นไหม แล้วตัวที่เราไม่ได้ใช้เราจะติดตั้งมันไปทำไม ต้องจ่ายตังค์ค่าลิขสิธิ์แบบเต็มๆ แต่ใช้งานเพี่ยงแค่นิดเดียว ถามว่ามันคุ้มไหม เปลืองทรัพยากรณ์ในเครื่องครับ สมมติว่าเราต้องการทำหนัง Animation แต่เครื่องเราแรงไม่พอ มันก็ทำงานไม่ได้ เอ๊ ก็ยืมเครื่องเค้าใช้สิ ยืมอย่างไรล่ะ Cloud computing ครับ คือคำตอบนึงที่น่าสนใจ ไม่ต้องซื้อเครื่องใหม่แพงๆด้วย เพียงแค่จ่ายเงินตามที่เราใช้งาน แต่ต้องใช้อินเทอเน็ตความเร็วค่อยข้างสูงนิดนึงนะครับ

          เหตุผลของการใช้ Cloud computing ยังมีอีกมากมายครับผมแค่อยากอธิบายแบบบ้านๆครับ


     ลองมองกันอย่างง่ายๆนะครับ ถ้าเรามองว่า Cloud computing คือ OS หรือระบบปฏิบัติการ มองว่าเครื่องคอมพิวเตอร์ทุกเครื่องในโลกที่เชื่อมต่ออินเทอร์เน็ตรวมกันเป็นคอมพิวเตอร์เครื่องเดียว จะได้ว่า
          Computer , Server และ อื่น ๆในระบบเครื่อข่าย = Hardware
          Network connection = Circuit คือวงจรภายในเครื่องคอมพิวเตอร์
          Cluster และ Grid = kernel คือส่วนประกอบหลักของระบบปฏิบัติการ ซึ่งคอยดูแลบริหารทรัพยากรของระบบ และติดต่อกับฮาร์ดแวร์และซอฟต์แวร์
          Cloud = OS ระบบปรฏิบัติการที่คอยควบคุมทุกอย่าง
          PaaS , SaaS , IaaS  = Application ที่ติดตั้งใน Cloud

(ปฐมบทนี้ มันเป็นความคิดของตัวผมเองนะครับ อาจจะผิดพลาดประการใด ก็ต้องขอโทษมา ณ ที่นี้ด้วยครับ )

ข้อมูลบางส่วนผมเอามาจาก http://icawaii.wordpress.com/ อธิบายไว้ดีมากครับ

Read More

อัลกอริทึมการรู้จำใบหน้า (Face recognition algorithm)

การพิสูจน์ตัวตนด้วยใบหน้าตามที่ผมจะแบ่งก็มีอยู่สองวิธีใหญ่ๆ ดังนี้ครับ

1. วิธีทางไบโอเมทริก (Biometric) เช่น การวัดระยะห่างของตา

2. วิธีทางสถิติ

กระบวนการรู้จำใบหน้าด้วยวิธีทางสถิติ

ก่อนอื่นก็ต้องรู้กระบวนการทั้งระบบก่อนนะครับ ผมขอกล่าวคร่าวๆเลยละกัน

การรู้จำทางสถิติจะมีอยู่สองขั้นตอนหลักนะครับ คือ 

     - การเรียนรู้ (Training)

     - การระบุตัวตน (Identify) หรือ Testing

      step 1 : เราต้องได้ภาพใบหน้ามาก่อน ไม่ว่าจะได้จากกล้องเว็บแคม กล้องถ่ายภาพธรรมดา หรืออะไรก็แล้วแต่ ต้องมาผ่านกระบวนการตรวจจับใบหน้า (Face Detection) กระบวนการ ตรวจจับใบหน้า ท่านสามารถหา Open source ได้ทั่วไปนะครับ ต่อไปก็ต้องผ่านการปรับแต่งภาพก่อน ไม่ว่าจะเป็นเรื่องของแสงเงา สัญญาณรับกวน ง่ายๆคือ แต่งภาพให้มันดีขึ้นครับ หรือ แต่งให้อยู่ในรูปแบบเดียวกันครับ

     step : 2 อันนี้สำคัญครับ คือการดึงลักษณะเฉพาะ (Feature) ของภาพ ผมขอยกตัวอย่าง โดยวิธีทางสถิตินะครับ เค้าใช้การลดมิติของภาพ เช่น จากภาพขนาด 100 x 100 pixel ก็จะมีจำนวน 10000 จุดภาพ  

ซึ่งข้อมูลมันเยอะมาก ต้องลดมิติหรือขนาดของข้อมูลลงให้น้อย เช่น ให้เหลือ 20 มิติ หรือ ค่าเอกลักษณ์จำนวน 20 ค่า ด้วยวิธีทางสถิติ วิธีใดวิธีหนึ่ง (ท่านต้องไปศึกษาเพิ่มเติมนะครับ)

     step : 3 ส่วนนี้คือการจำแนกกลุ่มของข้อมูล (Classification) ที่เราได้ดึงลักษณ์เฉพาะออกมาแล้ว ซึ่งก็มีวิธีอีกมากมาย ยกตัวอย่างเช่น การหาค่าที่ใกล้ที่สุด Nearest neighbor SVM แต่ละวิธีก็ยากง่ายต่างกันรวมถึงความแม่นยำด้วยนะครับ

     

     step : 4 สุดท้ายคือการเก็บลงฐานข้อมูลครับ (ถ้าเป็นขั้นตอนการระบุตัวตนจะทำเหมือนสามขั้นตอนข้างบนแต่จะเรียกว่า Identify)

วิธีเชิงความรู้ (Knowledge-based methods) เป็นวิธีการพิจารณาความสัมพันธ์ระหว่างลักษณะเด่นเฉพาะต่างๆบนใบหน้า ที่มีตำแหน่งและองค์ประกอบหลักพื้นฐานตายตัวบนใบหน้าตัวอย่างเช่น Yang and Huang (1994) ศึกษาวิธีเชิงความรู้แบบลำดับชั้น(hierarchical) ซึ่งพิจารณาแบ่งเป็น3 ลำดับชั้น ดังแสดงในรูปที่ 2.21

รูปที่ 2.21 ขอบเขตการพิจารณาของแต่ละลำดับชั้น

              ชั้นแรก พิจารณาหาตำแหน่งความน่าจะเป็นของใบหน้าโดยรวม ชั้นที่ 2 พิจารณาโดยค่าฮิสโตแกรม (histogram)ร่วมกับการหาเส้นขอบ ชั้นที่ 3 พิจารณาลักษณะเด่นภายในของใบหน้าเช่น ความสมมาตรกันของตาทั้ง 2 ข้างตำแหน่งของจมูกและปากในแนวตั้งและแนวนอน ต่อมา Kotropoulos and Pitas (1997) ได้ศึกษาวิธีฐานกฎแบบกำหนดเขต (rule-based localization method)ซึ่งเป็นวิธีการที่คล้ายคลึงกับวิธีของ Yang and Huang แตกต่างกันที่พิจารณาค่าฮิสโตแกรมทั้งใน แนวตั้งและแนวนอน  แต่ยังไม่สามารถขจัดปัญหาของภาพ  ที่มีพื้นหลังซับซ้อนและปัญหาความหลากหลายของใบหน้าบุคคล รวมทั้งการวางท่าที่แตกต่างกันได้

วิธีเชิงลักษณะ (Feature-based methods) เป็นการใช้อัลกอริทึมพิจารณาลักษณะเด่นและโครง สร้าง ของใบหน้า รวมทั้งความเปลี่ยนแปลงขององค์ประกอบต่างๆของภาพเช่น แสงเงาตัวอย่างเช่น Chetverikov and Lerch (1993) ใช้ความแตกต่างของแสงเงาและเส้นแนวเป็นแบบจำลองในการค้นหาใบหน้า โดยแบบจำลองนั้นประกอบด้วยจุดความสว่างน้อย (จุดมืด) 2 จุดเพื่อแสดงดวงตาและจุดความสว่างมา (จุดอ่อน) 3 จุด เพื่อแสดงโหนกแก้มและจมูกแล้วหาความสัมพันธ์ของระยะห่างและตำแหน่งของจุดต่างเพื่อคัดเลือกแบบหน้าที่เหมาะสม ระบบนี้มีข้อจำกัดอยู่ที่เมื่อแสงเงาของสภาวะแวดล้อมเปลี่ยนแปลงจะทำให้ประสิทธิภาพในการค้นหาเปลี่ยนไป ต่อมา Graf, Chen, Petajan, and Cosatto (1995) พัฒนาทฤษฏีนี้โดยใช้งานในระบบภาพระดับเทา และนำตัวกรองช่วงผ่าน (band pass filter) ตัวกรองเกาส์เซียน (Gaussian filter) และค่าฮิสโตแกรม มาใช้หาค่าจุดสูงสุดและต่ำสุดเพื่อกำหนดขอบเขตของใบหน้า

ลักษณะเฉพาะอีกประการหนึ่งที่นิยมนำมาพิจารณาหาใบหน้าบุคคลคือ ค่าสีผิวมนุษย์โดยมีการค้นหาในหลายๆปริภูมิสีโดย Crowley and Berard (1997) ทำการเก็บค่าเวกเตอร์ของสีผิวมนุษย์โดยแยกค่าสีออกเป็น R, G และ B เพื่อพิจารณาค่าฮิสโตแกรมของค่าสีผิวมนุษย์ที่ได้จากการสำรวจข้อมูลกลุ่มตัวอย่าง ต่อมา Saxe and Fould (1996)ประยุกต์ใช้วิธีการดังกล่าวกับปริภูมิสี HSV และใช้แนวคิดค่าฮิสโตแกรมตัดผ่าน (histogram intersection) เปรียบเทียบค่าฮิสโตแกรมควบคุมกับค่าฮิสโตแกรมปัจจุบัน ซึ่งทำให้ประสิทธิภาพดีกว่าการใช้ค่าเริ่มเปลี่ยน

             Chai and Ngan (1998) พิจารณาค่าสีผิวในปริภูมิสี YCrCb โดยพิจารณาค่าเริ่มเปลี่ยนของค่าสีผิวมนุษย์ที่ได้จากการสำรวจข้อมูลกลุ่มตัวอย่าง ซึ่งต้องระมัดระวังในการเลือกใช้ให้เหมาะสมกับภาพที่ทำการทดลองและเป็นข้อเสียของการคัดแยกสีผิวมนุษย์ด้วยค่าเริ่มเปลี่ยน ต่อมามีการนำการคัดแยกสีผิวมาใช้ร่วมกับวิธีการอื่นๆในการค้นหาใบหน้าตัวอย่างเช่น Wu, Yokoyama, Pramadihanto, and Yachida(1996) ใช้ทฤษฏีคลุมเครือ (fuzzy theory) ในการคัดแยกสีผิวมนุษย์และสีผมในปริภูมิสี CIE XYZ โดยทำการแปลงจากปริภูมิสี RGB นอกจากนี้ยังมีการนำเอาลักษณะเด่นของใบหน้าอื่นๆมาใช้ในการค้นหาตัวอย่างเช่น (Yokoo and Hagiwara(1996) ใช้คุณสมบัติของโครงหน้าทั่วไปของมนุษย์ที่เป็นรูปไข่สร้างแบบจำลองรูปวงรีเปรียบเทียบพารามิเตอร์ร่วมกับการค้นหาแบบจีนเนติกอัลกอริทึม (genetic algorithm) จากการศึกษาพบว่าวิธีการนี้มีข้อจำกัดอยู่ที่รายละเอียดของใบหน้าที่ทำการค้นหาต้องมีความชัดเจนและมีขนาดใหญ่เพียงพอต่อการค้นหา

วิธีเทียบเคียงแผ่นแบบ(Template matching methods) เป็นการเปรียบเทียบภาพที่ต้องการค้นหากับโครงสร้างแบบจำลองของใบหน้ามาตรฐาน โดยเก็บข้อมูลความสัมพันธ์อย่างอิสระของส่วนต่างๆ บนใบหน้าได้แก่โครงสร้างใบหน้า ตา จมูก และปาก ในท่าหน้าตรงตัวอย่างเช่น Sakai, Nagao and Fujibayashi, (1969) เสนอโครงสร้างแบบจำลองแผ่นแบบย่อย (subtemplates model) โดยใช้ตัวกรองโซเบล (sobel filter) หาเส้นขอบ เพื่อหาตำแหน่งความน่าจะเป็นของส่วนย่อยต่างๆบนใบหน้าที่สามารถเข้ากันได้ดีที่สุดกับแบบจำลองแผ่นแบบย่อยให้เป็นตำแหน่งของใบหน้าที่ต้องการต่อมา Tsukamoto, Lee, and Tsuji (1994) เสนอแบบจำลองคุณภาพสำหรับรูปแบบหน้า (qualitative model for face pattern : QMF) โดยใช้พารามิเตอร์ของแสงสว่างและเส้นขอบใบหน้าเป็นแบบจำลองของใบหน้า และเทคนิคที่นิยมใช้อีกอันหนึ่งคือการวิเคราะห์องค์ประกอบหลัก (principal component analysis: PCA) โดย Jung, Lee C.W., and Lee Y.C (2002) ศึกษาการค้นหาตำแหน่งที่แน่นอนของใบหน้าโดยใช้หลักการพื้นฐานทางด้านเรขาคณิต วิเคราะห์องค์ประกอบของใบหน้าให้อยู่ในรูปของสมการทางคณิตศาสตร์

                  ต่อมามีการพัฒนาแบบจำลองให้มีความสามารถปรับตัวได้เรียกว่าแผ่นแบบเปลี่ยนรูปได้

( deformable templates ) โดยแผ่นแบบสามารถปรับตัวให้รองรับความยืดหยุ่นของโครงสร้างใบหน้าที่เปลี่ยนแปลงไปและลดปัญหาที่มีในแผ่นแบบคงตัวตัวอย่างเช่น Malciu and Preteux(2002) นำแบบจำลองหน้าจากฐานข้อมูล MPEG-4 มาสร้างเป็นแบบจำลองแผ่นแบบพารามิเตอร์ (template parameterization) และพิจารณาความยืดหยุ่นของโครงสร้างใบหน้าเปรียบเทียบเป็นความยืดหยุ่นของสปริง เพื่อหาค่าพลังงานที่สปริงใช้น้อยที่สุดในการจะปรับตัวเพื่อให้ภาพที่หาเส้นขอบนั้นเข้ากับแบบจำลองมากที่สุด 

วิธีเชิงลักษณะปรากฏ(Appearance-based methods) เป็นการเปรียบเทียบภาพที่ต้อง การค้นหากับโครงสร้างแบบจำลองของใบหน้าที่ทำการเรียนรู้และฝึกสอนให้ระบบจดจำและนำความรู้ในฐานข้อมูลมาใช้ในการพิจารณาโดยสามารถแบ่งย่อยได้หลายวิธีด้วยกันในที่นี้จะทำการเสนอเพียงวิธีการที่ได้รับความนิยมใช้งานกันอย่างกว้างขวาง 3 วิธีดังนี้

 วิธีหน้าลักษณะเฉพาะ (Eigenface Methods) เป็นการวิเคราะห์องค์ประกอบพื้นฐานของใบหน้า  ด้วยกระบวนการทางสถิติของใบหน้าที่หลากหลาย โดยหน้าลักษณะเฉพาะคือเซตของเวกเตอร์ลักษณะเฉพาะ(eigen vector) ที่สามารถหาได้จากเมทริกซ์ความแปรปรวน ร่วมเกี่ยว (covariance matrix) สร้างเป็นแบบจำลองของใบหน้าที่รวมเอาลักษณะเด่นต่างๆของภาพใบหน้าตัวอย่างมาร่วมกันเพื่อหาค่าเฉพาะเจาะจงขององค์ประกอบบนใบหน้า ซึ่งในแต่ละบุคคลจะเป็นค่าเฉพาะของบุคคลนั้นๆตัวอย่างเช่น Turk and Pentland (1991) นำภาพระดับเทามาแปลงเป็นเวกเตอร์เพื่อหาค่าลักษณะเฉพาะและนำค่าลักษณะเฉพาะของตัวอย่างภาพหน้าบุคคล  มาสร้างเป็นแบบจำลองหน้าลักษณะเฉพาะเพื่อค้นหาตำแหน่งของใบหน้าวิธีเชิงการกระจาย (Distribution-Base Methods) เป็นการแสดงการกระจายตัวของรูปแบบข้อมูลตัวอย่างที่มีความเป็นหน้าและความไม่เป็นหน้าเพื่อใช้เป็นบรรทัดฐานในการตัดสินใจตัวอย่างเช่น Sung and Poggio (1998) นำฟังก์ชันเกาส์เซียน (Gaussian function) มาประมาณกลุ่มการกระจายของค่าเฉลี่ยกลุ่มตัวอย่าง แสดงในรูปที่ 2.22

รูปที่ 2.22 การกระจายตัวของข้อมูลตัวอย่าง

โครงข่ายประสาทเทียม(Artificial Neural Networks) เป็นการฝึกสอนโครงข่ายด้วยโครงสร้างใบหน้าที่มีความซับซ้อน โดยทำการปรับค่าน้ำหนักประสาทเพื่อให้ค่าความผิดพลาดกำลังสองเฉลี่ยมีค่าลดลง ความถูกต้องของโครงข่ายประสาทเทียมขึ้นกับตัวอย่างที่ทำการฝึกสอนจำนวนชั้นนิวรอนและจำนวนนิวรอนที่เหมาะสม ตัวอย่างเช่น Rowley, Baluja, and Kanade (1998) ใช้โครงข่ายประสาทเทียมแบบแพร่กลับในการฝึกสอนข้อมูลตัวอย่าง โดยทำการแบ่งข้อมูลออกเป็นภาพตัวอย่างใบหน้าบุคคลและภาพที่ไม่ใช่ใบหน้าบุคคลอย่างละ 1,048 ภาพ และแบ่งชุดข้อมูลออกเป็น 15 ชุดข้อมูล รวมข้อมูลตัวอย่างทั้งหมดได้ 15,720 ภาพ ซึ่งการฝึกสอนที่มีจำนวนข้อมูลตัวอย่างที่ครอบคลุมและมากเพียงพอจะช่วยลดความผิดพลาดของระบบ

รูปที่ 2.23 ตัวอย่างโครงข่ายประสาทเทียม

รายละเอียดของแต่ละอัลกอริทึมท่านต้องไปศึกษาเพิ่มเติมนะครับ มิฉะนั้น งง แน่ๆ ครับ

และอื่นๆ ครับ รอท่านวิจัยต่อไป เหอะๆ


อ้างอิงข้อมูลบางส่วน : sutir.sut.ac.th:8080/sutir/bitstream/123456789/3164/2/fulltext.pdf

Read More

การป้องกันการโจมตีเครือข่าย

การป้องกันการโจมตีเครือข่ายของธุรกิจขนาดเล็กอย่างง่ายๆ นะครับ

           ภัยคุกคามของระบบสารสนเทศได้เพิ่มขึ้นร้อยละ 65 ในสองปีที่ผ่านมาและจำนวนของการโจมตีเครือข่ายได้เพิ่มขึ้นโดยเฉพาะธุรกิจขนาดเล็กที่มีการเชื่อมต่ออินเทอร์เน็ตบรอดแบนด์        ความต้องการที่จะป้องกันการกลายเป็นเหยื่ออาชญากรรมไซเบอร์จึงเป็นสิ่งจำเป็นอย่างยิ่งครับผม

ขั้นตอนง่ายๆ ที่มีประสิทธิภาพที่ธุรกิจขนาดเล็กสามารถดำเนินการเพื่อปกป้องระบบได้ครับ

1. ใช้ไฟร์วอลล์  ไฟร์วอลล์เป็นอุปสรรคที่ช่วยให้แฮกเกอร์และไวรัสออกจากเครือข่ายคอมพิวเตอร์ ไฟร์วอลล์ตัดเครือข่ายการจราจรและอนุญาตให้เฉพาะข้อมูลที่ได้รับอนุญาตให้ผ่านดังภาพครับ

  ที่มาของภาพ : http://www.vectortech.co.th

2. นโยบายการรักษาความปลอดภัยขององค์กร   นโยบายควรชี้นำให้พนักงานใช้รหัสผ่านที่ไม่ซ้ำกันที่มีการรวมกันของตัวอักษรและตัวเลข รหัสผ่านควรจะมีการเปลี่ยนแปลงทุก 90 วัน เมื่อมีคนลาออกจาก บริษัทควรลบชื่อผู้ใช้และรหัสผ่านทันที นะครับ ดูจากภาพ

ที่มาขอภาพ : http://www.ruskwig.com/it_security_policy.htm

3. การติดตั้งซอฟต์แวร์ป้องกันไวรัส คอมพิวเตอร์ทุกเครื่องควรใช้โปรแกรมป้องกันไวรัสรุ่นล่าสุด โดยเฉพาะอย่างยิ่งที่เครื่องเซอร์เวอร์ควรมีการตรวจสอบเป็นระยะๆ พวก email ต่างๆ ก็ควรกรองก่อนเข้าระบบ 

4. ติดตามการอัพเดทระบบปฏิบัติการอย่างเสมอ ควรใช้ patch ล่าสุดหรือรุ่นของซอฟต์แวร์บางตัวสามารถหาได้ฟรีผ่านทางอินเทอร์เน็ต ถ้าคุณใช้ Microsoft Windows ตรวจสอบ patch  ล่าสุดได้ที่ www.windowsupdate.com

5. ไม่เรียกใช้บริการเครือข่ายที่ไม่จำเป็น เมื่อติดตั้งระบบแล้ว คุณสมบัติที่ไม่จำเป็นควรจะปิดการใช้งาน เพราะว่ามันจะเป็นช่องโหว่ของระบบโดยทีเราไม่รู้ตัว การเปิดใช้งานควรใช้เฉพาะความจำเป็นหรือตามหน้าที่ของแต่ละคนหรือกำหนดสิทธิ์การใช้งานให้ดี ครับ

6. ดำเนินการทดสอบช่องโหว่ การดำเนินการทดสอบช่องโหว่เป็นวิธีที่มีประสิทธิภาพในการประเมินโปรแกรมรักษาความปลอดภัยในปัจจุบัน การทดสอบนี้จะเน้นข้อบกพร่องและข้อ จำกัด ในโปรแกรมและผู้เชี่ยวชาญสามารถให้คำแนะนำเพื่อการปรับปรุง วิธีที่ดีที่สุดสำหรับการดำเนินการทดสอบช่องโหว่คือการติดต่อ บริษัทที่ชำนาญมาจัดการดูแล ครับ

ที่มาขอภาพ : http://www.2-sec.com/pci-dss-penetration-testing/

7. ให้ความรู้เกี่ยวกับการรักษาความปลอดภัยในเครือข่าย ได้แก่ หนังสือ นิตยสารและแหล่งข้อมูลออนไลน์ให้ข้อมูลเกี่ยวกับเครื่องมือรักษาความปลอดภัยที่มีประสิทธิภาพ

ที่มาของภาพ : http://www.preventingidentityfraud.com

อ้างอิงหรืออ่านเพิ่มเติมได้ที่ : http://www.detroitchamber.com

Read More

การดู password wifi

การดู password wifi
ในกรณีที่เราลืมรหัสผ่าน wireless หรือต้องการดูว่ารหัสที่เรา connect อยู่คืออะไร สามารถดูได้อย่างง่ายดายครับ สำหรับ Windows 7 ทำตามขั้นตอนดังนี้นะครับ
1.) เข้าไปที่ Open Network and Sharing Center
2.) ไปที่ Manage wireless networks

ก็จะเจอหน้าตาของ Networks ที่เราเคย connect ประมาณนี้ครับ ก็แล้วแต่ว่าใครเคยเชื่อมต่อที่ไหนมาบ้างนะครับ

จากนั้นก็เลือก Double click ตัวที่เราต้องการเลยครับ ก็จะปรากฏหน้าตาอย่างนี้ครับ

ให้เลือกที่ tab Security จากนั้นก็ไปเลือกที่ Show characters ก็จะปรากฏรหัสผ่านครับ

Read More