ສຶກສາການນຳໃຊ້ AI ເຂົ້າໃນການຫຼຸດຜ່ອນຈຳນວນລັອກທີ່ມີຈຳນວນຫຼາຍກ່ອນສົ່ງເຂົ້າລະບົບ SIEM
ວາລະສານວິທະຍາສາດສັງຄົມ · 15.08.2026 · 1 (1) · 122-133
DOI: 10.71026/ssj.v1i1.177 ↗Kurz gefasst
Fachartikel in der Zeitschrift ວາລະສານວິທະຍາສາດສັງຄົມ, online erschienen am 15.08.2026. Verfasst von Alee XAYKAOTHOR und 1 weiteren Autor:innen.
Abstract (Originalsprache)
ການຄົ້ນຄວ້ານີ້ມີວັດຖຸປະສົງເພື່ອສຶກສາການນຳໃຊ້ແບບຈຳລອງປັນຍາປະດິດ (AI) ແລະ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine Learning: ML) ເຂົ້າມາຊ່ວຍໃນການກັ່ນຕອງ ແລະ ຫຼຸດຜ່ອນປະລິມານ Log ທີ່ມີຈຳນວນຫຼາຍກ່ອນສົ່ງເຂົ້າສູ່ລະບົບ Security Information and Event Management (SIEM). ເນື່ອງຈາກລະບົບ SIEM ແບບດັ້ງເດີມຕ້ອງຮັບມືກັບຂໍ້ມູນມະຫາສານ (Big Data) ທີ່ເຮັດໃຫ້ເກີດ Noise, ສະພາວະ Alert Fatigue ແລະ ຕົ້ນທຶນ License/Storage ທີ່ສູງ. ການສຶກສາໄດ້ອອກແບບ Architecture ແບບ Layered ( Tier 1 ຫາ Tier 4) ໂດຍນຳໃຊ້ແບບຈຳລອງ AI ເຊັ່ນ: XGBoost, Secure BERT 2.0, Random Forest, ແລະ LogBERT ເພື່ອກວດຈັບ Anomaly, ສະກັດ Semantic Embeddings, ແລະ ຄິດໄລ່ Composite Risk Score. ການທົດລອງໄດ້ຈຳລອງການຫຼຸດປະລິມານ Log ເປັນ 5 ຊຸດ (100%, 95%, 93%, 80% ແລະ 75%) ແລ້ວນຳເຂົ້າ Wazuh SIEM ເພື່ອປະເມີນເວລາປະມວນຜົນ (Rs), ຈຳ ນວນ Alert (Ra), ແລະ ຄວາມຖືກຕ້ອງ (Rp). ຜົນການສຶກສາຄາດວ່າ AI ສາມາດຫຼຸດປະລິມານ Log ໄດ້ຢ່າງມີປະສິດ ທິພາບ ໂດຍທີ່ອັດຕາຄວາມຖືກຕ້ອງຂອງການແຈ້ງເຕືອນໃນລະ ບົບ SIEM ບໍ່ຫຼຸດລົງ.
Zitieren
APA
XAYKAOTHOR, A., & Phomkeona, X. (2026). ສຶກສາການນຳໃຊ້ AI ເຂົ້າໃນການຫຼຸດຜ່ອນຈຳນວນລັອກທີ່ມີຈຳນວນຫຼາຍກ່ອນສົ່ງເຂົ້າລະບົບ SIEM. ວາລະສານວິທະຍາສາດສັງຄົມ, 1(1), 122-133. https://doi.org/10.71026/ssj.v1i1.177
Vancouver
XAYKAOTHOR A, Phomkeona X. ສຶກສາການນຳໃຊ້ AI ເຂົ້າໃນການຫຼຸດຜ່ອນຈຳນວນລັອກທີ່ມີຈຳນວນຫຼາຍກ່ອນສົ່ງເຂົ້າລະບົບ SIEM. ວາລະສານວິທະຍາສາດສັງຄົມ. 2026;1(1):122-133. doi:10.71026/ssj.v1i1.177
BibTeX
@article{XAYKAOTHOR2026,
author = {XAYKAOTHOR, Alee and Phomkeona, Xanouphab},
title = {ສຶກສາການນຳໃຊ້ AI ເຂົ້າໃນການຫຼຸດຜ່ອນຈຳນວນລັອກທີ່ມີຈຳນວນຫຼາຍກ່ອນສົ່ງເຂົ້າລະບົບ SIEM},
journal = {ວາລະສານວິທະຍາສາດສັງຄົມ},
year = {2026},
volume = {1},
number = {1},
pages = {122--133},
doi = {10.71026/ssj.v1i1.177}
}
EUVIMED