【Open Data專題】Part2政府開放資料5大問題絆腳
【Open Data專題】Part2政府開放資料5大問題絆腳
2014.05.27 | 技能

為了提升臺灣產業競爭力,一年多前,政府開放資料的政策方向確立,時至今日,還在積極與民間產業共同凝聚共識,試圖讓開放資料更加聚焦,真正挹注產業發展新的能量。在這樣的前提下,Open data taiwan(ODTW)計畫邀請國發會資訊處處長簡宏偉和經濟部工業局知識服務組副組長林俊秀,與關心開放資料的民眾進行對談,並且釐清目前開放資料所遇到的問題。


國發會資訊處處長簡宏偉(攝影/郭芝榕)。

簡宏偉提出目前推動開放資料政策所遇到的5大問題,目前還需經過各部會溝通協調,並且與民間凝聚進一步的共識:

一、開放資料:哪些資料可以公開?有沒有權利的問題?有什麼特質?如何定義中間的比值?政府資訊公開法的限制公開或不公開的情形為何?

二、授權使用:必須檢討機關現行授權規定,開放授權限制,促進民間自由運用。如何取得授權規範的一致性?由政府機關自行產業的著作權屬該政府機關,政府機關委託產製,依著作權法或法律規定。推動開放政府資料,協調指標性部會先試辦,朝制定「應用程式介面」及「系統介接自動取得」標準規範。

三、律定開放資料的責任:涉及民眾權益時,適用國家賠償法嗎?國家賠償法和民眾侵權行為之間要如何取捨?此外,政府資料開放要建置退場機制,發現不適合繼續開放資料時,要有適當處置。目前可確定之前開放的資料不會有回收的問題。以及,使用授權規範中免責、無擔保條款的合理性在哪裡?

四、收費議題:開放資料應該免費嗎?如果政府有再製過,要不要收費?目前,第一階段透過私法授權,要求大家開放以免費提供為原則,但不表示未來不收費。對有些可能要收費的資料,要怎麼做?這牽涉「規費法」法規的鬆綁。

五、個資保護:如何保謢個人資料?如何做到真正的去識別化?做到什麼程度才夠?如健保資料等特種資料的個資爭議。政府要在好的服務和保護個人之間取得平衡。而現行資料蒐集並無說明開放資料的特定目的,未來將蒐集的個資,也無法提供特定目的說明。

 
經濟部工業局知識服務組副組長林俊秀(攝影/郭芝榕)。

以下節錄座談會現場問與答:

Q:政府自己要從裡面獲利,才會願意開放更多資料,促成開放政府。雖然產業有資料的需求,但開放政府資料並非只談加值應用。開放資料真的有幫助到政府嗎?

簡:第一、要讓政府開放資料蠻不容易的,因為大家怕錯,也怕媒體批評,把資料拿去負面報導。所以要好好溝通,怎麼樣讓機關不要怕錯?錯了就要更正,所以推動困難。

第二、政府考慮法律,必須依法行政。目前有規費法、資訊公開法…等等法規,沒有鬆綁如何開放?目前開放的資料不是立即可用或大家需要的,比較困難的是政府資料涉及法規,法規要鬆綁才有辦法開放更多。但要修法要送立法院,在立法院會不會排入優先議題?要如何去解?都是難題。部會常常說不想開放資料,是因為媒體不會解讀,會誤解資料而做出負面評論,我回答那你更應該開放。

林:理想跟現實有很大的落差,要一下子達到所有資料都開放很困難,由簡單到困難會比較好推動,所以第一步是以主題為主,慢慢推動。 

Q:對Open Data推廣有什麼想法?目前在推廣方面蠻失敗的,KPI如何衡量?

林:目前工業局推廣的方式是發新聞稿,找媒體座談。從學生角度有全國大專院校資訊應用服務創新競賽,社會角度有300多人報名Open Government Data創新應用競賽。此外,資料的品質,推動3-4年以後應該有些成效。工業局認為要有營利模式才會長久,還是會持續用辦活動的方法推廣,凝聚Open Data推動的力量,沒有去做的話不知道台灣產業Open Data的全貌。

簡:其實推廣沒有一定的方法,推廣並非只有辦活動,我們會去跟部會說明為什麼要做Open Data,國發會比較在意機關是否可以接受Open Data。今年要開放80項資料集,但我們沒有訂明確的KPI,因為很多東西不是由政府去做,而是擴散作用。

Q:中選會雖釋出資料,但易讀性不夠,要處理原始資料就需要乾淨友善的資料,才能資訊化。資料到資訊之間,政府要做到什麼程度才夠?

林:國外也只有開放原始資料(raw data)而已,目前政府只要開放資料就好,其實不需要經過額外處理。

簡:我也問過中選會,選舉名冊都公開,為何不開放?但他們說只能在選舉期間公開,否則會違反個資法。中選會公開是依據選罷法,在選舉期間外不可以再公開這些資料,所以我們請中選會提供統計數據。又像是業者說要路口交通流量資料,但目前只有重要路口的流量資料,因為並沒有在路口裝太多sensor。很多時候大家都認為政府有很多資料,但事實上並沒有,很多資料必須溝通。

Q:規費法其實是假議題,面對個資法時,公務機關也會用安全方式來解釋本位,國家賠償法目前並沒有法令的問題。除了大家拚命解釋之外,政府有沒有其他積極做法?有沒有可能國發會去提大法官解釋?下一步有什麼方法?民間訴願?

簡:我贊成這是假議題,規費法下一條有講到機關要收費必須提供成本分析,而民意機關可決定不收費,所以是假議題。但法的主管機關不認同,所以在協調之前必須準備好。各部會目前是依據規費法授權另定法律,我們想去找規費法主管機關,就這幾條去協調,希望可以鬆綁法規。但很多法條乍看沒問題,施行細則卻會寫得很死,因為公務人員必須白紙黑字寫清楚沒問題,才有可能實行。大法官解釋不太可能,我對民間訴願沒有問題,內外挾擊比較快。

Q:國發會說質不是問題,但對產業來說是很重要的問題,目前產業界較採觀望態度,政府要如何推動產業?

林:我們要做的是建立溝通管道、加強溝通、知道需求,除了收費考量之外,政府會想要給大家所需要的資料,只是缺乏溝通。今年的做法就是以主題為主,才知道開放出來是否真的對民眾有用,所以,我們找一堆廠商面對面,才能了解產業真正需要的。在時間跟經費的限制上只能慢慢做,品質部分就是希望大家盡量給意見。另外,有時候不能用通案解決個案,要共同都不收費,但挑戰很高,要用個案來討論。

簡:本來今年沒有要訂幾項,但發現沒有訂的話機關就不動,但有些機關就是沒資料,也不能勉強。去年比較不在意品質,今年有在注意品質。但比較困擾的是怎麼定義品質?什麼叫做資料集?但每個人的定義都不同。部會也有說,定義100項,但很多部會會把資料切開。

我們想著重品質,但很難定義品質。現階段並沒有統一的講法,譬如錯誤率、下載率、瀏覽率?總不能隨便抓指標出來,而不知道為什麼?目前可想到的是,錯誤率、標準化、切割性都是指標,還有什麼指標?也要可操作,目前還沒有很好的想法。

Q:政府到底為什麼要做Open Data?這樣才能定義出品質要什麼。

簡:政策就是無歧視的開放,必須開放、標準化,包括格式和開放方式都必須無歧視,也牽涉過去資料怎麼做轉製?這些目標清楚了之後,再往下就會有品質的指標。

Q:有沒有辦法把記者拉進Open Data?

林:如果記者有需要,我們會針對記者開相關課程。

簡:我們的確有在思考是不是要有data journalism的課程,不過,政府應該提供讓一般人可以使用的開放資料,但政府沒有權力介入。訓練媒體不是我們應做的,媒體應充實基本能力,去解讀資料也是記者的專業。但如果市場上沒人訓練時,要由政府來做。

Q:開放資料公共參與,若要從政府內外挾擊,社群力量可怎麼使力?

簡:概念是社群跟政府是朋友,需要什麼就講,所有的建議是建設性的,不要只是說這個不好。當民間有自己的評估模式時,是非常好的競爭關係,社群、媒體、政府、企業其實是種合作的關係,要找出錯誤但要有建設性。也是要強調,政府就是只能做這麼多,開放政府想看到的其實是公民參與,共同營造開放政府的環境和機制。

專題系列:
[Open Data專題]Part1政府開放資料,政府及民間仍在磨合
[Open data專題]Part 3政府開放資料起步走,應用加值還有成長空間

延伸閱讀:Open Data應用案例病後人生、資料新聞學  

關鍵字: #開放資料 #開源
往下滑看下一篇文章
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證

重點一:數位詐騙生命週期極短,打完一波就轉移陣地,「下架」只處理了眼前的內容,處理不了事後追查。

重點二:台灣數位安全發展協會以AI蒐集、分類詐騙廣告,九成以上工作可由AI完成,最終判斷仍保留人工背書。

重點三:透過司法聯盟鏈b-JADE,只把資料的「數位指紋」上鏈存證,原始資料另行保存,目標是降低被害人的訴訟舉證成本。

一則可疑的投資廣告被檢舉、下架,帳號也停權了,多數人以為事情就此結束。真正麻煩的是,廣告消失的那一刻,追查詐騙集團的線索也可能跟著消失。

為了補上這個缺口,台灣數位安全發展協會正與司法聯盟鏈「b-JADE」合作,替詐騙相關資料做存證。b-JADE是一套以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務;資料一旦上鏈,任何改動都會留下痕跡。白話說,就是替數位證據貼上「封條」,讓證據從蒐集到進入法庭,都能驗證有沒有被動過手腳。

詐騙廣告下架,為什麼還不夠?

原因在於數位詐騙的生命週期太短,下架只能處理眼前的內容。台灣數位安全發展協會理事長劉彥伯指出,傳統電話詐騙一套劇本可以拉長到半年、甚至一年;數位詐騙則像打游擊,一波結束就移往下一個平台,從廣告、社群到另一個App,一路跨平台引導被害人。

更大的問題是證據跟著斷線。被害人發現受騙時,可能已是半年後,手上通常只留得住最末端的匯款與聯絡紀錄,最初看過哪則廣告、點進哪個網站,早已消失。等到一、兩年後警方抓到詐騙集團,對方就能在法庭上反問「你怎麼證明我投過這則廣告?」劉彥伯以假設情境說明,一個集團原本可能詐騙了30億元,最後因證據不足,認定金額只剩幾千萬甚至幾百萬元。

不過,詐騙活動都會留下數位足跡,包括投放帳號、代理商、投放時間、運作國家與網址註冊紀錄,只要事先保存,日後調閱就「有憑有據」。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯
圖/ 數位時代

AI都這麼強了,為什麼還要先做資料治理?

台灣數位安全發展協會的核心主張是:好的資料分析,從好的資料治理開始。所謂資料治理,就是把散落在各平台、格式不一的碎片資料,整理成來源清楚、格式一致、可以互相比對的資料。協會先確認每筆公開資料的來源、時間、權限、版本與隱私,再標上事件分類、風險評估、曝光平台、投放者與網址等標籤,才能找出彼此關聯、還原詐騙網絡。

根據協會的實證簡報,系統在一段監測期間內掃描309.5萬則廣告,通報62.8萬則(約占20%),投放當日偵測率達99.21%。劉彥伯也提到,協會與資安院、數位發展部在打詐通報查詢網的合作中,判斷率接近百分之百。

那還需要人嗎?答案是需要。現行法律仍要求有人為判斷結果背書負責,加上詐騙劇本會隨被害人的回應即時調整,因此協會讓AI處理九成多的工作,最後由人做判斷。

截圖不能當證據?b-JADE如何替詐騙證據貼上「封條」

在AI改圖越來越容易的今天,單純截圖很難在法庭上證明自己沒被竄改過。劉彥伯的比喻是:截圖比較像「我那天真的看過,還拍了一張照片」;可信存證則是把證物放進有封條、有時間、有編號、有保管紀錄的證物袋,「重點不是有沒有留下東西,而是未來能不能驗證這是不是當時那一份」。

這也是b-JADE派上用場的地方,但並不是把所有資料都放上區塊鏈。協會把原始資料與AI分析結果,保存在權限受管控的系統裡,只把每份資料的「數位指紋」交給b-JADE存證。數位指紋的特性是,內容只要有任何改動,指紋就會完全不同,因此能證明資料沒被動過;需要時,再經授權調閱原始資料,兼顧隱私與驗證。依b-JADE規範盤點,協會既有流程已符合19項要求,其餘7項缺口也逐步補強,例如存證時間改採具公信力的標準時間來源,不再依賴電腦本機。

防詐能從事後追查走向事前預警嗎?

可以,協會正把存證從被害人受騙後,往前推到「主動式上鏈」:AI判定高風險的內容,先一步蒐集存證,不必等到有人受害。

小農是第一個場景。許多消費者在網路上支持小農,錢最後卻流進冒名的詐騙集團。協會因此與農業部合作推出「農本人」系統,讓小農自行登錄銷售管道與社群帳號形成白名單,再結合AI蒐集的黑名單,一旦遭冒名就能第一時間發現並報案。這套模式未來也可延伸至網路霸凌、性私密影像等案件。

制度面也在加速。2026年8月,司法聯盟已開設認證專班,邀集司法院、法務部、高檢署、調查局與警政署相關人員受訓,相關存證應用預計明年正式推出,時程仍待聯盟拍板。

劉彥伯坦言,目前從蒐集、分案到下架的流程仍然冗長,技術正好能在保留人為背書的前提下縮短流程。他在《數位關鍵字》節目尾聲留給聽眾的一句話是:「數位安全不只是技術工具,也涉及資料的可信、法遵治理與跨領域合作。」當AI幫人更快找到線索,經得起驗證的資料,將讓每一位被害人在法庭上多一分底氣。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯認為,可信存證的重點不是留下東西,而是未來能被驗證。
圖/ 數位時代

常見問答
Q1:詐騙廣告被下架後,還能當作證據嗎?
A:若事前沒有保存,下架後就很難追溯。台灣數位安全發展協會建議在內容消失前,保存投放帳號、代理商、投放時間、運作國家與網址等數位足跡,日後才能據以向平台請求調閱。

Q2:手機截圖可以當作詐騙證據嗎?
A:截圖只能證明「看過」,難以證明未被竄改。在AI改圖越來越容易的情況下,透過數位指紋與具公信力的時間紀錄進行可信存證,才能在日後驗證資料是否為當時的原始版本。

Q3:什麼是b-JADE司法聯盟鏈?
A:b-JADE是以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務。台灣數位安全發展協會的做法是只將資料的數位指紋上鏈,原始資料另行保存在權限受管控的系統,兼顧隱私與驗證,目標是降低訴訟舉證成本。

Q4:AI可以完全取代人工判斷詐騙嗎?
A:目前不行。依台灣數位安全發展協會的做法,九成以上的蒐集與分類工作可由AI完成,但現行法律仍要求由人做最終判斷,並為結果背書負責。

Q5:小農要如何預防被冒名詐騙?
A:可登錄台灣數位安全發展協會與農業部合作的「農本人」系統,自行提交銷售管道、粉絲專頁與LINE帳號建立白名單,搭配AI主動蒐集的黑名單,遭冒名時能第一時間發現並報案。

完整對談請收聽《數位時代》Podcast《數位關鍵字》EP264。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓