間諜軟體引發網路恐慌|數位時代 BusinessNext

過去一年多來，近不少人的電腦上開始會自動跳出一些奇怪的廣告網頁，或是瀏覽器的首頁莫名其妙被竄改，甚至上網搜尋資料時，會突然被導引到陌生的商業網站上，不用懷疑，這正是間諜軟體(spyware)搞的鬼。根據AOL／NCSA(America Online and the National Cyber Security Alliance)的研究，已有八○％的家用電腦上被安裝了間諜軟體。

電腦中潛藏的隱私威脅

如果只是單純地自動彈出廣告，基本上這類軟體還不致於造成太大傷害，但自二○○三年出現第一隻會自動撥接用戶銀行系統的間諜軟體Bugbear.b開始，逐漸出現個人電腦資料被盜賣給垃圾郵件業者，甚至密碼被側錄等一系列網路竊盜行為，間諜軟體所引發的嚴重威脅才被警覺，但麻煩似乎已經難以避免。
就在兩個多星期前，日本瑞穗(Mizuho)銀行的網路客戶，赫然出現存款在不知不覺中被轉帳盜領，兩起事件共損失約五百萬日圓。一開始所有人都以為這只是一般的盜領事件，經過日本警視廳高科技犯罪對策中心調查後才發現，事情的癥結並不在銀行，而是因為被害人的電腦被安裝了側錄密碼的間諜軟體，才導致個人資料外洩而不自知。
這起事件很可能只是冰山一角，因為去年國際數據資訊(IDC)針對北美地區六百家企業進行調查，發現有高達七成的電腦曾遭遇過間諜軟體的侵害。這些常駐在電腦中的間諜軟體、廣告軟體，在過去一年來突然成為網路使用者揮之不去的夢魘。防毒軟體公司McAfee的研究中心AVERT在二○○四年底提出的報告更為驚人：「在全球每部電腦上，平均藏有十三個廣告軟體元件。」
像風暴般席捲全球網路的間諜程式，夾帶出的商機也是蠢蠢欲動。IDC分析，間諜程式已經成為病毒、人為疏失以及網路蠕蟲(Internet Worm)之外，第四大網路安全威脅，「光是去年，相關防護產品的市場就成長了二八三％，高達五千萬美元，到了二○○八年，產值預計將高達三億美元。」

夾在共享軟體中防不勝防

這股新的網路威脅，到底從哪裡來？成長速度為何又如此迅速？McAfee技術經理沈志明表示，目前流行的間諜程式，不同防毒軟體廠商的定義其實會有些差異，不過大致上可稱之為「可能不需要的程式」(Potentially Unwanted Programs, PUP)，其中較具威脅性的技術，主要來自駭客(Cracker)寫的木馬程式，但同時也存在不少軟體公司為了解客戶行為，而在商業軟體裡放入的監控程式。趨勢科技技術總監王應達便分析，每家軟體公司都會寫一份冗長的授權書，這裡面通常就會包含監控軟體的安裝授權，而消費者通常不習慣詳閱這份授權文件，就會變成「合法安裝」間諜軟體在自己的電腦上，這種情形在使用免費共享程式時最容易發生。
間諜程式的擴散與感染率如此之高，正是因為很多都是使用者無意間「自願安裝」上去。這種情況也造成防毒軟體在判斷上的困擾，沈志明解釋，當你在安裝這類程式時，防毒軟體的作法是立即跳出視窗主動警告使用者，但如果使用者因為不清楚可能帶來的後果，而按了「同意」鍵繼續安裝，那麼防毒軟體就會允許這支程式持續在電腦裡運作。由此看來，間諜程式的防範不能單靠防毒軟體，最重要的還是有賴使用者自己小心。

變種程式加快入侵速度

間諜程式可能造成的最大傷害，主要仍在於企業資訊安全，以及使用者對網路交易安全的信任度。IDC資深分析師曹永暉便指出，最近像網路拍賣等大型網站，都因為消費者擔心間諜程式的問題，而面臨流量降低的困境，「伺服器端龐大的使用者交易資料，才是有心人士散布間諜程式的最終目的。」不過對個人使用者來說，問題同樣嚴重。王應達根據所接獲過防毒軟體用戶的求救，指出變種間諜程式的發展腳步正逐漸加快，「有愈來愈多的木馬程式，加上廣告程式與間諜程式的混合體，正以極快的速度入侵家用電腦。」
網路世界的潛在危機就像地震，通常都是發生後，才會知道傷害規模有多大。在有效的防範機制出現前，做為一個逃脫不了網路的現代人，只有先學會如何處理電腦上突然冒出來的廣告視窗，才能與網路世界裡四處流竄的「病毒行銷」和平共處。

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。