政府齊頭式資安如走鋼索,別讓資安成為口號
政府齊頭式資安如走鋼索,別讓資安成為口號

談到政府資訊系統,一般人總覺得是一個個遙不可及的黑盒子,認為該業務單位對系統擁有很大程度的控制力及開發責任。其中,「資安」一直是公部門資訊專案中揮不去的夢魘,正是因為資訊安全「太重要」,反而導致許多「不安全」的情況。

從政府中央機關(行政院及所屬部會機關)、地方縣市政府再到基層鄉鎮市公所學校等機關,每一層所遇到的狀況和問題都不同。要對這三層機關做概括的資安論述,誰也不會服氣,可是,這正是最核心的問題所在。

筆者作為資訊軟體工程師,曾經接觸過中央資訊單位(國發會資管處、部分部會資訊處),地方資訊單位(資訊局或研考會資訊科、研考會資訊中心等),鄉鎮市公所研考資訊承辦等,前後不同階段田野訪談經驗兩年左右。希望能從不同角色跟不同單位的經驗寫出論述基礎,方便其他人更了解政府內部的資訊運作方式。

以下針對既有政府政策的誤區來分別討論。

資訊系統無絕對安全,然而我們不能不用資訊系統

身為十年經驗的資訊從業人員,我所信奉的核心規則是:「資訊系統無絕對的安全。」

就好像你家中的鎖大多數時候都能找鎖匠開鎖一樣。所謂的安全,是藉由多層「鎖」而讓一般人打不開,就算是專業的「鎖匠」,也要花上好幾天才能開鎖,由於你每天都會回家,就能在鎖被撬開之前先阻止小偷。 換言之,一個無人看管的系統,是沒有安全性可言的。這是資訊系統的基本前提。

政府資安是一個抽象的防衛概念,從基礎網路建設(政府安全網路、GSN),到防火牆層(管理 IP 存取、DDoS 防護、對外公開 IP 與 連接埠管理等),再到伺服器防護(伺服器弱點更新、網站容器container弱點更新,比方說近年的 openSSL 問題等),最後再到應用程式層(網站資訊系統、檔案服務伺服器、資料庫伺服器等等等)。(實際上還可以再細分到數十層,但本篇文章我只討論到這些層次。)

任何一層產生了問題,都有可能導致整體架構的崩解,而且往往牽一髮動全身,這是政府資安的難處。

既然資訊系統並無絕對安全,那我們可不可以不用資訊系統?不幸的是,我們如果不使用資訊系統,既有業務流程至少需要超過一百倍的時間才能完成,整個國家政府會即刻癱瘓,許多申請案件會比現在久上好幾十倍的時間。我們對政府的要求,早已讓我們沒有對資訊系統說「不」的空間。

所以,這時候要處理的問題,就是如何加鎖、如何確保這些鎖有人看守。

不對外連網,就安全了嗎?

很多人信奉「隔離網路」就可以保證安全了。然而事實上, 既有的網路機制根本讓各單位的管理能量難上加難。 比方說越來越多的「行動化」服務,稽查人員必須要出外執行業務,很難將行動網路做到完全隔離,需要相當大的成本。

況且,要完全隔離內外檔案存取,會造成實務作業有很大的困難。 例如,直接禁止存取光碟機跟 USB 等外部裝置,不讓外部檔案進入內部系統。但如果外部申請案件希望民眾用 Word 檔案申請(或上傳到網站上),承辦單位為了要存取這些媒介,其他單位的同仁還要寄光碟甚至 3.5 吋磁片來(對,你沒看錯,2017 年了還是有這種事情)。

所有業務都要做實體隔離的話,風險跟成本實在太高,而且第一線業務同仁並非資訊專家,他們往往只會陷入無窮無盡的沮喪跟鬼打牆當中,造成政策嚴重負面影響。

一旦你的單位需要與外部聯繫,即進入所謂的風險區,如果被感染,又會變成內部完全不設防的尷尬狀況。 所以,「針對對外網路防範」而認為「對內網路一定安全」的網路管理模型,本身已經是一種該被檢討的思維。

資安風險應先做內容分級再做技術分級

絕對的資訊安全不是做不到,不開機、不連網、把儲存裝置鎖在保險庫裡面,安全性也很高,但建立資訊系統也就毫無意義了。

資訊安全得在「成本」與「執行」兩者之間做取捨,資安實際上是「取捨」的藝術,而非「防堵」的藝術。

資安風險應該以內容敏感度為優先判斷,高危險性、對國人重要性高的系統,要用高規格資安管理方式 ;低危險性、對國人重要性低的系統(如各種宣導品),則應該用低規格資安管理方式。

像健保、稅務等各種敏感資料,政府就算聘用資安專人看守,都可能是必要的,但對於各種跟風而做的政令宣導 App 或網站,就算網站出現安全問題,只要不涉及個資洩漏,則可以晚一點處理。

我認為,要控制資安風險,得用內容安全分級制度。相較一般網站的安全性,敏感的金流支付,就一定要由通過安全檢驗的金流代收代付廠商或銀行來經手,才會覺得安心。

如果一般 App或網站無法處理這類敏感資料的話,則應該切到其他重要服務去「加強處理」,才能大幅減少資安的成本,讓低成本服務可以用低成本維持品質。

資安跟防洪概念一樣,在水災氾濫的時候把河流給封起來,並不會解決水災的問題,只會讓洪水因為正規路線走不過去,而蔓延到其他地方。資安亦然。一旦你封住正式傳遞訊息的管道,它就會開始用非正式管道傳遞,讓網站或系統曝露在更多危險之中。

以「應用程式層」來討論,既有的政府資訊系統資安事件,往往會從三個角度出發:

  1. 民眾回報資安問題。
  2. 廠商自己發現資安疑慮。
  3. 資安(或資訊)單位集中檢測。

由民眾主動回報資安問題的話,除了民眾不夠理解現行的通報機制、政府也沒有宣傳或鼓勵民眾通報之外,大多數意見根本進不了主責單位,很容易被內部「河蟹」跟忽略,不然就是發現資安問題並修正之後,但也同時對民眾提告、懲處。

值得一提的是,之前有學生發現縣市政府教育局學生系統有個資外洩問題,教育局接獲通報之後迅速修正,並且對通報人非常友善,甚至覺得值得表揚,或許可說是國家資安概念開始在轉變,能從「殺雞儆猴」變成「協同作業」的好開始。

前兩者,不管是加強通報管理或是廠商自己發現資安疑慮,都相對容易處理。資安(或資訊)單位集中檢測比較複雜,也是這篇最主要討論的重點。

集中檢測的美麗與哀愁

什麼是集中檢測呢?由於稽核單位面對大量網站無法一一取得原始碼來稽核,所以乾脆使用自動化工具,自動從外部替每個網站檢測幾分鐘到三十分鐘。

同時檢測成千上百個網站,產生出大量報表,再根據結果找出有「疑慮」之處,列出技術上的高、中、低風險。(註:現行技術沒有不會誤判的檢測機制,所以通通都是「疑慮」,而是否安全,還是要個案審視了解。)

我要特別強調,這裡的需求主要是從「稽核單位」出發,如此一來,這樣的事件往往會被「列管」,而且目標是「解決」,如果不解決的話,可能會變成單位 KPI 被大幅扣分,進而影響媒體評價或未來政府計畫的申請。業務單位哪敢不從,深怕一個不小心就變成「不重視資安」的機關。

美麗之處是可以相對在短時間內處理大量系統,篩檢出一些可能很嚴重的問題, 但哀愁之處是拿隨便一個自動化檢測的結果來定義系統安全或不安全。這是完完全全錯誤的概念!

為什麼不能完全依賴自動化檢測來判定系統的安全性呢? 其一,網站資訊系統充斥複雜的「帳號權限」設定,沒有對應的權限帳號就無法進入測試處理,自動化系統多半不會進入「有權限」的頁面檢測,所以有一大部分系統完全沒被測試到。

其二,許多危險行為是發生在輸入資料欄位時,伺服器端沒有檢查,自動化檢測少有能夠針對不同測試給予變形的測量方法。(另一方面是這樣也容易不小心把網站打壞,測試反而變成攻擊。)

其三,機器認定「特徵」,有時候其實不是真的出了問題,只是剛好有「類似」的特徵,系統用「寧可誤殺也不可放過」的心情把它認定為風險。

有些自動化檢測軟體或可解決部分前述問題(但無法完全解決)。原開發廠商也可能可以搭配單元測試來做白箱測試,但不幸的是,在國內這種資安機制是「有報告就算數」的市場,這個做法稀有得近乎絕種。

真正負責任的自動化檢測,應該要依照個案來認定,說明自動化檢測工具的「極限」與檢測的「方式」,以此來作為安全的說明。

此外,所有的稽核,都應該說明使用的測試方法、設定測試的情境,針對不同系統建立不同的測試條件,絕非這種亂槍打鳥式的資安測試就能搞定所有問題,稽核單位應該要有「自知之明」。

風險需要被評估,未必需要被解決

各政府單位包括資訊審查委員,往往把自動化檢測過度「神話」了!事實上是大家對自動化檢測不夠了解。 我曾擔任資訊委員審查資訊系統成果,親耳聽到某大學資管系教授說出以下意見:「你們這個系統掃描報告裡面有兩個低風險,低風險也要修啊,不然有一天他就會惡化成中風險,久了會變成高風險喔!」

這種「弱點疾病化」,甚至風險還會惡化的論述,看起來很合理,但實際上根本狗屁不通。 它有可能只是兩個 js 檔的語法在語法上被視為可能需要檢討而已,我在該系統網頁上看過程式碼核心(js ),實際上是一個知名商用套件原始碼(ExtJS)的部分內容,該段程式碼是為了跟過去的瀏覽器向下相容而寫的,我認為檢測出的「低風險」根本是誤判。

在這種情形下,政府是否需要要求廠商修正至完全無風險?其實應該依據系統的個案認定。真正的核心是,政府資訊稽核人員要了解檢測工具的極限,然後再請專業者進來協助,而不是依據一紙自動化檢測報告,就拿雞毛當令箭。

不過就是低風險,有這麼難解決嗎?

事實上,政府資訊預算真的不如大家所想的無窮無盡,而且因為時代膨脹的安全需求,叫廠商不斷修正風險會需要業務維護成本,單一個案子可能就是幾十萬起跳。然而,我們是不是願意為了一個根本不用修正的低風險,花這樣的預算,浪費一堆時間簽約、招標、採購呢?這是一大問題。

另外的問題是,單位的「開會」能量有限,我們是不是能把這些時間拿去做「更重要」的資訊核心建設?

我認為,多數人在評估政府資訊安全問題時,似乎都假設政府資源無窮無限,實際上政府資訊預算在平均到每一個網站時,就如同沙漠一樣荒蕪,所以資訊預算的系統分級制非常重要!核心的系統,我們要集中資源保護,邊緣的系統,我們等待他長大或消失,再另做不同打算。

在既有的政府資訊系統以「委外」(或稱外包)為主體的架構下,修改任何一行程式碼成本都很高昂,是否繼續維持政府資訊系統委外的機制?我認為也是一個非常值得人民與眾立委們一起來省思的問題。在既有的政府結構下,若不改善結構性問題,就仍然必須在既有架構下去面對跟處理問題。

莫讓政府資安束諸高閣

在齊頭式的「安全」要求底下,還有另一個問題是,即使真的找到了風險問題,承辦單位有沒有能力請廠商協助修好(廠商能力未必足夠)?如果要協助讓系統徹底的根絕問題,就需要更多說明、協調、甚至資源協助。

可是,在既有的架構底下,一紙安全命令來,機關就需要在為數不多的資訊預算中編列預算支應。多數機關會選擇更簡單的作法:乾脆關閉或結束這個系統。這是不是我們樂見的結果?我深感懷疑,認為這絕對是政府大開數位化(或稱電子化政府)的倒車。

而且,機關被這些條件訓練出過度倚賴自動化檢測的反射動作,許多政府網站仍然有權限控管不周的問題(當然都有回報),就算已經經過自動化檢測也都如此。實務上,反而因為有自動化檢測「掛保證」,讓政府的資安離「真正的安全」越來越遠。

要怎麼徹底解決這個問題呢? 唯有針對內容敏感度進行系統分級,系統分析設計時優先處理敏感的資料安全機制,定期進行重要系統的「滲透測試」(聘用專責資訊安全人員,針對最新發現的弱點進行人工攻擊測試)與「原碼分析」(聘用廠商以外的第三方安全人員,針對原始碼可能的安全問題進行分析)。

滲透測試與原碼分析都需要資訊安全專家,成本極度高昂,所以需要把資源集中在敏感系統上,才有辦法定期進行。既有的稽核制度,不敢說完全沒有改善資安,但是它並無助於系統體制的正循環,反而造成許多負面消耗,甚至國家空轉。

這種齊頭式極度昂貴的資安,只會讓所有資訊單位都走鋼索賭運氣,反而讓資安變成一個看得到摸不到的口號,唯有正面面對問題,設定國家資源所做的到的資訊安全,才是正途。

資訊安全,實際上都是資源取捨分配、涵蓋與否的藝術,但願我們國家的資安政策可以早日走回正軌,莫再將其束諸高閣。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #隱私與資安
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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