因為14萬筆AI語料訓練資料,中央社提告台大生!AI訓練在台灣遇到什麼難題?
因為14萬筆AI語料訓練資料,中央社提告台大生!AI訓練在台灣遇到什麼難題?

台大博士生分享的繁體中文資料集遭《中央社》提告,因其包含未經授權的新聞內容。此事件引發關於AI訓練資料著作權爭議,有網友認為《中央社》不該提告博士生,而是最上游的開源平台與爬蟲者。

台大博士生做繁中資料集供AI訓練,遭中央社提告

一位台灣大學博士生、開源志工,在數個月前於 Facebook 的「Generative AI 技術交流中心」社團分享了繁體中文資料集(fineweb-zhtw),如今卻收到檢調寄信通知,原來資料集中包含台灣官方媒體《中央社》的大量新聞報導資料,並已被該媒體提起刑事告訴。

根據《中央社》7 月 7 日發表的聲明,該資料集包含自 2011 年至 2021 年止、約 14 萬筆來自中央社的新聞內容,而這些內容從未獲得該媒體授權。

這位博士生在事件曝光後,已將原本分享的繁體中文資料集貼文刪除,並公開表示會配合檢調調查,目前也將 Facebook 個人檔案鎖上。

中央社:身分不詳才提告,維護新聞產業著作權

《中央社》表示,對於未經授權大量使用該社新聞內容的公司或個人,一向秉持維護著作權的立場,會儘可能取得聯繫要求下架。但本次事件是因為「該公開者之身分資訊不詳」,基於維護權益目的才提起刑事告訴。

該社強調,新聞報導均來自第一線記者採訪整理,有些是經授權的外電消息再由編輯團隊翻譯撰寫,每一則新聞都是記者與編輯的心血結晶。

《中央社》也表示支持《媒體議價法》的推動,盼能與數位平台建立公平合作模式,為台灣媒體環境注入正循環。

中央社提告分享含有未經授權內容繁體中文資料集的台大博士生

中央社應該告誰? Hugging Face V.S 台大博士生

《中央社》在聲明中表達強烈捍衛新聞著作權的立場,但引發網友強烈反彈。

有網友指出,《中央社》應該去告最上游的 Common Crawl,這是國外一個大型公開的網路爬蟲專案,從 2008 年就開始運作,可能早已未經授權爬到了不少台灣媒體報導內容,而不是只針對下游整理和清理資料的台灣博士生提告,因為各家大語言模型包括 OpenAI ChatGPT、Google Gemini、Meta Llama 等都使用 Common Crawl 來訓練模型。

另有網友批評此舉荒謬,認為真正的訴訟對象應該是 Hugging Face,也就是這位台大博士生採用的開源 AI 平台,而非使用資料的台大博士生本身,更有網友痛批:「作為國家通訊社,理應優先維護台灣權益,卻先向自己人開刀,難免令人遺憾。」

不過也有網友支持中央社行使權利,認為目前 AI 訓練市場中,缺乏繁中資料、繁中主權模型、新創等理由,不能當作是作為剝削他人創作內容的藉口。即使是非營利的 AI 訓練用途,也應該經過著作權持有者同意。

數發部:AI訓練陷兩難,正籌備台灣AI語料庫

數位發展部政務次長林宜敬 在《中央社》聲明前,曾針對此事發表看法,認為這是數發部面臨的兩難。

一方面希望保護台灣媒體業與出版業著作權,另一方面又希望民主國家科學家能方便取得具備台灣觀點的中文資料,訓練出具備台灣觀點的 AI 模型。

林宜敬指出,美國科學家會使用大量簡體中文資料訓練 AI 模型,部分原因是中國向來不注重著作權,使用來自中國的簡體中文資料不會有侵犯著作權風險。

而台灣繁體中文資料不但量少,還有著作權風險。因此數發部正積極籌劃《台灣主權 AI 訓練語料庫》,讓世界各民主國家都能安心使用繁體中文資料訓練 AI 模型。

數發部政務次長談中央社提告繁體中文資料集提供者爭議

不過,在數發部的台灣 AI 語料庫正式出爐前,個人使用含有未經授權的繁體中文著作權內容,來製作 AI 訓練資料集,可能仍有法律風險。在生成式 AI 技術快速發展的同時,如何平衡創新與智慧財產權保護,仍是各界需要共同面對的挑戰。

本文授權轉載自《加密城市》,作者:Ariel,原文標題:台大生做繁中資料集給AI遭中央社提告!官媒遭噴:只向自己人開刀

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