以 AI 對抗 AI 之後：臺灣資安還需要一套信任工程

ENGLISH SUMMARY

Taiwan’s National Institute of Cyber Security outlined four AI-focused workstreams on October 5, 2026, according to CNA: code inspection and repair, penetration testing, threat-intelligence analysis and a controlled AI cyber-defense sandbox. These are announced plans and testing milestones, not evidence of completed national deployment. Senge’s commentary asks how faster technical response can translate into confidence in public digital services. It proposes tracking service continuity, response quality and user understanding alongside technical measures, with accountable human oversight. No public-opinion percentage is inferred: the reviewed material does not provide a representative survey of Taiwanese attitudes toward this initiative.

技術布局正在前進，信任不能只靠宣告

「以 AI 對抗 AI」容易形成鮮明的科技畫面：更快找出弱點、更快辨識威脅、更快回應事件。然而，民眾使用政府或企業數位服務時，最直接的問題往往是能不能完成事情、資料是否妥善處理，以及出問題時找得到誰。聖吉的看法是：新工具是否強大，與社會是否因此更信任服務，必須分開驗證。

先把宣布的工作與已完成的成果分開

中央社 10 月 5 日報導，資安院推動四項工作：AI 程式碼檢測與修補、滲透測試與演練、威脅情資分析，以及受控的攻防沙箱。報導所述時程包括年底前至少驗證三家政府機關系統，並規劃於 2027 年 4 月演練導入 AI 滲透測試。[1] 這些是布局與目標，不能寫成已全面部署，更不能推論防禦成效已獲證實。

工具加快了，協調是否跟得上？

資通安全署公布的 7 月 9 日會議紀錄，已將跨機關協調、帳號權限與委外管理，以及前沿 AI 防禦列為工作重點。[2] 這說明制度面已有議程，但議程與落實仍是兩回事。我們提出的檢驗問題是：當工具產生警示後，誰能判讀、誰有權處理、誰負責復原，以及跨單位如何交接？如果責任鏈不清楚，提高警示量可能只會把更多判斷堆到有限的人力面前。這是治理風險的分析，並非對任何現行系統失效的指控。

韌性也包含日常工作

中央社 8 月的報導提醒機關與企業，防禦需涵蓋曝險盤點、多層保護、降低洩密傷害、維持營運與通報。[3] 這些工作看似不如新模型吸睛，卻讓防禦能延伸到服務中斷之後。對民眾而言，及早知道影響範圍、替代辦理方式與復原進度，也是一種可以感受到的韌性。技術部門衡量事件的方式，應與使用者遇到的困難有所連結。

兩則近況，把技術議題拉回服務與組織

iThome 10 月 2 日報導臺北市府網站中斷，並引述資訊局對跳電、機房升溫與設備保護關閉的說明。[6] 這項事件提醒我們，服務失效不一定來自網路攻擊；即使偵測工具進步，電力、冷卻與備援仍是不同的風險環節。10 月 1 日的聯合稽核報導，則說明資安署把原規劃 121 場稽核整併成 16 場。[7] 場次減少可呈現作業整合，不能單憑數量宣稱查核品質提高。兩則報導共同提示：技術與行政效率應連回服務成果，並保留可覆核的紀錄。事件原因在此依主管機關說明呈現；成效仍需後續資料。

從資安教育走向共同參與

iThome 報導 9 月 21 日的「台灣資安日」倡議，將實體防災觀念延伸至數位生活。[4] 這提供一個值得發展的方向：讓民眾理解遇到事件可以怎麼做，而不只要求他們記住抽象口號。不過，辦過活動不等於知識已普及；讀過宣導不等於能在壓力下辨識訊息。未來若做研究，應以具體情境問答檢視理解程度，再觀察不同年齡、數位使用經驗與服務需求的差異。

一套可以問責的信任工程

NIST 的 AI RMF 1.0 以治理、情境辨識、衡量與管理組織風險工作，強調它們不是一次走完的線性清單。[5] 作為概念參照，它提示我們把部署與持續檢視連在一起。聖吉建議另建一組面向使用者的觀察項目：事件說明是否及時、是否能理解下一步、服務復原是否符合預期，以及申訴管道是否可用。這些是提出的評估方向，並非已公布的政府指標。

民意研究應問得更具體

「你支持用 AI 提升資安嗎？」可能無法區分受訪者理解了什麼。更有意義的題目，是在提供一致資訊後，分別詢問對自動警示、人工覆核、事件揭露與資料使用的期待。不同安排可能同時帶來便利與疑慮，研究必須讓受訪者有機會表達權衡。若只用一個總支持度概括，政策設計最需要知道的細節可能被藏起來。

我們現在知道什麼，又不知道什麼？

公開資料足以說明政策方向與部分預定時程，卻不足以估計臺灣民眾對這項布局的支持率，也不足以宣稱某種技術使信任提高。本文不填補不存在的百分比。值得追蹤的是：承諾是否按期落實、衡量方式是否透明，以及服務經驗是否改善。

政策進度與治理問題，放在同一張表

公布目標與聖吉建議的驗證項目；右欄是分析建議
工作	目前可查核的進度	下一步應驗證
AI 程式碼檢測與修補	2026 年底至少驗證 3 家政府機關系統的目標 [1]	弱點是否正確辨識；修補是否經人工確認與回歸檢查
AI 滲透測試	2027 年 4 月演練導入功能的規劃 [1]	測試授權、涵蓋範圍與對服務的影響
威脅情資與攻防沙箱	研發中的工作項目 [1]	警示誤判、阻擋規則覆核與回復機制

效率提高，也可能把錯誤放大

自動分析威脅與產生阻擋規則，理論上能縮短反應時間；但若錯誤警示同樣更快流入處置流程，正常服務也可能被誤擋。這裡的關鍵不是「要不要 AI」的二選一，而是自動化到哪一步、什麼情況需要人工確認，以及出錯時是否能撤回。只報告抓到多少警示，可能把偵測量當成品質；若系統涵蓋範圍擴大，數量上升也未必代表威脅惡化。真正有意義的評估，應交代分母、基準期間與測試條件，並同時觀察漏判、誤判和服務影響。以上是風險機制的推演，並非已發生事故的描述。

報導一致之處，是防禦需要組織；分歧在於證據層次

10 月技術布局、8 月防禦建議與 7 月會議紀錄，從不同角度指向組織韌性。它們主要呈現主管機關的議程及建議，具有確認政策內容的價值，卻不能代替獨立成效評估。iThome 的倡議報導增加社會教育面向，也不等於參與者已改變行為。NIST 則提供治理分類，並非為臺灣政策背書。這些來源之間沒有足夠的同一指標資料可比較，因此不應把「都談資安」寫成「都證明成效」。下一輪報導需要加入維運人員、第一線服務窗口與實際使用者的經驗，才能補上目前以政策發布者為主的視角。

科技採購與公共信任之間，還隔著可說明的責任

信任工程並不是多加一段公關說明。若使用者發現資料有疑慮，究竟由機關、承包商或工具供應者回答？如果各方彼此轉介，再先進的系統也難以讓人安心。對委託研究的機構，較有價值的題目是：民眾是否知道求助管道、是否理解事件說明，以及是否能完成替代程序。結果應按實際使用經驗分組，避免把沒使用服務的人與受影響使用者混成一個滿意度。對政策團隊，應把這些發現連回復原流程與責任分工，形成持續改進，而不是追求一次漂亮的支持率。

防禦的速度，與信任的耐心

資安投入需要速度，信任建立需要反覆且一致的經驗。兩者可以互相支持：清楚交代限制與責任，不會讓科技失去價值，反而讓社會理解它在哪裡有用、哪裡仍需人的判斷。聖吉的結論是：臺灣接下來要驗證的不只是工具能抓到什麼，還包括組織能如何負責，以及民眾能否在事件發生時，仍知道服務與資訊值得依靠。

參考來源

1. 新聞報導 · 2026-10-05中央社｜資安院推四大 AI 防禦工作

2. 官方資料 · 2026-07-31資通安全署｜國家資通安全會報會議紀錄

3. 背景報導 · 2026-08-17中央社｜AI 資安威脅與七點防禦建議

4. 背景報導 · 2026-09-21iThome｜台灣資安日與數位防災

5. 概念參照 · 2023 版本NIST｜AI RMF 1.0 核心功能

6. 新聞報導 · 2026-10-02iThome｜臺北市府網站中斷與機房韌性

7. 新聞報導 · 2026-10-01iThome｜資安聯合稽核