資訊考點新
台灣政府網路攻防現況與因應策略全解析：從數據到政策的完整剖析
近兩年，台灣公部門面臨的網路攻擊明顯升溫。國安單位對外揭露，2024 年政府部門平均每天遭遇約 240 萬次攻擊，較 2023 年翻倍；來源多與對岸國家級駭侵力量相關，且目標以政府資訊系統為主。這一數據被多家國際媒體引用，已成為解題時最具代表性的時事根據。
除了「量」的暴衝，攻擊型態也更複合化與持久化：釣魚郵件引導植入、供應鏈滲透、對外服務介面弱點掃描與憑證濫用並存；攻擊節點分散、跳板多層，且常伴隨心理戰資訊操作，形成「混合戰」態勢。多份威脅態勢報告同樣指出勒贖攻擊全球仍在成長、關鍵基礎設施暴露面擴大，反映到台灣就是對機關入口網站、帳號體系與雲端資源的更密集碰撞。
- 考點
- #網路攻擊
- #資安防護
- #零信任架構
演算法進階觀念：多重背包問題
在經典的組合優化問題中，0/1 背包問題（0/1 Knapsack Problem）是一個廣為研究的 NP-complete 問題。問題的基本設定為：給定 n 個物品，每個物品具有一個重量 wi 與價值 vi，以及一個背包，其總容量為 C。目標是在不超過容量限制的前提下，選擇部分物品放入背包，以最大化所獲得的總價值。所謂「0/1」指的是每個物品只能被完全選擇或完全不選擇（即 xi∈0,1），不能部分切割。由於其整數決策的特性，此問題通常需透過動態規劃、分支界限法、整數規劃等方式來求解，而無法在多項式時間內保證得到最優解。
- 考點
- #多重背包問題
- #分數背包問題
- #分支界限法
- #貪婪演算法
第七集 - 數據探索的基本概念與方法
美國統計學家John Tukey在1977年的著作《Exploratory Data Analysis》中，正式提出EDA的概念，主張在「驗證性分析」（Confirmatory Analysis，例如:假設檢定）之前，應先透過視覺化、簡化與迭代探索理解數據本質。他曾經批評當時的統計學家過度依賴形式化的推論，忽略「從數據中發現意外線索」的重要性。
數據探索是進行數據分析前的關鍵步驟，這個步驟能夠幫助我們理解數據的本質，避免後續分析的偏差與錯誤。實務上，EDA也可以節省研究過程的時間，沒有進行EDA可能會導致模型建立在有缺陷的數據上，例如誤解變數間之實際關係。
- 考點
- #數據探索
- #EDA
人工智慧時代下的風險
隨著人工智慧技術的迅速發展與廣泛應用，AI逐漸成為現代社會中不可或缺的一環，相關AI應用亦深入至教育、醫療、金融、娛樂等各大領域。其中生成式AI尤其備受關注，透過文字、圖像、音樂甚至程式碼的自動生成，帶來前所未有的便利與創意可能性。然而資訊科技所帶來的便利性背後也伴隨著日益嚴峻的風險與挑戰。
AI系統本身可能產生偏見與錯誤資訊，進而對社會輿論、政治決策乃至公共安全造成影響，除此之外，隱私洩露、深偽技術(Deepfake)、假新聞自動生成等問題，也逐漸暴露出AI發展在道德、法律與安全層面的脆弱性。
- 題測
- According to the PwC Global Artificial Intelligence Study, AI is expected to contribute up to USD 15.7 trillion to the global economy by 2030. However, as AI systems become increasingly widespread, organizations face a range of risks when adopting them-including data bias, security vulnerabilities, and lack of transparency in decision-making. In high-stakes sectors such as finance, healthcare, and judiciary, AI risk management has become a critical aspect of corporate governance.
-
- Describe three major types of risks that organizations may encounter when deploying AI systems. Provide examples of how these risks could have real-world impacts on an organization. You may consider perspectives such as technical, legal, and ethical risks. (16 points)
- Analyze how organizations can develop an AI risk management framework to mitigate the risks mentioned above. Propose at least three concrete strategies or tools and explain their purposes and key implementation considerations. (16 points)
