從國外案例談軟體漏洞資訊公布與著作權防盜拷措施
機關實體安全維護現行法制與實務運作之研析（上） 科技法律研究所 2013年08月25日 機關實體安全維護，其主要內涵在於維護實體設施、設備、及辦公環境之安全性，確保機關業務不會因天災、刻意人為事故或意外而中斷運作，以及保障出入人員的人身安全。另就機關實體安全維護之任務，我國實務與通說均認其屬不涉及機密及公權力行使之一般業務，故極大的比例均是委由民間保全業者為之。 針對機關實體安全之規範，我國在法制設計上稍嫌不足，且對於保全業的管制寬鬆，參國外立法政策如英國、美國、澳洲，雖亦為求提升政府效能並合理運用預算，亦多將安全維護執行任務委外，但並不因此將責任全權轉嫁與保全業者，在法制設計上有相當嚴謹的政策、程序、細節性的機制與文件範本供各機關遵循，再藉由機關委外之法律規範、招標文件與契約設計，來規範民間保全業者；且對於保全業之工作，訂有證照制度、評鑑制度及豐富紮實的教育訓練等法制設計，因此保全人員之素質相較於我國，可謂已經嚴格之篩選。本文將從我國機關安全維護法制結構切入，並以澳洲之立法例為借鏡，最後提出我國現行待解決之問題，期能改善我國機關對於機關實體安全維護之概念。 壹、機關實體安全維護現行法制與運作 一、現行法制設計 機關可能遭遇的安全威脅來自於人為刻意或疏失及天災之危害。例如，辦公場所未列訂管制區或未有效率的把關，使具不同權限的內部人員或來訪的訪客，可輕易的接近、取走具敏感性的文件紙本，或以拍照、錄音的方式取得機密資訊；又或者，委外的資訊廠商、保全人員或清潔人員也能藉由職務上之便利進行側錄、側拍或安裝資料竊取裝置，爾後利用得來之消息販售獲利。另外，開放式機關和辦公場所位於商辦大樓內而與民間企業共構之機關，對於安全維護措施僅有參與權而無主控權，除出入人口複雜，對於火災、斷電等意外事故之預防控制，更是難以掌握。除了人為惡意破壞，單一意外事故亦能導致機關業務嚴重中斷或癱瘓。 目前機關安全維護責任是由各機關之政風機構所執掌[1]，主要係依「政風機構預防危害或破壞本機關事業作業要點」[2]及行政院所發佈之「安全管理手冊」[3]為依循，均屬行政規則之法位階。另外相關規定包括：各級警察機關安全防護工作實施要點[4]、屏東縣政府消防局機關安全維護作業要點[5]、行政院國家科學委員會維護機關安全工作作業要點[6]和臺中市稅捐稽徵處加強機關安全維護值日員工應確實遵守事項[7]。 二、實務運作現況 （一）駐警人力不再，委外保全成為趨勢 相較於採用駐衛警察擔任機關安全維護的角色，機關傾向委外給保全業者[8]，主因不外乎為預算考量，蓋依「各機關學校團體駐衛警察設置管理辦法」第10及11條[9]，駐衛警察之待遇可比照駐在單位職員之支給，且其訓練、保險、退職、資遣、撫慰、服裝等各項費用均由駐在單位負擔。政府為精簡人事預算，對於駐衛警一職採取「只退不補」的政策[10]，可預見未來機關對於委外安全維護的需求係不減反增。根據警政署的統計[11]，至99年止臺灣已共有594家保全公司，可見保全業市場之蓬勃。 （二） 保全業相關法制與運作 肩負安全維護任務的工作者，除專業能力外，身家清白、忠誠度與品格更屬必要條件，故依保全業法第10之1條及第10之2條對保全人員定有消極資格，包括年齡限制、不得有特定犯罪前科紀錄及職前培訓與在職訓練[12]。惟主管機關對保全人員之資格與專業能力僅負消極查核義務，相關事項之執行與落實係由保全業者自主管理。目前保全業的中央主管機關為內政部、業務主管機關為警政署；地方主管機關為縣（市）政府、業務主管機關為縣（市）警察局[13]，負責協助培訓的為警政署[14]。 基於政府與民間對於保全人力的益加倚賴，對其專業素質及品德操守的要求亦越發重視講究，警政署於95年起陸續邀集專家學者、相關行政機關及直轄市、縣（市）警察局代表研議保全業法的修正，但相關建議如證照制度、專業經營、分級管理、評鑑制度、排除旋轉門條款、落實嚴格監督管理、修正保全服務契約、輔導優秀軍警人員轉任保全與規範保全業越區經營範圍及報備制等規定均未列入現行法內[15]。 三、小結 承前，未來可預見現有駐衛警人力全部退休的情形下[16]，除非機關編列預算將駐衛人力編制進組織內，否則委外保全業者全權負責機關安全乃不可逆之趨勢。 我國有明確的機關實體安全維護規範方針，不過在實際執行面向及科技技術應用面向上，較欠缺細節性規定與技術性標準。又除少數機關配有駐衛警、而得由駐衛警負擔內部具機密性、私隱性高之部分外，整體的安全維護任務，包括外圍之交通、門禁管制、夜間巡邏、監視系統監看及警民通報聯防等，不可避免的均係由保全業者擔任[17]。 然而，我國現行保全業法制規範上稍嫌不足，實務運作上之弊病亦非一日之寒，包括保全人員因待遇及前景上難以吸引素質佳的人才但又缺工嚴重[18]，導致從業者素質良莠不齊且流動率極高；政府無統一職前培訓計畫與專業訓練輔導；另主管機關的定期查核流於形式等[19]。 針對保全業現況與法制研究，考量到文章主軸及囿限於篇幅關係，本文對此不再贅述。當務之急應係由機關本身有所警醒，對於實體安全維護的具體作法應建置更明確、細節的規範；其次是與保全業者的契約約定上，範本似有再修正及細緻化之空間。以下將介紹澳洲實體安全維護及委外服務安全管理之機制與作法。 [1]政風機構人員設置管理條例第4條；政風機構設置管理條例施行細則第10條；政風機構預防危害或破壞本機關事件作業要點。 [2]最後修訂日期：100年7月6日。 [3]發布日期：94年6月29日。 [4]發布日期：86年5月13日。 [5]發布日期：98年7月14日。 [6]發布日期：85年10月12日。 [7]發布日期：79年4月19日。 [8]如財政部各相關單位、交通部公路總局、郵局、台電、核電廠、中油、各級學校等均採委外保全。法務部調查局（2007，12月27日）‧政府部門委託民間保全辦理機關安全維護問題探討調查專報‧取自http://lkk73700.myweb.hinet.net/good/new_page_43.htm （最後瀏覽日：2013年6月4日）。 [9]最後修正日期：100年9月1日。 [10]筆者親自訪談台北榮民總醫院政風室（2013年，5月30日），台北榮民總醫院，石牌路二段201號。 [11]經濟日報（2010，1月28日）‧中華民國保全商業同業公會全國總會，開啟臺灣保全業嶄新里程碑‧取自http://edn.udn.com/article/view.jsp?aid=230903&cid=16''' （最後瀏覽日：2013年6月4日）。 [12]保全業法第10條之1： 「有下列情形之一者，不得擔任保全人員。但其情形發生於本法中華民國九十二年一月二十二日修正施行前且已擔任保全人員者，不在此限： 一、未滿二十歲或逾六十五歲。 二、曾犯組織犯罪防制條例、肅清煙毒條例、麻醉藥品管理條例、毒品危害防制條例、槍砲彈藥刀械管制條例、貪污治罪條例、兒童及少年性交易防制條例、人口販運防制法、洗錢防制法之罪，或刑法之妨害性自主罪章、妨害風化罪章、第二百七十一條至第二百七十五條、第二百七十七條第二項及第二百七十八條之罪、妨害自由罪章、竊盜罪章、搶奪強盜及海盜罪章、侵占罪章、詐欺背信及重利罪章、恐嚇及擄人勒贖罪章、贓物罪章之罪，經判決有罪，受刑之宣告。但受緩刑宣告，或其刑經易科罰金、易服社會勞動、易服勞役、受罰金宣告執行完畢，或判決無罪確定者，不在此限。 三、因故意犯前款以外之罪，受有期徒刑逾六個月以上刑之宣告確定，尚未執行或執行未畢或執行完畢未滿五年。 四、曾受保安處分之裁判確定，尚未執行或執行未畢。 五、曾依檢肅流氓條例認定為流氓或裁定交付感訓。但經撤銷流氓認定、裁定不付感訓處分確定者，不在此限。 保全業知悉所屬保全人員，有前項各款情形之一者，應即予解職。」 [13]臺北市政府警察局辦理保全業務作業要點第3點。 [14]以台北市保全商業同業公會為例，公會自主辦理「保全人員訓練護照」由中華保全協會策劃並請市警局督勤，另委請刑事警察局辦理「種子教官」訓練，解決各保全公司教育人員之不足。取自台北市保全商業同業公會網站（無日期）‧取自http://www.sca.org.tw/home/link1.asp?h=link1-45 （最後瀏覽日：2013年6月6日）。 [15]傅美惠、呂秉翰（2009，12月）‧保全業立法、修法與政策評析‧吳鳳學報，18，667-686。 [16]以台北榮民總醫院為例，現行駐衛警從原58名降為29名，平均年齡為60歲，可謂相當高齡化。筆者親自訪談台北榮民總醫院政風室（2013年，5月30日），台北榮民總醫院，石牌路二段201號。 [17]以台北榮民總醫院為例，醫院內部的1400顆監視鏡頭是由駐衛警負責監看，另保全公司所有的監控系統只負責醫院大門及停車場的部分，且會牽線至駐警室進行統一監看管理，不過夜間的巡邏及監看，因人手不足，需保全業者協力配合。筆者親自訪談台北榮民總醫院政風室（2013年，5月30日），台北榮民總醫院，石牌路二段201號。 [18]奇摩新聞（2013，2月2日）‧年前缺四成保全業全年徵人‧取自：http://tw.news.yahoo.com/%E5%B9%B4%E5%89%8D%E7%BC%BA%E5%9B%9B%E6%88%90-%E4%BF%9D%E5%85%A8%E6%A5%AD%E5%85%A8%E5%B9%B4%E5%BE%B5%E4%BA%BA-213000681.html （最後瀏覽日：2013年6月4日）。 [19]傅美惠、呂秉翰（2009，12月）‧保全業立法、修法與政策評析‧吳鳳學報，18，667-686。
美國白宮對具危險性的生物研究提出新規範美國白宮為避免由聯邦補助的生物科技研究案，因研究涉及具危險性生物，而不經意製造出生化武器，繼此於2014年9月24日由國家衛生研究院（National Institutes of Health，NIH）和白宮科技政策辦公室（White House Office of Science and Technology）共同提出新規範，即「美國政府對生物科學雙重用途研究與考量的機構監督政策」（United States Government Policy for Institutional Oversight of Life Sciences Dual Use Research of Concern），旨在加強由聯邦預算補助的生物雙重用途研究（Dual Use of Research）安全性。 前述生物科技研究中的生物雙重用途研究，意指以增進公共衛生、國家安全、農業、環境等為主旨的生命科學研究之外，尚有其他具殺傷力或致命性的合法研究，例如合成病毒、除草劑等。早於2013年，美國白宮即已開始實施「美國政府對生物科學雙重用途研究與考量的監督政策」（United States Government Policy for Oversight of Life Sciences Dual Use Research of Concern），惟本次另以機構為主要規範對象。而作成新規範之重點分述為三如下： 1.原先以補助單位（通常為國家衛生研究院），為具危險性生物研究案為監督、責成單位，現將該監督責任歸屬移轉至取得相關補助的科學家、大學或研究機構。 2.從事相關具危險性生物研究之科學家，必須通報其所屬機構，並且須召開審查委員會評估相關風險，亦須通知聯邦層級的補助單位。此外，該科學家與其機構必須提交一份風險防範之計畫書，例如建立生物安全等級（biosafety rating）較高的實驗室等。 3.違反相關規範之受補助對象，將面臨中止、限制或終止補助之處分，甚至失去申請未來聯邦補助單位所補助一切與生命科學相關研究補助的機會。
日本文化廳發布《人工智慧著作權檢核清單和指引》日本文化廳發布《人工智慧著作權檢核清單和指引》 資訊工業策進會科技法律研究所 2024年08月21日 日本文化廳為降低生成式人工智慧所產生的著作權風險，保護和行使著作權人權利，於2024年7月31日以文化廳3月發布的《人工智慧與著作權的思考》、內閣府5月發布的《人工智慧時代知識產權研究小組中期報告》，以及總務省和經濟產業省4月份發布的《人工智慧事業指引（1.0版）》的資料為基礎，制訂發布《人工智慧著作權檢核清單和指引》[1]。 壹、事件摘要 日本文化廳的《人工智慧著作權檢核清單和指引》主要分成兩部分，第一部分是「人工智慧開發、提供和使用清單」，依循總務省和經濟產業省4月份發布的《人工智慧事業指引（1.0版）》的區分方式，分為「AI開發者」、「AI提供者」、「AI（業務）使用者（事業利用人）」和「業務外利用者（一般利用人）」四個利害關係人，依不同的身份分別說明如何降低人工智慧開發前後的資料處理和學習等智慧財產權侵權風險的措施，以及提供和使用人工智慧系統和服務時，安全、適當地使用人工智慧的技術訣竅。 第二部分則是針對著作權人及依著作權法享有權利的其他權利人（例如表演人）的權益保護，從權利人的思考角度，建議正確理解生成式AI可能會出現什麼樣的（著作權）法律上利用行為[2]。其次，說明近似侵權的判斷要件、要件的證明、防止與賠償等可主張的法律上請求、可向誰主張侵權、權利主張的限制；於事先或發現後可採取的防止人工智慧侵權學習的可能措施；最後對侵權因應建議權利人可發出著作權侵權警告、進行訴訟、調解等糾紛解決，並提供可用的法律諮詢窗口資訊。 貳、重點說明 日本文化廳於此指引中，針對不同的角色提出生成式AI與著作權之間的關係，除更具體的對「AI開發者」、「AI提供者」、「AI（事業與一般利用人）」，提醒其應注意的侵權風險樣態、可能的合法使用範圍，並提供如何降低風險的對策。同時，從權利人角度提供如何保護權益的指引，並提供可用的法律諮詢窗口資訊。重點說明如下： 一、不符合「非享受目的」的非法AI訓練 日本著作權法第30條之4規定適用於以收集人工智慧學習資料等為目的而進行的著作權作品的複製，無需獲得權利人的授權，但是，該指引特別明確指出「為了輸出AI學習資料中包含的既有作品的內容，而進行額外學習；為讓AI產出學習資料庫中所包含的既有作品的創作表現；對特定創作者的少量著作權作品進行額外個別學習」，這三個情況係同時存有「享受」著作目的，不適用無須授權的規定[3]。 二、不能「不當損害著作權人利益」 從已經採取的措施和過去的銷售紀錄可以推斷，資料庫著作權作品計劃有償作為人工智慧學習的資料集。在這種情況下，未經授權以人工智慧學習為目的進行複製時，屬於「不當損害著作權人利益」的要求，將不適用（日本）著作權法第30條之4規定[4]。在明知某個網站發布盜版或其他侵害著作權的情況下收集學習資料，則使用該學習資料開發的人工智慧也會造成著作權侵權，人工智慧開發者也可能被追究著作權責任[5]。不應使用以原樣輸出作為學習資料的著作權作品的學習方法，如果該已訓練模型處於高概率生成與學習資料中的著作物相似的生成結果的狀態等情況下，則該已訓練模型可能被評價為「學習資料中著作物的複製物」， 對銷毀該模型的請求即有可能會被同意[6]。 三、使用生成式AI即可能被認定為可能有接觸被侵害著作[7] 權利人不一定必須證明「生成所用生成AI的學習資料中包含權利人的作品。如有下述AI使用者認識到權利人的作品的情況之一，權利人亦可透過主張和證明符合「依賴性（依拠性）」要件，例如：AI使用者將現有的著作物本身輸入生成AI、輸入了現有著作物的題名（標題）或其他特定的固有名詞、AI生成物與現有著作物高度類似等。 四、開發與提供者也可能是侵權責任主體[8] 該指引指出，除利用人外，開發或提供者亦有負侵權責任的可能，特別是－－人工智慧頻繁產生侵權結果，或已意識到人工智慧很有可能產生侵權結果，但沒有採取措施阻止。於其應負侵權責任時，可能被請求從訓練資料集中刪除現有的著作權作品，甚至是刪除造成侵權的人工智慧學習創建的訓練模型。即便人工智慧學習創建的訓練模型一般並非訓練資料的重製物，不過如果訓練後的模型處於產生與作為訓練資料的著作權作品相似的產品的機率很高的狀態，該指引認為可能會被同意[9]。 參、事件評析 人工智慧（AI）科技迎來契機，其生成內容隨著科技發展日新月異，時常可以看見民眾在網路上分享AI技術生成的圖像和影音。是否能將AI生成的圖案用在馬克杯或衣服販售，或是將Chat GPT內容當作補習班教材，均成為日常生活中的訓練AI的資料與運用AI的產出疑義。 各國固然就存有人類的「創造性貢獻」是人工智慧生成結果是否受著作權法保護、可受著作權保護的條件，單純機械性的AI自動生成，基本上欠缺「人的創造性」，非著作權保護對象，已有明確的共識。如何以明確的法令規範降低AI開發過程的侵權風險或處理成本？賦予AI訓練合法使用既有著作，應有的界限？衡平(賦予)既有著作的著作權人權益？AI服務提供者應負那些共通義務？是否合理課予AI服務提供者應負之侵權損害責任？AI使用者之侵權責任是否須推定符合「接觸」要件？等等諸此進一步的疑義，則仍在各國討論、形成共識中。 而從日本文化廳的《人工智慧著作權檢核清單和指引》，我們可以清楚的看出，在樹立成為AI大國的國家發展政策下，其著作權法雖已賦予AI訓練資料合法的重製，但在指引是明列已屬「享受」目的訓練行為、不合理損害著作權利用的情況、明示開發服務者應負的揭露義務與可能承擔侵權責任，彰顯其對權利人權益平衡保護的努力。值得於我國將來推動落實AI基本法草案中維護著作權人權益原則時，做為完善相關法令機制的重要參考。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1] 文化庁著作権課，「AI著作権チェックリスト＆ガイダンス」，令和6年7月31日，https://www.bunka.go.jp/seisaku/bunkashingikai/chosakuken/seisaku/r06_02/pdf/94089701_05.pdf，最後閱覽日：2024/08/20。 [2] 詳見前註，頁31。 [3] 詳見前註，頁7。 [4] 詳見前註，頁8。 [5] 詳見前註，頁9。 [6] 詳見前註，頁9。 [7] 詳見前註，頁35。 [8] 詳見前註，頁36。 [9] 詳見前註，頁42。
新加坡網路安全局發布人工智慧系統安全指南，以降低AI系統潛在風險新加坡網路安全局（Cyber Security Agency of Singapore, CSA）於2024年10月15日發布人工智慧系統安全指南（Guidelines on Securing AI Systems），旨在強化AI系統安全，協助組織以安全之方式運用AI，降低潛在風險。 該指南將AI系統生命週期分成五個關鍵階段，分別針對各階段的安全風險，提出相關防範措施： （1）規劃與設計：提高AI安全風險認知能力，進行安全風險評估。 （2）開發：提升訓練資料、模型、應用程式介面與軟體庫之供應安全，確保供應商遵守安全政策與國際標準或進行風險管理；並辨識、追蹤及保護AI相關資產（例如模型、資料、輸入指令），以確保AI開發環境安全。 （3）部署：適用標準安全措施（例如存取控制、日誌記錄），並建立事件管理程序。 （4）運作與維護：持續監控AI系統的輸入和輸出，偵測異常與潛在攻擊，並建立漏洞揭露流程。 （5）壽命終期：應根據相關行業標準或法規，對資料與模型進行適當之處理、銷毀，防止未經授權之存取。 CSA期待該指南發布後，將有助於預防供應鏈攻擊（supply chain attacks）、對抗式機器學習攻擊（Adversarial Machine Learning attacks）等安全風險，確保AI系統的整體安全與穩定運行。